[2] S. M. Thompson,L。Bian,N。Shamsaei和A. Yadollahi,“添加剂制造的直接激光沉积概述;第一部分:运输现象,建模和诊断,” Addive Manufacturing,第1卷。8,pp。36-62,2015年10月。[3] V. T. Le,H。Paris和G. Mandil,“使用增材和减法制造技术的直接零件再利用策略的制定”,《增材制造》,第1卷。22,pp。687-699,2018年8月。[4] V. T. Le,H。Paris和G. Mandil,“在再制造环境中合并添加剂和减法制造技术的过程计划”,《制造系统杂志》,第1卷。44,否。1,pp。243-254,2017年7月。[5] A. Ramalho,T。G. Santos,B。Bevans,Z。Smoqi,P。Rao和J. P. Oliveira,“污染对316L不锈钢线和ARC添加性生产过程中声学发射的影响”,Addived Manufacturing,第1卷。51,第1条。102585,2022年3月。[6] S. Li,J。Y. Li,Z。W. Jiang,Y。Cheng,Y。Z. Li,S。Tang等人,“控制Inconel 625的定向能量沉积期间的柱状到等式的过渡”,Addy Manufacturing,第1卷。57,第1条。102958,2022年9月。[7] T. A. Rodrigues,N。Bairrão,F。W。C. Farias,A。Shamsolhodaei,J。Shen,J。Shen,N。Zhou等人,“由Twin-Wire和Arc添加剂制造(T-WAAM)生产的钢 - Copper功能渐变的材料(T-WAAM)”,材料&Designs,第1卷。213,第1条。110270,2022年1月。66,否。8,pp。1565-1580,2022年8月。32,否。[8] V. T. Le,D。S. Mai,M。C. Bui,K。Wasmer,V。A. Nguyen,D。M. Dinh等,“过程参数和热周期的影响,对308L不锈钢墙的质量,该材料由添加剂生产产生的308L不锈钢墙,使用弧形焊接来源,使用弧形焊接源,焊接,焊接,焊接,”。[9] D. Jafari,T。H。J. Vaneker和I. Gibson,“电线和电弧添加剂制造:控制制造零件的质量和准确性的机遇和挑战”,《材料与设计》,第1卷。202,第1条。109471,2021年4月。[10] S. W. Williams,F。Martina,A。C. Addison,J。Ding,G。Pardal和P. Colegrove,“ Wire + Arc添加剂制造”,《材料科学与技术》,第1卷。7,pp。641-647,2016。[11] W. E. Frazier,“金属添加剂制造:评论”,《材料工程与性能杂志》,第1卷。23,否。6,pp。1917-1928,2014年6月。[12] J. Xiong,Y。Li,R。Li和Z. Yin,“过程参数对基于GMAW的添加剂制造中多层单频薄壁零件的表面粗糙度的影响”,《材料加工技术杂志》,第1卷。252,pp。128-136,2018年2月。[13] V. T. Le,“基于气体弧焊接的金属零件添加剂制造的初步研究”,VNUHCM科学技术杂志,第1卷。23,否。1,pp。422-429,2020年2月。58,否。4,pp。461-472,2020年7月。[15] W. Jin,C。Zhang,S。Jin,Y。Tian,D。Wellmann和W. Liu,“不锈钢的电弧添加剂制造:审查”,《应用科学》,第1卷。[14] V. T. Le,Q。H。Hoang,V。C. Tran,D。S. Mai,D。M. Dinh和T. K. Doan,“焊接电流对由薄壁低碳构建的形状和微观结构形成的影响,由电线添加剂制造建造的薄壁低碳零件”,《越南科学和技术杂志》,第1卷。10,否。5,第1条。1563,2020年3月。[16] T. A. Rodrigues,V。Duarte,J。A. Avila,T。G。Santos,R。M。