XiaoMi-AI文件搜索系统
World File Search System熔池
数字孪生增材制造：通过将热模拟与现场熔池传感器数据相结合来检测激光粉末床熔合中的缺陷
本研究的目的是现场检测使用激光粉末床熔合 (LPBF) 增材制造工艺制造的金属部件中的缺陷形成情况。这是一个重要的研究领域，因为尽管节省了大量成本和时间，但航空航天和生物医学等精密驱动型行业仍不愿使用 LPBF 制造安全关键部件，因为该工艺容易产生缺陷。LPBF 和增材制造中的另一个新兴问题与网络安全有关——恶意行为者可能会篡改工艺或在部件内部植入缺陷以损害其性能。因此，本研究的目标是开发和应用一种物理和数据集成策略，用于在线监控和检测 LPBF 部件中的缺陷形成情况。实现此目标的方法是基于将现场熔池温度测量（孪生）与基于图论的热模拟模型相结合，该模型可以快速预测部件中的温度分布（热历史）。该方法的创新之处在于，通过现场熔池温度测量逐层更新计算热模型提供的温度分布预测。这种数字孪生方法用于检测使用商用 LPBF 系统制造的不锈钢 (316L) 叶轮形部件中的缺陷形成。生产了四个这样的叶轮，模拟了 LPBF 部件中缺陷形成的三种途径，即：加工参数的变化（工艺漂移）；机器相关故障（镜片脱层）以及故意篡改工艺以在部件内部植入缺陷（网络入侵）。使用 X 射线计算的
LMD-p 和 WAAM 过程的现场监测和闭环控制。
• 实施监控以表征熔池的热稳定性和几何稳定性、熔珠的形态以及零件内的热梯度和制造过程中零件的变形。 • 优化测量数据的处理：将数据压缩为可靠、有效的残留状态指标（局部热稳定性、熔池形态稳定性、层高或焊道形状的稳定性）；减少数据处理时间；合并来自不同来源的数据；研究闭环数据使用中的不确定性的传播。 • 根据不同标准对解决方案的效率进行评估：精度（准确度、保真度）、空间分辨率、采集和处理时间与在线使用的兼容性、残余状态指标对过程偏差的敏感性、实施的简易性。
激光添加剂的自动异常检测
先进热成像越来越多地被投入到直接能量沉积 (DED) 增材制造 (AM) 中，以应对熔池的信息可见性和解决工艺不一致问题。然而，当前图像引导监测方法在 DED 工艺中的可行性存在关键挑战。首先，高分辨率热图像由数百帧捕获的数百万像素组成，导致分析中的维数灾难。其次，各种外生噪声、结构不良的数据和严重的聚类不平衡限制了当前方法执行实时监控的能力。本研究的目的是通过设计一种针对高维热图像数据的自动和无监督异常检测来推进 DED 工艺中熔池监测的前沿。具体来说，我们开发了一个变分自动编码器来生成每个输入热图像数据的低维表示。高斯混合模型和 K 均值聚类与生成模型相结合，将潜在空间分成同质区域并检测异常。实验结果表明，所提出的方法对缺陷熔池的检测非常有效，准确率高达 94.52%，误报率低于 2.1%。
在激光材料加工和定向能量沉积过程中使用高温计实时检测冷却速率
激光作为热源用于表面改性、焊接、熔覆、定向能量沉积 (DED) 等多种材料加工应用，由于其固有特性而广受欢迎，即易于产生高功率密度、快速加热和冷却速率 (10 3 –10 6 C/s)，同时将热影响区和变形降至最低。在这些应用中，DED 是一项相对较新的技术，由于其能够直接从 CAD 模型逐层沉积复杂组件，因此在世界范围内得到了广泛的研究。然而，该过程由于在积聚过程中的热积累而受到各向异性的影响，从而影响最终的微观结构、力学性能和几何完整性 [1]。已有多项研究报告了量化与峰值温度、熔池大小等有关的热积累，并控制工艺参数以实现均匀性。Song 和 Mazumder [2] 使用双色高温计开发了一种基于熔池温度的控制系统。根据温度变化调节激光功率，以改善表面和几何完整性。Ding 等人 [3] 通过感应和控制粉末流速和熔池尺寸，开发了一种机器人激光 DED 系统中的几何再现性实时反馈系统。
未校对的证明
定向能量沉积 (DED) 增材制造 (AM) 在许多应用领域受到越来越多的关注，例如修复、再制造和功能梯度结构制造。然而，在粉末流动的激光 DED 中，激光与物质的相互作用和熔池动力学仍然不清楚，特别是在过程中孔隙如何在熔池内形成和流动。了解孔隙的形成机制对于 DED AM 部件的鉴定、认证和整体性能至关重要。孔隙是一种常见现象，会严重影响 DED 制造部件的质量，因为孔隙可以作为裂纹成核和扩展的场所。在这里，我们通过原位和原位高速高分辨率 X 射线成像揭示了 DED AM 过程中的四种孔隙形成机制。我们的结果证实，原料粉末内的孔隙会在过程中引起孔隙。我们还观察到了激光粉末吹制 DED 工艺所特有的孔隙形成机制，这是粉末输送、小孔动力学、熔池动力学和保护气体的结果。高速 X 射线图像为孔隙形成机制提供了直接证据，并表明与输送粉末和熔池相互作用相关的孔隙在激光粉末吹制 DED AM 中尺寸最大。这些结果将指导 DED AM 中的孔隙度缓解、消除和控制。
