【资料图】

领导该研究的加州大学洛杉矶分校工程学院机械和航空航天工程教授乔纳森·霍普金斯说,这种人工智能材料可对暴露于环境条件时应表现出的行为和特性进行学习。例如,当材料被放置在飞机机翼中时,它可以学习飞行过程中风的模式,改变自身机翼的形状,以提高飞机的效率和机动性;而被注入这种材料的建筑结构还可自我调整某些区域的刚度,以提高其在地震或其他自然或人为灾害期间的整体稳定性。

科学家们利用和调整了现有人工神经网络的概念。人工神经网络正是驱动机器学习的算法,研究人员在互连系统中开发了人工神经网络组件的机械等效物。这一机械神经网络由以三角形格子图案定向的单独可调光束组成。每根梁都具有音圈、应变片和挠曲件,使梁能够改变其长度,实时适应不断变化的环境,并与系统中的其他梁相互作用。

然后,优化算法通过从每个应变仪获取数据并确定刚度值的组合来控制整个系统。为了检查应变仪监控系统的有效性,研究团队还使用了在系统输出节点上训练的相机。

该系统的早期原型在施加力的输入和机械神经网络响应的输出之间表现滞后,影响了系统的整体性能。该团队测试了梁中应变仪和弯曲的多次迭代以及不同的晶格图案和厚度,最终设计方案克服了滞后并在各个方向准确地分配了施加的力。

目前该系统大约有微波炉那么大,但研究人员计划简化机械神经网络设计,以便在3D晶格内以微尺度制造数千个网络,以用于实际材料应用。

推荐内容