Miranda和J. P. Oliveira,“ HSLA钢的电线和弧添加剂制造:热循环对微结构和机械性能的影响”,《增材制造》,第1卷。27,pp。440-450,2019年5月。[17] J. G. Lopes,C。M。Machado,V。R。Duarte,T。A。Rodrigues,T。G。Santos和J. P. Oliveira,“铣削参数对电线和弧添加剂生产产生的HSLA钢零件的影响(WAAM)”,《制造工艺杂志》,第1卷。59,pp。739-749,2020年11月。[18] A. V. Nemani,M。Ghaffari和A. Nasiri,“通过传统滚动与电线弧添加剂制造制造的船建造钢板的微观结构特性和机械性能的比较,”添加剂制造业,第1卷。32,第1条。101086,2020年3月。[19] P. Dirisu,S。Ganguly,A。Mehmanparast,F。Martina和S. Williams,“对线 +电线 + ARC添加剂生产的高强度高强度低合金结构钢组件的裂缝韧性分析”,材料科学与工程:A,第1卷,第1卷。765,第1条。138285,2019年9月。787,第1条。139514,2020年6月。[20] L. Sun,F。Jiang,R。Huang,D。Yuan,C。Guo和J. Wang,“各向异性机械性能和低碳高强度钢分量由Wired and Arc添加剂制造制造的低强度钢组件的变形行为”,材料科学和工程学:A,A,第1卷。[21] https://doi.org/10.1007/s11665-022-06784-7
随着人们越来越关注能源效率、可持续性和成本,人们也越来越关注先进材料在广泛应用中的使用(参考文献1)。例如,汽车和能源勘探行业正在实施更坚固的新材料,以满足更高的操作条件(参考文献2)。在这两种应用中,使用新材料时通常对材料的焊接特性了解有限。由于这些下一代钢材的可焊性受到各种焊接工艺导致的材料行为局部变化的影响,因此接头的整体性能假设可能无效。这可能导致三个潜在的挑战。首先,如果过于激进,对接头整体特性的假设可能会导致设计不足的部件在负载条件下过早失效。其次,如果过于保守,设计工程师可能会低估接头强度并需要更厚的组件,这违背了利用先进材料的目的。第三,
将一根管道连接到另一根管道是一项劳动密集型过程,因为它需要焊接、螺纹或法兰以及相关设备。虽然这种类型的钢包含多种元素成分,主要含有铁,但可以添加其他几种金属成分,对其可焊性和强度产生很大影响 [1-3]。焊接钢通常需要预热和后热处理,以防止焊接开裂,而焊接钢(如高碳钢)更容易出现焊接开裂,需要特殊的焊接填充金属。裂纹是指焊接熔池未填满的焊缝,它是由焊接金属冷却时发生的收缩应变引起的。当收缩受限时,将引起导致开裂的残余应力。据此,通常会导致开裂的典型因素包括:(i) 焊接过程中产生的氢气、(ii) 易开裂的硬脆结构和 (iii) 作用于焊接接头本身的拉伸应力 [2,4-6]。可以说,钢的碳当量越高,可焊性越差。这意味着碳含量超过 0.2% 的钢的可焊性被认为是较差的,因为钢的硬度高,开裂的可能性也高。相比之下,低碳钢显示出优势,并且是室温下最容易焊接的钢
伊顿市和塞弗伦斯市的市界内净移民人数相对较大。根据科罗拉多州人口统计办公室的数据,2010 年至 2018 年间,伊顿市和塞弗伦斯市的人口增长率分别为 2.9% 和 5.8%。韦尔德县整体而言,在同一时期的增长率为 2.7%。走廊沿线的近期发展导致县道 74 的交通量增加。展望未来,根据北前线大都会规划组织 (NFRMPO) 的建模数据,预计到 2045 年,走廊沿线的交通量将从 100% 增加到 600%。额外的交通量将需要对走廊进行改进,以确保走廊的功能完整性得到维护。韦尔德县、塞弗伦斯和伊顿之间需要合作,以便以高效、经济的方式完成走廊的改进。此外,管辖区需要允许沿走廊进行开发,同时保留道路并维持服务水平。为了保持走廊的功能完整性,韦尔德县、塞弗伦斯和伊顿已采纳该计划,并将遵循文件中所述的建议。
