XiaoMi-AI文件搜索系统
World File Search System激光功率
激光粉末床融合中的残余应力形成机制 - 数值评估
摘要：添加剂制造方法，例如激光粉床融合，不需要任何特殊的工具或铸造模具。这可以通过集成功能快速实现复杂和单个几何形状。但是，制造过程中的局部热量输入通常会导致残余应力和失真。这反过来会导致质量差，废料零件，甚至可以在此过程中粉末重复配置机构与扭曲的零件发生碰撞，甚至可以过早地终止工作。本研究研究了不锈钢316L的激光粉末床融合（LPBF）期间残留应力和失真的产生机制，以减少这些作用，从而有助于提高过程的安全性和效率。因此，关于几个熔融轨道和层的规模的有限元模型的数值研究，可以对生产过程中的机制进行详细的了解。工作包括对构建板温度，激光功率和速度以及层厚度的研究。结果表明，对构建板的预热和单位长度的能量有很强的依赖性。较高的构建板温度和单位长度的能量的降低都导致较低的残余应力。
基于过程信号的人工神经网络定向能量沉积质量预测
摘要：定向能量沉积工艺的应用范围很广，包括现有结构的修复、涂层或改造以及单个零件的增材制造。由于该工艺经常应用于航空航天工业，因此对质量保证的要求极高。因此，越来越多的传感器系统被用于过程监控。为了评估生成的数据，必须开发合适的方法。在这种情况下，一个解决方案是应用人工神经网络 (ANN)。本文演示了如何将测量数据用作 ANN 的输入数据。测量数据是使用高温计、发射光谱仪、照相机 (电荷耦合器件) 和激光扫描仪生成的。首先，提出了从动态测量数据系列中提取相关特征的概念。然后应用开发的方法生成数据集，用于预测各种几何形状的质量，包括焊缝、涂层和立方体。将结果与使用激光功率、扫描速度和粉末质量流量等工艺参数训练的 ANN 进行了比较。结果表明，使用测量数据可以带来额外的价值。使用测量数据训练的神经网络可以实现更高的预测精度，特别是对于更复杂的几何形状。
在3D激光打印中光聚合过程中的两次和三光子过程
近年来，使用TPP使用TPP的6 3D激光纳米掺杂仍然面临着不同的限制7-10分辨率和速度与阈值激光功率密切相关。这部分是由于可用的pho to-to-to-to-toinitiators（pis）和树脂的局限性而产生的：Kiefer等人。11报告了印刷敏感性对TPP启动的强烈依赖性，因此对光化学启动器的光化学特性有很大的依赖性。不幸的是，不能直接从其化学成分和基态或最低三重态的电子结构中直接推导出光诱导的特性。此外，尽管有显着的3D激光纳米打印和新的两光子PIS的设计，但12 - 16对多光子吸收后发生的光化和光化学过程的深刻理解仍然很少。17,18基于分子的结构 - 在体验上观察到的依赖关系的活性关系，以及新的PIS对更高3D激光纳米掺杂敏感性的虚拟设计。多光子光启动涉及复杂的光电过程 - 光发起者的激发态，超出了
通过熔池监测进行珠子几何形状预测的数据驱动方法
1 简介 增材制造 (AM) 是指通过连接材料从 3D 模型制造零件的工艺 [1]。定向能量沉积 (DED) 是一种特殊类型的金属 AM 工艺，其中激光和金属粉末的交汇会在基材上形成熔融的金属池（熔池），然后冷却以形成固体金属轨道。此过程逐层重复以创建最终部件。与其他金属 AM 工艺相比，DED 以其制造大型工件、构建近净形状以及修复现有零件和铸件的能力而闻名 [2–4]。此外，DED 还用于开发高级材料，例如分级材料 [5]，这允许将金属粉末组合用于单个部件的不同位置。因此，AM 技术为制造业带来了重大创新。与传统的减材制造相比，AM 允许无与伦比的灵活设计，并通过仅在需要的地方沉积材料来减少材料浪费 [6]。尽管 DED 具有上述优势，但由于零件质量不可靠，需要改进过程监控和控制才能在整个行业范围内采用。具体而言，零件质量差是由于激光成型对操作和边界参数（包括激光功率）的微小变化高度敏感 [7]。基于反馈的方法有可能动态调整激光功率以减少过程波动，而无需参考特定的、先前测试过的几何形状和沉积历史。非接触式仪器已广泛用于类似应用，因为它们能够在远离沉积区域热量的安全距离处收集信息。由于激光温度高，高熔化温度、高功率激光反射和非层流很容易导致传感器损坏。当考虑成本和易于集成时，使用可见光摄像机进行光束同轴熔池监测仍然是一种方便且经济高效的解决方案，因为许多 DED 沉积头都配备了用于将监测摄像机纳入光学链的端口 [8]。因此，这项工作专注于一种视觉装置，该装置可以通过熔池的能量含量间接检测珠子高度的异常，从而可以预测和纠正与所需沉积结果的潜在偏差。此外，还创建了数据收集和标记管道，以减少数据准备时间。为了预测轨道几何形状的偏差，我们探索了机器学习 (ML) 算法的使用，特别是支持向量回归 (SVR) 和卷积神经网络 (CNN) 的回归。对创建的模型进行了评估，以确定其是否能够集成到边缘设备上，以实现机器的闭环或前馈控制。
RIEGL LMS 宣布首届国际 RIEGL 机载和移动用户大会成功举办
