XiaoMi-AI文件搜索系统
World File Search SystemDeposition
激光定向能量沉积制备 TiNi 基双金属形状记忆合金
摘要：本研究采用激光定向能量沉积在 TiNi 形状记忆合金基体上构建富 Ti 三元 Ti-Ni-Cu 形状记忆合金，实现多功能双金属形状记忆合金结构的连接。采用经济高效的 Ti、Ni 和 Cu 元素粉末混合物作为原材料。采用各种材料表征方法来揭示两部分不同的材料特性。制备的 Ti-Ni-Cu 合金微观结构以 TiNi 相为基体，Ti 2 Ni 二次沉淀物。硬度没有显示出高值，表明主相不是硬质金属间化合物。通过拉伸试验获得了 569.1 MPa 的结合强度，数字图像相关揭示了两个部分不同的拉伸响应。使用差示扫描量热法测量相变温度。测得 Ti-Ni-Cu 合金截面的奥氏体终轧温度高于 80 ◦ C。对于 TiNi 基体，经测试，奥氏体终轧温度在底部接近 47 ◦ C，在上部基体区域约为 22 ◦ C，这是由于重复的激光扫描对基体起到了退火作用。最后，对两个形状记忆合金侧面的多重形状记忆效应进行了测试和识别。
芯片的选择性原子层沉积
实现 AS-ALD 的一种常见方法是使用自组装单分子层 (SAM) 作为抑制剂，以优先阻止一种表面材料上的 ALD 而不是另一种。 [7–14] SAM 是一种有机分子，由头部基团（也称为锚定基团）、主链（通过范德华相互作用参与自组装过程）和尾部官能团组成，其中尾部官能团会影响 SAM 形成后的最终表面特性。通过选择仅与特定表面反应的 SAM 分子头部基团，可以实现选择性 SAM 形成。例如，已证实烷硫醇和烷基膦酸可在金属基材上形成 SAM 结构，但不会在 SiO 2 上形成。 [15–21] 通过使用这两种 SAM 分子作为金属表面 ALD 抑制剂，已有多次成功演示在金属/电介质图案的电介质区域上选择性沉积电介质膜（电介质-电介质，或 DoD）和金属膜（金属-电介质，或 MoD）。[7–12,22,23]
使用熔融沉积成型 3D 打印技术制造利多卡因粘膜黏附膜
本论文由 eGrove 研究生院免费提供给您，供您开放访问。它已被 eGrove 授权管理员接受并纳入电子论文和学位论文。如需更多信息，请联系 egrove@olemiss.edu。
评论文章通过人工智能方法实现定向能量沉积
增材制造 (AM) 的发展日新月异，取代了传统的制造方法。此外，人工智能和机器学习的应用也不断增加，以进一步应用和发展。本综述广泛跟踪了定向能量沉积 (DED) 工艺的所有研究工作和当代进展迹象。还详细分析了该工艺中使用的所有类型的 DED 系统、进料、能源和保护气体。已经严格审查了在 DED 工艺中实施人工智能 (AI) 以减少工艺对人的依赖并控制复杂方面的方法。各种 AI 技术（如神经网络、梯度增强决策树、支持向量机和高斯过程技术）都可以实现预期目标。在 DED 工艺中实施的这些模型已经过训练，可用于高精度产品和卓越质量监控。
真空沉积：-CT Physics
实际上，情况并非如此简单，大量变量影响了膜的性质，例如激光流利度，背景气体基板温度，底物表面的粗糙度，消融材料的电离密度等。这些变量在一定程度上操纵膜特性。但是，优化可能需要大量的时间和精力。的确，对PLD的早期研究的大部分研究都集中在单个材料和应用的沉积条件的经验优化上，而无需试图了解材料从目标转移到底物时发生的过程。通常使用femto第二激光激光器来沉积薄膜的薄膜，较小的纳米米厚度。脉冲激光沉积机的示意图如图所示。
利用直接能量沉积制造 Ti-Nb-Cr-V-Ni-Al 难熔高熵合金
