XiaoMi-AI文件搜索系统
World File Search System金属粉末
基于镍的Superalloy Inconel-718的光学响应用于添加剂制造
新兴的添加剂制造（AM）技术，直接的金属激光烧结（DML）是三维部分的逐层制造的复杂过程。通过DML，金属粉末散布在粉末床上，层薄，高达20μm。高能激光器（。200 w）聚焦在粉末上，并使用定义的光栅图案扫描表面。激光与粉末相互作用时，一些能量会反映并散布到周围环境中和粉末晶粒之间。剩下的入射能被吸收，从而在熔化温度T m上方迅速加热粉末，形成局部熔体池。随着激光的传递，温度由于辐射，对流和导电的热量损失而降低，环境，周围的粉末以及通过下面的构建板（图1）。最终，温度降低足够降低，以至于熔体池经过液体到固体相变并固化。通过DML的温度病史，特别是液体到固体的相位转移时间和熔体池冷却速率，是最终产物的微结构和强度的最重要因素。1
一种预测金属增材制造工艺中可打印性的数据驱动方法
摘要 金属粉末床熔合增材制造技术为制造业带来了诸多好处。然而，目前的可打印性分析方法是基于临时规则和工程经验，即在制造之前确定哪些组件可能无法成功制造。因此，为了充分利用增材制造的优势，需要一种完全系统的方法来解决这个问题。在本文中，我们重点关注几何形状对可打印性分析的影响。我们首次详细介绍了一个机器学习框架，用于确定增材制造过程中可打印性的几何极限。该框架由三个主要部分组成。首先，我们详细介绍了如何构建能够将增材制造过程推向极限的严格测试工件。其次，我们解释如何测量增材制造的测试工件的可打印性。最后，我们构建了一个预测模型，该模型能够在增材制造之前估计给定工件的可打印性。我们测试了我们框架的所有步骤，并表明我们的预测模型接近由于底层增材制造过程中固有的随机性而可获得的最大性能的估计。
粘合剂喷射高度柔性和导电石墨烯/PVOH复合材料的制造
摘要：当前的添加剂制造（AM）技术可以使用多种塑料，金属和陶瓷材料制造具有复杂几何形状的零件。目前，集成技术的进步有限，可以在同一部分打印不同的材料。键合零件需要进一步处理；它还创建了与应力浓度令人衰弱的界面。总体而言，零件性能受到损害。因此，在3D打印多物质和功能分级的零件中有值。在这里，报道了一种新型的粘合剂喷射方法，用于单步生产多物质和功能分级的零件。该方法将纳米颗粒墨水沉积在粘合剂中。陶瓷，聚合物或金属粉末必定会构建纳米复合材料。通过在打印过程中切换纳米粒子油墨，该过程构建了具有分级电导率和柔韧性的材料。为了演示该方法，制定了氧化石墨烯（GO）墨水，用于打印到聚乙烯醇（PVOH）粉末上。最终产品是一种GO/PVOH复合材料，具有电导率和高灵活性。该复合材料显示为超级电容器应用的高孔隙率材料。
期刊开放 FOAM
摘要。细粉末的气动输送对于许多工业过程至关重要，包括激光金属沉积 (LMD)，这是一种直接金属增材制造 (DMAM) 技术，使用激光熔化金属粉末逐层构建固体物体。为了优化工艺，必须正确理解粉末在工艺条件下的行为。耦合计算流体动力学 - 离散元建模 (CFD-DEM) 和多相 - 粒子单元 (MP-PIC) 是两种流行的欧拉-拉格朗日模型，用于模拟载有粒子的流动。本研究对它们进行了比较，以分析 LMD 机器小通道中的粉末行为。这两种方法的结果有很大不同，CFD-DEM 可以更准确地表示物理现实，而 MP-PIC 的计算效率更高。研究发现，由于粒子簇的形成，CFD-DEM 方法会产生更大的固体流速波动，而 MP-PIC 则显示出平稳且基本均匀的流动。结果表明，CFD-DEM应用于更准确、更详细的气力输送系统中固体流速的研究，而MP-PIC可用于初步研究和设计优化。
向 MXene-metal 增材制造迈出了一步
二维 (2D) 过渡金属碳化物（称为 MXenes）自 2011 年以来不断发展，部分原因是它们具有令人印象深刻的高电导率、刚性机械性能和丰富的化学活性表面基团。MXenes 的这些关键特性使它们成为均匀覆盖金属粉末以用于增材制造多功能金属复合材料的有吸引力的候选者。在本研究中，我们报告了一种可调的自组装过程，即使用 1 – 10 wt% 的单层至多层 Ti 3 C 2 T x MXene，在微米级 Al 颗粒上形成纳米厚的 2D MXene 薄片。此外，我们讨论了使用 2D x 射线衍射 (XRD 2 ) 对这些复合材料进行表征，以识别特征性的 Ti 3 C 2 T x 衍射峰。最后，我们使用原位 XRD 2 结合维氏硬度和扫描电子显微镜/能量色散 x 射线光谱法来了解烧结对 Ti 3 C 2 T x 形态的影响以及由此产生的块状复合材料的机械性能。这项研究旨在帮助未来在 MXene-金属复合材料的增材制造方面取得进展，以用于一系列多功能应用。
当前增材制造设计研究前沿
