金属3D打印:如何通过光束整形和仿真软件协同优化

金属3D打印过程通常面临熔池不稳定的问题,极易产生打印缺陷。热像仪等实时监测设备可以观测到很多有用的数据,但覆盖范围有一定的限制。而计算流体动力学仿真(CFD)可以深入分析熔池内部的稳定性和缺陷形成机制,帮助研究人员弥补观测的不足。

图 1:观察侧面随时间变化的x射线图像,显示高斯光束与在相同功率(中行)或高于25%功率(下行)下工作的环形光束相比,倾向于产生锁孔孔隙缺陷(上排)

CFD仿真的优势

CFD技术可以帮助研究人员、设备厂商以及制造商提供监测条件,使他们能够全面评估熔池的动态变化和观察打印环境。例如慕尼黑大学的研究团队开发了一套代码,通过与CFD技术结合的方式优化了光束轮廓,为提升打印质量提供了新的技术路径。

终端用户和设备供应商都面临的新技术难题是,新合金需要有合适的激光参数来保证最终的打印质量,而这些参数又受部件几何形状的直接影响。而改变了光斑和能量分布之后,之前的工艺无法直接使用。

图 2:FLOW-3D AM中具有不同光束形状的熔池模拟绘制温度

传统的参数优化方法主要靠手动试错来确定最佳参数,但这种方法非常耗时耗力还容易出错,影响零件最终可靠性。当需要针对多种材料或者针对几何结构进行测试来确定最佳参数时,用手动试错的方法将是一项巨大的工作量。

CFD可以简化参数的优化流程并提供有关每个参数对打印质量影响的评估和可操作信息,使制造商快速且经济高效地确定特定材料、设备和激光参数集组合的最佳工艺,从而降低成本并提升生产效率。此外,CFD模拟可以避免出现关键缺陷(如锁孔)的工艺,为打印过程提供前所未有的透明度。

图片

铂力特环形光成形过程

如此一来,制造商更有信心,后续的打印作业将产生积极的结果。构建周期不仅变得更加可预测,而且生产率更高,工件质量可以得到提高,认证运行次数更少。在打印钛、镍基高温合金、难熔金属和其他昂贵的材料时,大大减少试制品的数量。

控制熔池改善金属打印质量

nLIGHT于2020年发布了AFX激光器,因为他们知道它有可能通过实现熔池控制来彻底改变金属打印。在发布之前,nLIGHT团队与FLOW-3D AM合作模拟了AFX激光器,并准确找出了多芯光束产生最佳结果的原因。

图 3:FLOW-3D AM 中的熔池模拟,比较高斯分布(左)和AFX环剖面(右),a),b) 速度矢量,c),d) 表面张力压力分布,e),f) 反冲压力分布

通过仿真,他们比较了相同总功率熔池的空间分布,从高斯分布(左)到环形分布(右),并看到了整个熔池蒸发压力和表面张力压力的深刻变化。这些物理特性与激光下从熔化区域喷出的颗粒飞溅物的相对大小和数量相关。他们将实验中观察到的和他们用模型预测的点连接起来,缩小了基础物理学的重要知识空白,并最终实现了更好的激光光束选择和更高效的打印工艺。

图片

光束整形层光束中可用的环芯强度分布选项

事实证明,大部分飞溅、烟尘和熔池的不稳定性是由于与打印机使用的单模激光器相关的经典高斯激光束轮廓造成的。虽然高斯光束在粉末床上产生尽可能小的光斑尺寸,但在打印过程中,当生产制造优先于精细分辨率时,它们会成为问题。由于高斯光束轮廓具有位于中心的峰值强度,因此它们产生的集中加热可能具有很大的破坏性。通过将峰值强度重新分配到周边而不是中心,nLIGHT在很大程度上消除了这些剖面发生的极端温度梯度和过热。

