目的此实践守则将有助于确保特定的发动机润滑剂符合其性能规格。这将通过使用指定的发动机测试,过程和记录保存来完成。在发动机测试中实施此代码可提供更准确的性能结果,改进的沟通以及一致的标准实践,以在润滑剂配方器及其客户之间开发汽车发动机机油配方。本守则代表了美国化学委员会(ACC)石油添加剂小组的最佳努力,以制定产品批准的实践守则。旨在遵守此代码将导致代码所涵盖的所有发动机测试的准确性和精度不断提高。代码将持续更新。产品批准协议任务组(PAPTG)起草的其他资源可以在PAPTG网站上找到测试开发和规范开发过程中的行业活动。遵守该代码是自愿的,并且不仅限于ACC会员公司。要使公司实现和维持合规性,该公司必须根据《法规规定》中列出的测试在全球范围内在全球范围内进行所有候选油发动机测试和计划(请参阅附录A)。术语的定义关键术语在词汇表中定义,应在解释本守则的规定方面进行协助。
基于融化的添加剂制造技术提供了对形式的精美控制,并且可以轻松地制造复杂的净形状,这是不可能通过传统处理技术实现的。然而,尽管声称在开放学术文献中相反,但这些技术由于其潜在的物理学和热应力,快速液体相混合,金属间的形成,破裂等而与直接打印成分或微观结构梯度相反。本演讲将通过智能后处理来介绍两种克服这些限制的方法。i将首先描述如何通过融化的添加性制造的预成型来创建网状成分分级的互穿复合材料。接下来,我将展示如何通过后处理热处理来创建具有量身定制的疲劳和蠕变特性的特定地点谷物结构。关键要点是,打印的末尾仅仅是开始 - 明智的后处理可以通过功能分级的结构来解锁净形零件,以优化性能。
摘要:PH 13-8 Mo 系列钢属于马氏体沉淀硬化不锈钢 (MPHSS) 类,具有良好的机械性能和耐腐蚀性。增材制造 (AM) 具有诸多优势,包括减少材料浪费和生产复杂、近净成形零件的能力。因此,各行各业越来越多地探索将 AM 技术应用于 PH 13-8 Mo 系列。本综述论文介绍了有关该主题的现有文献并进行了概述。综述首先介绍了有关 PH 13-8 Mo 系列的信息,包括微观结构、化学成分、热处理和机械性能。随后,本研究重点介绍通过三种不同的增材制造工艺加工的 PH 13-8 Mo 系列的微观结构和由此产生的性能:使用激光束的粉末床熔合 (PBF-LB)、使用电弧的定向能量沉积 (DED-Arc) 和使用激光束的定向能量沉积 (DED-LB),包括其制造状态和后处理热处理状态。本综述最后进行了总结和展望,强调了现有的知识差距,并强调需要进一步研究以调整微观结构演变并增强性能。研究结果表明,PH 13-8 Mo 系列的 AM 具有工业应用潜力,但仍需要进一步研究以优化其性能。
3.1.1 验收数 验收数是允许验收批次的样品中缺陷或缺陷单元的最大数量。 3.1.2 粘合剂 在粘合剂喷射过程中用于将金属颗粒粘合在一起的液体粘合剂或胶水。 3.1.3 括号内资格 请参见 ASME BPVC,第 IX 节 - 焊接、钎焊和熔接资格 3.1.4 构建 请参见 ISO/ASTM 52900 中的“构建周期”。 3.1.5 协议 由制造商和购买者商定。 3.1.6 合格证书 包含添加剂制造商声明的文件,证明组件符合本标准的要求。 3.1.7 清洁剂 在粘合剂喷射过程中使用的液体清洁剂,以保持打印头喷射的质量(去除多余的粘合剂)。 3.1.8 组件构建文件 定义将由一台打印设备构建的组件、测试样本和支撑结构(如适用)的几何形状和排列的文件。该文件将被转换为构建说明。3.1.9 最终条件
摘要:镁合金因其重量轻、强度高和优异的机械性能而闻名,在许多应用中备受青睐。镁合金增材制造(Mg AM)的出现进一步提升了它们的普及度,具有无与伦比的精度、快速的生产速度、增强的设计自由度和优化的材料利用率等优势。该技术在制造复杂的几何形状、复杂的内部结构和性能定制的微结构方面具有巨大潜力,可实现突破性的应用。在本文中,我们深入研究了当前 Mg AM 采用的技术的核心工艺和关键影响因素,包括选择性激光熔化(SLM)、电子束熔化(EBM)、电弧增材制造(WAAM)、粘合剂喷射(BJ)、摩擦搅拌增材制造(FSAM)和间接增材制造(I-AM)。激光粉末床熔合(LPBF)精度高,但受到低沉积速率和腔室尺寸的限制;WAAM 为大型部件提供了成本效益、高效率和可扩展性; BJ 可实现定制部件的精确材料沉积,且具有环境效益;FSAM 可实现细晶粒尺寸、低缺陷率和精密产品的潜力;I-AM 具有较高的构建速度和工业适应性,但最近研究较少。本文试图探索 AM 未来研究的可能性和挑战。其中两个问题是如何混合不同的 AM 应用程序以及如何将互联网技术、机器学习和过程建模与 AM 集成,这是 AM 的创新突破。
