摘要:在电线和弧添加剂制造(WAAM)和融合焊接中,在制造过程中可能会发生各种缺陷,例如孔隙度,裂纹,变形和融合。这些对机械性能有很大的影响,也可能导致服务过程中的制造零件失败。可以使用非破坏性测试(NDT)方法识别这些缺陷,以免受到检查的工件受到损害。本文提供了有关WAAM和融合焊接各种NDT技术的全面概述,包括带有空气式光学麦克风,光学发射光谱,激光诱导的分解光谱的激光 - 声学发射,激光摄影的监测和示例均可探测,还可以触发何处。示波器。此外,还提供了新的研究,其操作原理和执行这些技术所需的设备。可以通过NDT方法识别的最小缺陷大小是从先前的学术研究或公司进行的测试中获得的。在WAAM和融合焊接应用中使用这些技术使检测缺陷并迈出一步迈向高质量最终组件的生产。
应用程序、质量和 NDE、传感、控制和数据库。再次,AWI 人员组织并讲授了会前教程,内容涵盖 PC 网络、专家系统、神经网络、Windows 和 Excel 电子表格以及数据库。会议还包括主题演讲
由于沉积区域和基材的快速加热和冷却循环,定向能量沉积 (DED) 工艺沉积区域附近会出现复杂的残余应力分布。残余应力会导致沉积区域附近出现缺陷和过早失效。人们已经对多种热处理技术进行了广泛的研究,并将其应用于通过 DED 工艺沉积的部件,以释放残余应力。本研究旨在利用热机械分析研究通过 DED 和淬火工艺制备的试样的残余应力特性。采用耦合热机械分析技术预测淬火步骤后沉积区域附近的残余应力分布。沉积和冷却措施的有限元 (FE) 分析结果表明,在弹性恢复完成后,沉积区域附近的残余应力显著增加。加热和淬火阶段的 FE 分析结果进一步表明,在淬火初始阶段,沉积区域附近的残余应力显著增加。此外,观察发现,无论沉积材料如何,淬火残余应力均小于弹性恢复后的残余应力。
- 免责声明:尽管已尽一切努力确保本指南所含内容的正确性和完整性,但韩国船级社对本指南中的任何错误或遗漏概不负责,也不对任何一方根据本指南中的信息采取的任何行动承担责任。本指南并非强制性的,旨在为船东、船舶运营商、造船厂、设计师和制造商提供实用的技术材料。随着未来技术的发展和成熟,本指南可能会定期修订或升级为规则和指南。
摘要。铜底物的不同组成材料显着影响金属间化合物(IMC)形成和焊接接头耐用性。这项研究是针对无铅焊料和不同铜基板之间的界面反应进行的。选定的底物是铜(CU)和铜 - 晶状体(CU-BE)。所涉及的无铅焊料是直径为700 µm的SN-3.8AG-0.7CU(SAC3807)焊球。所有样品均经过等温老化过程。通过扫描电子显微镜(SEM),光学显微镜(OM)和能量色散X射线分析(EDX)检查了IMC形成的材料表征和分析。回流过程后,结果表明Cu 6 SN 5和Cu 3 SN IMC层在SAC3870/CU和SAC3870/CU-BE界面形成。在SAC3870/ CU上老化处理后,发生了类似杆状的形状Cu 6 Sn 5和针状Cu 3 Sn 4。同时,SAC3870/Cu-Be的IMC层显示出类似杆状的形状,变成了块状的形状形状Cu 6 Sn 5和Cu 3 Sn 4杆形状。此结果表明在SAC3807/CU和SAC3807/CU-BE的老化过程中,在金属间表面上形成了Ag 3 SN纳米大小。与SAC3807/CU相比,SAC3807/CU-BE的Ag 3 Sn纳米尺寸元件很多。此外,SAC3807/CU-BE的IMC厚度比SAC3807/CU显示出较厚的层。此外,由于百分比非常低,因此无法轻易检测到SAC3807/CU-BE的元素。
