利用能夠獨立控制的熱區的多維陣列的復合制造的制作方法

本公開總體上涉及復合結構制造，并且具體來說，涉及具有多維陣列的獨立控制的熱區的復合結構制造。

背景技術：

利用占越來越大百分比的復合材料來設計并制造飛行器。一些飛行器可能有超過百分之五十的主要結構由復合材料制成。在飛行器中使用復合材料以降低飛行器重量。這種降低的重量改進了諸如有效載荷能力和燃料效率這樣的性能特征。而且，復合材料對于飛行器中的各種組件來說提供了更長的使用壽命。

復合材料是通過組合兩種或更多種相異成分而創建的強韌的輕重量材料。例如，復合材料可以包括纖維和樹脂。該纖維和樹脂被組合并固化以形成復合材料。

通過利用復合材料，飛行器的多個部分可以按更大塊或段來創建。這就是所謂的集成結構。例如，飛行器的機身可以按圓筒部分來創建，其可以放置在一起以形成飛行器的機身。其它示例例如可以包括而不限于：被接合以形成機翼的機翼蒙皮、翼展加強肋、翼梁以及翼弦肋，被接合以形成穩定器的穩定器部分，加強肋，整流罩，操縱面蒙皮，蒙皮節，門，支柱，以及管狀結構。

在制造復合組件方面，這些材料典型地利用模具來形成。這些模具還被稱為工具。工具具有足夠剛性，以在將該復合材料放置到該工具上時保持針對該復合組件的希望形狀。工具在成分方面可以是金屬性或非金屬性的，以提供用于支承該復合材料的剛性。

當前，所制造的飛行器中的許多復合材料需要高壓釜來固化該復合組件。預浸漬層片中的樹脂典型地需要高溫來實現允許這些樹脂流動和固化的化學反應，并且需要高壓來實現層片固結和排出包含在預浸漬層片內的氣體(已知為孔隙度)。關于大組件，需要大高壓釜來包含該組件和用于加工的工具。

常規復合材料制造處理通常遭遇不希望的不相容性，其又可以導致縮減產量、增加廢料和返工，或者由縮減的可允許設計(結構上可拆卸的)所導致的性能/重量損失。常見的不希望的不相容性的示例包括與如下各項相關聯的那些示例：孔隙度、因回彈和翹曲而造成的制造容差、以及在固結真空下的部件堆疊中的第一層片向下或者隨后層片的粘合和起皺。因此，希望具有這樣一種裝置和方法，即，其致力于解決這些挑戰，對現有實踐和對在現有工藝規范內工作具有潛在性加以改進。

技術實現要素：

本公開的示例實現致力于提供一種用于制造復合結構的改進系統和方法，其可以被應用至用于任何合適的制造處理的預浸漬和樹脂浸泡層片，包括高壓釜內、高壓釜外以及樹脂浸泡處理。該示例實現的系統和方法致力于解決在復合材料制造(或制作)期間遭遇的常見制造不希望的不相容性，并且致力于改進產量、縮減廢料和返工，或者由縮減的可允許設計(結構上可拆卸的)所導致的性能/重量損失。如上表明或暗示的，所述系統和方法可以致力于解決的不希望的不相容性例如包括：與孔隙度、因回彈和翹曲而造成的制造容差、在固結真空下層片的起皺、以及/或者第一層片粘合到工具上相關聯的那些。

示例實現提供了記錄處理中監測傳感器數據的處理。該傳感器數據可以被輸入至基于機器學習原理的軟件算法，其輸出用于獨立控制多維陣列(二維或三維)熱區(有時稱為像素化陣列或像素化熱區)的編程邏輯，以局部加熱、冷卻或保持復合結構在其制造期間的組成部件的溫度。該像素化區的更高維的熱控制可以改進復合結構的制造質量，包括用于實時響應于異常性的能力(實時在此指實時或近實時)。

在制造復合結構方面，纖維床可以預浸漬有樹脂，或者利用粘合劑保持在一起并且浸泡有樹脂。示例實現可以具有這樣的能力，即，在將樹脂浸泡到纖維床(干纖維加固)中期間，經由主動熱控制樹脂粘度并且有效操縱樹脂流的前部，來縮減樹脂浸泡復合材料的孔隙度和浸泡時間。示例實現能夠局部改變溫度，以改變樹脂(用于預浸漬纖維床)或粘合劑(用于要經樹脂浸泡的纖維床)的摩擦粘度，從而縮減在真空形成處理期間層片的起皺。示例實現還能夠通過應用不同的熱升溫速率，以局部改變來自樹脂聚合物交聯的由處理導致的應變(process-inducedstrain)，來抵消因層壓不對稱而造成的回彈和翹曲。更進一步地，示例實現能夠加熱該工具，以幫助粘合粘合劑(用于要經樹脂浸泡的纖維床)或樹脂(用于預浸漬纖維床)，從而將第一層片敷設到該工具上。

本公開由此包括而不限于下列示例實現。在一些示例實現中，提供了一種用于制造復合結構的系統。所述系統包括工具、多個傳感器、計算裝置以及控制器。所述工具具有被配置成支承復合結構的多個組成部件的表面。所述工具還具有被配置成提供由所述表面被劃分成的多個熱區的多個加熱/冷卻裝置。所述多個加熱/冷卻裝置和由此的所述多個熱區按多維陣列設置，并且能夠被獨立控制，以在從所述組成部件中的一組成部件中制作所述復合結構期間，局部加熱、冷卻或保持該組成部件的溫度。所述多個傳感器被配置成在相應多個空間分布點處感測所述組成部件的特性，并提供與其相對應的傳感器數據。所述計算裝置聯接至所述多個傳感器，并且被配置成將所述傳感器數據應用至機器學習算法，該機器學習算法被配置成生成用于實現針對所述組成部件或所述復合結構的限定質量目標的控制數據。而且，所述控制器聯接至所述計算裝置和工具，并且被配置成，獨立控制所述多個加熱/冷卻裝置和由此的所述多個熱區，以根據所述控制數據來局部加熱、冷卻或保持所述組成部件的溫度，從而提高所述組成部件或所述復合結構至所述限定質量目標。在這些示例實現中，在從所述組成部件制造所述復合結構期間，在多個情況下，所述多個傳感器被配置成感測所述特性并且提供與其相對應的傳感器數據，所述計算裝置被配置成將所述傳感器數據應用至所述機器學習算法，并且所述控制器被配置成獨立控制所述多個加熱/冷卻裝置和由此的所述多個熱區，所述機器學習算法在所述多個情況中進行學習，以增加所述組成部件或所述復合結構至所述限定質量目標的提高。即，所述機器學習算法可以在所述多個情況中進行學習，以生成更好實現所述限定質量目標的控制數據。

在前述或任何隨后示例實現的系統的一些示例實現，或其任何組合中，所述多個傳感器中的每一個傳感器與相應熱區相關聯，并且被配置成感測所述相應熱區處的所述復合結構的所述特性。

在任何前述或任何隨后示例實現的系統的一些示例實現，或其任何組合中，所述復合結構的所述組成部件包括預浸漬或者要用樹脂浸泡的纖維床，并且所述多個加熱/冷卻裝置和由此的所述多個熱區能夠被獨立控制，以局部加熱、冷卻或保持所述樹脂的溫度。

在任何前述或任何隨后示例實現的系統的一些示例實現，或其任何組合中，所述組成部件的所述特性是所述樹脂的存在或不存在、溫度、壓力或固化程度，或者所述纖維床的平面外變形。