图 4:粉末床熔融过程中高速摄像的侧视图,与nLIGHT AFX激光器的环形强度分布(下)相比,标准单模激光器的高斯强度分布(上图)的烟灰、飞溅物和蒸发的冷凝物含量更高。两张图像都与相同的合金(AlSi10Mg)和激光参数(600W 在 400um 聚焦光斑尺寸中,以 1.1m/s 扫描)相关联

EOS于2024年6月与nLIGHT签署了一项协议,为一些3D打印机模型配备该公司的AFX可编程光束整形激光器。两家公司还“实施一系列互补的基于激光的技术,用于工业规模的生产应用”,并且“客户将能够在EOS软件上使用不同的光束轮廓,实现更高的3D打印生产力。

展望未来,FLOW-3D AM等高级仿真软件将继续为金属增材制造技术的各个方面打开新的大门。越来越多用户将利用它来优化他们的产品和制造效率。设备制造商将继续揭开增材制造的秘密,开发越来越高效的激光器和3D打印机。OEM将使用CFD软件来设计流程,从而在更短的时间内生产出更高质量的零件,减少缺陷,同时降低总体成本。

除了这些直接用途之外,未来还有将仿真工具和机器学习集成到闭环环境中的潜力。目前,实时仿真的计算负载对于生产用途来说太高了,但有可能对激光光束形状和构建参数进行原位调整,从而进一步提高增材制造效率和零件质量。

注:本文由3D打印技术参考创作,未经联系授权,谢绝转载。#增材制造 #3D打印 

欢迎转发

延伸阅读:

1.中航迈特光束整形金属3D打印技术取得重要进展,多种材料已成功验证

2.西空智造:“锻打印+光束整形”,金属3D打印既要性能,也要效率!

3.铂力特官宣即将发布光束整形等新金属3D打印解决方案

4.华曙高科光束整形金属3D打印成果展示,效率飞起!