图1：Airborne Snow Observatories, Inc. 使用其 RIEGL VQ-1560 II-S 测量科罗拉多州 14,265 英尺 Quandary Peak 的积雪深度。（加利福尼亚州马莫斯湖）Airborne Snow Observatories, Inc. 刚刚接收了北美首批尖端 RIEGL VQ-1560 II-S 机载激光扫描仪之一，正如 NASA 的 ASO 项目在 2013 年率先使用 RIEGL 的第一台双激光扫描仪 LMS-Q1560 一样。这款新型 LiDAR 系统具有双倍的激光功率和高脉冲频率，将使 ASO Inc. 能够更有效地实现其需求，以独特的方式测量广阔的山区盆地的雪水当量。ASO Inc. 是一家公益公司，由 NASA 喷气推进实验室通过技术转让创建，旨在继续并扩大 ASO 业务雪况测绘和径流预报范围，覆盖全球山区。通过结合 RIEGL LIDAR、成像光谱仪数据和物理建模，ASO Inc. 绘制了山区积雪深度、雪水当量和雪反照率。这是
激光粉末床熔合制造的 625 合金残余应力的数值模拟和同步衍射测量
金属增材制造部件中的残余应力是一个众所周知的问题。它会导致样品在从构建板上取出时变形，并且对疲劳产生不利影响。了解打印样品中的残余应力如何受到工艺参数的影响对于制造商调整工艺参数或部件设计以限制残余应力的负面影响至关重要。在本文中，使用热机械有限元模型模拟增材制造样品中的残余应力。材料的弹塑性行为通过基于机制的材料模型来描述，该模型考虑了微观结构和松弛效应。通过将模型拟合到实验数据来校准有限元模型中的热源。将有限元模型的残余应力场与同步加速器 X 射线衍射测量获得的实验结果进行了比较。模型和测量的结果显示残余应力场具有相同的趋势。此外，结果表明，随着激光功率和扫描速度的改变，所产生的残余应力的趋势和幅度没有显著差异。2022 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY 许可协议开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
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。
补充材料电子结构和特性......
沉积技术 基片厚度密度参考温度 （nm） （g/cm 3 ） （◦ C） 脉冲激光沉积 石英玻璃 120-140 4.88- 5.4 取决于房间 Kim 等人 [1] （PLD） 激光功率、O 2 分压、目标-基片距离 80mJ、10Pa、35mm 时为 4.88（低 VO ） 80mJ、5Pa、35mm 时为 5.39（高 VO ） 等离子增强原子 Si 和蓝宝石 37.8 5.154 80 Yang 等人 [2] 层沉积（PEALD） 2500 W 5.325 250 PEALD Si (100) 10 4.83 100 Li 等人[3] 100 W ≥ 5.5 ≥ 150 电子束蒸发 GaAs 和 Si 95.5 5.152 200-350 Passlack 等人 [4] 4.5-4.8 40 分子束外延 GaAs (001) 85.5 5.30 具有一定结晶性 420-450 Yu 等人 [5] (MBE) 射频磁控溅射 SiO 2 /Si 25 5.32 有 O 2 室溅射 Han 等人 [6] 4.84 无 O 2 (更快的蚀刻速率) 射频磁控溅射 Si 498.9 4.78 室 Liu 等人 [7]
在3D激光打印中光聚合过程中的两次和三光子过程
近年来，使用TPP使用TPP的6 3D激光纳米掺杂仍然面临着不同的限制7-10分辨率和速度与阈值激光功率密切相关。这部分是由于可用的pho to-to-to-to-toinitiators（pis）和树脂的局限性而产生的：Kiefer等人。11报告了印刷敏感性对TPP启动的强烈依赖性，因此对光化学启动器的光化学特性有很大的依赖性。不幸的是，不能直接从其化学成分和基态或最低三重态的电子结构中直接推导出光诱导的特性。此外，尽管有显着的3D激光纳米打印和新的两光子PIS的设计，但12 - 16对多光子吸收后发生的光化和光化学过程的深刻理解仍然很少。17,18基于分子的结构 - 在体验上观察到的依赖关系的活性关系，以及新的PIS对更高3D激光纳米掺杂敏感性的虚拟设计。多光子光启动涉及复杂的光电过程 - 光发起者的激发态，超出了
制造过程杂志
91级钢制在增材制造过程中形成马氏体，而马氏体的回火程度显着影响零件的机械性能。当前，缺乏对91级钢质的回火动力学的定量理解，因此，无法确定重复的热周期对不同加工条件的性能的影响。在这里，我们通过根据文献中可用的回火数据和使用严格测试的热量热和流体流动模型计算出的热循环来确定Johnson Mehl Avrami动力学方程中的恒定项来评估回火动力学。使用神经网络清洁原始回火数据以提高准确性。添加上层时，下层会经历加热和冷却的重复周期。因此，由于马氏体的回火，硬度降低了。相比之下，上层形成的马氏体并未降低到相同的程度，硬度保持较高。因此，零件的硬度随距基板的距离而增加。在不同激光功率下的热输入和扫描速度的变化显着影响回火程度。由于此处使用的方法可以提供对马氏体回火和硬度空间变化的定量理解，因此可以使用它来定制微观结构和可热处理印刷金属部分的硬度。