在任何前述或任何隨后示例實現的系統的一些示例實現，或其任何組合中，制造所述復合結構包括跨所述纖維床的樹脂流，由此用樹脂浸泡所述纖維床，并且針對所述組成部件或所述復合結構的所述限定質量目標包括所述樹脂流前部的希望形狀(所述流前部的希望形狀)，其可以是平面內流或貫穿厚度的流前部中的任一者或兩者。在這些示例實現中，所述機器學習算法被配置成生成用于實現所述樹脂流的前部的所述希望形狀的控制數據，并且所述控制器被配置成，獨立控制所述多個加熱/冷卻裝置和由此的所述多個熱區，以局部加熱、冷卻或保持所述樹脂的溫度，從而局部控制所述樹脂的粘度，并由此將所述樹脂流的前部操縱成其所述希望形狀。

在任何前述或任何隨后示例實現的系統的一些示例實現，或其任何組合中，所述組成部件的所述特性是存在或不存在樹脂。在這些示例實現中，所述計算裝置被配置成將所述傳感器數據應用至所述機器學習算法包括：至少被配置成執行如下操作：生成所述纖維床的二進制圖像位圖，該二進制圖像位圖指示在相應所述多個空間分布點處存在或不存在樹脂；從所述位圖提取所述樹脂流的前部(平面內和/或貫穿厚度)的輪廓，以生成矢量點云；以及沿所述矢量點云中的矢量點測量相應所述多個空間分布點中的至少一些空間分布點中的每一個點處的曲率，并由此生成用于針對所述機器學習算法的應用的曲率統計，所述機器學習算法被配置成，基于所述曲率統計在相應所述多個空間分布點中的至少一些空間分布點中的每一個點處，選擇性地應用懲罰或獎勵。

在任何前述或任何隨后示例實現的系統的一些示例實現，或其任何組合中，所述機器學習算法被配置成選擇性地應用懲罰或獎勵包括：針對相應所述多個空間分布點中的至少一些空間分布點中的每一個點，被配置成針對所述點處的相應高曲率或低曲率選擇性地應用懲罰或獎勵，并且所述機器學習算法被配置成生成用于實現所述樹脂流的直前部的所述限定質量目標的控制數據。

在任何前述或任何隨后示例實現的系統的一些示例實現，或其任何組合中，制造所述復合結構包括固化所述樹脂，并且針對所述組成部件或所述復合結構的所述限定質量目標包括所述復合結構的希望形狀。在這些示例實現中，所述機器學習算法被配置成生成用于實現所述復合結構的所述希望形狀的控制數據，并且所述控制器被配置成，獨立控制所述多個加熱/冷卻裝置和由此的所述多個熱區，以局部加熱、冷卻或保持所述樹脂的溫度，從而局部控制所述樹脂的熱梯度和固化程度，并由此控制所述復合結構內的由處理導致的應變，以應對所述復合結構中的任何回彈。

在任何前述或任何隨后示例實現的系統的一些示例實現，或其任何組合中，所述復合結構的所述多個組成部件包括多個纖維層片，所述多個纖維層片中的每一個層片預浸漬有樹脂或者利用粘合劑保持在一起，并且所述多個加熱/冷卻裝置和由此的所述多個熱區能夠被獨立控制，以局部加熱、冷卻或保持所述樹脂或粘合劑的溫度。在這些示例實現中，制造所述復合結構包括鋪設所述多個層片中的第一層片和固結層片，并且針對所述組成部件或復合結構的所述限定質量目標包括最小化在鋪設所述多個層片中的所述第一層片或者固結層片期間形成的平面外纖維變形(起皺)。而且，在這些示例實現中，所述機器學習算法被配置成生成用于實現平面外纖維變形的最小化的控制數據，并且所述控制器被配置成，獨立控制所述多個加熱/冷卻裝置和由此的所述多個熱區，以局部加熱、冷卻或保持所述樹脂或所述粘合劑的溫度，從而局部控制在鋪設所述多個層片中的所述第一層片或固結層片期間所述樹脂或所述粘合劑的摩擦粘度。

在任何前述或任何隨后示例實現的系統的一些示例實現，或其任何組合中，所述組成部件的所述特性是在鋪設所述多個層片中的所述第一層片或固結層片期間所述復合結構的厚度，所述厚度的變化指示平面外纖維變形。

在一些示例實現中，提供了一種用于制造復合結構的方法。所述方法包括以下步驟：在工具的表面上支承復合結構的組成部件。所述工具具有被配置成提供由所述表面被劃分成的多個熱區的多個加熱/冷卻裝置。所述多個加熱/冷卻裝置和由此的所述多個熱區按多維陣列設置，并且能夠被獨立控制，以在從所述組成部件中的一組成部件中制作所述復合結構期間，局部加熱、冷卻或保持該組成部件的溫度。所述方法包括以下步驟：通過多個傳感器在相應多個空間分布點處感測所述組成部件的特性，并提供與其相對應的傳感器數據。所述方法包括以下步驟：將所述傳感器數據應用至機器學習算法，該機器學習算法生成用于實現針對所述組成部件或所述復合結構的限定質量目標的控制數據。并且所述方法包括以下步驟：獨立控制所述多個加熱/冷卻裝置和由此的所述多個熱區，以根據所述控制數據局部加熱、冷卻或保持所述組成部件的溫度，從而提高所述組成部件或所述復合結構至所述限定質量目標。在這些示例實現中，在制造由所述多個組成部件構成的所述復合結構期間在多個情況下出現如下操作：感測所述特性并且提供與其相對應的傳感器數據，將所述傳感器數據應用至所述機器學習算法，以及獨立控制所述多個加熱/冷卻裝置和由此的所述多個熱區，所述機器學習算法在所述多個情況中進行學習，以增加提高所述組成部件或所述復合結構直至所述限定質量目標。

在前述或任何隨后示例實現的方法的一些示例實現，或其任何組合中，所述多個傳感器中的每一個傳感器與相應熱區相關聯，并且感測所述相應熱區處的所述復合結構的所述特性。

在任何前述或任何隨后示例實現的方法的一些示例實現，或其任何組合中，所述復合結構的所述多個組成部件包括預浸漬或者要用樹脂浸泡的纖維床，并且所述多個加熱/冷卻裝置和由此的所述多個熱區能夠被獨立控制，以局部加熱、冷卻或保持所述樹脂的溫度。

在任何前述或任何隨后示例實現的方法的一些示例實現，或其任何組合中，所述組成部件的所述特性是所述樹脂的存在或不存在、溫度、壓力或固化程度，或者所述纖維床的平面外變形。

在任何前述或任何隨后示例實現的方法的一些示例實現，或其任何組合中，制造所述復合結構包括跨所述纖維床的樹脂流，由此用樹脂浸泡所述纖維床，并且針對所述組成部件或復合結構的所述限定質量目標包括所述樹脂流前部的希望形狀。在這些示例實現中，所述機器學習算法生成用于實現所述樹脂流的前部的所述希望形狀的控制數據，并且所述多個加熱/冷卻裝置和由此的所述多個熱區被獨立控制，以局部加熱、冷卻或保持所述樹脂的溫度，從而局部控制所述樹脂的粘度，并由此將所述樹脂流的前部操縱成其所述希望形狀。

在任何前述或任何隨后示例實現的方法的一些示例實現，或其任何組合中，所述組成部件的所述特性是存在或不存在樹脂。在這些示例實現中，將所述傳感器數據應用至所述機器學習算法包括至少如下操作：生成所述纖維床的二進制圖像位圖，該二進制圖像位圖指示在相應所述多個空間分布點處存在或不存在樹脂；從所述位圖提取所述樹脂流的前部的輪廓，以生成矢量點云；以及沿所述矢量點云中的矢量點測量相應所述多個空間分布點中的至少一些空間分布點中的每一個點處的曲率，并由此生成用于針對所述機器學習算法的應用的曲率統計，所述機器學習算法基于所述曲率統計在相應所述多個空間分布點中的至少一些空間分布點中的每一個點處，選擇性地應用懲罰或獎勵。