摘要：高熵合金 (HEA) 由 5–35 at% 的五种或更多种元素组成，具有高配置熵，不形成金属间化合物，具有单相面心立方结构或体心立方结构。特别是，耐火高熵合金 (RHEA) 基于在高温下具有优异机械性能的耐火材料，在室温下具有高强度和硬度，在低温和高温下具有优异的机械性能。在本研究中，使用直接能量沉积 (DED) 沉积了 Ti-Nb-Cr-V-Ni-Al RHEA。在 Ti-Nb-Cr-V-Ni-Al 的微观结构中，σ、BCC A2 和 Ti2Ni 相似乎与相图中预测的 BCC A2、BCC B2 和 Laves 相不同。该微观结构类似于铸造的 Ti-Nb-Cr-V-Ni-Al 的微观结构，并具有构造的细晶粒尺寸。发现这些微观组织的生长是由于 DED 工艺，该工艺具有快速凝固速度。细小的晶粒尺寸导致高硬度，测量的 Ti-Nb-Cr-V-Ni-Al 显微硬度约为 900 HV。此外，为了分析由耐火材料组成的 Ti-Nb-Cr-V-Ni-Al 的热性能，通过预热试验分析了热影响区 (HAZ)。由于 Ti-Nb-Cr-V-Ni-Al 的热扩散率高，HAZ 减小了。
采用定向能量沉积技术制造球面抛光热冲压工具的集成冷却通道
摘要：热冲压工具需要冷却通道，最好具有较高的定位灵活性。传统上，这些冷却通道是机加工的。由于铣刀的可达性有限且灵活性低，因此这是一个缺点。通过定向能量沉积 (DED) 工艺，可以灵活地设计冷却通道。DED 可以制造不同几何形状的冷却通道，以控制热冲压工具中的热平衡。在这种情况下，添加剂可生产性和冷却通道的表面分数之间的一致性很重要，这有助于工具表面的有效热量。实验和数值分析表明，该领域的一种可能配置是水滴形冷却通道。为了降低 DED 工艺后的表面粗糙度，随后对工具表面进行球面抛光。由此产生的工具表面的粗糙度和波纹度会降低，但不会完全平整。表面纹理化可以应用于影响由 DED 实施的热冲压工艺中的材料流动。所述方法的组合允许制造具有近表面冷却通道的热冲压工具以及工具表面特性的整体或局部调整。
使用掺铥光纤激光器 (DED-LB/P) 定向能量沉积在不锈钢基材上生成聚酰胺 12 涂层
摘要：由于其良好的材料特性（例如耐腐蚀、耐磨、生物相容性），聚酰胺 12（PA12）等热塑性材料因可用作金属部件上的功能涂层而备受关注。为确保涂层的空间分辨力并缩短工艺链，通过激光束（DED-LB/P）进行聚合物粉末的定向能量沉积是一种很有前途的方法。由于特征吸收带，在 DED-LB/P 装置中使用波长为 1.94 µ m 的铥光纤激光器进行研究，以在无需添加任何吸收添加剂的情况下在不锈钢基材上生成 PA12 涂层。通过红外热成像分析了能量密度和粉末质量流量的影响。此外，还通过差示扫描量热法、激光扫描显微镜、光学显微镜和交叉切割测试对涂层进行了表征。本研究结果首次证明了使用铥光纤激光器实现无吸收体 DED-LB/P 工艺的基本可行性。可实现孔隙率低、附着力好的 PA12 涂层。根据特定应用的要求，必须在 PA12 涂层的密度和表面质量之间进行权衡。使用红外热成像技术适用于现场检测因能量输入过多而导致的工艺不稳定性。
基于在线人工视觉和深度神经网络的激光金属沉积轨迹几何预测
激光金属沉积 (LMD) 是一种增材制造技术，它吸引了业界的极大兴趣，因为它有可能将具有复杂几何形状的零件一次性制成，并修复损坏的零件，同时保持良好的机械性能。然而，该工艺的复杂性限制了它的广泛应用，因为不同的零件几何形状、策略和边界条件会在外部形状和内部缺陷方面产生非常不同的结果。此外，在工艺执行过程中监控零件质量非常具有挑战性，因为直接测量结构和几何特性大多是不切实际的。这项工作提出了一种 LMD 在线监控和预测方法，该方法利用同轴熔池图像以及工艺输入数据来估计 LMD 沉积的轨道大小。特别是，一种新颖的深度学习架构将卷积神经网络的输出（以熔池图像为输入）与标量变量（工艺和轨迹数据）相结合。评估了各种网络架构，建议使用至少三个卷积层。此外，结果表明密集层的数量和大小具有一定程度的不变性。通过使用航空航天和汽车领域的相关材料 Inconel 718 粉末通过 LMD 沉积的单轨进行的实验，证明了所提出方法的有效性。