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:
阿纳托利·扎夫多维耶夫 1, 安德烈·克拉帕图克 1, 蒂埃里·博丹 2, 埃里克·麦克唐纳 3, 达内什·莫汉 4, 若昂·奥利维拉 5, 亚历克斯·加伊沃隆斯基 1, 瓦列里·波兹尼亚科夫 1, 金亨燮 6, 弗朗索瓦·布里塞特 2, 马克西姆·霍赫洛夫 1, 马克·希顿 7, 马西莫·罗甘特 8, 米科拉·斯科里克 9, 德米特里·韦德尔 10, 罗曼·科津 1, 伊利亚·克洛奇科夫 1, 斯维亚托斯拉夫·莫特鲁尼奇 1
增材制造在航空航天、医疗植入等领域有着很好的应用前景,但成型件表面质量差,如果不进行后处理无法满足高服务化的要求,抛光加工是高性能金属增材制造技术链中的关键环节。本文总结了其阶梯效应、成型表面粗糙度高等特点。近年来,增材制造技术又称3D打印以其在快速成型特别是复杂金属零件制造方面的独特优势受到航空企业的高度重视。但由于3D打印采用逐层生长的过程,构建的零件往往表面粗糙度较差,如果不进行后处理则不适合实际使用。基于此基础,增材制造对金属零件抛光领域的研究主要集中在电化学、激光、磨料流抛光技术等方面。本文针对增材制造过程中的各种制造工艺、金属粉末材料种类以及样品的各种结构(如多孔结构、高深宽流道等)对上述领域的研究进展进行了综述,并总结了增材制造金属零件抛光工艺中表面粗糙度、材料去除、表面残余应力、轮廓精度保持性等技术指标的研究成果,最后对3D打印金属零件抛光技术未来的发展进行了展望。
摘要 增材制造 (AM) 是一种成熟的制造技术,它允许更大的设计自由度。在现有的七种 AM 工艺中,由于每种制造工艺的物理特性不同,我们观察到打印部件中存在各种缺陷。如果没有清晰的几何-工艺-缺陷深度相互作用的概述,这种各种各样的缺陷会使设计步骤变得复杂。这些缺陷可能是基于工艺或机器的,其分类通常会引发方法和术语问题。本文建议使用基于工艺的方法回顾 AM 一般部件缺陷。本文的目的是为设计师提供一种分类,通过考虑所选工艺,通过评估影响最终部件的不同缺陷,让他们能够在部件设计中做出选择。对于 ISO/ASTM 52900 中定义的每个工艺类别,都会审查零件的主要属性和缺陷,并将其分为四类:几何形状和尺寸、表面质量、微观结构和机械性能。本审查特别关注影响缺陷和属性的工艺参数,以便设计师根据工艺或零件的预期要求做出相关选择。
Flore Villaret、Xavier Boulnat、Pascal Aubry、Julien Zollinger、Damien Fabrègue 等人。马氏体钢中 δ 铁素体到奥氏体相变动力学的建模:应用于增材制造中的快速冷却。 Materialia, 2021, 18 (2021) (101157),第18页 (2021)。 “10.1016/j.mtla.2021.101157”。 “cea-03330729”
摘要:激光定向能量沉积 (L-DED) 是一种值得注意的增材制造方法,其中金属粉末通过喷嘴喷涂,然后使用激光逐层压实。与其他增材制造工艺不同,DED 对制造部件尺寸的限制较少,这使其有利于生产大型部件。然而,在增材制造中使用 DED 需要仔细优化各种工艺参数,包括激光功率、送粉速率、喷嘴扫描速度和沉积路径,因为这些参数会显著影响制造部件的几何形状和性能。最近的研究已经广泛调查了在不同能量密度下通过 DED 制造的部件的微观结构和性能,但对与送粉相关的变量的研究仍然缺乏。在本研究中,以粉末线密度 (PLD) 为参数,观察到在使用 STS316L 进行 DED 增材制造时,焊珠几何形状、微观结构和力学性能的变化以及送粉密度的变化。通过粉末进料速率和扫描速度控制,利用粉末线密度对 STS316L 合金粉末进行 1 线沉积,从而能够在沉积过程中观察焊珠的几何形状和熔池形状。此外,通过控制粉末线密度的 DED 制造方形样品,以观察由此产生的微观结构和机械性能。观察到,即使在相同的能量密度下,样品也会根据粉末线密度表现出不同的晶粒形貌、微观结构和机械性能,各向异性的变化尤其显著。这凸显了粉末进料密度作为与能量密度一起优化 DED 增材制造工艺的关键变量的重要性。本研究的结果有望通过调节粉末进料密度来帮助控制金属增材制造工艺中制造部件的各向异性和强度。