在任何前述或任何隨后示例實現的方法的一些示例實現，或其任何組合中，所述機器學習算法選擇性地應用懲罰或獎勵包括：針對相應所述多個空間分布點中的至少一些空間分布點中的每一個點，針對在所述點處的相應高曲率或低曲率來選擇性地應用懲罰或獎勵，并且所述機器學習算法生成用于實現所述樹脂流的直前部的所述限定質量目標的控制數據。

在任何前述或任何隨后示例實現的方法的一些示例實現，或其任何組合中，制造所述復合結構包括固化所述樹脂，并且針對所述組成部件或復合結構的所述限定質量目標包括所述復合結構的希望形狀。在這些示例實現中，所述機器學習算法生成用于實現所述復合結構的所述希望形狀的控制數據，并且所述多個加熱/冷卻裝置和由此的所述多個熱區被獨立控制，以局部加熱、冷卻或保持所述樹脂的溫度，從而局部控制所述樹脂的熱梯度和固化程度，并由此控制所述復合結構內的由處理導致的應變，以應對所述復合結構中的任何回彈。

在任何前述或任何隨后示例實現的方法的一些示例實現，或其任何組合中，所述復合結構的所述多個組成部件包括多個纖維層片，所述多個纖維層片中的每一個層片預浸漬有樹脂或者利用粘合劑保持在一起，并且所述多個加熱/冷卻裝置和由此的所述多個熱區能夠被獨立控制，以局部加熱、冷卻或保持所述樹脂或粘合劑的溫度。在這些示例實現中，制造所述復合結構包括鋪設所述多個層片中的第一層片和固結層片，并且針對所述組成部件或復合結構的所述限定質量目標包括最小化在鋪設所述多個層片中的所述第一層片或者固結層片期間形成的平面外纖維變形(起皺)。而且，在這些示例實現中，所述機器學習算法生成用于實現平面外纖維變形的最小化的控制數據，并且所述多個加熱/冷卻裝置和由此的所述多個熱區被獨立控制，以局部加熱、冷卻或保持所述樹脂或粘合劑的溫度，從而局部控制在鋪設所述多個層片中的所述第一層片或固結層片期間所述樹脂或粘合劑的摩擦粘度。

在任何前述或任何隨后示例實現的方法的一些示例實現，或其任何組合中，所述組成部件的所述特性是在鋪設所述多個層片中的所述第一層片或固結層片期間所述復合結構的厚度，所述厚度的變化指示平面外變形。

根據閱讀下面的詳細描述與下面簡要描述的附圖一起，本公開的這些和其它特征、方面以及優點將變明白。本公開包括在本公開中闡述的兩個、三個、四個或更多個特征或部件的任何組合，而不管這種特征或部件是否在于此描述的具體示例實現中加以明顯組合或者以其它方式陳述。本公開旨在被整體閱讀，以使本公開的任何可分離特征或部件，在其方面和示例實現的任一者中，都應被視為預期的(即，可組合的)，除非本公開的上下文另外清楚地規定。

由此，應當清楚，該簡短概述僅出于概括一些示例實現的目的而提供，以提供對本公開的一些方面的基本理解。因此，應當清楚，上述示例實現僅僅是示例，在任何情況下都不應被視為縮窄本公開的范圍或精神。根據下面結合附圖進行的詳細描述，其它示例實現、方面以及優點將變清楚，附圖通過示例的方式例示了一些描述示例實現的原理。

附圖說明

如此概括地對本公開的示例實現進行了描述，下面，對附圖進行說明，其不必按比例化進行繪制，并且其中：

圖1例示了制造復合結構的方法中的各個步驟，其可以有益于本公開的至少一些示例實現；

圖2a和圖2b例示了根據本公開的一些示例實現的用于制造復合結構的系統；

圖3是例示根據各個示例實現的制造復合結構的方法中的各個步驟的流程圖；

圖4a和圖4b例示了根據各個示例實現的在樹脂浸泡期間鋪設在工具上的復合結構，并且包括操縱樹脂流的前部以實現希望質量目標；

圖5例示了根據各個示例實現的在層片固結期間鋪設在工具上的復合結構，并且包括局部控制樹脂的摩擦粘度，以實現最小化平面外纖維變形的質量目標；

圖6例示了根據本公開的示例實現的、用于抵消復合材料回彈以實現標稱工程學形狀的質量目標的技術；以及

圖7例示了根據一些示例實現的裝置。

具體實施方式

下面，參照附圖，對本公開的一些實現進行更全面描述，其中，示出了本公開的一些但非全部實現。實際上，本公開的各種實現可以按許多不同形式具體實施，而不應視為對在此闡述的實現進行限制；相反的是，提供這些示例實現，以使本公開透徹和完整，并且向本領域技術人員全面表達本公開的范圍。例如，除非另外加以表明，將某事物稱為第一、第二等不應被視為暗示特殊次序。而且，例如，在此可以引用定量測量、值、關系等(例如，平面、共面、垂直)。除非另外規定，這些中的任一個或更多個(若非全部的話)可以是絕對的或近似的，以考慮可能出現的可接受變化，如因工程學容差等而造成的那些。貫穿全文，相同標號指代相同部件。

本公開的示例實現總體上涉及復合結構制造，并且如上所示，其可以被應用至用于任何合適的制造處理的預浸漬(pre-impregnated)和樹脂浸泡層片，包括高壓釜內、高壓釜外以及樹脂浸泡處理。該結構可以是由一個或更多個層(在一些示例中，更具體為“層片”)組成的許多不同結構中的任一者，其中每一個在一些示例中可以包括纖維床(有時更簡單地稱為層片或纖維層片)。該纖維床可以預浸漬有樹脂，或者利用粘合劑保持在一起，并且要用樹脂浸泡。這些復合結構可以由多個組成部件組成，例如包括一個或更多個纖維層片，其中每一個層片都可以預浸漬有樹脂，或者利用粘合劑保持在一起(并且要用樹脂浸泡)。合適結構的示例包括：復合材料、層壓復合材料等，如單向帶層片的層壓復合材料、分層金屬化結構、金屬化或復合蒙皮和芯體(夾層結構)等。這些結構可以按許多不同方式來利用，如有人駕駛或無人駕駛交通工具(例如，機動車輛、有軌車輛、船只、飛行器、航天器)。

圖1例示了制造復合結構的方法100中的各個步驟，其可以有益于本公開的至少一些示例實現，盡管示例實現可以等同地應用于復合結構制造的其它方法。如框102所示，該方法可以包括：制備工具(或模具)，其可以包括清潔并向該工具施加化學脫模劑。可以將一個或更多個纖維層片切割成希望尺寸和形狀，并且按它們的正確次序放置到該工具上，如框104和106所示。如上所示，這些層片可以預浸漬有樹脂，或者利用粘合劑保持在一起并且要用樹脂浸泡。

方法100可以包括層片固結(plyconsolidation)，如框108所示。對于預浸漬層片的情況來說，該層片固結可以包括：通過在真空袋下利用用于提供排出揮發物的氣路的可滲透材料層密封該鋪設層，來周期性固結(壓實)層片。這種壓實可以通過施加完全真空達特定時段(例如，5-10分鐘)以固結并從層片去除空氣來完成。

對于樹脂浸泡的情況來說，層片固結通常被稱為預成型。這涉及鋪設層片，將該層片至于真空下，以將它們形成正確形狀，并將該層片置于熔融粘合劑的溫度(例如，330°f)下。這將層片設置成正確的形狀。在一些示例中，層片可以被修剪，并接著從預成型模具轉移到浸泡工具上。該預成型可能更通常在幾何結構復雜并且層片無法充分就地鋪設的情況下執行。

對于預浸漬層片和要用樹脂浸泡的那些事務兩者來說，方法100可以包括敷設消耗品和裝袋步驟，如框110所示。這里，可以將脫模膜層放置在該鋪設層上，作為層片上的保護屏障，并且可以將可滲透材料層放置在脫模膜上，以生成氣路。對于預浸漬層片來說，該氣路可以用于從層片去除氣體和揮發物。對于要用樹脂浸泡的層片來說，該氣路可以生成一路徑，以將樹脂浸泡到層片中(或者更具體地說，浸泡到它們的相應纖維床中)。針對兩類層片，該鋪設層可以覆蓋在被被密封不使空氣透至該工具的真空袋中。