摘要 增材制造设计 (DFAM) 旨在开发利用增材制造 (AM) 工艺独特功能的设计，以实现效益最大化。本文重点介绍了 DFAM 研究前沿的几个问题。首先，描述了在计算设计过程中需要包括制造时的机械和其他物理特性，例如拓扑和形状优化以及生成设计。AM 工艺很少生产具有均匀成分和各向同性特性的零件，因此设计方法和工具不应假设它们。其次，针对 AM 工艺链进行设计的主题很重要，因为 AM 制造的零件通常需要后处理操作，例如支撑去除、精加工、热处理等。DFAM 方法需要结合整个工艺链，而不仅仅是 AM 工艺，本文以金属粉末床熔合为例进行了探讨。第三，通过彻底重新思考产品架构，可以实现 AM 的最大优势。电动摩托车和辅助外骨骼的示例说明了这些想法和潜在优势。最后，提出了一些关于 4D 打印设计的想法，特别是利用形状记忆效应的 3D 打印变形和可部署系统。
用于激光金属沉积过程数值模拟的耦合多相拉格朗日-欧拉流体动力学框架
摘要 我们提出了一个计算流体动力学 (CFD) 框架，用于对 3D 打印中的激光金属沉积 (LMD) 过程进行数值模拟。该框架综合了数值公式和求解器，旨在提供足够详尽的过程场景，其中载体气体被建模为欧拉不可压缩流体，在 3D 打印室内传输金属粉末，这些粉末被跟踪为拉格朗日离散粒子。基于来自激光束和加热基板的热源，开发了粒子模型，使其也通过热传递与载体气体相互作用，并根据粒子液体质量分数的增长规律在熔化相中演变。采用增强型数值求解器，其特点是改进的牛顿-拉夫森方案和用于跟踪粒子的并行算法，以获得数值策略的效率和准确性。从研究整个 LMD 过程的优化设计的角度出发，我们提出了一种敏感性分析，专门用于评估流入速率、激光束强度和喷嘴通道几何形状的影响。此类数值计算是使用 deal.II 开源有限元库开发的内部 C++ 代码执行的，并可在线公开获取。
首次公开募股说明 Innomet Advanced Materials Limited
Innomet Powders – 该公司旗下的 innomet powders 部门通过水、空气和气体雾化供应金属和合金粉末。他们拥有约 20 种产品，包括铜、青铜、黄铜、镍、锡和不锈钢粉末，该部门的粉末冶金部件、金刚石工具、焊接、钎焊、催化剂、表面涂层等。汽车、建筑、工程、大宗药品和电子产品。使用的原材料是购买和拒绝的废料、纯金属和母合金。该公司服务于塔塔钢铁、Atul、HAL、Bharat Fordge 等几家大客户。截至 2024 年 3 月 24 日，该公司目前拥有 1.15 千万卢比的金属粉末订单和 7.39 千万卢比的合金订单。全球潜在市场价值 10 亿美元，印度市场价值 40-50 亿卢比。水、空气和天然气的产能利用率如下 - 水 – 截至 22、23 和 24 财年分别为 31.73%、32.25% 和 33.60%，未来预计产能为 1400 TPA（吨/年） 空气 – 截至 22、23 和 24 财年分别为 4.35%、2.65% 和 1.07%。 天然气 – 截至 24 财年为 0.10%，预计产能为 150 TPA
3D 打印安全工作规范
材料挤出 [熔融沉积成型 (FDM)] – FDM 打印机使用加热到熔点的热塑性长丝来创建 3 维物体。这是最常见的 3D 打印机类型。 桶聚合 [立体光刻 (SLA)] – 桶聚合使用液态光聚合物树脂来创建模型，然后使用紫外线 (UV) 激光或数字处理灯固化每层树脂。 材料喷射 – 材料喷射选择性地将进料液滴沉积到构建平台上，使液滴冷却并凝固，然后在凝固的液滴上构建以创建 3 维物体。 粘合剂喷射 – 粘合剂喷射将一层粉末分布到构建平台上，然后涂抹液体粘合剂将颗粒层粘合在一起。 粉末床灌注 [选择性激光烧结 (SLE)] – 使用激光或其他能量源将塑料、金属、陶瓷或玻璃粉末融合在一起以形成结构。定向能量沉积 (DED) – 金属粉末或金属丝在通过移动打印头沉积的同时被熔化。薄片层压 – 使用激光或锋利的刀片切割和粘合薄层材料（例如，纸张、铝箔）来创建 3D 物体。
基于细丝的基于NITI形状的内存合金的添加剂
基于活性材料的执行器的集成添加剂制造可能会在跨生物医学工程，机器人技术或航空航天等学科的许多应用中取代常规电动机。在这项工作中，通过由热塑性粘合剂和金属粉末组成的3D打印的纤维打印来证明基于挤出的基于挤出的功能性NITI形状内存合金。两种合金是制造的，一种显示超弹性，另一种在室温下显示形状的内存特性。两种合金的微观结构均具有特征性的特征，并具有透明的热机械特性。3D打印的NITI显示形状的记忆应力为1。分别为1％的超弹性应变1。3％的施加应变为4％。为了扩大形状记忆应力执行器的几何形状，设计，制造和测试。这项研究的结果可能会在活动结构的增材制造领域中找到应用，也称为4D打印。通常，多种材料用于此类结构，这些结构通常会遭受机械性能和耐用性不佳的影响。在这项工作中对金属材料的使用可能有助于克服这些局限性。2022作者。由Elsevier Ltd.这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）下的开放访问文章。