本文考虑了通过热塑性材料挤出和聚合物粉末床熔合来 3D 打印锂离子电池的能力。重点研究了由聚丙烯、LiFePO 4 作为活性材料和导电添加剂组成的正极配方,从电化学、电气、形态和机械角度彻底讨论了这两种增材制造技术的优缺点。基于这些初步结果,提出了进一步优化电化学性能的策略。通过全面的建模研究,与经典的二维平面设计相比,强调了各种复杂的三维锂离子电池结构在高电流密度下的增强电化学适用性。最后,研究了通过多材料打印选项工艺直接打印完整锂离子电池的能力。
终纹床核 (BNST) 的前部调节恐惧和压力反应。前背 BNST (adBNST) 在解剖学上可进一步细分为外侧和内侧部分。尽管已经研究了 BNST 亚区的输出投影,但对这些亚区的局部和全局输入连接仍然知之甚少。为了进一步了解以 BNST 为中心的电路操作,我们应用了新的病毒遗传追踪和功能电路映射来确定小鼠 adBNST 外侧和内侧亚区的详细突触电路输入。在 adBNST 亚区注射了单突触犬腺病毒 2 型 (CAV2) 和狂犬病毒逆行示踪剂。杏仁核复合体、下丘脑和海马结构占 adBNST 总体输入的大部分。然而,外侧和内侧 adBNST 亚区具有不同的长距离皮质和边缘大脑输入模式。外侧 adBNST 具有更多来自前额叶(前边缘、下边缘、扣带回)和岛叶皮质、前丘脑和外嗅皮层/外嗅皮层的输入连接。相比之下,内侧 adBNST 接收来自内侧杏仁核、外侧隔膜、下丘脑核和腹侧下托的偏向输入。我们使用 ChR2 辅助电路映射确认了从杏仁海马区和基底外侧杏仁核到 adBNST 的长距离功能输入。选定的新型 BNST 输入还通过来自艾伦研究所小鼠脑连接图谱的 AAV 轴突追踪数据进行了验证。总之,这些结果提供了外侧和内侧 adBNST 亚区差异传入输入的全面图谱,并为 BNST 电路对压力和焦虑相关行为的功能操作提供了新的见解。
本论文涉及由激光粉末融合(LPBF)处理的基于NI的Superalys Inconel 939(IN939)的研究。这是一个增材制造(AM)过程,它允许使用3D模型通过逐层过程获得最终组件。这使得有可能在单个过程中获得具有复杂几何形状的组件,减少成本,时间并获得比传统技术低的部分。IN939是一种基于NI的超级合金,特别适合在高温下应用,它可以成为航空涡轮叶片的良好候选者。IN939在高温下具有出色的机械特性和耐腐蚀和氧化的能力。在开始时,采用了过程参数的各种组合,例如激光功率,扫描速度,孵化距离。评估了不同条件的缺陷百分比,以确定最佳的过程参数集。在所有条件下,材料显示裂纹主要沿晶界形成。从缺陷的情况下,从缺陷的情况开始,进行了热等静止的压力(髋),以关闭裂缝和孔隙率。看来,髋关节在裂缝上有效,并将孔隙率降低到0.1%以下。之后,研究了经受溶解和不同老化步骤的样品的微观结构和硬度。在1160°C的温度下进行溶液4小时。之后,将碳化物溶解在伽马素基质中。最后的治疗方法是两种衰老,第一个在1000°C下为6H,第二个在800°C下持续4H,随后由于伽马素量相的沉淀而硬化了材料。最后,在每次热处理结束时对样品进行了硬度测试。硬度的趋势越来越高,从截止型条件的263.2 hb开始,在第二个老化结束时最多可达376 hb。还观察到,髋关节后的样品比溶解后的样品和第一次衰老处理更难。这是由于臀部由于髋部在晶界上沉淀的碳纤维所致,该髋部具有较大的尺寸,使材料更难但肯定更脆弱。