該結構可以接著加以固化，如框112所示。對于預浸漬層片來說，這可以包括：將裝袋的鋪設層放置在高壓釜中。對于要用樹脂浸泡的層片來說，這可以包括將裝袋鋪設層放置在烤爐中，并將該鋪設層連接至樹脂源。可以根據推薦固化周期而應用壓力和溫度曲線圖，以在預浸漬層片的情況下固化該樹脂，或者在要浸泡層片的情況下用樹脂浸泡該層片并固化樹脂。在該固化周期之后，可以將該復合結構去袋，并修剪，如框114所示。這可以包括從高壓釜中(對于預浸漬層片來說)或者從烤爐中(對于樹脂浸泡來說)去除該工具，并且去除消耗品(真空袋、可滲透材料以及脫模膜)。該固化復合結構可以從工具脫模，并修剪以去除尖銳邊緣從而生成希望的最終形狀。

本公開的示例實現可以在制造復合部件期間應用于處理中，以實現一個或更多個特定限定質量。示例實現可以在制造復合結構的方法100的許多不同步驟中的任一步驟之前、之后或期間應用，如在層片敷設(框106)、固結(框108)以及/或者樹脂浸泡和固化(框112)期間。根據示例實現，可以使用多維(二維或三維)陣列的獨立控制熱區，來解決在復合材料制造(制作)期間遭遇的常見制造不希望的不相容性，并且改進產量、縮減廢料和返工，或者由縮減的可允許設計(結構上可拆卸的)所導致的性能/重量損失。更具體地說，示例實現提供了對多維陣列熱區中的多個熱區的基于強化學習的獨立控制，以在復合結構制造期間加熱、冷區或保持該復合結構的組成部件的溫度。可以應用示例實現，以提供對復合結構的高級、實時、處理中質量控制，如利用樹脂浸泡、高壓釜中或者高壓釜外預浸漬處理。

圖2a和2b例示了根據本公開的一些示例實現的用于制造復合結構202的系統200。如上所示并且如下更詳細描述的，該系統可以被配置成，在制造復合結構期間執行操作，以實現一個或更多個限定質量目標。該系統可以在層片鋪設和/或固結期間操作，以最小化平面外纖維變形，否則其可能在那些步驟期間形成。例如，該系統可以加熱工具，以幫助粘合粘合劑(用于要經樹脂浸泡的纖維床)或樹脂(用于預浸漬纖維床)，從而將第一層片敷設到該工具上。在另一示例中，該系統可以局部改變溫度，以改變樹脂(用于預浸漬纖維床)或粘合劑(用于要經樹脂浸泡的纖維床)的摩擦粘度，從而縮減在真空形成處理期間層片的起皺。

該系統200可以在樹脂浸泡和固化期間操作，以保持樹脂流前部的希望形狀。更具體地說，例如，該系統可以對樹脂粘度施加主動熱控制，并由此有效操縱樹脂流前部，以保持具有最小曲率的直流(straightflow)前部，其可以最小化斷陷樹脂流前部、生成降低該復合結構的質量的孔隙度區域的機會。在又一示例中，該系統可以操作以實現該復合結構的希望形狀，如其標稱工程學形狀。這里，該系統可以應用不同的熱升溫速率，以局部改變來自樹脂聚合物交聯的由處理導致的應變，并由此可以抵消因層壓不對稱而造成的回彈和翹曲。

該系統200可以包括：許多不同子系統(每一個單個系統)中的一個或更多個，以執行有關制造復合結構202的一個或更多個功能或操作。如所示，例如，該系統可以包括：彼此聯接的工具204(或模具)、多個傳感器206、計算裝置208以及控制器210。盡管作為該系統的部分一起被示出，但應當明白，該工具、傳感器、計算裝置或控制器中的任一個或更多個都可以充任或操作為與另一個無關的分離系統。而且進一步地，應當明白，與圖2a和2b所示系統相比，該系統可以包括一個或更多個附加或另選子系統。

工具204可以具有表面212，該表面212被配置成支承復合結構202的組成部件(例如，一個或更多個纖維層片、樹脂)。如圖2a所示，并且更具體地如圖2b所示，該工具還可以具有多個加熱/冷卻裝置214，其被配置成提供由該表面劃分成的多個熱區216(其中每一個之一在圖3中被具體調出)。該加熱/冷卻裝置和由此的熱區可以按多維陣列設置，并且可獨立控制，以在從所述組成部件中的一組成部件中制作該復合結構期間，局部加熱、冷卻或保持所述多個組成部件中的組成部件的溫度。在一些示例中，該加熱/冷卻裝置和由此的熱區可獨立控制，以局部加熱、冷卻或保持樹脂的溫度。

加熱/冷卻裝置214可以按許多不同方式中的任一種來設置熱區216。在一些示例中，該表面可以由多個加熱/冷卻裝置組成，并且該裝置的相應表面按多維陣列設置，以形成該工具的所述表面。這些加熱/冷卻裝置中的每一個都可被控制，以加熱、冷卻或保持溫度，并由此提供相應熱區。在其它示例中，可以將按多維陣列設置的類似多個單獨加熱/冷卻裝置定位在該工具的表面下面，并且與該工具的表面熱連通。合適的加熱/冷卻裝置的示例包括從surfacegenerationltd.oftheunitedkingdom商業可獲的那些，和從qpointcompositegmbhofgermany商業可獲的那些。

所述多個傳感器206可以被配置成按相應多個空間分布點感測該組成部件的特性，并提供與其相對應的傳感器數據。在一些示例中，所述多個傳感器中的每一個傳感器都與相應熱區216相關聯，并且被配置成感測該相應熱區處的復合結構202的特性。傳感器的示例包括壓電和光纖傳感器，其可以測量樹脂或粘合劑的諸如存在性、溫度、壓力以及/或者固定程度這樣的特性。合適傳感器的另一示例是光學傳感器，其被配置成檢測復合結構的厚度，其中變化指示平面外纖維變形。該傳感器可以按許多不同方式中的任一種來設置，并且可以在數量上大于、等于或小于熱區的數量。該傳感器可以位于工具的表面212上方、上面或下面。在一些示例中，該傳感器可以位于真空袋上方。在一些示例中，該傳感器可以隨設置熱區的相應單個加熱/冷卻裝置214一起設置。

計算裝置208可以聯接至所述多個傳感器206，并且被配置成生成用于實現針對該組成部件或復合結構202的限定質量目標的控制數據。該控制數據可以根據許多反饋控制機制來生成。在一些示例中，該計算裝置可以被配置成，將傳感器數據應用至機器學習算法218(例如，機器可讀程序代碼)，該機器學習算法218被配置成生成用于實現針對該組成部件或復合結構的限定質量目標的控制數據。合適機器學習算法的示例包括：強化學習算法、遺傳算法、進化算法等。在一些示例中，如下更詳細描述的，這些和其它機器學習算法可以利用懲罰和獎勵方案來生成合適的控制數據。

控制器210可以聯接至計算裝置208和工具204，并且被配置成，獨立控制加熱/冷卻裝置214和由此的熱區216，以根據控制數據局部加熱、冷卻或保持該組成部件的溫度，從而提高該組成部件或復合結構202直至該限定質量目標。

通過示例實現的系統200執行的上述處理可以在制造由該組成部件組成的復合結構202期間重復多個情況。即，所述多個傳感器206可以被配置成，感測所述特性并且提供與其相對應的傳感器數據，計算裝置208可以被配置成，將傳感器數據應用至機器學習算法218，并且控制器210可以被配置成，在多個情況下獨立控制加熱/冷卻裝置214和由此的熱區216。這可以允許機器學習算法通過所述多個情況學習來增加提高該組成部件或復合結構直至該限定質量目標。

