XiaoMi-AI文件搜索系统
World File Search System熔池
基于在线人工视觉和深度神经网络的激光金属沉积轨迹几何预测
激光金属沉积 (LMD) 是一种增材制造技术，它吸引了业界的极大兴趣，因为它有可能将具有复杂几何形状的零件一次性制成，并修复损坏的零件，同时保持良好的机械性能。然而，该工艺的复杂性限制了它的广泛应用，因为不同的零件几何形状、策略和边界条件会在外部形状和内部缺陷方面产生非常不同的结果。此外，在工艺执行过程中监控零件质量非常具有挑战性，因为直接测量结构和几何特性大多是不切实际的。这项工作提出了一种 LMD 在线监控和预测方法，该方法利用同轴熔池图像以及工艺输入数据来估计 LMD 沉积的轨道大小。特别是，一种新颖的深度学习架构将卷积神经网络的输出（以熔池图像为输入）与标量变量（工艺和轨迹数据）相结合。评估了各种网络架构，建议使用至少三个卷积层。此外，结果表明密集层的数量和大小具有一定程度的不变性。通过使用航空航天和汽车领域的相关材料 Inconel 718 粉末通过 LMD 沉积的单轨进行的实验，证明了所提出方法的有效性。
超声辅助激光直接能量沉积 316L 材料晶粒尺寸控制
粗晶粒和柱状晶粒结构沿增材制造金属的构建方向外延生长是一种常见现象。因此，成品部件通常表现出明显的各向异性机械性能、延展性降低，因此开裂敏感性高。为了提高增材制造部件的机械性能和可加工性，等轴和细晶粒结构的形成被认为是最有益的。在本研究中，研究了激光丝增材制造过程中通过超声波激发熔池来细化晶粒的潜力。开发了一种超声波系统并将其集成到激光丝沉积机中。AISI 316L 钢用作基材和原料。通过光学显微镜、扫描电子显微镜和电子背散射衍射分析，证实了粗柱状晶粒 (d m- = 284.5 μ m) 转变为细等轴晶粒 (dm = 130.4 μ m)，并且典型的 <100> 纤维织构随着振幅的增加而减弱。结果表明，晶粒细化的程度可以通过调节超声振幅来控制。没有观察到树枝状结构的显著变化。超声焊极/熔池直接耦合与激光丝沉积工艺的结合代表了一种开创性的方法和有前途的策略，可用于研究超声对晶粒细化和微观结构调整的影响。
利用电子束熔化技术实现金属增材生产
真正的 3D 嵌套是 EBM 打印如此高效的原因。虽然电子束非常快（单个电子束可以同时保持多达 70 个熔池“活跃”），但需要时间将构建空间加热到其工作温度。但一旦达到温度，EBM 就可以打印从构建板到构建包络顶部的零件堆栈。这大大降低了生产每个零件所需的平均时间。一次运行的零件越多，EBM 的生产力就越高。
了解激光粉末床熔合中激光发射功率的时间波形调制的影响：第二部分 - 实验研究 Ca
符号 名称 单位 BR 构建速度 mm 3 /sd 0 光束腰直径 µm f acq 高速相机采集频率 Hz f osc,meas 测量的熔池振荡频率 Hz f osc,theo 理论预测的熔池振荡频率 Hz FOV 视场 像素 × 像素 / mm × mm fw 波形频率 Hz l 单轨长度 mm lt 层厚度 µm m 重复次数 - M 2 光束质量因数 - P avg 平均激光发射功率 WP bk 激光发射的背景功率 WP max 最大发射功率 WP pk 激光发射的峰值功率 W SR 空间分辨率 µm/像素 t exp CMOS相机的曝光时间 µs t fall 激光下降时间 µs t illumination 照明光的曝光时间 µs t off 激光关闭时间 µs t on 曝光时间 µs t rise 激光上升时间 µs t tot 波形周期 µs V 沉积材料体积 mm 3 δ 占空比 无量纲 ΔP 波形振幅W Λ obs 观察波长 nm Λ process 激光发射波长 nm α 热扩散率 m 2 /s λ 过程的空间波长 µm
同轴喷嘴磨损对直接能量沉积构建部件集流效率的影响
