XiaoMi-AI文件搜索系统
World File Search Systemmelt
金属定向能量沉积过程中熔池深度的实时估计与控制以减少孔隙率
1 缩写：AM：增材制造；MPD：熔池深度；DED：定向能量沉积；ANN：人工神经网络；VED：体积能量密度；PID：比例-积分-微分。
SS316L 定向能量沉积熔池中流体流动和传热的数值模拟
摘要。本文介绍了为模拟不锈钢 SS316L 定向能量沉积中形成的熔池中的流体流动和传热而开发的数值模型。该模型结合了重要的热量和动量源项。能量源项包括激光能量、相变潜热、对流热损失、辐射热损失、蒸发热损失以及由于熔融颗粒沉积到熔池中而增加的能量。动量源项是由表面张力效应、热毛细（Marangoni）效应、热浮力、相变引起的动量衰减、熔融颗粒动量以及由于蒸发引起的反冲效应引起的。模拟表明，熔池中预测的流动和传热会影响最终的形状和尺寸。在当前采用的工艺参数下，熔池细长、宽而浅，具有凹陷的自由表面和向外的对流。向外流动是由熔池中心的高温主导区域引起的，因此表面张力的温度梯度为负。
通过同轴热成像对定向能量沉积的融化池监测和过程优化
在基于激光的金属粉末的定向能量沉积中，使用优化参数可以使用无缺陷的材料，而与这些优化的参数不同，通常会导致高孔隙率，高稀释度，高稀释度或不同的轨道几何形状。构建复杂的地理网格时的主要挑战之一是沉积的几何和热条件正在不断变化，这需要在生产过程中调整过程参数。为了促进此过程，可以使用诸如热摄像机之类的传感器从过程中提取数据并调整参数以保持过程稳定，尽管外部干扰。在这项研究中，研究了从同轴热摄像机中提取的不同信号并进行了比较以优化过程。为了研究这种可能性，以恒定激光功率沉积了五个重叠的轨道，以提取平均像素值以及熔体池面积，长度，宽度和方向。每个轨道沉积的行为是根据激光功率建模的，这些模型用于计算和测试基于不同信号的激光功率降低策略。结果表明，熔体池面积是用于有效过程控制的最相关的信号，导致稳定过程，仅轨道到轨道的信号变化的±1.6％。
激光粉末床熔合系统上商用熔池监测传感器的热校准
激光粉末床熔合 (LPBF) 增材制造 (AM) 中的同轴熔池监测通常利用各种光电探测器来获取与动态热熔池现象相关的信号。反过来，预计这些热特征与制造质量相关，因此可以与最终的 AM 部件相关。为了将这些信号值与真实的物理温度联系起来，必须进行热校准。然而，大多数热校准源无法轻易复制典型 LPBF 熔池的相对高温和小尺寸。本文介绍了一种潜在的热校准方法，该方法使用较低温度的商用现成校准黑体。该方法计算任意直径的假设小源的“有效”温度，其辐射温度与较大、较低温度的黑体相同。本文详细介绍了理论原理，提供了概念验证计算，然后演示了在商用 LPBF 熔池监测系统上进行的程序。最后，虽然该方法本身并不提供绝对校准，也不能将真实熔池温度归因于熔池监测传感器信号，但提供了详细的实用性的讨论，详细说明了为什么测量的校准值是现实的，并描述了该方法的未来改进。
基于M-SVR算法的激光直接沉积熔体轨迹几何特征预测
摘要：几何特征是表征激光直接沉积质量的重要手段，提高预测模型的精度有助于提高沉积效率和质量。模型主要输入变量为激光功率、扫描速度和送粉速率，输出变量为熔轨宽度和高度。应用基于径向基函数（RBF）的多输出支持向量回归（M-SVR）模型，建立了熔轨几何特征预测的非线性模型。采用正交试验设计进行试验，随机选取试验结果作为训练和测试数据集。一方面，与单输出支持向量回归（S-SVR）建模相比，该方法将高度预测的均方根误差降低了22％，且训练速度更快，预测精度更高；另一方面，与反向传播（BP）神经网络相比，宽度的平均绝对误差降低了5.5％，平均绝对误差更小，泛化性能更好。因此，建立的模型可以为精确选择直接激光沉积工艺参数提供参考，提高沉积效率和质量。
模拟神经网络南极冰架上熔体速率的当前和未来模拟
在过去的几十年中，南极冰盖对海平面上升的贡献一直在增加，预计这种增加会随着温室气体排放的增加而持续（Fox-Kemper等人，2021年）。大部分质量损失发生在冰盖的边缘，通过从接地冰盖到海洋的冰块流动，主要是在南极西部（Khazendar等，2016; Mouginot等，2014; Mouginot et al。，2014; Rignot et al。这是因为冰盖边缘的浮冰搁架（通常是支撑冰流的支撑）迅速变薄并由于其底部的海洋引起的融化而撤退（Adusumilli等，2020; Paolo等，2015; Rignot et al。，2013）。在某些基岩配置中，增加了海洋诱导的熔体甚至会触发海洋冰盖不稳定性（Gudmundsson等，2012; Schoof，2007; Weertman，2007; Weertman，1974），这有可能强烈增加南极质量损失，在一个世纪以下的时间范围内（Fox-Kemper等人，20221年）。这使海洋引起的子架融化或基底融化是未来海平面上升的未来预测的主要不确定性之一。
