拓竹用户使用H2D成功3D打印PEEK！

转载 于 2025-08-09 08:52:20 发布 · 579 阅读 · 0 ·
本内容遵循CC 4.0 BY-SA版权协议
原文链接：https://mp.weixin.qq.com/s?__biz=MzUzNDE4NDQyOQ==&mid=2247563293&idx=1&sn=1a3d34399dc5734d8262ec74ffc42887&chksm=fb97383cd3bcb516eef4a60c0c74063047d9fb5b203b1309523711c3b0b217b15f71c9e5457a&scene=126&sessionid=0
GEO检测

3D打印技术参考注意到，材料制造商Xioneer Systems近日成功在拓竹科技H2D上3D打印出PEEK部件。该公司使用威格斯VICTREX AM™ 200和该公司自研的VXL111可溶性支撑材料，成功打印并进行了退火处理。该公司现在正尝试让PEEK与H2D AMS材料管理盒兼容。

威格斯新业务开发、增材制造和新技术主管罗伯特·麦凯表示，“当听说在拓竹科技的设备上3D打印了#聚芳醚酮  (PAEK)时，我简直不敢相信！”

Xioneer对此回应道：“对我们来说，这是一个提醒，要始终坚持做那些理论上看似不合理的事情。”

拓竹H2D配备双喷嘴，带来的直接好处就是将显著减少材料切换时花费的大量时间，以及材料的大量浪费。在该案例中，一个喷嘴可以打印PEEK，另一个喷嘴则可以打印支撑材料。

图片

H2D打印过程，喷头切换，图文无关

PAEK材料通常难以3D打印，难以找到合适的加工窗口。以该材料族中的PEEK为例，其熔点极高，玻璃化温度143℃，熔点达到343℃，使其加工极其困难。无论是采用FFF/FDM挤出还是SLS烧结，打印温度设置通常接近400℃，且对温度场稳定性和均匀性要求非常严格。

PEEK的3D打印必须掌握其结晶过程，由于部分结晶，材料的密度会发生改变，因此有必要保持高温水平并避免温度出现波动。在挤出工艺中，喷嘴的温度应持续保持在约400°C，腔室温度加热至约100°C，底板加热至约200°C，才可降低PEEK打印时的翘曲、使打印件充分均匀结晶。

拓竹H2D的喷嘴最高温度为‌350℃，热床最高120℃，设备支持主动腔温加热，最高可控腔温为‌65℃‌，配合高温热端可有效抑制ABS 、PC等高性能耗材的变形问题。Xioneer使用H2D打印出PEEK确实让人印象深刻，但如果频繁打破设备的使用要求限制，可能会对设备造成损害。另一方面也不免让行业联想，#拓竹 推出工业级设备的门槛实际上非常低。

VICTREX AM™ 200 3D打印样件

Victrex AM™ 200材料最初设计为PEEK，可用于材料挤出。由于层内结合力和尺寸稳定性更好，这种半结晶材料相对易于加工。LMPAEK的变体被称为低熔点聚芳醚酮(LMPAEK)或VictrexUDTAS4-143-34。通常，喷嘴温度需要在215℃左右才能处理PEEK，腔室温度也可能更低。尚不清楚Xioneer是否对这款H2D设备进行了大量的调整。

Bambu H2D 3D打印机

尽管PEEK是一种要求很高的材料，但也必须说它为制造商提供了极佳的机械和化学特性：它非常耐热、耐磨、具有高耐化学性、可消毒和介电性能。PEEK还具有高强度重量比，可替代某些金属。此外，PEEK具有阻燃性，这将使其成为一种备受关注的3D打印材料，适用于航空航天等具有火灾/烟雾限制的行业。