Ti6Al4V 生物医学合金的激光熔化沉积增材制造：通过计算流体动力学和分析建模进行中观原位流场映射并进行实证检验
摘要：激光熔化沉积 (LMD) 近来因生产近净形零件和修复磨损部件而受到工业领域的关注。然而，LMD 在熔池动力学和流体流动分析方面仍未得到探索。在本研究中，计算流体动力学 (CFD) 和分析模型已经开发出来。流体体积和离散元建模的概念用于计算流体动力学 (CFD) 模拟。此外，设计了一个简化的数学模型，用于单层沉积，其中激光束衰减比是 LMD 工艺固有的。这两个模型都通过 Ti6Al4V 合金在 Ti6Al4V 基体上的单道沉积实验结果进行了验证。实验和建模之间有密切的相关性，只有一些偏差。此外，还设计了一种跟踪熔体流动和相关力的机制。模拟显示，由于同轴添加粉末颗粒，LMD 仅涉及传导模式熔体流动。在激光束前方，熔池呈现顺时针旋涡，而在激光点位置后方，则呈现逆时针旋涡。打印过程中，一些部分熔化的颗粒试图进入熔池，导致熔体材料内发生飞溅。在层沉积后确定了熔化状态、糊状区域（固体+液体混合物）和凝固区域。这项研究深入了解了 LMD 打印背景下的熔体流动动力学。
激光定向能量沉积的粉末尺度多物理场数值模拟黄辰阳，陈嘉伟
摘要 激光定向能量沉积（L-DED）作为一种同轴送粉金属增材制造工艺，具有沉积速率高、可制造大型部件等优点，在航空航天、交通运输等领域有着广泛的应用前景。然而，L-DED在金属零件尺寸和形状的分辨方面存在工艺缺陷，如尺寸偏差大、表面不平整等，需要高效、准确的数值模型来预测熔覆轨道的形状和尺寸。本文提出了一种考虑粉末、激光束和熔池相互作用的高保真多物理场数值模型。该模型中，将激光束模拟为高斯表面热源，采用拉格朗日粒子模型模拟粉末与激光束的相互作用，然后将拉格朗日粒子模型与有限体积法和流体体积相结合，模拟粉末与熔池的相互作用以及相应的熔化和凝固过程。
定向能量沉积 316L 钢中纹理各向异性和硬度随构建参数和壁高的变化
定向能量沉积 (DED) 是一种新兴技术，可用于修复关键的航空航天部件。研究表明，DED 部件的机械性能在整个零件过程中变化很大，因此很难达到这些应用所需的过程控制水平。使用现场捕获的热数据，计算出冷却速率和熔池尺寸，并将其与 EBSD 捕获的最终晶粒结构关联起来。冷却速率的变化解释了不同加工参数之间以及构建高度的微观结构变化。实施了一种使用累积各向异性因子的新方法，将硬度变化与晶粒结构关联起来。根据 316L 中的线性热输入发现了两种情况，高线性热输入导致部件级别上大量的机械各向异性。热特征和机械性能之间的关系表明，可以通过使用同轴摄像机监测和控制熔池大小来实现对各向异性的严格控制。
神经网络的方差稳定优化
摘要 — 提出了一种基于测量变化特性和稳定性的神经网络训练新框架。该框架具有许多有用的属性，可以最大限度地利用数据，并以原则性的方式帮助解释结果。这是通过方差稳定和随后的标准化步骤实现的。该方法是一种通用方法，可用于任何有重复性数据的情况。以这种方式进行标准化可以量化拟合优度，并从统计角度解释测量数据。我们展示了该框架在先进制造数据分析中的实用性。索引词 — 方差稳定、神经网络、多层感知器、简化卡方、自由度卡方、金属增材制造在本文中，采用神经网络作为广义回归量，研究金属增材制造 (AM) 工艺参数与 IN718 超级合金的熔池几何特性之间的关系。本文以用例的形式介绍了增材制造数据的分析，但框架本身是通用的，可用于任何有可重复性数据的方法。增材制造是一种逐层构建组件的 3D 打印工艺；熔池是熔融原料和基材的体积。了解材料与熔池之间的潜在物理原理和关系是工艺优化的关键，然而现场测量的机会有限，因此缺乏对基本工艺的理解。使用神经网络分析先进制造工艺数据特别困难，因为收集高质量数据成本高、流程复杂且需要精心规划。这通常会导致数据集样本数量较少 [1]、[2]，需要系统的方法来帮助进行可靠的解释。
激光定向能量沉积中增强的冷却速度......
图 4：a) 显微照片显示层和感兴趣的区域。黄色虚线表示熔池边界。黄色框表示拍摄高倍显微照片的区域，b)-e) 高倍显微照片，b) 层 11 CS，c) 层