KI kann bei der innovativen Gestaltung von Schraubenfedern eine wichtige Rolle spielen. Durch die Verwendung von Algorithmen für maschinelles Lernen zur Analyse der Beziehung zwischen verschiedenen Designparametern (wie Material, Drahtdurchmesser, Anzahl der Windungen, Steigung usw.) und Leistungsmerkmalen (wie Last{2}}Belastbarkeit, Ermüdungslebensdauer, Steifigkeit usw.) können beispielsweise schnell optimierte Lösungen generiert werden, die bestimmte Betriebsbedingungen erfüllen, wodurch der herkömmliche Versuchs- und Fehler-Designzyklus erheblich verkürzt wird.
Unter komplexen Betriebsbedingungen (z. B. hohen und niedrigen Temperaturen, Vibrationen und Stößen) kann KI die Kraftverformung und Spannungsverteilung der Feder simulieren und sogar das Risiko eines Ermüdungsversagens vorhersagen. So können Ingenieure die Grenzen ihrer Erfahrung überwinden und leichtere und leistungsstärkere Schraubenfedern entwerfen. Darüber hinaus können durch die Kombination generativer KI unkonventionelle Strukturformen wie Strukturen mit variablem Durchmesser und Abstand erforscht werden, wodurch Materialeinsparungen oder Platzoptimierungen bei gleichzeitiger Erfüllung der Leistungsanforderungen erzielt werden.
Die durch KI generierten Designlösungen müssen jedoch noch von Ingenieuren unter Berücksichtigung von Faktoren wie Materialeigenschaften und Herstellungsprozessen überprüft und angepasst werden. Die Kombination aus beidem kann die Innovation von Schraubenfedern besser fördern.