在一些示例中，受該熱區216影響的組成部件是如下的樹脂，其來自預浸漬纖維床(層片)，或者用樹脂浸泡的纖維床。在這些示例中，加熱/冷卻裝置214和由此的熱區可被獨立控制，以局部加熱、冷卻或保持樹脂的溫度。而且，在這些示例中，該組成部件(樹脂)的特性可以包括：樹脂的存在或不存在、溫度、壓力或固化程度，或者纖維床的平面外變形。

如上說明的，在一些示例中，制造復合結構202包括樹脂浸泡，其可以涉及橫跨纖維床的樹脂流，由此用樹脂浸泡該纖維床。在這些示例中，針對組成部件或復合結構的限定質量目標可以包括該樹脂流前部的希望形狀。機器學習算法218由此可以被配置成，生成用于實現該樹脂流前部的希望形狀的控制數據。而且，控制器210可以被配置成，獨立控制加熱/冷卻裝置214和由此的熱區216，以局部加熱、冷卻或保持樹脂的溫度，從而局部控制樹脂的粘度，并由此將樹脂流的前部操縱成其所述希望形狀。

在另一些示例中，該組成部件的特性可以是存在或不存在樹脂。在這些示例中，計算裝置208可以被配置成，生成纖維床的、指示在相應多個空間分布點處存在或不存在樹脂的二進制圖像位圖,并且從該位圖提取樹脂流的前部輪廓，以生成矢量點云。計算裝置可以沿該矢量點云中的矢量點測量相應多個空間分布點中的至少一些空間分布點中的每一個點處的曲率。該計算裝置由此可以生成用于針對機器學習算法218的應用的曲率統計，該應用被配置成，基于該曲率統計在相應多個空間分布點中的至少一些空間分布點中的每一個點處，選擇性地應用懲罰或獎勵。在又一些示例中，針對相應所述多個空間分布點中的至少一些空間分布點中的每一個點，該機器學習算法可以針對該點處的相應高曲率或低曲率而選擇性地應用懲罰或獎勵。該機器學習算法接著可以生成用于實現樹脂流的直前部的限定質量目標的控制數據。

在一些示例中，制造復合結構202包括固化樹脂，并且針對該組成部件或復合結構的限定質量目標包括該復合結構的希望形狀。在這些示例中，該機器學習算法218可以被配置成生成用于實現該復合結構的希望形狀的控制數據。而且，控制器210可以被配置成，獨立控制加熱/冷卻裝置214和由此的熱區216，以局部加熱、冷卻或保持樹脂的溫度，從而局部控制樹脂的熱梯度和固化程度，并由此控制復合結構內的由處理導致的應變，以應對復合結構中的任何回彈。該固化程度可以指平面內或貫穿厚度的固化程度中的任一者或兩者。

在一些示例中，加熱/冷卻裝置214和由此的熱區216可被獨立控制，以局部加熱、冷卻或保持預浸漬樹脂的溫度，或者用以將纖維保持在一起的粘合劑的溫度。在這些示例中，制造復合結構202可以包括：鋪設所述多個層片中的第一層片和層片固結，并且針對該組成部件或復合結構的限定質量目標包括最小化在鋪設所述多個層片中的第一層片或者層片固結期間形成的平面外纖維變形(起皺)。

層片固結可以應用至高壓釜中預浸漬層片，以及高壓釜外預浸漬層片和用于樹脂浸泡的層板。在樹脂浸泡處理中，層片固結可以在完成鋪設時，通常進行一次。對于高壓釜中和高壓釜外預浸漬層片兩者來說，層片固結步驟可以重復多次，如在第一層片完成(down)之后，接著按規則間隔(例如，在敷設了每四個層片之后)，以及在完成鋪設時再一次重復。

結合被配置成測量平面外層片變形的傳感器206，機器學習算法庫218因而可以被配置成，生成用于加熱/冷卻裝置214和由此的熱區216的控制數據，以提供局部溫度控制，從而實現最小化平面外纖維變形。而且，控制器210可以被配置成，根據該控制數據獨立控制加熱/冷卻裝置和由此的熱區，以局部加熱、冷卻或保持樹脂或粘合劑的溫度，從而局部控制在鋪設所述多個層片中的第一層片或層片固結期間該樹脂或粘合劑的摩擦粘度。在這些示例中的至少一些中，該組成部件的特性可以是：在鋪設所述多個層片中的第一層片或層片固結期間該復合結構的厚度，所述厚度的變化指示平面外纖維變形。

圖3是例示根據各個示例實現的制造復合結構的方法300中的各個步驟的流程圖。如框302所示，所述方法可以包括以下步驟：在工具204的表面212上支承復合結構202的多個部件。該工具還可以具有多個加熱/冷卻裝置214，其被配置成設置由該表面劃分成的多個熱區216。所述多個加熱/冷卻裝置和由此的所述多個熱區可以按多維(二維或三維)陣列布置，并且可被獨立控制，以在從所述組成部件中的一組成部件中制作該復合結構期間，局部加熱、冷卻或保持所述多個組成部件中的一組成部件的溫度。

該方法300還可以包括以下步驟：通過多個傳感器206在相應多個空間分布點處感測該組成部件的特性，并提供與其相對應的傳感器數據，如框304所示。所述方法可以包括以下步驟：將該傳感器數據應用至機器學習算法218(例如，強化學習算法)，該機器學習算法生成用于實現針對該組成部件或復合結構的限定質量目標的控制數據，如框306所示。而且，所述方法可以包括以下步驟：獨立控制加熱/冷卻裝置214和由此的熱區216，以根據該控制數據局部加熱、冷卻或保持該組成部件的溫度，從而提高該組成部件或復合結構202直至該限定質量目標，如框308所示。還如圖所示，可以重復該方法，以使可以將傳感器數據提供并應用至該機器學習算法，并且該加熱/冷卻裝置和由此的熱區可以在制造由所述多個組成部件構成的該復合結構期間在多個情況下獨立控制。這可以包括：該機器學習算法通過所述多個情況學習，來增加提高該組成部件或復合結構直至該限定質量目標。

示例實現的方法300可以在制造復合結構期間應用，或者可以在該復合結構的仿真制造期間應用。該方法在仿真制造期間的這種應用可以提供許多益處，其可以向制造復合結構推進。例如，該機器學習算法可以通過對復合結構的仿真制造來訓練，并且隨著該訓練，可以在制造該復合結構期間更加正確地應用該機器學習算法。

為進一步例示本公開的示例實現，考慮到這樣一種案例研究，即，該樹脂流前部可以以中心為厚墊的方式在復合結構上操縱，表示像接合至鉸鏈點的某物。圖4a和4b例示了鋪設在工具204上的復合結構202。盡管未分開示出，但在這個和其它示例中，傳感器206可以橫跨該復合結構在平面內或貫穿厚度定位。在這個示例中，該限定質量目標可能以最小曲率保持直流前部，其可以最小化斷陷樹脂流前部、生成降低該復合結構的質量的孔隙度區域的機會。

根據本公開的示例實現，隨著樹脂橫跨纖維流動，傳感器206可以針對計算裝置208來檢測存在或不存在樹脂，以創建二進制圖像位圖，其可以與已經檢測到樹脂的傳感器的布置結構類似地呈現。該計算裝置可以從該位圖提取樹脂流前部402的輪廓，以生成矢量點云，并且在每一個傳感器處測量沿該矢量點的局部和全局曲率。機器學習算法218可以基于該曲率統計來應用懲罰(針對高曲率的懲罰，針對低曲率的獎勵，以實現直樹脂流前部的希望結果)，并且提供用于控制器210的控制數據，其可以單獨指令加熱/冷卻裝置214和由此的熱區216，以增加、降低、保持它們的溫度。例如，圖4a中的陰影熱區指示被控制增加溫度的那些區，以降低樹脂的粘度，從而增加樹脂流動，使得流前部“調直(straightensup)”。