未来，用户在价格实惠的机器上3D打印PEEK、PEKK、PEI和其他高性能材料或许能够成为可能。这也意味着，消费者可以在家中制造PA12或其他高性能部件。

注：本文由3D打印技术参考创作，未经联系授权，谢绝转载。

欢迎转发

千人行业专家交流Q群：248112776

延伸阅读：

1.腾讯携手国家级开源大赛，推出混元3D模型挑战赛，助力3D打印等应用

2.PEEK在机器人领域应用火热，3D打印成为新的灵活生产方式

3.华曙高科助力南理工碳纤维增强PEEK增材制造工艺研究获重要成果

4.PEEK材料加工方式对比：机械加工 VS 3D打印

3D·24｜拓竹3D打印产品入选《时代》最佳发明；中国3D打印鞋走向国际秀场；高端材料国产替代；超高速金属3D打印同步国际
AmReference的博客
10-10 137
该系统将高速打印与精准的工艺控制相结合，旨在提升桌面制造的标准。CyberBrick项目荣获“玩具与游戏”类别的奖项，该系统旨在通过模糊玩具与制造技术之间的界限，促进创造力和技术教育。这是一种使用SLS激光烧结3D打印机制造生坯，再进行加工、脱脂和烧结的间接金属3D打印技术，能够实现金属零件低成本、批量生产。因此，除非使用专门的食品级安全材料和经过认证的打印机，否则切勿打印直接接触食品的物品。材料，通过材料与工艺的底层创新，重构了产品从原型到量产的范式路径，性能接近。10月10日消息，博理科技发布消息称，
利用模型预测控制进行激进车辆碰撞规避机动.zip
06-27
1.版本：matlab2014a/2019b/2024b 2.附赠案例数据可直接运行。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
YOLO算法家庭厨房厨具目标检测数据集-1308张-标注类别为工具.zip
06-27
【注：该页面底部资源详情处，可查看数据集可视化效果】 1. YOLO目标检测数据集， 适用于YOLOV5、yolov7,yolov8,v9, yolov11, yolov13, yolo26等系列算法，含标签，已标注好，可以直接用来训练； 2. 内置data.yaml数据集配置文件，已经划分好了训练集、验证集等； 3. 数据集和模型具体情况可参考 https://blog.csdn.net/zhiqingAI/article/details/124230743?spm=1001.2014.3001.5502
ballgown转录本差异分析[源码]
06-27
本文介绍了使用ballgown进行转录本水平差异分析的方法。转录组差异分析有两种策略：基于raw count（如DESeq2、edgeR）和基于FPKM/RPKM（如cuffdiff）。ballgown是针对FPKM值的差异分析R包，可通过两种方式获得转录本水平的FPKM值：一是使用stringTie软件添加-b参数生成ballgown输入文件；二是使用tablemaker软件调用cufflinks生成输入文件。每个样本会生成包含e_data.ctab、e2t.ctab、i2t.ctab、i_data.ctab、t_data.ctab五个文件的文件夹。分析时，先通过ballgown函数读取所有样本输入文件，然后设置样本分组，最后使用stattest函数进行差异分析，支持exon、intron、gene、transcript四种水平。ballgown还支持时间序列分析和自定义模型，为转录组差异分析提供了便捷的解决方案。
软件测试常用工具大全[源码]
06-27
本文整理了软件测试领域常用的工具清单，涵盖Bug管理（禅道）、网络抓包（Fiddler、Wireshark、谷歌开发者工具）、接口与性能测试（Postman、JMeter、LoadRunner）、安全测试（AppScan、Burp Suite）、移动端自动化测试（Appium）、数据库管理（Navicat）、开发与编程环境（Python+PyCharm、Git）、系统与虚拟机（VMware、Linux系统、Xshell、PuTTY）、远程办公（Easyconnect）、效率协作（XMind）、物联网通信（MQTT）以及AI赋能测试（AI代码分析、生成测试用例、SQL助手）等十二大类，并提供了各工具的网盘下载地址，方便测试人员快速获取和安装使用。
基于粒子群算法的电动汽车充电动态优化策略研究（Matlab代码实现）
06-27
