XiaoMi-AI文件搜索系统
World File Search System熔池
定向能量沉积增材制造工艺中的熔池形貌
摘要。定向能量沉积增材制造 (DED-AM) 是目前正在探索的主要 AM 技术之一，用于修复航空航天工业中的高价值部件以及大型金属部件的自由成型制造。然而，由于缺乏对底层工艺-结构-性能关系的基本了解，阻碍了 DED-AM 用于生产或修复安全关键部件。本研究使用原位和操作同步加速器 X 射线成像来提供对激光-物质相互作用及其对熔池几何形状影响的更好基本理解。结合过程建模，这些独特的观察说明了工艺参数如何影响 DED-AM 熔池几何形状。校准后的模拟可用于指导工业增材制造工艺的微观结构和质量控制。
直接能量沉积过程中熔池动态分析的数值模拟
图2为直接能量沉积过程中单通道单层熔覆层的外观图及相应时刻的熔池XZ截面和YZ截面图（红色虚线框内为XZ截面，黑色虚线框内为YZ截面）。从图2（a）可以看出，t=0.13时基体处于预热状态，这是为了保证粉末颗粒在熔池中初步完全熔化。由图可知，热源作用于基体时，基体受热比较均匀，热影响区具有很高的对称性，说明高斯热源在数值模型中具有良好的效果。随着金属粉末颗粒进入熔池，熔覆层逐渐形成，熔池最高温度可达3000K左右，如图2（b）所示。
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。
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。
通过熔池监测进行焊珠几何形状预测的数据驱动方法
在增材制造领域，选择工艺参数以避免过度和不足沉积需要耗费时间和资源的反复试验。鉴于每个部件几何形状的独特特征，迫切需要推进实时过程监控和控制，以确保一致和可靠的部件尺寸精度。这项研究表明，支持向量回归 (SVR) 和卷积神经网络 (CNN) 模型为实时过程控制提供了一种有前途的解决方案，因为这些模型能够高精度地识别复杂的非线性模式。我们设计了一个新颖的实验来比较 SVR 和 CNN 模型的性能，以从单层单珠构造的熔池同轴图像间接检测珠高。研究表明，使用从同轴光学摄像机收集的熔池数据训练的 SVR 和 CNN 模型都可以准确预测珠高，平均绝对百分比误差分别为 3.67% 和 3.68%。 [DOI: 10.1115/1.4062800]
激光粉末床熔合系统上商用熔池监测传感器的热校准
激光粉末床熔合 (LPBF) 增材制造 (AM) 中的同轴熔池监测通常利用各种光电探测器来获取与动态热熔池现象相关的信号。反过来，预计这些热特征与制造质量相关，因此可以与最终的 AM 部件相关。为了将这些信号值与真实的物理温度联系起来，必须进行热校准。然而，大多数热校准源无法轻易复制典型 LPBF 熔池的相对高温和小尺寸。本文介绍了一种潜在的热校准方法，该方法使用较低温度的商用现成校准黑体。该方法计算任意直径的假设小源的“有效”温度，其辐射温度与较大、较低温度的黑体相同。本文详细介绍了理论原理，提供了概念验证计算，然后演示了在商用 LPBF 熔池监测系统上进行的程序。最后，虽然该方法本身并不提供绝对校准，也不能将真实熔池温度归因于熔池监测传感器信号，但提供了详细的实用性的讨论，详细说明了为什么测量的校准值是现实的，并描述了该方法的未来改进。
熔池凝固过程中柱状枝晶间生长竞争的快速模拟
本文提出了一种非常快速的数值方法来模拟熔池凝固产生的微观结构，包括柱状枝晶晶粒和从熔体中成核的等轴晶粒的生长竞争。为了减少计算时间，提出了一种升级策略，该策略不是单独考虑每个枝晶，而是根据物理信息确定枝晶生长速度来定义平均凝固前沿。所提出的方法还依赖于枝晶的优选生长方向和有利取向的晶粒标准来确定哪些晶粒在竞争中幸存下来。显著减少自由度总数的关键贡献之一是使用 Voronoi 镶嵌而不是规则网格进行数值实现。结果已与实验数据以及相场和细胞自动机模拟进行了比较。模拟的微观结构与使用细胞自动机获得的微观结构相似，而计算成本却大大降低。此外，还提供了三维模拟的收敛分析，其热条件对应于金属增材制造，以展示如何在实践中使用本研究。
金属定向能量沉积过程中熔池深度的实时估计与控制以减少孔隙率
1 缩写：AM：增材制造；MPD：熔池深度；DED：定向能量沉积；ANN：人工神经网络；VED：体积能量密度；PID：比例-积分-微分。
激光制备Al-8.3Fe-1.3V-1.8Si合金的不均匀组织和力学行为
摘要 激光粉末床熔化Al-8.3Fe-1.3V-1.8Si合金的工艺参数与组织和力学性能之间的关系研究较少，因此，选取两种参数的全致密合金来研究这一关键问题。结果表明：低功率和扫描速度的合金（S200）呈现扇壳状熔池和激光轨迹，而另一种合金（S350）呈现更深更宽的熔池。两种合金均获得了非均匀微观组织，熔池（MP）中没有第二相，熔池边界（MPB）中有纳米相。MP和MPB中固溶强化和Orowan强化的差异导致压缩屈服强度的差异（S200：380±14 MPa和S350：705±16 MPa），非均匀纳米硬度导致不同的裂纹行为和失效应变。研究表明，调整工艺参数是控制该合金组织和力学性能的有效方法。
激光熔覆（定向能量沉积）中的粉末收集效率。对标准激光熔覆和 ABA 熔覆技术的研究
本文研究了吹粉激光熔覆（一种定向能量沉积技术）中的粉末收集效率。对标准的“逐道重叠”熔覆（“ AAA ”熔覆）和“ ABA ”熔覆进行了比较，其中初始一组间距较大的轨道（“ A ”轨道）之间留下的间隙由后续的“ B ”轨道填充。在这两种技术中，熔池表面是熔覆粉末的收集区域，并且该池的形状会受到多种参数的影响，包括熔覆速度、轨道间距和熔覆技术类型。这里给出的结果来自于对加工过程中拍摄的高速视频和所得熔覆轨道的横截面的分析。结果表明，AAA 熔覆中的第一个轨道与后续轨道具有不同的熔池形状，并且后续轨道熔池的不对称导致粉末收集效率降低。与此相反，“B”轨道熔池与其相邻的“A”轨道之间的几何形状可提高粉末收集效率。