在圖4b所示示例中，在時長＝x，傳感器206可以檢測到流前部因材料的厚墊而在中心遲滯。機器學習算法218可以依次向控制器210發送控制數據，以局部增加該區域的溫度，從而局部降低樹脂的粘度。該流前部可以在時長＝x+1處開始變直，而在時長＝x+2處，傳感器可以檢測到流前部更均勻。這可以導致在機器學習算法處應用獎勵。

在一些示例中，計算裝置208可以隨著復合結構202的填充狀態而開始，該狀態指示該復合結構已經填充有多少樹脂，其輸入至機器學習算法2318。該機器學習算法可以生成恰當的控制數據，其可以被輸入至控制器110，以獨立控制加熱/冷卻裝置214和由此的熱區216，從而局部加熱、冷卻或者保持樹脂的溫度。這可以導致針對該填充狀態的變化。該循環可以繼續，并且按希望的有效頻率(例如，秒或分)運行，或者該循環可以每所制造的結構僅完成一次。在任一情況下，該機器學習算法都可以利用現實或者計算機仿真傳感器數據來學習。而且，該獎勵系統可以基于傳感器數據自動化，或者在該循環中通過操作人工控制。

本公開的示例實現可以混合兩種人工智能技術，以生成一種智能控制方案，其執行用于實現限定質量目標的策略，并且按可傳感方式來對不希望的質量變化做出反應。可以根據示例實現使用并且可能混合的人工智能技術的示例包括：強化學習和深層神經網絡、貝葉斯推理和專家系統等。根據示例實現，該限定質量目標可以是諸如直樹脂前部這樣的高級目標，以代替諸如溫度值這樣的簡單目標。針對該控制方案的輸入可以顯著地比典型控制方案更復雜，并且可能不必如在其它方案中直接關聯至輸出。

通過機器學習，系統200可以采取動作并且觀察它們對環境具有的影響。關于這點，該系統可以局部增加、降低或保持工具204的溫度，并且依次保持樹脂的溫度，接著經由傳感器206觀察樹脂填充狀態。通過重復動作/觀察，該系統可以學習什么動作與什么觀察相關聯。機器學習的處理可以包括隨著特定觀察來應用獎勵或懲罰，以使機器學習算法218可以隨著時間學習優選特定動作，以最大化獎勵。即，假設觀察復合結構或其一組成部件(例如，樹脂)的狀態，該機器學習算法可以學習優選動作(如改變溫度)，其導致最大獎勵(該算法嘗試最大化的值，并且根據其實現該目標有多好，而在每一個步驟提供給該算法)。

因為要在指定情況下采取的最佳動作取決于對該情況和過去經驗的認知，所以可以在深層神經網絡的形式下使用存儲器，其充當當前狀態、可能動作集合以及希望獎勵之間的映射。該映射可以是通過該學習處理精煉的產物。該處理可以在仿真中和實際復合結構上執行，由此，使得來自仿真的一系列存儲知識能夠在運行第一固化之前加以使用。示例實現的一個顯著益處是，其用于在制造復合結構期間實時(硬實時、固實時或軟實時)檢測和修理處理異常性的能力。

該局部特制樹脂溫度以影響樹脂的物理特性的案例研究可以更通常地應用。圖5示出了用于局部控制樹脂(用于預浸漬纖維床)或者粘合劑(用于要經樹脂浸泡的纖維床)的摩擦粘度的技術(因該摩擦粘度在真空下的層片固結區間影響纖維剪切)，具有最小化可以特征化為起皺的平面外纖維變形的質量目標。在這種情況下，可以使用利用激光器或其它合適裝置的傳感器206，來測量指示平面外纖維變形的任何局部厚度變化。可以使用類似技術來最佳地加熱該工具，以幫助粘合粘合劑(用于要經樹脂浸泡的纖維床)或樹脂(用于預浸漬纖維床)，從而將第一層片敷設到工具204上。

圖6展示了用于抵消復合材料回彈以實現標稱工程學形狀的質量目標的技術。根據該技術，可以控制貫穿厚度溫度梯度(through-thicknesstemperaturegradient)和加熱速率，以控制平面內和貫穿厚度固化度梯度，并由此改變復合結構內的由處理導致的應變。圖6例示了復合部件的蒙皮602和加強部件604。該加強部件被示出為帽形加強件，但其可以是許多其它類型加強部件中的任一種。其它加強部件的示例包括刀形、1形、z形或i形，omega加強部件，或者作為增加蒙皮厚度的局部區域的墊。

根據本公開的示例實現，計算裝置208可以通過不同方式來實現。用于實現該計算裝置的方式可以包括硬件、獨自或者在來自計算機可讀存儲介質的一個或更多個計算機程序(例如，機器學習算法218)的方向下。在一些示例中，可以將一個或更多個裝置設置成，充任或者以其它方式實現在此示出并描述的計算裝置。在涉及一個以上裝置的示例中，相應裝置可以按許多不同方式彼此連接，或者以其它方式彼此連通，如經由有線或無線網絡等直接或者間接地。

圖7例示了根據本公開的一些示例實現的裝置700。一般來說，本公開的示例實現的裝置可以包含、包括或者具體實施，為一個或更多個固定或便攜式電子裝置。合適電子裝置的示例包括：智能電話、平板計算機、膝上型計算機、臺式計算機、工作站計算機、服務器計算機等。該裝置可以包括許多組件中的一個或更多個，舉例來說，如連接至存儲器704(例如，存儲裝置)的處理器702(例如，處理器單元)。

處理器702通常是能夠處理信息(舉例來說，如數據、計算機程序以及/或者其它合適電子信息)的任何計算機硬件。該處理器由多個電子電路的集合組成，其中一些可以被封裝為集成電路或者多互連集成電路(集成電路有時更通稱為“芯片”)。該處理器可以被配置成執行計算機程序，其可以以板載方式存儲在處理器上或者以其它方式存儲在(同一或另一裝置的)存儲器704中。

根據該特定實現，該處理器702可以是許多處理器、多核處理器或某一其它類型的處理器。而且，該處理器可以利用許多異類處理器來實現，其中，主處理器與一個或更多個次處理器一起存在于單一芯片上。作為另一例示例，該處理器可以是包含同一類型的多個處理器的對稱多處理器系統。在又一示例中，該處理器可以被具體實施為或者以其它方式包括一個或更多個asic、fpga等。由此，盡管該處理器能夠執行用于執行一個或更多個功能的計算機程序，但不同示例的處理器能夠在不借助于計算機程序的情況下執行一個或更多個功能。

存儲器704通常是能夠基于臨時性和/或基于永久性來存儲信息(舉例來說，數據、計算機程序(例如，計算機可讀程序代碼706)以及/或者其它合適信息)的任何計算機硬件。該存儲器可以包括易失性和/或非易失性存儲器，并且可以是固定的或者可移除的。合適存儲器的示例包括：隨機存取存儲器(ram)、只讀存儲器(rom)、硬盤驅動器、閃速存儲器、thumb驅動器、可移除計算機磁碟、光盤、磁帶，或者上述的某一組合。光盤可以包括：光盤只讀存儲器(cd-rom)、光盤讀/寫存儲器(cd-r/w)、dvd等。在不同情況下，可以將該存儲器稱為計算機可讀存儲介質。該計算機可讀存儲介質是能夠存儲信息的非暫時裝置，并且可與諸如能夠從一個位置向另一位置運送信息的電子短暫信號的計算機可讀傳輸介質相區分。如在此所述的計算機可讀介質可以通常指計算機存儲介質或計算機可讀傳輸介質。

