LPBF金属3D打印铺粉过程高速摄像,最终证明三峰PSD更适合!

优化粉末床的质量对于提升金属3D打印零件的性能至关重要。3D打印技术参考注意到,研究人员借助高速摄像观察了粉末粒度分布对铺粉过程中的粉末扩展机制和粉末床特性的影响,进而提出了一种更好的粒度分布(PSD)来提高铺粉过程中的粉末床密度和均匀性。

原位观测铺粉过程示意图

金属粉末层铺得均不均匀,是影响金属3D打印品质的关键因素之一。已经有很多研究人员探讨过在铺粉过程中优化粉末床质量的方法。例如降低铺粉的速度可以提高粉末床的密度,但会造成生产效率降低;如果增加层厚、压实,这样也可以增加粉床密度,但粉层太厚很有可能导致烧结不彻底,会导致产生打印缺陷。因此,仅仅调整铺粉参数并不是稳定有效的提升LPBF金属3D打印工艺粉床质量的方式。

图铺粉过程观察装置示意图,包括分段粉末床和观察点

此外,也有研究探讨了铺粉过程中刮刀角度、超声辅助送粉等方法,但这些手段的实际效果比较有限,往往受制于粉末材料本身的特性,如颗粒尺寸、形貌以及流动性等条件,因此,在不改动设备的前提下,提升粉末床质量最为有效的途径在于,优化粉末自身的性能,重点包括粒径分布、颗粒形态及流动特性。

对于粒径超过20微米的颗粒而言,粉末粒度分布(PSD)已经被看作是影响粉末床密度的关键因素,它比颗粒形状以及流动性都更加重要。所以,在粒径大于20微米的粉末当中,优化粒度分布,是改善LPBF粉末床质量的可行办法,不需要去改变工艺参数或者设备。

这项研究利用原位观察以及PIV分析,来展现粒度分布对扩散机制以及粉末床特性的影响,在进行评估时选取了四种PSD类型,分别是单峰、双峰、三峰,还有原始PSD,依据这些定制的粒度分布,研究铺粉过程中粉末床截面区域的颗粒分离情况。最终,结合原位观察以及PIV分析的结果,来探讨PSD、分离行为和传播机制之间的联系。

(a) 304不锈钢粉末的SEM图像;(b) 原始粉末粒度分布;(c) 粒子筛分过程示意图;(d) 基于粒子数量的筛分粉末获得的准备好的粒度分布

研究发现:

🔹细颗粒(<53 μm):由于表面积较大且重量较轻而增加了粘结相互作用。

🔹较高比例的中间颗粒(>53 μm):减轻了这些相互作用。

🔹双峰PSD:细颗粒团簇的形成抑制了初始铺粉区域中粒径小于53微米的颗粒分离。

🔹三峰PSD:通过增加粒径大于53微米的中间颗粒比例,实现了细颗粒的均匀分离,通过颗粒对流改善了铺粉均匀性。

铺粉过程中粉末扩散的示意图:(a)所需的粒度分布(PSD);(b)用单峰PSD颗粒流动行为;(c)具有双峰PSD的流动行为;(d)三模态PSD的流动行为

粒子图像测速原位成像显示,颗粒动能主要在剪切应力区域被消耗,这些区域存在层间速度不匹配的情况。最终他们认为,三峰PSD通过增强颗粒对流促进了细颗粒的均匀偏析,证明了其更适用于粉末床熔融增材制造。

更详细的研究可见“Influence of particle size distribution on the powder bed quality in the powder bed fusion additive manufacturing process”一文。

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.全球3D打印行业,头部设备商有哪些?

2.航空航天业增材制造备受瞩目

3.结构、导热、功能件全覆盖,金属3D打印材料新品大阅兵!

