XiaoMi-AI文件搜索系统
World File Search System熔合
ilicate S-onn 硅酸盐及陶瓷 C 陶瓷主要原料...
莫来石 ( 3Al 2 O 3 ·2SiO 2 ) 在自然界中并不大量存在，必须人工合成。它具有许多适合高温应用的特性。莫来石的热膨胀系数非常小（因此具有良好的抗热震性）并且在高温下具有抗蠕变性。最重要的是，它不易与熔融玻璃或熔融金属渣发生反应，并且在腐蚀性炉内气氛中稳定。因此，它被用作炼铁、炼钢和玻璃工业中的炉衬和其他耐火材料。生产莫来石有两种商业方法：烧结和熔合。烧结莫来石可从蓝晶石（一种在变质岩中发现的天然矿物）、铝土矿和高岭土的混合物中获得。该混合物在高达 1600 0 C 的温度下烧结。烧结质量包含 (85–90%) 莫来石，其余主要为玻璃和方石英。将适量的氧化铝和高岭土在约 1750 0 C 的电弧炉中熔合在一起，可以制成纯度更高的莫来石。熔合产品含有 (>95%) 莫来石，其余部分为氧化铝和玻璃的混合物。
数字孪生增材制造：通过将热模拟与现场熔池传感器数据相结合来检测激光粉末床熔合中的缺陷
本研究的目的是现场检测使用激光粉末床熔合 (LPBF) 增材制造工艺制造的金属部件中的缺陷形成情况。这是一个重要的研究领域，因为尽管节省了大量成本和时间，但航空航天和生物医学等精密驱动型行业仍不愿使用 LPBF 制造安全关键部件，因为该工艺容易产生缺陷。LPBF 和增材制造中的另一个新兴问题与网络安全有关——恶意行为者可能会篡改工艺或在部件内部植入缺陷以损害其性能。因此，本研究的目标是开发和应用一种物理和数据集成策略，用于在线监控和检测 LPBF 部件中的缺陷形成情况。实现此目标的方法是基于将现场熔池温度测量（孪生）与基于图论的热模拟模型相结合，该模型可以快速预测部件中的温度分布（热历史）。该方法的创新之处在于，通过现场熔池温度测量逐层更新计算热模型提供的温度分布预测。这种数字孪生方法用于检测使用商用 LPBF 系统制造的不锈钢 (316L) 叶轮形部件中的缺陷形成。生产了四个这样的叶轮，模拟了 LPBF 部件中缺陷形成的三种途径，即：加工参数的变化（工艺漂移）；机器相关故障（镜片脱层）以及故意篡改工艺以在部件内部植入缺陷（网络入侵）。使用 X 射线计算的
海军部 SBIR/STTR 过渡计划
运营需求和改进内容：AM 为整个国防部提供了生产快速维护老化系统以及开发新一代系统所需的组件的机会。目前，AM 部件主要用于非结构和非关键应用，因为仍然存在无法满足一致机械性能的风险。目前的 AM 实践导致部件包含气流和金属流引起的缺陷。当此类缺陷位于部件内部时，可以使用热等静压修复，但表面缺陷无法修复。需要开发 ICME 建模工具来优化定向能量沉积 (DED) 和激光粉末床熔合 (LPBF) AM 工艺过程中的气流和金属熔合，并为结构关键应用生产非常高质量的组件。
由于印刷功能梯度组件中的成分变化导致沉积几何形状和氧浓度空间变化
具有特定位置化学成分的功能梯度材料 (FGM) 通常通过定向能量沉积 (DED) 制造。尽管之前的工作制造了一种成分在铁素体和奥氏体合金之间变化的 FGM，但是由于成分变化导致沉积物形状发生变化，因此出现了困难。文献中的 FGM 也存在此问题；然而，与其他情况不同，这两种合金在整个构建过程中的热物理性质相似。在这里，我们研究了在通过激光 DED 制造 FGM 过程中化学成分和表面活性元素对沉积物几何形状的作用。使用经过充分测试的三维瞬态数值传热和流体流动模型和热力学计算的结果，分析了相关 FGM 成分的单轨实验。实验表明，在恒定的激光功率和扫描速度下，沉积物形状随成分而变化。热力学分析表明，熔合区中氧的溶解度对于用于 FGM 的每种成分都存在显著差异。数值建模表明，熔合区中溶解氧引起的 Marangoni 对流引起的流体流动变化是实验中观察到的沉积物形状变化的主要原因。由于氧气可以通过原料以及周围大气进入熔合区，这些发现阐明了 FGM DED 制造过程中以前未考虑的工艺控制方面。
激光粉末床熔合制备 Ti6Al4V 的力学性能：重点关注加工和微观结构参数对最终性能的影响
摘要：Ti6Al4V 合金具有高比机械性能、优异的耐腐蚀性和生物相容性等独特特性，是一种适用于各种工程应用的理想轻质结构金属。本文详细介绍了选择性激光熔化 Ti6Al4V 零件的机械性能，以及影响最终性能的主要加工和微观结构参数。通过将 Ti6Al4V 零件的微观结构特征与最终机械性能联系起来，提供基础知识，包括拉伸强度、拉伸应变、抗疲劳性、硬度和磨损性能。本文还对激光粉末床熔合与传统加工方法进行了比较。本文还批判性地讨论了成品 Ti6Al4V 零件中存在的缺陷及其对机械性能的影响。文献中的结果表明，当考虑植入物和航空航天应用标准的最低值时（例如 ASTM F136-13；ASTM F1108-14；AMS4930；AMS6932），典型的激光粉末床熔融 Ti6Al4V 拉伸性能（屈服强度 >900 MPa 和拉伸强度 >1000 MPa）是足够的。