使用综合建模框架研究了一种将激光粉末床熔合 (PBF-LB) 与层间打磨相结合的混合金属增材制造 (AM) 工艺,以提供新的见解,说明激光粉末床熔合工艺产生的不均匀微观结构和残余应力如何影响层间打磨过程中产生的诱导残余应力场。研究人员最近研究了类似的混合金属增材工艺导致的微观结构变化,然而,他们只是假设由此产生的微观结构对诱导残余应力有一定影响。此外,研究人员通过数值研究了打磨/滚压工艺参数对诱导应力的影响,但忽略了微观结构的影响,从而做出了均匀、各向同性的假设。这种做法抑制了对不均匀熔合层中可能存在的微观结构驱动的各向异性的预测。本文通过参数化研究了微观结构建模、固有残余应力映射和环境温度对混合金属增材工艺过程中诱导残余应力的影响。所展示的建模框架结合了激光粉末床熔合过程中产生的固有残余应力以及预测的微观结构,在随后的打磨模拟中阐明它们对打磨引起的残余应力的单独和综合影响。研究结果表明,对不均匀的 PBF-LB 微观结构进行建模会沿打磨表面引入塑性应变和残余应力的各向异性分布;沿处理过的表面平面应力分量的周期性与 PBF-LB 扫描线相重合。固有残余应力对打磨引起的残余应力的影响不太显著,但仍然可以观察到。升高的温度不仅会降低引起的压缩残余应力的幅度,而且还会导致沿扫描线和阴影空间预测的残余应力分量幅度变化较小。所提出的框架为微观结构和 PBF-LB 残余应力对打磨引起的应力的解耦影响提供了新的见解,而这些影响是无法通过实验技术区分的。然而,试样深度方向上的平均残余应力趋势以及抛光后的表面硬度值分别与文献中记录的X射线衍射和微压痕测量结果具有良好的一致性。
Brian K. Paul ac 、Kijoon Lee ac 、Yujuan He b 、Milad Ghayoor ac 、Chih-hung Chang b 和 Somayeh Pasebani ac a 俄勒冈州立大学机械、工业与制造工程学院,俄勒冈州科瓦利斯,97330 b 俄勒冈州立大学化学、生物与环境工程学院,俄勒冈州科瓦利斯,97330 c 俄勒冈州立大学先进技术与制造研究所 (ATAMI),俄勒冈州科瓦利斯,97330 提交人 Neil Duffie (1),麦迪逊,美国 本文讨论了一种新型混合方法的基本原理,该方法使用改进的激光粉末床熔合 (LPBF) 机器合成氧化物弥散强化 (ODS) 304L 不锈钢 (SS) 合金。此前,ODS 金属基复合材料是通过球磨由 LPBF 生产出来的,但这种方法的规模化成本很高。在这里,我们通过在激光转化和固结之前将前体化学物质喷射到 SS 基材上,选择性地将氧化钇纳米颗粒掺杂到 SS 基材中。这种新合金表现出良好的室温机械性能。使用电子显微镜、能量色散光谱和电子背散射衍射研究微观结构。关键词:增材制造、金属基复合材料、不锈钢
本文比较了径向和轴向流填充床的净系统效率,包括热效率和压力下降效应,用于热能储存。传统的包装床系统是圆柱形几何形状,其中流体从一端流向另一端。然而,热分层和高压下降的问题导致了最近对径向流动系统的研究。一个潜在的好处是径向流量系统中的压降降低。本文使用数值模型比较了长宽比(ar = h / d床)的径向流量和轴向流量系统的性能(ar = h / d床)从0.21到1.92,在所有情况下,存储量保持恒定。当径向流床处于较低的长宽比(短/宽)时,将改善热锋,但压降很高。在高纵横比下,径向流动的速度降低,导致压降降低,但在热锋中的扩展增加,从而降低了热效率。相反的趋势在轴向流中注明。的热效率为83-91%,径向流量为83-94%,轴向流量为85-94%。净效率在内,包括压力下降的范围为74-82%,轴向流量为80-87%。在两个系统中,峰值效率均在最高和最低的纵横比之间。虽然某些具有径向流量的长宽比从净效率的角度胜过轴向流量,但结果表明,轴向流的最高净效率高于径向流量的轴向流量。总体而言,本文强调了创新TES设计的重要性及其提高能源效率的潜力。
