免责声明 本信息是根据美国政府机构资助的工作编写的。美国政府及其任何机构或其任何雇员均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证,也不承担任何法律责任或义务,也不表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务并不一定构成或暗示美国政府或其任何机构对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。
摘要 — 金属增材制造 (AM) 为空间控制制造后的微观结构和性能提供了可能性。然而,由于驱动微观结构结果的固态扩散转变在温度方面由非线性 ODE 控制,而温度本身又由整个零件域上的 PDE 控制,因此求解实现所需微观结构分布所需的系统输入已被证明是困难的。在这项工作中,我们提出了一种用于金属 AM 中微观结构空间控制的轨迹优化方法,我们通过控制电子束粉末床熔合 (EB-PBF) 中低合金钢的硬度来证明这一点。为此,我们提出了热和微观结构动力学模型。接下来,我们使用实验数据来识别微观结构转变动力学的参数。然后,我们将空间微观结构控制作为有限时域最优控制问题。使用具有 GPU 加速的增强拉格朗日微分动态规划 (AL-DDP) 方法计算最佳功率场轨迹。然后通过近似方案在 EB-PBF 机器上实现所产生的随时间变化的功率场。对所得硬度的测量表明,优化的功率场轨迹能够紧密产生所需的硬度分布。
根据欧洲铝业协会 [1] 开展的一项研究,欧洲乘用车的铝含量将从 2022 年的 205 公斤增加到 2030 年的 256 公斤。对美国汽车也做出了非常相似的预测 [2] 。因此,内燃机相关铸件需求的下降将在很大程度上被电动汽车对新型铝基部件的需求所抵消,例如电机外壳、BEV 和 PHEV 电池外壳组件和不同的结构件。预计对压铸制造的汽车结构件的需求将从 2021 年的 820 万件大幅增加到 2030 年的 2500 万件 [3] 。所引用的研究一致认为,预计超过 50% 的铝基零件将通过压铸方法成型,特别是高压压铸 (HPDC)。这些研究并未考虑到巨型和千兆高压压铸的快速普及。因此,未来几年对 HPDC 零件的需求预计会比预测值高得多。
数据驱动的方法(如机器学习)可用于分析和监控复杂的制造过程,在这种过程中,仅依靠基于物理的模型进行预测的成本非常高。机器学习已被用于监控增材制造过程[21]。支持向量机(SVM)[28]、隐马尔可夫模型[29]、卷积神经网络(CNN)[6,14]和字典学习[17]等方法都得到了应用。然而,机器学习在制造应用中有几个局限性。首先,用于预测复杂系统的机器学习需要大量的训练数据,而制造业的数据收集成本高昂。其次,制造过程中收集的数据不平衡。制造过程通常在正常情况下进行,而数据收集的成本很高。
比在空气中的要短。一般来说,由于应变速率较低和温度较高,疲劳寿命会降低。 环境修正系数 ( F en ) 定义为 LWR 环境 ( NW ) 中的疲劳寿命与空气中 ( NA ) 中的疲劳寿命之比,环境中的疲劳使用量 ( U en ) 为 F en 与空气中的疲劳使用量 ( U f ) 相乘所得。 包括环境在内的疲劳数据
废料减少 70% ▪ DED、热处理和部分加工 ▪ 通过近净成型打印减少 70% 以上的废料量
本报告是作为美国政府机构赞助的工作的记录而编写的。美国政府及其任何机构或其任何雇员均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证,也不承担任何法律责任或义务,也不表示其使用不会侵犯私有权利。本文中以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务并不一定构成或暗示美国政府或其任何机构对其的认可、推荐或支持。本文中表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。
过去几十年来,金属增材制造 (MAM) 技术取得了长足发展,在理解各种工艺及其参数如何影响打印金属部件性能方面取得了长足进步。尽管如此,有关其特性的知识分散在各种出版物和来源中,因此很难全面了解整个领域,尤其是对对增材制造 (AM) 感兴趣的企业而言。为了弥补这一差距,需要定期对最新技术进行回顾。因此,本文基于最新的科学知识,全面概述了 MAM 技术的基本特征。它探讨了四种最重要技术的新兴研究,包括材料挤出 (ME)、粘合剂喷射 (BJ)、粉末床熔合 (PBF) 和定向能量沉积 (DED)。除了概述基本工艺特性、持续优化工作和当前挑战外,它还强调了理解上的差距以及未来的研发需求。本评论的一个重要特点是提供了大量关于各种商业系统(包括各种新型混合增材制造 (HAM) 机器)加工材料的机械性能的文献资料。同时,还对最近为描述环境影响所做的工作进行了调查,并提出了提高制造过程能源效率 (EE) 的概念框架。由于在一篇综合文章中报告了几种 MAM 工艺的特点及其可持续性特征,预计这些信息将成为学术界和制造业的宝贵资源,以更好地了解和理解 MAM 与传统制造 (TM) 工艺的区别,从而促进其未来的发展和采用。