还进行了使用高灵敏度技术和横截面的附加参考 X 射线检查,以更深入地确认焊接质量,直至微观结构水平。该项目还根据所应用的 NDT 技术的 EN 标准评估物理参数及其评估。特别重要的是了解局部信噪比以及 POD(检测概率)设置的影响。检测概率曲线原则上是根据 MIL 1823 可靠性指南确定的,该指南是为确定美国军方燃气涡轮发动机的完整性而制定的。需要扩展铜摩擦搅拌和电子束焊接中更复杂的不连续情况,这对焊接和 NDT 技术来说都是一个挑战。
在本研究中,已经尝试使用机器学习(ML)方法将实验数据(ML)进行分类,以对几种焊接进行分类。在气钨电弧焊接过程(GTAW)过程中,已经开发了ML模型并将其馈送到几个传感器捕获的实验数据中。一方面,焊接参数(电压,电流,电线速度,焊接速度等)用于监视焊接过程中传递的控制能。另一方面,使用与图像处理算法结合的摄像机被用来捕获原位焊接池轮廓。还构建了一个数据库来存储,标签和订购所获得的信息。然后将此数据库用于ML模型的各种培训,验证和预测步骤。然后使用KNN分类算法对焊接配置进行分类,然后分析其效率(准确性,处理时间等)。表明,与ML结合使用的图像处理可以通过提取的特征来训练以预测焊接配置的分类。当前研究的最终观点是实现实时识别和修改焊接操作条件。
注意:近似MAT100故障表面是CAE模拟的特征。高级Seeger模型也使用测试数据来表征,该数据提供了更好的相关性。请参阅Mohammad Shojaee的演示文稿以获取更多详细信息
焊接过程产生的图像噪声(例如弧光,飞溅和烟雾)给基于激光视觉传感器的焊接机器人带来了巨大的挑战,可以定位焊接接缝并准确地进行自动焊接。当前,基于深度学习的方法超过了灵活性和鲁棒性的传统方法。但是,它们的重大计算成本导致与自动焊接的实时要求不匹配。在本文中,我们对卷积神经网络(CNN)和变压器的有效混合体系结构(称为动态挤压网络(DSNET))进行实时焊接接缝分段。更准确地说,开发了一个轻巧的分割框架,以充分利用变压器结构的优势,而无需显着增加计算开销。在这方面,旨在提高其功能多样性的高效编码器已被设计并导致了编码性能的大幅改进。此外,我们提出了一个插件轻巧的注意模块,该模块通过利用焊接接缝数据的统计信息并引入线性先验来产生更有效的注意力权重。使用NVIDIA GTX 1050TI对焊缝图像进行广泛的实验表明,与基线方法Transunet相比,我们的方法将参数的数量减少了54倍,将计算复杂性降低了34倍,并将推理速度提高33倍。dsnet可实现较高的准确性(78.01%IOU,87.64%骰子)和速度性能(100 fps),其模型复杂性和计算负担较低。该代码可在https://github.com/hackerschen/dsnet上找到。
摘要。使用定向能量沉积 (DED) 工艺(例如电弧增材制造 (WAAM))制造零件时,需要确定沉积路径和操作参数(送丝速度、焊枪速度、能量)。虽然操作参数会影响制造的焊珠的几何形状,但沉积轨迹会影响这些焊珠排列以填充目标形状的方式。焊珠几何形状对热条件(难以准确管理)的强烈依赖性使得选择适当的参数变得复杂。可以通过多种方式解决该问题,本文提出了一种根据零件的当前状态(模拟或测量)和制造或几何约束确定轨迹和操作参数的方法。提出的方法分为两个阶段:
摘要衍生焊接过程在许多情况下能够改变决定焊珠形成基本方面的现象。这些演变中的某些演变作用于电线馈电动力学。但是,在这种情况下,尚未完全探索线饲料脉动对焊珠形成因子的影响。因此,这项工作旨在检查电线进料脉动方法如何影响气体金属电弧焊接中的液滴转移以及其与熔融池的相互作用如何定义焊珠穿透。通过改变电线馈电频率而产生的磁带焊接,但保持相同水平的电弧能量和电线进料速度,电源以恒定的电压和电流模式运行。为了评估液滴转移行为,使用了高速成像。根据融合渗透比较了焊珠的几何形状。结果表明,线进料脉动频率的增加加剧了液滴的脱离频率,有可能完成稳定的金属转移,直接将其直接投射到焊接池,这有助于集中的渗透率。基于描述性模型,人们认为,由于电线饲料搏动而导致的液滴动量或动能的增加不足以证明渗透性增强的合理性。可以得出结论,电线进料动力学还可以刺激焊池中的表面张力变化,从而破坏其质量和热对流的行为,从而支持融合渗透。