除了存儲器704以外，處理器702還可以連接至用于顯示、發送和/或接收信息的一個或更多個接口。該接口可以包括通信接口708(例如，通信單元)和/或一個或更多個用戶接口。該通信接口可以被配置成諸如向和/或從其它裝置、網絡等發送和/或接收信息。該通信接口可以被配置成通過物理(有線)和/或無線通信鏈路發送和/或接收信息。合適通信接口的示例包括：網絡接口控制器(nic)、無線nic(wnic)等。

該用戶接口可以包括顯示器710和/或一個或更多個用戶輸入接口712(例如，輸入/輸出單元)。顯示器可以被配置成向用戶呈現或以其它方式顯示信息，其合適示例包括：液晶顯示器(lcd)、發光二極管顯示器(led)、等離子顯示板(pdp)等。用戶輸入接口可以是有線或無線的，并且可以被配置成接收從用戶至該裝置的信息，如用于處理、存儲以及/或者顯示。用戶輸入接口的合適示例包括：麥克風、圖像或視頻拍攝裝置、鍵盤或小鍵盤、操縱桿、觸敏表面(與觸摸屏分離或集成)、生物特征傳感器等。用戶接口還可以包括用于與諸如打印機、掃描儀等的外圍設備通信的一個或更多個接口。

如上所示，可以將程序代碼指令存儲在存儲器中，并且通過處理器執行，以實現在此描述的系統、子系統、工具及其相應部件的功能。如將清楚的，任何合適程序代碼指令都可以從計算機可讀存儲介質加載到計算機或其它可編程裝置上，以生成一特定機器，使得該特定機器成為用于實現在此指定的功能的裝置。這些程序代碼指令還可以存儲在計算機可讀存儲介質中，其可以引導計算機、處理器或其它可編程裝置以按特定方式起作用，由此生成特定機器或特定制造品。存儲在計算機可讀存儲介質中的這些指令可以生成制造品，其中，該制造品變為用于實現在此描述的功能的裝置。這些程序代碼指令可以從計算機可讀存儲介質檢索并加載到計算機、處理器或其它可編程裝置中，以設置該計算機、處理器或其它可編程裝置，以執行要在計算機、處理器，或其它可編程裝置上或通過它們執行的操作。

檢索、加載以及執行程序代碼指令可以順序地執行，以使一次檢索、加載，以及執行一個指令。在一些示例實現中，檢索、加載以及/或執行可以并行執行，以使一起檢索、加載，以及/或執行多個指令。執行該程序代碼指令可以生成一計算機實現處理，使得通過該計算機、處理器或其它可編程裝置執行的指令提供用于實現在此描述的功能的操作。

通過處理器執行指令，或者將指令存儲在計算機可讀存儲介質中支持組合用于執行該指定功能的操作。按這種方式，裝置700可以包括處理器702和聯接至該處理器的計算機可讀存儲介質或存儲器704，其中，該處理器被配置成執行存儲在該存儲器中的計算機可讀程序代碼706。還應清楚，一個或更多個功能，和功能的組合可以通過如下方式來實現：執行該指定功能的基于專用硬件的計算機系統和/或處理器，或者專用硬件和程序代碼指令的組合。

而且，本公開包括根據下列條款的示例：

條款1、一種用于制造復合結構的系統，該系統包括：工具，該工具具有表面，該表面被配置成支承復合結構的組成部件，并且所述工具具有多個加熱/冷卻裝置，所述多個加熱/冷卻裝置被配置成提供由所述表面被劃分成的多個熱區，所述多個加熱/冷卻裝置和由此的所述多個熱區按多維陣列設置，并且能夠被獨立控制，以在從所述組成部件中的一組成部件中制作所述復合結構期間，局部加熱、冷卻或保持該組成部件的溫度；多個傳感器，所述多個傳感器被配置成在相應多個空間分布點處感測所述組成部件的特性，并提供與其相對應的傳感器數據；計算裝置，該計算裝置聯接至所述多個傳感器，并且被配置成將所述傳感器數據應用至機器學習算法，該機器學習算法被配置成生成用于實現針對所述組成部件或所述復合結構的限定質量目標的控制數據；以及控制器，該控制器聯接至所述計算裝置和所述工具，并且被配置成，獨立控制所述多個加熱/冷卻裝置和由此的所述多個熱區，以根據所述控制數據局部加熱、冷卻或保持所述組成部件的溫度，從而提高所述組成部件或所述復合結構直至所述限定質量目標，其中，在從所述組成部件制造所述復合結構期間，在多個情況下，所述多個傳感器被配置成感測所述特性并且提供與其相對應的傳感器數據，所述計算裝置被配置成將所述傳感器數據應用至所述機器學習算法，以及所述控制器被配置成獨立控制所述多個加熱/冷卻裝置和由此的所述多個熱區，所述機器學習算法在所述多個情況中進行學習，以增加提高所述組成部件或復合結構至所述限定質量目標。

條款2、根據條款1所述的系統，其中，所述多個傳感器中的每一個傳感器與相應熱區相關聯，并且被配置成感測在所述相應熱區處的所述復合結構的所述特性。

條款3、根據條款1或2所述的系統，其中，所述復合結構的所述多個組成部件包括預浸漬或者要用樹脂浸泡的纖維床，并且所述多個加熱/冷卻裝置和由此的所述多個熱區可獨立控制，以局部加熱、冷卻或保持所述樹脂的溫度。

條款4、根據條款3所述的系統，其中，所述組成部件的所述特性是所述樹脂的存在或不存在、溫度、壓力或固化程度，或者所述纖維床的平面外變形。

條款5、根據條款3或4所述的系統，其中，制造所述復合結構包括橫跨所述纖維床的樹脂流，由此用樹脂浸泡所述纖維床，并且針對所述組成部件或所述復合結構的所述限定質量目標包括所述樹脂流的前部的希望形狀，并且其中，所述機器學習算法被配置成生成用于實現所述樹脂流的前部的所述希望形狀的控制數據，并且所述控制器被配置成，獨立控制所述多個加熱/冷卻裝置和由此的所述多個熱區，以局部加熱、冷卻或保持所述樹脂的溫度，從而局部控制所述樹脂的粘度，并由此將所述樹脂流的前部操縱成其所述希望形狀。

條款6、根據條款5所述的系統，其中，所述組成部件的所述特性是樹脂的存在或不存在，并且所述計算裝置被配置成將所述傳感器數據應用至所述機器學習算法包括：被配置成至少執行如下操作：生成所述纖維床的二進制圖像位圖，該二進制圖像位圖指示在相應所述多個空間分布點處存在或不存在樹脂；從所述位圖提取所述樹脂流的前部的輪廓，以生成矢量點云；以及沿所述矢量點云中的矢量點測量在相應所述多個空間分布點中的至少一些空間分布點中的每一個點處的曲率，并由此生成用于針對所述機器學習算法的應用的曲率統計，該所述機器學習算法被配置被配置成，基于所述曲率統計在相應所述多個空間分布點中的至少一些空間分布點中的每一個點處，選擇性地應用懲罰或獎勵。

條款7、根據條款6所述的系統，其中，所述機器學習算法被配置成選擇性地應用懲罰或獎勵包括：針對相應所述多個空間分布點中的至少一些空間分布點中的每一個點，被配置成在針對所述點處的相應高曲率或低曲率選擇性地應用懲罰或獎勵，所述機器學習算法被配置成生成用于實現所述樹脂流的直前部的所述限定質量目標的控制數據。

條款8、根據條款3-7中的任一項所述的系統，其中，制造所述復合結構包括固化所述樹脂，并且針對所述組成部件或所述復合結構的所述限定質量目標包括所述復合結構的希望形狀，并且其中，所述機器學習算法被配置成生成用于實現所述復合結構的所述希望形狀的控制數據，并且所述控制器被配置成，獨立控制所述多個加熱/冷卻裝置和由此的所述多個熱區，以局部加熱、冷卻或保持所述樹脂的溫度，從而局部控制所述樹脂的熱梯度和固化程度，并由此控制所述復合結構內的由處理導致的應變，以應對所述復合結構中的任何回彈。