使用金属粉末原料的基于激光的直接能量沉积 (DED) 系统被认为是一种有前途的制造方法，因为它们能够缩短生产周期并制造复杂的零件几何形状。通过在同轴注入材料并使其凝固的同时用高功率激光束产生熔池来构建组件。大规模使用 DED 的障碍在于粉末收集效率差，在这种情况下，一部分注入的粉末会逸出熔池，导致打印材料质量与供应原料质量之比下降。已经观察到混合制造机床内 DED 系统上同轴喷嘴的磨损状态会随着时间的推移降低收集效率。本研究通过将流动可视化技术应用于现场过程监控格式、实施计算流体动力学 (CFD) 模拟和沉积测试来调查这种影响。识别和分类由于磨损而导致的喷嘴几何缺陷，并通过多种计算方法证明喷嘴尖端磨损（导致轴向尖端减少）对粉末收集效率的影响。发现集料效率与粉末流直径之间存在线性相关性，导致喷嘴尖端逐渐减小至 -1 毫米时效率损失 15-20%。这些结果为进一步研究粉末进料 DED 系统的磨损效应和零缺陷制造解决方案奠定了基础。
蓝光激光定向能量沉积铝，同步提升效率与质量
红外激光定向能量沉积 (DED) 铝材面临许多加工问题，例如成形性差、形成孔隙、反射率高等，这些都降低了生产率。本文开发并应用了 2 kW 高功率（450 nm）蓝光定向能量沉积 (BL-DED) 技术对纳米 TiB2 装饰的 AlSi10Mg 复合材料进行加工。单道实验表明，蓝光形成完全熔化轨道所需的功率密度低于红外激光（1060 nm）的功率密度。在 900 W 激光功率下，扫描速度为 4 mm/s，蓝光熔池宽度和深度分别约为 2500 μm 和 350 μm；而红外激光未能完全熔化，原因是铝对蓝光波长的吸收率较高。在 4 mm/s 下，等轴晶粒的面积分数高达 63%。据我们所知，这一结果是 DED 工艺单道熔池中等轴晶粒面积分数最高的一次。如此高的比例主要归因于平顶蓝光激光的低热梯度（8 × 10 5 K/m）和纳米 TiB2 颗粒的细化效果。我们的工作表明，与使用红外激光的铝合金和复合材料 DED 相比，高功率蓝光激光提高了效率和制造质量，这也有望帮助加工其他高反射率材料，如铜合金。
迈向增材制造的可持续性
增材制造 (AM) 的接受度取决于最终零件的质量和工艺的可重复性。最近，许多研究致力于建立工艺行为与材料性能之间的关系。诸如激光-材料相互作用、熔池动力学、喷出物形成和粉末床上的粒子运动行为等现象是 AM 社区特别感兴趣的，因为这些事件直接影响工艺的结果。阻碍 AM 采用的另一个方面是需要具有成本效益的粉末材料及其可持续的加工和回收。
材料
摘要：增材制造 (AM) 工艺使其能够广泛应用在从航空航天到艺术、设计和建筑等各个领域。零件质量和性能是 AM 工艺执行过程中的主要关注点，考虑到工艺参数、材料、环境、测量和操作员培训等多种影响因素，可以保证实现足够的特性。研究不仅有影响的 AM 工艺变量的影响，而且研究它们的相互作用和耦合影响对于需要付出巨大努力的工艺优化至关重要。因此，数值模拟可以成为一种有效的工具，有助于评估 AM 工艺原理。选择性激光熔化 (SLM) 是一种广泛的粉末床熔合 (PBF) AM 工艺，由于其优越的优势，例如能够打印复杂且高度定制的组件，因此越来越受到工业和学术界的关注。温度分布和熔池动力学对于在 SLM 过程中很好地模拟和关联零件质量（表面光洁度、诱导残余应力和微观结构演变）至关重要。本综述总结了 SLM 的数值模拟，指出这是一个重要的研究视角，同时也探索了所采用的方法和实践的贡献。本综述旨在概述 AM 工艺，例如挤压、光聚合、材料喷射、层压物体制造和粉末床熔合。特别是针对讨论对 SLM 进行的数值模拟，以说明现有非专有方法的统一图景，以预测传热、熔池行为、微观结构和残余应力分析。
用于实时位置相关缺陷的多模态传感器融合
实时缺陷检测对于激光定向能量沉积 (L-DED) 增材制造 (AM) 至关重要。传统的现场监测方法利用单个传感器（即声学、视觉或热传感器）来捕获复杂的过程动态行为，这不足以实现高精度和稳健性的缺陷检测。本文提出了一种新颖的多模态传感器融合方法，用于实时位置相关的机器人 L-DED 过程中的缺陷检测。多模态融合源包括捕捉激光-材料相互作用声音的麦克风传感器和捕捉同轴熔池图像的可见光谱 CCD 相机。提出了一种混合卷积神经网络 (CNN) 来融合声学和视觉数据。本研究的主要创新之处在于不再需要传统的手动特征提取程序，原始熔池图像和声学信号直接由混合 CNN 模型融合，该模型无需热传感模式即可实现最高的缺陷预测准确率 (98.5%)。此外，与以前基于区域的质量预测不同，所提出的混合 CNN 可以检测到缺陷发生的开始。缺陷预测结果与现场获取的机器人工具中心点 (TCP) 数据同步并注册，从而实现局部缺陷识别。所提出的多模态传感器融合方法为现场缺陷检测提供了一种可靠的解决方案。