内容概要：本文系统研究了基于粒子群算法（PSO）的电动汽车充电动态优化策略，依托Matlab平台实现完整的仿真模型与优化算法，旨在通过智能优化手段提升充电过程的经济性与电网友好性。研究构建了综合考虑电网负荷曲线、实时电价波动、用户充电需求及时段偏好等多重因素的动态优化模型，采用粒子群算法高效求解电动汽车集群的最优充电调度方案，有效实现了削峰填谷、降低用户充电成本、提升电网运行稳定性以及促进可再生能源消纳的多重目标。文中提供了详尽的Matlab代码实现流程与仿真案例分析，便于读者复现结果并进行二次开发与算法拓展。; 适合人群：具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及工程技术人员，尤其适合从事电动汽车、智能电网、需求侧管理、优化调度及相关领域研究的专业人士。; 使用场景及目标：①应用于电动汽车充电站或充电服务平台的智能调度系统设计与优化；②作为高校与科研机构在智能优化算法、能源互联网、智慧交通等交叉学科教学与科研项目的核心参考案例；③支撑电力系统中需求侧响应、分布式能源协同控制及车网互动（V2G）技术的研究与工程实践。; 阅读建议：建议读者结合文中提供的Matlab代码进行仿真实践，重点关注粒子群算法在充电优化模型中的参数设置、收敛特性分析与全局寻优能力评估，同时可将其拓展至与其他智能算法（如遗传算法、灰狼优化、鲸鱼算法等）的性能对比研究，以深化对不同优化策略在复杂能源系统中适用性的理解。
YOLO算法户外庭院刺猬目标检测数据集-345张-标注类别为刺猬.zip
最新发布
06-27
【注：该页面底部资源详情处，可查看数据集可视化效果】 1. YOLO目标检测数据集， 适用于YOLOV5、yolov7,yolov8, yolov11, yolov13, yolo26等系列算法，含标签，已标注好，可以直接用来训练，包含YOLO格式标签和VOC格式标签； 2. 内置data.yaml数据集配置文件，已经划分好了训练集、验证集等； 3. 数据集和模型具体情况可参考 https://blog.csdn.net/zhiqingAI/article/details/124230743?spm=1001.2014.3001.5502
【使用TI TMS320C5416设计IIR带阻和陷波滤波器】通过双线性变换（BLT）和放置极点和零点来设计IIR滤波器（Matlab代码实现）
06-27
内容概要：本文详细介绍了基于TI TMS320C5416芯片设计IIR带阻和陷波滤波器的方法，重点采用双线性变换法（BLT）与Z域极点-零点直接配置法进行数字滤波器的设计。资源涵盖了从理论分析、传递函数构建、参数计算到Matlab仿真及DSP平台实现的完整流程，深入解析了IIR滤波器的关键设计步骤，包括频率映射、避免混叠效应、稳定性保障以及滤波器频率响应特性的调控，帮助读者掌握在实际嵌入式系统中部署数字滤波算法的核心技术。; 适合人群：具备数字信号处理基础理论知识，熟悉Matlab编程与DSP开发流程，从事通信系统、音频处理、工业控制或嵌入式信号处理相关工作的研究生、工程师及科研人员。; 使用场景及目标：①深入理解IIR带阻与陷波滤波器的设计原理与应用场景；②掌握双线性变换法在离散系统中实现模拟滤波器映射的优势与注意事项；③学习如何通过极点与零点分布精确控制滤波器频率特性；④实现在TMS320C5416等定点DSP平台上完成滤波器算法的移植与验证，推进从仿真到硬件落地的全过程实践。; 阅读建议：建议读者结合提供的Matlab代码逐模块运行并观察仿真结果，重点关注不同极点零点配置对幅频响应的影响，并尝试修改截止频率、阻带衰减等参数以加深理解；进一步可将设计结果转化为C语言代码，在TMS320C5416开发环境中进行定点量化与性能测试，全面掌握工程实践中滤波器实现的关键挑战与优化策略。
YOLO算法户外停车场反光条目标检测数据集-364张-标注类别为反光条.zip
06-27
【注：该页面底部资源详情处，可查看数据集可视化效果】 1. YOLO目标检测数据集， 适用于YOLOV5、yolov7,yolov8, yolov11, yolov13, yolo26等系列算法，含标签，已标注好，可以直接用来训练，包含YOLO格式标签和VOC格式标签； 2. 内置data.yaml数据集配置文件，已经划分好了训练集、验证集等； 3. 数据集和模型具体情况可参考 https://blog.csdn.net/zhiqingAI/article/details/124230743?spm=1001.2014.3001.5502
Codex Skill内部结构解析[代码]
06-27
本文深入解析了Codex Skill的内部结构，指出Skill并非简单的提示词模板，而是一个可被Codex按需加载的能力包。文章以本地预设的skill-creator为例，详细拆解了Skill的目录结构，包括SKILL.md、agents/、assets/、references/、scripts/等组成部分。其中，SKILL.md是Skill的入口，包含YAML frontmatter和Markdown正文，用于描述触发条件和执行流程；agents/openai.yaml提供界面元数据；scripts/用于固化高确定性操作；references/实现延迟加载的知识库；assets/提供素材资源。文章强调了Skill设计的核心思想是渐进式披露，通过分层结构避免上下文膨胀，并指出了常见误区，如将Skill写成超长提示词、忽略description等。最终，文章总结了Skill的设计方法，即用SKILL.md组织流程，用scripts/固化操作，用references/承载知识，用assets/提供素材，用agents/补充元数据，使Skill成为可复用的专业工作包。