摘要 薄板激光焊接广泛应用于电池制造、汽车、航空、电子电路和医学等各个领域。因此,开发一种使用人工智能的预测模型对于以经济的方式实现高质量的焊接件至关重要。在本研究中,实施了两种先进的人工智能技术,即自适应神经模糊推理系统 (ANFIS) 和多基因遗传编程 (MGGP),以预测使用 Nd:YAG 激光连接薄板过程中的焊接响应,例如热影响区、表面粗糙度和焊接强度。本研究试图为焊接过程开发一个合适的预测模型。在提出的方法中,70% 的实验数据构成训练集,而剩余 30% 的数据用作测试集。本研究结果表明,MGGP 模型测试数据集的均方根误差 (RMSE) 在 7% 到 16% 之间,而 ANFIS 模型测试数据集的 RMSE 在 18-35% 之间。研究表明,MGGP 能够以优异的方式预测激光焊接过程中的焊接响应,并可用于准确预测性能指标。
本文介绍了传感器表征,以在电池选项卡连接器的远程激光焊接(RLW)期间使用基于光电二极管的信号来检测部分部分间隙和焊接渗透深度的变化。基于光电二极管的监测已大部分用于结构焊缝,因为其成本相对较低和易于自动化。但是,在电池选项卡连接器连接过程中,对传感器表征,监测和诊断焊缝缺陷的研究尚不确定,结果尚无定论。通过不同金属薄箔焊接过程中的高变异性进行了。 基于光电二极管的信号是在铜到钢薄层束接头的RLW期间(Ni-Plated Copper 300 µm到Ni-Plated Steel 300 µm)的收集信号。 提出的方法基于对信号的能量强度和散射水平的评估。 能量强度给出了有关焊接过程中发出的辐射量的信息,并且散射水平与累积和未控制的变化有关。 的发现表明,可以通过观察等离子体信号中的级别变化来诊断部分零件间隙的变化,而反射反射没有显着贡献。 结果进一步表明,过度渗透对应于传感器信号中散射水平的显着增量。 讨论了基于监督机器学习的自动隔离和诊断有缺陷焊缝的机会。。基于光电二极管的信号是在铜到钢薄层束接头的RLW期间(Ni-Plated Copper 300 µm到Ni-Plated Steel 300 µm)的收集信号。提出的方法基于对信号的能量强度和散射水平的评估。能量强度给出了有关焊接过程中发出的辐射量的信息,并且散射水平与累积和未控制的变化有关。的发现表明,可以通过观察等离子体信号中的级别变化来诊断部分零件间隙的变化,而反射反射没有显着贡献。结果进一步表明,过度渗透对应于传感器信号中散射水平的显着增量。讨论了基于监督机器学习的自动隔离和诊断有缺陷焊缝的机会。[doi:10.1115/1.4052725]
本文介绍了传感器表征,以在电池选项卡连接器的远程激光焊接(RLW)期间使用基于光电二极管的信号来检测部分部分间隙和焊接渗透深度的变化。基于光电二极管的监测已大部分用于结构焊缝,因为其成本相对较低和易于自动化。但是,在电池选项卡连接器连接过程中,对传感器表征,监测和诊断焊缝缺陷的研究尚不确定,结果尚无定论。通过不同金属薄箔焊接过程中的高变异性进行了。 基于光电二极管的信号是在铜到钢薄层束接头的RLW期间(Ni-Plated Copper 300 µm到Ni-Plated Steel 300 µm)的收集信号。 提出的方法基于对信号的能量强度和散射水平的评估。 能量强度给出了有关焊接过程中发出的辐射量的信息,并且散射水平与累积和未控制的变化有关。 的发现表明,可以通过观察等离子体信号中的级别变化来诊断部分零件间隙的变化,而反射反射没有显着贡献。 结果进一步表明,过度渗透对应于传感器信号中散射水平的显着增量。 讨论了基于监督机器学习的自动隔离和诊断有缺陷焊缝的机会。。基于光电二极管的信号是在铜到钢薄层束接头的RLW期间(Ni-Plated Copper 300 µm到Ni-Plated Steel 300 µm)的收集信号。提出的方法基于对信号的能量强度和散射水平的评估。能量强度给出了有关焊接过程中发出的辐射量的信息,并且散射水平与累积和未控制的变化有关。的发现表明,可以通过观察等离子体信号中的级别变化来诊断部分零件间隙的变化,而反射反射没有显着贡献。结果进一步表明,过度渗透对应于传感器信号中散射水平的显着增量。讨论了基于监督机器学习的自动隔离和诊断有缺陷焊缝的机会。[doi:10.1115/1.4052725]