内容概要:本文研究了改进深度优先搜索算法与二进制粒子群优化算法相结合在配电网故障恢复重构中的应用,旨在提升故障后网络重构的效率与供电可靠性。通过引入改进的深度优先搜索算法高效生成满足辐射状约束的可行拓扑结构,并结合二进制粒子群算法进行全局优化,实现对开关操作序列的智能决策。文中系统阐述了两种算法的协同机制、适应度函数构建、配电网约束处理(如潮流平衡、电压限值、容量限制)以及孤岛与环网的规避策略,提出了一套完整的故障恢复重构流程。基于Matlab平台的仿真验证表明,该方法能在较短时间内找到高质量的恢复方案,有效恢复失电负荷,避免不合理的网络结构,具有较强的实用性鲁棒性。; 适合人群:具备电力系统分析基础Matlab编程能力,从事智能电网、配电自动化、故障诊断与恢复、电力系统优化等方向的科研人员及工程技术人员。; 使用场景及目标:①应对配电网突发故障,快速制定最优网络重构方案以最大化恢复供电范围;②优化故障后开关操作策略,降低停电损失运行风险;③为配电管理系统(DMS)自愈控制系统提供高效的算法支撑;④研究启发式算法与图搜索算法在复杂电力网络优化中的融合应用; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注深度优先搜索在拓扑可行性校验中的作用以及粒子群算法在离散空间优化中的编码与更新策略,可通过调整网络模型、故障场景算法参数进行对比实验,以全面掌握其性能特点与适用边界。
摘要 针对便利购超市传统库存管理中人工操作效率低、数据同步滞后、权限边界模糊、流程不规范等问题,为实现库存管理的数字化、规范化与智能化,提升多角色协同效率,本文设计并实现了一套适配中小型超市实际业务的库存信息管理平台。研究以问题为导向,遵循调研分析 - 设计开发 - 测试优化的软件开发流程,先通过文献研究与实地调研梳理核心技术要点与业务需求,明确管理员、库管、一线员工三类角色的功能边界;再基于 Vue+Spring Boot+MyBatis 技术栈搭建前后端分离架构,结合 RBAC 角色权限模型与数据库第三范式完成系统整体设计,涵盖需求分析、架构设计、功能模块设计、接口与权限控制设计、界面原型设计等环节;随后完成平台前后端开发实现,实现商品及类别管理、库存预警、出入库与报损管理、全局库存管控等九大核心功能,同时针对开发中的权限控制、数据一致性、接口交互等问题提出针对性解决策略;最后通过功能、性能、兼容性多维度测试验证系统有效性。测试结果表明,该平台实现了库存管理全流程的线上化,可实现多角色权限的精细化管控、库存数据的实时同步与预警信息的即时推送,有效解决了传统库存管理的痛点,提升了超市库存管理的效率与精准度。系统兼具良好的稳定性、易用性与可扩展性,可为中小型零售超市的库存数字化管理提供技术支撑与实践参考,后续可进一步拓展数据分析、智能补货等功能,提升平台的智能化水平。 关键词:库存预警;超市;MyBatis
内容概要:本文围绕“自适应最优控制在系统动力学完全未知的连续时间线性系统中的应用”展开,基于动态规划理论,提出了一种无需先验系统模型的数据驱动型自适应最优控制方法,并通过Matlab代码实现完成算法验证。文中系统阐述了在缺乏精确系统动态方程的前提下,如何融合强化学习中的策略迭代与值迭代思想,利用在线采集的状态数据逐步逼近哈密尔顿-雅克比-贝尔曼(HJB)方程的最优解,从而实现对无限时域线性二次调节器(LQR)问题的有效求解。该方法突破了传统最优控制对精确数学模型的依赖,具备良好的鲁棒性与工程适用性,特别适用于智能电网、机器人控制、飞行器导航等建模困难或存在模型不确定性的复杂系统。文档不仅包含详尽的理论推导与算法流程,还提供了完整的Matlab仿真实现代码及丰富的拓展科研资源,涵盖智能优化、机器学习、信号处理等多个交叉领域,强调“借力科研工具”以提升研究效率与创新能力。; 适合人群:具备现代控制理论基础Matlab编程能力,从事自动化、控制工程、人工智能或相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①研究数据驱动的自适应动态规划(ADP)与最优控制算法的设计与实现;②应用于系统建模困难或参数时变的实际控制系统中,解决模型不确定性带来的控制难题;③复现高水平SCI论文中的先进控制策略,提升科研创新能力与算法实践水平。; 阅读建议:此资源以Matlab代码实现为核心,强调理论分析与仿真实践深度融合,建议读者按照文档目录循序渐进地学习,重点关注算法原理推导、代码实现细节与参数调优过程,并充分利用所提供的网盘资源进行动手复现与拓展研究,以深化对自适应最优控制机制的理解。
内容概要:本文介绍了基于Python大语言模型的体育用品智能客服系统的设计与实现,旨在解决体育用品零售中商品知识分散、咨询响应效率低、推荐专业性不足等问题。系统采用检索增强生成(RAG)架构,结合意图识别、实体抽取、向量检索与业务接口调用,确保回答的专业性与准确性。通过文本规范化、知识分块、语义检索、安全治理等模块,系统实现了对尺码推荐、库存查询、订单物流、退换货等高频问题的自动化处理,并设置了风险识别与人工转接机制,保障医疗健康类敏感问题的服务安全。; 适合人群:具备Python编程基础,熟悉Web开发、自然语言处理或人工智能应用的开发者、AI产品经理及智能客服系统设计人员,尤其适合从事电商、体育用品或智能服务领域技术研发的1-3年经验从业者; 使用场景及目标:① 构建专业领域的智能客服系统,提升响应效率与用户体验;② 实现基于真实数据与知识库的可控内容生成,避免大模型幻觉;③ 在多轮对话中结合会话状态管理与业务工具调用,完成复杂咨询服务;④ 建立可审计、可治理的AI服务机制,适用于高合规要求场景; 阅读建议:此资源以实际项目为导向,包含模型架构设计与部分示例代码,建议结合完整代码库与业务场景进行实践,重点关注知识处理流程、RAG机制集成与安全控制策略的落地实现。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值