熔池凝固过程中柱状枝晶间生长竞争的快速模拟
本文提出了一种非常快速的数值方法来模拟熔池凝固产生的微观结构，包括柱状枝晶晶粒和从熔体中成核的等轴晶粒的生长竞争。为了减少计算时间，提出了一种升级策略，该策略不是单独考虑每个枝晶，而是根据物理信息确定枝晶生长速度来定义平均凝固前沿。所提出的方法还依赖于枝晶的优选生长方向和有利取向的晶粒标准来确定哪些晶粒在竞争中幸存下来。显著减少自由度总数的关键贡献之一是使用 Voronoi 镶嵌而不是规则网格进行数值实现。结果已与实验数据以及相场和细胞自动机模拟进行了比较。模拟的微观结构与使用细胞自动机获得的微观结构相似，而计算成本却大大降低。此外，还提供了三维模拟的收敛分析，其热条件对应于金属增材制造，以展示如何在实践中使用本研究。
从统计上参数化和评估正学位模型，以估算1979年至2022年在南极洲的表面熔体
摘要。表面熔化是南极冰架塌陷的主要驱动因素之一，随着全球气候的持续变暖，预计将来会增加，因为空气温度和熔化之间存在统计学上显着的正相关关系。增强的表面熔体将影响南极冰盖（AIS）的质量平衡，并通过动态反馈诱导全球平均海平面（GMSL）的变化。然而，南极中对表面熔体的当前理解在量化表面熔体和了解过去，现在和建筑环境中表面熔体的驱动过程的不确定性方面仍然有限。在这里，我们构建了一个新型的网格细胞级分布分布的正学位日（PDD）模型，该模型被强迫使用2 m的空气温度重新分析数据，并通过将卫星估计值和表面能量平衡（SEB）模型（SEB）模型（SEB）模型（SEB）模型（SEB）模型（SEB）模型（SEB）模型（SEB）模型（SEB）模型的每个计算单元格上的1979年至2022222222222.，我们根据PDD模型的性能评估了我们参数化方法的准确性，当时考虑了整个计算单元格，这与选择用于参数化的时间窗口有关。我们通过将用于PDD参数化的训练数据（卫星估计和SEB模型输出）增加±10％，并通过将恒定温度扰动（ + 1， + 2， + 3， + 4和 + 5 o C）添加到2 M空气温度模型。我们发现，PDD融化范围和数量类似于训练数据的变化，其统计学上显着的相关性稳定，并且PDD熔体量融合的量随着温度的
原位X射线量化熔体池行为在定向能量沉积不锈钢的添加剂
SS316L的定向能量沉积添加剂制造（DED-AM）使用原位和Operando Synchrotron X射线成像进行了研究，以定量地了解加工参数对融化池形态和表面质量的影响。发现，DED-AM构建的表面粗糙度可能是由于熔体流量的变化和构建阶段运动扰动引起的熔体池表面扰动所致。的过程图，该过程图将构建质量与处理参数（包括粉末进料速率，激光功率和遍历速度）相关联。AM过程参数如何控制构建效率，并确定导致粗糙度的表面扰动所需的处理条件。2020作者。由Elsevier B.V.这是CC下的开放式访问文章（http：//creativecommons.org/licenses/4.0/）。
熔融池湍流对用激光和粉末
？-b0/10k+0.0bcu+k0 = as-1-a。+a？）？b+_- 1 <+9ds0b+d.k+= a_k0b+d99a_s+1 <0+nd.8pd/18b-.c+ap+ap+ap+ap+n891-t N01D99 - /+。0DB+.01+S ？+p-.-10+090n0.1+nak09+ap +1ap +1 <00 +9ds0b+k0 = as-1-1-1-a.++++++app+++ap++ap+ap+ap+ap+ap+ap+ap+ap+ap+ap+ap+ap+ap+ap+ap+ap+ap+ap+ap+ap+ap+s1d-+s1d-.90ss+s +s1009+ ）？+SUS10NQ+H <0+K-PP8S-R0+0pp0/1s+ - 。k8/0k+Cu+Cu+18BC890。/0+DB0+D.D9UH0K+_- 1 <+ B0CDBK+1A+D+9DN-.DB+S-N89D1-A。+D.K+DB0+PA8.K+1A+）？+SUS10NQ+H <0+K-PP8S-R0+0pp0/1s+ - 。k8/0k+Cu+Cu+18BC890。/0+DB0+D.D9UH0K+_- 1 <+ B0CDBK+1A+D+9DN-.DB+S-N89D1-A。+D.K+DB0+PA8.K+1A+