构建方向和几何优化对激光粉末床熔合具有内部通道的 Inconel 718 结构的影响
开发了一种激光粉末床熔合 (LPBF) 策略，用于在 Inconel 718 结构中制造具有高尺寸精度的小通道。特别关注了等效直径和形状因子等表面特性。通过系统地改变 LPBF 轮廓参数以及通道横截面，优化了外表面的固有表面质量。相对于构建平台，分析了上皮、垂直和下皮表面的平均算术粗糙度 Sa。同时，研究了构建方向对直径为 500 至 1000 毫米、构建方向从水平 (0 ) 到垂直 (90 ) 的通道上内部自由形状表面质量的影响。通过使用优化的液滴形横截面（该横截面与构建倾角呈函数关系），可以显著提高尺寸精度。对通道不同区域表面粗糙度的角度分析证实，这种改进的横截面减少了由于向内熔化而显示出特别高表面粗糙度的通道区域的比例。结合优化的轮廓处理策略，改进的通道在倾角低于 45° 时具有最佳性能。形状因子从 0.4 增加到几乎 0.9，即接近理想的圆形。2021 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
了解激光粉末床熔合中激光发射功率的时间波形调制的影响：第二部分 - 实验研究 Ca
符号 名称 单位 BR 构建速度 mm 3 /sd 0 光束腰直径 µm f acq 高速相机采集频率 Hz f osc,meas 测量的熔池振荡频率 Hz f osc,theo 理论预测的熔池振荡频率 Hz FOV 视场 像素 × 像素 / mm × mm fw 波形频率 Hz l 单轨长度 mm lt 层厚度 µm m 重复次数 - M 2 光束质量因数 - P avg 平均激光发射功率 WP bk 激光发射的背景功率 WP max 最大发射功率 WP pk 激光发射的峰值功率 W SR 空间分辨率 µm/像素 t exp CMOS相机的曝光时间 µs t fall 激光下降时间 µs t illumination 照明光的曝光时间 µs t off 激光关闭时间 µs t on 曝光时间 µs t rise 激光上升时间 µs t tot 波形周期 µs V 沉积材料体积 mm 3 δ 占空比 无量纲 ΔP 波形振幅W Λ obs 观察波长 nm Λ process 激光发射波长 nm α 热扩散率 m 2 /s λ 过程的空间波长 µm
具有各种悬垂和支撑结构的镍基高温合金 625 工件激光粉末床熔合过程中的原位热成像
本文档提供了有关实验和相关测量文件的详细信息，可在数据集“具有各种悬垂和支撑的镍基高温合金 625 工件的激光粉末床熔合过程中的原位热成像”中下载。测量数据是在使用商用激光粉末床熔合 (LPBF) 系统制造小型镍基高温合金 625 (IN625) 工件期间获得的。工件由两个半拱形特征组成，悬垂的斜率逐渐增加。这些悬垂范围从垂直 5° 到垂直 85°，增量为 10°。工件的几何形状和工艺受到控制，以确保沿悬垂几何形状的加工一致性。这种控制可以将悬垂几何形状和支撑结构的影响与层间扫描策略变化的影响隔离开来。测量包括每一层的高速热成像，从中可以计算出辐射温度、冷却速率和熔池长度。这次实验和数据传播的目的是双重的。第一个目标是为建模社区提供示例数据，以确保他们的模型能够正确考虑热模型中悬垂几何形状和支撑结构的影响。第二个目标是为研究人员和工艺设计人员提供有关悬垂几何形状如何影响 LPBF 工艺的基本见解。
基于架构驱动的物理深度学习，利用有限数据进行激光粉末床熔合增材制造的温度预测
物理信息深度学习 (PIDL) 是增材制造 (AM) 领域的新兴主题之一。然而，以前的 PIDL 方法的成功通常在很大程度上取决于海量数据集的存在。由于 AM 中的数据收集通常具有挑战性，本研究提出了一种基于有限数据场景的深度展开方法的新型架构驱动 PIDL 结构 APIDL，用于预测激光粉末床熔合过程中的热历史。该机器学习架构中的连接受到迭代热模型方程的启发。换句话说，热模型的每次迭代都映射到神经网络的一层。对 APIDL 模型的超参数进行了调整，并分析了其性能。对于 1000 个点、分割率为 80:20 的 APIDL，测试平均绝对百分比误差 (MAPE) 为 2.8%，R2 值为 0.936。将 APIDL 与人工神经网络、额外树回归器 (ETR)、支持向量回归器和长短期记忆算法进行了比较。结果表明，所提出的 APIDL 模型优于其他模型。APIDL 的 MAPE 和 R 2 比 ETR 低 55.7%，高 15.6%，而 ETR 在其他纯机器学习模型中表现最佳。[DOI：10.1115/1.4062237]