要使激光粉末床熔合 (L-PBF) 增材制造工艺可持续,需要有效的粉末回收。在 L-PBF 中回收 Ti6Al4V 粉末会导致粉末氧化,然而,这种对 L-PBF 过程中激光-物质相互作用、过程和缺陷动力学的影响尚不清楚。这项研究使用原位高速同步加速器 X 射线成像揭示并量化了在多层薄壁 L-PBF 过程中处理低 (0.12 wt%) 和高 (0.40 wt%) 氧含量 Ti6Al4V 粉末的影响。我们的结果表明,高氧含量的 Ti6Al4V 粉末可以减少熔体喷出、表面粗糙度和制造部件中的缺陷数量。随着部件中氧含量的增加,由于固溶体强化,显微硬度会增加,并且微观结构没有明显的变化。
摘要:采用快速熔化和凝固的快速传热增材制造方法生产的合金零件与传统工艺制成的材料相比,具有不同的微观结构、特性和性能。本研究比较了采用粉末床熔合工艺制备的SS316L与冷轧SS316L的耐腐蚀和氧化性能。此外,对不锈钢表面氧化膜进行了全面评估,因为该膜对抗腐蚀和氧化性能的影响最大。研究了热处理对增材制造SS316L耐腐蚀和氧化性能的影响。SS316L具有由亚晶胞形成的微观结构,其中局部浓缩的合金元素形成稳定的钝化膜。因此,它比传统的冷轧材料具有更高的耐腐蚀和抗氧化性能。然而,已证实热处理会去除亚晶胞,从而导致耐腐蚀和氧化性能的下降。
摘要:增材制造 (AM) 是制造技术发展的主要增量。过去几十年来,该研究领域取得了巨大进步,包括工艺、设备和材料的增长。无论技术进步多么引人注目,技术挑战都推动着这些技术的应用和发展。金属增材制造被认为是工业革命的主要领域。根据材料和工艺分类,已经开发出各种金属 AM 技术,包括选择性激光烧结 (SLS)、激光粉末床熔合 (PBF-LB/M) 和电子束粉末床熔合 (PBF-EB/M)。PBF-LB/M 被认为是金属材料最合适的选择之一。由于钽的高生物相容性及其高端安全应用,钽的 PBF-LB/M 已成为本世纪的研究热点。多孔钽的 PBF-LB/M 可通过调整机械和生物医学特性以及具有可预测特征的先进植入物设计,引领生物医学和骨科领域尚未开发的研究前景。本综述主要探讨使用 PBF-LB/M 工艺增材制造钽和相关合金的最新进展。分析包括对工艺参数、机械性能和潜在生物应用的评估。这将为读者提供有关钽合金 PBF-LB/M 现状的宝贵见解。
添加剂制造(AM)工艺,例如激光粉末床融合,可以通过分层扩散和熔化粉末来制造物体,直到创建自由形式的零件形状。为了提高AM过程中涉及的材料的特性,重要的是要预测材料表征作为处理条件的函数。在热电材料中,功率因数是对材料如何将热量转化为电的有效性的量度。虽然较早的作品已经使用各种技术预测了不同热电材料的材料表征特性,但在AM过程中尚未探索机器学习模型的实现,以预测鞭毛尿酸酯(BI2TE3)的功率因数。这很重要,因为BI2TE3是低温应用的标准材料。作为概念证明,我们使用了有关涉及的制造处理参数的数据以及在BI2TE3 AM中收集的原位传感器监视数据,以训练不同的机器学习模型,以预测其热电功率因子。我们使用80%的培训和20%的测试数据实施了监督的机器学习技术,并进一步使用了置换功能重要性方法来识别重要的处理参数和原位传感器功能,这些特征最能预测材料的功率因数。基于合奏的方法,例如随机森林,Adaboost分类器和Bagging分类器,在预测功率因数方面表现最好,而袋装分类器模型则达到了90%的最高精度。此外,我们发现了前15个处理参数和原位传感器功能,以表征材料制造属性(例如功率因子)。这些功能可以进一步优化,以最大程度地提高热电材料的功率因数,并提高使用该材料制造的产品的质量。