unity 2d 平调跳跃 小游戏 源码 免费开源
06-27
unity 2d 平调跳跃 小游戏 源码 免费开源
计及自适应预测修正的微电网 MPC 优化调度方法研究（Python代码实现）
06-27
内容概要：本文研究了一种计及自适应预测修正的微电网模型预测控制（MPC）优化调度方法，并提供了完整的Python代码实现。该方法融合了预测模型与实时反馈机制，针对微电网中可再生能源出力、负荷需求等存在的强不确定性，通过引入自适应机制动态修正预测偏差，有效提升了调度方案的精度与系统运行的鲁棒性。研究详细构建了包含分布式电源、储能系统及可控负荷的微电网数学模型，阐述了MPC框架下的滚动时域优化过程，实现了在降低系统综合运行成本的同时，保障微电网的安全稳定运行。; 适合人群：具备一定电力系统基础知识和Python编程能力的研究生、科研人员及从事微电网、综合能源系统优化调度相关工作的工程技术人员。; 使用场景及目标：①应用于高校或科研机构开展微电网能量管理系统的核心算法研究与教学实践；②为实际微电网工程项目提供一种考虑预测误差在线修正的先进优化调度解决方案，旨在提高新能源的消纳效率，增强系统应对不确定性的能力，并优化整体经济性。; 阅读建议：建议读者结合所提供的Python代码，深入理解MPC算法在微电网调度中的具体实现流程，重点关注预测模型构建、优化问题求解以及反馈校正环节的交互逻辑，可通过修改系统参数、调整预测误差场景等方式进行仿真验证，以探究不同条件下算法的性能表现。
基于灰狼优化算法优化Elman神经网络研究（Matlab代码实现）
06-27
内容概要：本文提出了一种基于灰狼优化算法（GWO）优化Elman神经网络的方法，并提供了完整的Matlab代码实现。该方法通过引入灰狼优化算法对Elman网络的初始权重和阈值进行全局寻优，有效解决了传统Elman神经网络易陷入局部最优、收敛速度慢、预测精度不稳定等问题。通过GWO的强全局搜索能力，提升了模型在处理非线性、动态性强的时间序列数据时的泛化能力和训练效率，特别适用于风电功率预测、电力负荷预测等复杂系统建模任务。文中详细阐述了算法的结构设计、优化流程、适应度函数构建及参数调优机制，并通过实验验证了其在预测精度和稳定性方面的优越性。; 适合人群：具备一定机器学习与智能优化算法理论基础，熟悉Matlab编程环境，从事时间序列预测、能源系统建模、自动化控制等领域研究的研究生、科研人员及工程技术人员（特别是工作1-3年的研发人员）。; 使用场景及目标：①提升Elman神经网络在风电、光伏、负荷等能源相关时间序列预测中的精度与鲁棒性；②解决动态系统建模中因参数初始化不当导致的收敛缓慢与性能下降问题；③为智能优化算法与递归神经网络的融合研究提供可复现、可拓展的技术方案。; 阅读建议：建议读者结合所提供的Matlab代码进行动手实践，重点理解灰狼优化算法的种群演化机制与Elman网络动态反馈结构之间的协同关系，关注参数初始化策略、适应度函数设计以及训练过程中超参数的影响，通过对比实验深入掌握模型优化的关键环节，以实现最佳预测性能。
YOLO算法工业车间螺丝刀目标检测数据集-594张-标注类别为螺丝刀.zip
06-27
【注：该页面底部资源详情处，可查看数据集可视化效果】 1. YOLO目标检测数据集， 适用于YOLOV5、yolov7,yolov8, yolov11, yolov13, yolo26等系列算法，含标签，已标注好，可以直接用来训练，包含YOLO格式标签和VOC格式标签； 2. 内置data.yaml数据集配置文件，已经划分好了训练集、验证集等； 3. 数据集和模型具体情况可参考 https://blog.csdn.net/zhiqingAI/article/details/124230743?spm=1001.2014.3001.5502
stm32单片机项目资料课程设计文档C语言程序代码原理图电路PCB实例超声波在超声波测距中的应用
06-27
stm32单片机项目资料课程设计文档C语言程序代码原理图电路PCB实例超声波在超声波测距中的应用
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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