XiaoMi-AI文件搜索系统
World File Search System定向能量
激光定向能量沉积制备极低弹性模量钛合金，避免骨植入物骨吸收
皮质骨的弹性模量低于 30 GPa，而生物医学钛植入物的弹性模量高于 100 GPa。这种弹性模量的不匹配会导致由应力屏蔽效应和植入物的骨整合不良引起的骨吸收。本研究旨在确定激光定向能量沉积 β 型 Ti 合金锭中形成的强烈 <100> 纤维织构是否会导致弹性模量显着降低。我们证明激光沉积的 β 型 Ti-42Nb (wt%) 合金锭表现出各向异性的力学性能。由于强烈的 <100> 纤维织构，在构建方向上获得了低弹性模量（低于 50 GPa）和高屈服强度（高于 700 MPa）。新型激光沉积 Ti-42Nb 合金还表现出优异的体外生物性能，表明其适用于生物医学应用。
通过物理信息机器学习和 Shapley 加法解释预测定向能量沉积中的拉伸强度
在定向能量沉积 (DED) 中，局部材料微观结构和抗拉强度由零件上每个空间位置经历的热历史决定。虽然先前的研究已经调查了热历史对机械性能的影响，但仍然需要一种物理上可解释、简约且具有良好预测精度的抗拉强度预测模型。本文研究了一种基于 Shapley 加性解释 (SHAP) 模型解释的数据驱动预测模型来解决这一问题。首先，将从先前的实验工作中翻译出来的物理上有意义的热特征用作神经网络的输入，以进行抗拉性能预测。然后计算各个输入特征的 SHAP 值，以量化它们各自对抗拉性能预测的影响，并使用累积相对方差 (CRV) 度量降低模型复杂性。对实验获得的 Inconel 718 (IN718) 抗拉强度的预测表明，通过开发的方法量化的特征影响可以通过先前研究的结果来验证，从而证实了神经网络预测逻辑的物理可解释性。此外，基于CRV的模型复杂度降低表明，简约模型只需要不到10%的原始特征即可达到与先前文献报道相同的拉伸强度预测精度，从而证明了基于SHAP的特征降低方法在改进DED过程表征方面的有效性。
利用熔池图像数据开发定向能量沉积工艺中基于一维卷积神经网络的高度轮廓预测模型
摘要 定向能量沉积 (DED) 工艺是一种代表性的金属增材制造技术，它使用柔性沉积头，主要用于航天和海洋工业的维修。DED 工艺节省时间和金钱，因为它只修复受损的零件和部件。因此，几何控制对于经济准确地填充目标受损区域的体积非常重要。然而，效率取决于激光功率、扫描速度等工艺参数。本研究提出了一种一维卷积神经网络 (1D-CNN) 模型，利用熔池图像数据预测 DED 部件的高度轮廓。首先，对总共 9 种情况进行了 DED 实验，考虑了激光功率和扫描速度作为参数。对收集到的熔池图像数据进行预处理，只提取与感兴趣区域相关的数据。最初，从熔池图像中提取了大小、形状、位置和亮度等共 15 个特征。然后，通过置换特征重要性评估方法选择 10 个关键特征，将其输入到 1D-CNN 算法中，以预测沉积层的高度轮廓。在测试阶段，平均绝对百分比误差（MAPE）为9.55％，验证了所提模型的适用性。
定向能量沉积过程中通过层间铣削提高 Ti-6Al-4V 的延展性
增材制造 (AM) 通常会导致钛合金强度高但延展性差。混合 AM 是一种能够同时提高延展性和强度的解决方案。在本研究中，通过将定向能量沉积与层间加工相结合，实现了 Ti-6Al-4V 的混合 AM。通过检查微观结构、残余应力和显微硬度，可以解释层间加工如何在保持与打印样品相同的强度的同时使延展性提高 63%。层间加工在打印中引入了反复中断，从而导致加工界面处针状 α 板条在缓慢冷却下变粗。选择性加工层上的粗 α 板条增加了拉伸载荷下的位错运动并提高了整体延展性。本出版物中强调的结果证明了混合 AM 提高钛合金韧性的可行性。关键词：混合增材制造、铣削、定向能量沉积、钛 1. 简介
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。
响应面法 (RSM) 优化定向能量沉积 316L SS 加工参数
摘要：定向能量沉积 (DED) 是增材制造 (AM) 的一个重要分支，可用于修复、熔覆和加工多材料部件。316L 奥氏体不锈钢广泛用于食品、航空航天、汽车、船舶、能源、生物医学和核反应堆行业等领域。尽管如此，仍需要优化工艺参数，并全面了解工艺参数对沉积材料或部件的几何形状、微观结构和性能的单独和复杂协同作用。这对于确保在单个或一系列平台上随时间重复制造零件，或最大限度地减少孔隙率等缺陷至关重要。在本研究中，采用响应曲面法 (RSM) 和中心复合设计 (CCD) 研究激光功率、激光扫描速度和粉末质量流量对激光工程净成形 (LENS ®) DED 加工的 316L 钢的层厚度、密度、微观结构和显微硬度的影响。开发了与应用的加工参数和研究的响应相关的多项式经验预测模型。
对定向能量沉积添加剂制造的建模和多物理模拟P. Ansari 1,2，*，C.S.S.Tüfekci3，M.U。 Salamci 1,2,3
摘要在本文中，我们介绍了使用多物理学方法对定向能量沉积（DED）添加剂制造（AM）模拟的研究。我们在流体，固体力学和层流物理学中使用传热的组合来准确模拟DED过程。模拟提供了有关熔体池温度的详细信息，同时为沉积的每一层材料使用各种过程参数。的结果证明了多物理学方法在DED AM期间对各种物理现象之间复杂相互作用的洞察力的重要性。研究结果对DED AM过程的优化具有重要意义。关键字：添加剂制造，直接能量沉积，数学建模，模拟，comsol，温度
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％。
利用定向能量沉积发现多主元素合金和
多主元合金为合金开发开辟了广阔的成分空间。巨大的成分空间需要快速合成和表征以识别有前途的材料，以及合金设计的预测策略。定向能量沉积增材制造被证明是一种合成 Cr-Fe-Mn-Ni 四元系合金的高通量技术。一周内合成了 100 多种成分，探索了广泛的成分空间。可实现 ±5 at% 以内的均匀成分控制。快速合成与联合样品热处理（25 个样品对 1 个样品）和自动表征相结合，包括 X 射线衍射、能量色散 X 射线光谱和纳米硬度测量。然后使用平衡开发和探索的主动机器学习算法将测量属性的数据集用于预测强化模型。使用合金成分训练表示晶格畸变的学习参数。这种快速合成、表征和主动学习模型的结合产生了比以前研究的合金强度明显更高的新合金。
层间停留时间对定向能量沉积残余应力的影响
摘要 各行业采用金属增材制造受到沉积部件中残余应力和变形的阻碍。定向能量沉积过程中的大热梯度通常会导致最终沉积物中出现残余应力。参数优化主要用于缓解残余应力。然而，工艺参数的影响是材料特定的。当前的研究旨在研究层间停留时间对高强度钢合金定向能量沉积中残余应力的影响。样品以三个层间停留时间水平沉积。使用 X 射线衍射测量表面和体积残余应力。发现表面和体积残余应力都随着层间停留时间的增加而增加。