我们提出了一种数据采集和可视化流程,使专家能够在沉浸式虚拟现实中监控增材制造过程,特别是激光金属线沉积 (LMD-w) 过程。我们的虚拟环境由 LMD-w 生产现场的数字阴影组成,并丰富了静态和手持虚拟显示器上显示的额外测量数据。用户可以通过增强的传送功能探索生产现场,这些功能使他们能够改变其比例以及距地面的高度。在一项有 22 名参与者的探索性用户研究中,我们证明我们的系统通常适用于监督 LMD-w 过程,同时产生较低的任务负荷和网络晕动症。因此,它是向成功应用虚拟现实技术在相对年轻的增材制造领域迈出的第一步。
摘要:增材制造 (AM) 工艺中的质量预测至关重要,特别是在航空航天、生物医学和汽车等高风险制造业。声学传感器已成为一种有价值的工具,可通过分析特征和提取独特特征来检测打印图案的变化。本研究重点关注熔融沉积成型 (FDM) 3D 打印样品立方体 (10 mm × 10 mm × 5 mm) 的声学数据流的收集、预处理和分析。以 10 秒为间隔提取不同层厚度的时域和频域特征。使用谐波-打击源分离 (HPSS) 方法对音频样本进行预处理,并使用 Librosa 模块对时间和频率特征进行分析。进行了特征重要性分析,并使用八种不同的分类器算法(K最近邻(KNN)、支持向量机(SVM)、高斯朴素贝叶斯(GNB)、决策树(DT)、逻辑回归(LR)、随机森林(RF)、极端梯度提升(XGB)和轻梯度提升机(LightGBM))实施机器学习(ML)预测,以基于标记数据集对打印质量进行分类。使用具有不同层厚度的三维打印样品(代表两种打印质量水平)生成音频样本。从这些音频样本中提取的频谱特征作为监督ML算法的输入变量,以预测打印质量。调查显示,频谱平坦度、频谱质心、功率谱密度和RMS能量的平均值是最关键的声学特征。使用包括准确度分数、F-1分数、召回率、精确度和ROC / AUC在内的预测指标来评估模型。极端梯度提升算法脱颖而出,成为最佳模型,预测准确率为 91.3%,准确率为 88.8%,召回率为 92.9%,F-1 得分为 90.8%,AUC 为 96.3%。这项研究为使用熔融沉积模型进行基于声学的 3D 打印部件质量预测和控制奠定了基础,并可扩展到其他增材制造技术。
增材制造 (AM),也称为 3D 打印,是一种基于数字模型逐层添加材料来制造零件的过程。这种创新技术可以生产具有复杂几何形状的组件,而这些组件是传统制造方法难以或无法实现的。因此,AM 可以使用轻量化和高效的设计来减少材料消耗和能源使用。与传统产品相比,AM 具有显著的优势,例如减少材料浪费、缩短生产时间、轻松定制产品甚至提供更出色的功能。此外,AM 的按需生产能力减少了库存和运输需求,从而减少了相关的碳排放。AM 技术凭借上述与材料效率、能源效率和本地化生产相关的优势,认识到其与未来制造业的相关性,近年来发展迅速,并被航空航天、医疗保健和汽车等各个行业广泛采用,彻底改变了产品的设计、制造和分销方式。
添加剂制造(AM)赋予了高性能蜂窝材料的创造,强调了对可编程和可预测能量吸收能力的日益增长的需求。这项研究评估了精确调整的融合纤维纤维制造(FFF)过程对通过多尺度实验和预测建模的2D-热塑料晶格材料的能量吸收和失效特性的影响。宏观厚度和薄壁晶格的平面内压缩测试,以及它们的μ-CT成像,揭示了相对密度依赖的损伤机制和故障模式,从而促使开发可靠的预测建模框架以捕获过程诱导的性能变异和损害。对于较低的相对密度晶格,这是一种基于扩展的排水沟 - 武器材料模型的Fe模型,将Bridgman的校正与危机失败标准融合在一起,可准确捕获破碎的响应。随着晶格密度的增加,沿珠珠界面的界面损伤变得占主导地位,因此需要使用微观粘性区模型富集该模型以捕获界面剥离。预测建模引入了增强因素,是一种直接的方法来评估AM过程对能量吸收性能的影响,从而促进了FFF打印的晶格的逆设计。这种方法对如何优化FFF流程进行了批判性评估,以实现最高可实现的性能并减轻架构材料的故障。
然而,该计划的基础仍然是在关岛建立一个卫星校园,与关岛大学和美国本土一所以其在制造业教育和技术研究方面的领先地位而闻名的大学合作。这一战略发展为该地区带来了尖端的培训机会,并辅以方圆数千英里内唯一的工业零件检测实验室。因此,教育需要支持零件检测培训,以建立主要的先进制造企业,确保岛上生产的每个部件都符合既定的质量标准。通过为国防和关键商业部门提供现场生产和即时验证零件,该项目有望重塑关岛的经济前景。