金属增材制造 (MAM) 是一项快速发展的技术,有可能彻底改变制造业。当前的 MAM 工艺之一是直接能量沉积 (DED),它使用逐层沉积来设计零件以进行整合并最大限度地减少材料浪费。然而,DED 工艺的反复加热和冷却通常会导致 AM 组件发生变形,从而导致过早失效。该研究利用数值计算软件 Simufact Welding 对利用 DED 工艺在 SS316 基材上增材制造的 Inconel 718 的热致变形进行了数值计算分析。Inconel 718 组件和 SS316 基材的几何设计旨在更深入地了解 LMD 工艺的变形行为。模拟结果表明,变形随层数的增加而增加,并且变形率沿沉积高度而变化。节点 S3 和 S5 处的基材变形在每一沉积层中均呈线性增加,但在最后四层中节点 S1 和 S2 处的变形速率降低,这表明基材和沉积材料之间的温度均匀性。
关于 NIT CALICUT 卡利卡特国立技术学院 (NITC) 是 2007 年 NIT 法案管辖的 31 所国家级重要机构之一,由印度政府全额资助。该学院最初成立于 1961 年,是一所地区工程学院 (REC),2002 年改组为国立技术学院。该学院提供工程、科学、技术和管理方面的学士、硕士和博士学位课程。通过与众多研究组织、学术机构和行业的积极合作,该学院在 NIT 体制下树立了新的运作风格。该学院目前提供 11 个本科课程和 30 个研究生课程以及工程、科学技术和管理等各个领域的博士学位课程;http://www.nitc.ac.in
本文首次全面介绍了深度学习 (DL) 在增材制造 (AM) 中的应用。它解决了对这个快速增长但分散的领域进行彻底分析的需要,旨在汇集现有知识并促进进一步发展。我们的研究问题涵盖 AM 的三个主要领域:(i) AM 设计,(ii) AM 建模,以及 (iii) AM 中的监控和控制。我们采用循序渐进的方法,遵循系统评价和荟萃分析的首选报告项目 (PRISMA) 指南,从 Scopus 和 Web of Science 数据库中选择与我们的研究问题一致的论文。我们仅包括在七个主要 AM 类别中实施 DL 的论文——粘合剂喷射、定向能量沉积、材料挤出、材料喷射、粉末床熔合、薄板层压和大桶光聚合。我们的分析揭示了使用深度生成模型(例如生成对抗网络)进行 AM 生成设计的趋势。它还强调了将过程物理学纳入 DL 模型以改进 AM 过程建模和减少数据要求的不断努力。此外,人们对使用 3D 点云数据进行 AM 过程监控的兴趣日益浓厚,除了传统的 1D 和 2D 格式。最后,本文总结了当前的挑战,并推荐了该领域一些有希望的进一步研究机会,特别关注(i)将 DL 模型推广到各种几何类型,(ii)管理 AM 数据和 DL 模型中的不确定性,(iii)通过结合深度生成模型克服有限、不平衡和嘈杂的 AM 数据问题,以及(iv)揭示可解释 DL 用于 AM 的潜力。
• AM = 增材制造 • DED = 定向能量沉积 • DfAM = 增材制造设计 • PBF = 粉末床熔合 • LP-DED = 激光粉末 DED • L-PBF = 激光粉末床熔合 • EB-PBF = 电子束粉末床熔合 • LW-DED = 激光丝 DED • AW-DED = 电弧丝 DED • EB-DED = 电子束 DED • AFSD = 增材搅拌摩擦沉积 • UAM = 超声波增材制造