摘要。在金属材料的定向能量沉积 (DED) 工艺中,线激光增材制造 (WLAM) 的特点是使用激光束熔化金属线并产生焊珠。重叠焊珠的连续沉积产生体积以获得零件。因此,控制焊珠的几何形状对于增材制造工艺至关重要。一些研究工作已经研究了这些几何形状以及主要制造参数对其尺寸的影响,但很少有研究进料方向或线角度的影响。此外,所有关于线角度的研究都是在横向进料和恒定激光方向下进行的。本文重点研究了同轴线进料的沉积头方向对焊珠几何形状的影响,其中有 3 束激光。以相对于水平基板的不同方向进行实验,并使用光学仪器测量外部轮廓,以提取平均轮廓和特征尺寸。结果表明,头部绕其轴线旋转和横向倾斜会影响焊珠的高度、宽度和不对称性。
摘要:同轴丝材激光金属沉积是一种多功能、高效的增材工艺,可在复杂结构的制造中实现高沉积速率。本文研究了三光束同轴丝材系统,特别关注了沉积高度和激光散焦对所得珠子几何形状的影响。随着沉积间隔距离的变化,工件照明比例也会发生变化,该比例描述了直接进入原料丝材和基材的能量比。在不同的散焦水平和沉积速率下沉积单个钛珠,并测量和分析珠子的纵横比。在实验设置中,发现散焦水平和沉积速率对所得珠子的纵横比有显著影响。随着离光束会聚平面的散焦水平增加,光斑尺寸增加,沉积轨道更宽更平。工艺参数可用于将沉积材料调整到所需的纵横比。在同轴丝材沉积中,散焦为丝材和基材之间的热量分布提供了一种调节机制,对所得沉积物有重要影响。
在增材制造领域,选择工艺参数以避免过度和不足沉积需要耗费时间和资源的反复试验。鉴于每个部件几何形状的独特特征,迫切需要推进实时过程监控和控制,以确保一致和可靠的部件尺寸精度。这项研究表明,支持向量回归 (SVR) 和卷积神经网络 (CNN) 模型为实时过程控制提供了一种有前途的解决方案,因为这些模型能够高精度地识别复杂的非线性模式。我们设计了一个新颖的实验来比较 SVR 和 CNN 模型的性能,以从单层单珠构造的熔池同轴图像间接检测珠高。研究表明,使用从同轴光学摄像机收集的熔池数据训练的 SVR 和 CNN 模型都可以准确预测珠高,平均绝对百分比误差分别为 3.67% 和 3.68%。 [DOI: 10.1115/1.4062800]