條款9、根據條款1-8中的任一項所述的系統，其中，所述復合結構的所述組成部件包括多個纖維層片，所述多個纖維層片中的每一個層片預浸漬有樹脂或者利用粘合劑保持在一起，并且所述多個加熱/冷卻裝置和由此的所述多個熱區能夠被獨立控制，以局部加熱、冷卻或保持所述樹脂或所述粘合劑的溫度，其中，制造所述復合結構包括鋪設所述多個層片中的第一層片并固結層片，并且針對所述組成部件或所述復合結構的所述限定質量目標包括最小化在鋪設所述多個層片中的所述第一層片或者固結層片期間形成的平面外纖維變形，并且其中，所述機器學習算法被配置成生成用于實現平面外纖維變形的最小化的控制數據，并且所述控制器被配置成，獨立控制所述多個加熱/冷卻裝置和由此的所述多個熱區，以局部加熱、冷卻或保持所述樹脂或所述粘合劑的溫度，從而局部控制在鋪設所述多個層片中的所述第一層片或固結層片期間所述樹脂或所述粘合劑的摩擦粘度。

條款10、根據條款9所述的系統，其中，所述組成部件的所述特性是在鋪設所述多個層片中的所述第一層片或固曾片期間所述復合結構的厚度，其中變化指示平面外纖維變形。

條款11、一種制造復合結構的方法，該方法包括以下步驟：在工具的表面上支承復合結構的組成部件，多個加熱/冷卻裝置被配置成提供由所述表面被劃分成的多個熱區，所述多個加熱/冷卻裝置和由此的所述多個熱區按多維陣列設置，并且能夠被獨立控制，以在從所述組成部件中的一組成部件中制作所述復合結構期間，局部加熱、冷卻或保持該組成部件的溫度；通過多個傳感器在相應多個空間分布點處感測所述組成部件的特性，并提供與其相對應的傳感器數據；將所述傳感器數據應用至機器學習算法，該機器學習算法生成用于實現針對所述組成部件或所述復合結構的限定質量目標的控制數據；以及獨立控制所述多個加熱/冷卻裝置和由此的多個熱區，以根據所述控制數據局部加熱、冷卻或保持所述組成部件的溫度，從而提高所述組成部件或復合結構直至所述限定質量目標，其中，，在從所述組成部件制造所述復合結構期間，在多個情況下出現如下操作：感測所述特性并且提供與其相對應的傳感器數據，將所述傳感器數據應用至所述機器學習算法，并且獨立控制所述多個加熱/冷卻裝置和由此的多個熱區，所述機器學習算法在所述多個情況中進行學習，以增加提高所述組成部件或復合結構至所述限定質量目標。

條款12、根據條款11所述的方法，其中，所述多個傳感器中的每一個傳感器與相應熱區相關聯，并且感測在所述相應熱區處的所述復合結構的所述特性。

條款13、根據條款11或12所述的方法，其中，所述復合結構的所述組成部件包括預浸漬或者要用樹脂浸泡的纖維床，并且所述多個加熱/冷卻裝置和由此的多個熱區能夠被獨立控制，以局部加熱、冷卻或保持所述樹脂的溫度。

條款14、根據條款13所述的方法，其中，所述組成部件的所述特性是所述樹脂的存在或不存在、溫度、壓力或固化程度，或者所述纖維床的平面外變形。

條款15、根據條款13或14所述的方法，其中，制造所述復合結構包括跨所述纖維床的樹脂流，由此用樹脂浸泡所述纖維床，并且針對所述組成部件或所述復合結構的所述限定質量目標包括所述樹脂流的前部的希望形狀，并且其中，所述機器學習算法生成用于實現所述樹脂流的前部的所述希望形狀的控制數據，并且所述多個加熱/冷卻裝置和由此的多個熱區被獨立控制，以局部加熱、冷卻或保持所述樹脂的溫度，從而局部控制所述樹脂的粘度，并由此將所述樹脂流的前部操縱成其所述希望形狀。

條款16、根據條款15所述的方法，其中，所述組成部件的所述特性是樹脂的存在或不存在，并且將所述傳感器數據應用至所述機器學習算法包括至少如下操作：生成所述纖維床的二進制圖像位圖，該二進制圖像位圖指示在相應所述多個空間分布點處存在或不存在樹脂；從所述位圖提取所述樹脂流的前部的輪廓，以生成矢量點云；以及沿所述矢量點云中的矢量點測量在相應所述多個空間分布點中的至少一些空間分布點中的每一個點處的曲率，并由此生成用于針對所述機器學習算法的應用的曲率統計，所述機器學習算法基于所述曲率統計在相應所述多個空間分布點中的至少一些空間分布點中的每一個點處，選擇性地應用懲罰或獎勵。

條款17、根據條款16所述的方法，其中，所述機器學習算法選擇性地應用懲罰或獎勵包括：針對相應所述多個空間分布點中的至少一些空間分布點中的每一個點，針對在所述點處的相應高曲率或低曲率選擇性地應用懲罰或獎勵，所述機器學習算法生成用于實現所述樹脂流的直前部的所述限定質量目標的控制數據。

條款18、根據條款13-17中的任一項所述的方法，其中，制造所述復合結構包括固化所述樹脂，并且針對所述組成部件或復合結構的所述限定質量目標包括所述復合結構的希望形狀，并且其中，所述機器學習算法生成用于實現所述復合結構的所述希望形狀的控制數據，并且所述多個加熱/冷卻裝置和由此的多個熱區被獨立控制，以局部加熱、冷卻或保持所述樹脂的溫度，從而局部控制所述樹脂的熱梯度和固化程度，并由此控制所述復合結構內的由處理導致的應變，以應對所述復合結構中的任何回彈。

條款19、根據條款11-18中的任一項所述的方法，其中，所述復合結構的所述多個組成部件包括多個纖維層片，所述多個纖維層片中的每一個層片預浸漬有樹脂或者利用粘合劑保持在一起，并且所述多個加熱/冷卻裝置和由此的多個熱區能夠被獨立控制，以局部加熱、冷卻或保持所述樹脂或所述粘合劑的溫度，其中，制造所述復合結構包括鋪設所述多個層片中的第一層片和固結層片，并且針對所述組成部件或所述復合結構的所述限定質量目標包括最小化在鋪設所述多個層片中的所述第一層片或者固結層片期間形成的平面外纖維變形，并且其中，所述機器學習算法生成用于實現平面外纖維變形的最小化的控制數據，并且所述多個加熱/冷卻裝置和由此的多個熱區被獨立控制，以局部加熱、冷卻或保持所述樹脂或所述粘合劑的溫度，從而局部控制在鋪設所述多個層片中的所述第一層片或層片固結期間所述樹脂或粘合劑的摩擦粘度。

條款20、根據條款19所述的方法，其中，所述組成部件的所述特性是在鋪設所述多個層片中的所述第一層片或固結層片期間所述復合結構的厚度，所述厚度的變化指示平面外纖維變形。

本公開所屬于領域的技術人員將想到，具有在前述描述和所關聯附圖中呈現的教導的益處的、在此闡述的本公開的許多修改例和其它實現。因此，要明白的是，本公開不限于所公開的特定實現，并且其修改例和其它實現旨在被包括在所附權利要求書的范圍內。而且，盡管前述描述和所關聯附圖在部件和/或功能的特定例示性組合的情況下描述了示例實現，但應當清楚，在不脫離所附權利要求書的范圍的情況下，部件和/或功能的不同組合可以通過另選實現來提供。例如，在這點上，與上面明確描述的部件和/或功能相比，該部件和/或功能的不同組合還被設想為可以在所附權利要求書中的一些中加以闡述。盡管在此采用特定術語，但它們僅按一般性和描述性意義使用，而非出于限制的目的。