4.一种3D打印钛合金新配方:比Ti6Al4V成本更低、性能更好

内容概要:本文围绕列车-轨道-桥梁交互仿真研究,基于Matlab平台构建数值模型,系统分析列车运行过程中轨道与桥梁结构间的动态相互作用机制。研究涵盖多体动力学建模、耦合系统运动方程求解、边界条件设定及仿真结果可视化等关键环节,重点揭示高速行车条件下基础设施的振动传递规律与力学响应特征。该仿真方法可有效评估结构安全性、舒适性指标及疲劳寿命,为轨道交通工程的设计优化与运维管理提供理论支撑和技术路径。文中配套提供了完整的Matlab代码实现方案及操作说明,便于用户复现、验证和拓展相关研究。; 适合人群:具备Matlab编程基础和结构动力学、车辆动力学等相关专业知识的研究生、科研人员及从事铁路工程、桥梁工程与交通系统安全评估的工程技术人才,尤其适合开展轨道交通耦合振动课题的研究者。; 使用场景及目标:①用于高校与科研机构进行列车-轨道-桥梁耦合系统动力学特性的教学演示与科学研究;②支撑高速铁路桥梁的设计优化、运营安全性评估与减振降噪方案验证;③为复杂交通基础设施的多物理场耦合仿真提供建模思路与代码参考。; 阅读建议:建议读者结合所提供的Matlab代码逐模块深入研读,重点关注系统建模假设、质量-刚度-阻尼矩阵构建方法及数值积分算法的实现细节,同时可通过调整参数进行敏感性分析,进一步掌握仿真模型的适用范围与优化方向。
内容概要:本文系统研究了非线性薛定谔方程的物理信息神经网络(PINN)求解方法,提出一种将物理规律嵌入深度学习模型的科学计算新范式。通过构建全连接神经网络架构,将非线性薛定谔方程及其初始/边界条件作为损失函数的核心组成部分,实现了在无须大量标注数据的前提下对复值偏微分方程的高精度数值求解。该方法充分利用自动微分技术精确计算方程残差,有效融合了数据驱动与模型驱动的优势,在光学孤子传播、量子系统演化等典型场景中展现出优异的逼近能力与泛化性能。文中配套提供了完整的Python实现代码,涵盖网络搭建、损失定义、训练优化与结果可视化全流程。; 适合人群:具备Python编程能力与深度学习基础知识,熟悉偏微分方程理论及科学计算的理工科研究生、科研人员,以及从事光学、量子物理、流体力学等领域建模与仿真的工程技术人员。; 使用场景及目标:① 掌握PINN方法的基本原理与实现技巧;② 学习如何将复杂物理方程转化为可训练的神经网络损失项;③ 应用于非线性光学、玻色-爱因斯坦凝聚、水波动力学等问题的仿真与预测;④ 为相关科研课题提供可复现的算法原型与代码参考。; 阅读建议:建议读者结合所提供的Python代码进行动手实践,重点理解神经网络对微分算子的近似机制、损失函数的多任务加权策略以及训练过程中的超参数调优方法,进而可迁移至其他非线性偏微分方程的求解任务,拓展其在交叉学科中的应用边界。
源码下载地址: https://pan.quark.cn/s/a4b39357ea24 微软推出的【AZ-900微软认证】是一项针对初学者的基础级云服务资格认证,其目的在于帮助学习者掌握云概念、微软Azure服务的运作机制以及云解决方案的核心知识。获得这一认证后,考生将能够清晰地理解云计算领域的基础术语、服务模式(包括IaaS、PaaS、SaaS等)以及这些服务在Azure平台上的实际应用方式。 在【必过考题】部分,我们可以观察到两个重点议题,它们分别聚焦于PaaS(平台即服务)的概念阐释和云成本的计算方式。 在第一个议题中,考生被要求辨别关于PaaS的正确性描述。PaaS平台提供了一个开发环境,但并不允许用户直接访问操作系统(Box 1: No)。比如,Azure Web Apps服务可以用来部署web应用,但用户无法直接管理虚拟机或IIS系统。另一方面,PaaS确实具备自动扩展的功能(Box 2: Yes),这表示可以根据实际需求自动增加负载均衡的虚拟机以支持web应用的运行。PaaS框架还为开发人员提供了构建和调整云端应用的工具,预置的应用组件能够有效缩短新应用的编程周期(Box 3: Yes)。 第二个议题同样关注云计算理念的理解,尤其强调IT支出从资本性支出(CapEx)向运营性支出(OpEx)的转型思想。传统的IT投资通常被视为CapEx,而云计算的按需付费机制使企业能够将这部分开支转化为OpEx,从而在财务规划上获得大的自由度。 在为AZ-900考试做准备时,考生需要特别关注以下几个核心知识点: 1. **云服务模式**:深入理解IaaS(基础设施即服务)、PaaS和SaaS(软件即服务)之间的差异及其各自的应用情境。 2. **Azure服务*...
源码下载地址: https://pan.quark.cn/s/239a0d536a1e 依据所提供的文件资料,可以归纳出以下核心内容:由清华大学计算机系邓俊辉教授精心编纂的算法训练营题目合集,对于CSP(中国软件专业人才设计与创业大赛)及PAT(程序设计能力测试)这类编程竞赛具有极高的参考价值,堪称一份极具价值的参考资料。此类竞赛普遍对参赛者的算法功底和编程技巧提出严苛要求。该合集中的题目与算法领域紧密相连,其中包含了“最大红矩形”这一典型题目。所谓最大红矩形题目,其核心任务是针对一个由红色与绿色方格构成的棋盘,寻觅出最大的纯红矩形区域。要攻克这一问题,必须运用数据结构与算法的相关知识,特别是栈这一数据结构的应用。 “最大红矩形”问题能够被抽象转化为“直方图最大面积”问题。具体转化方法是将棋盘的每一列视为一个独立的直方图单元,其中红色方格的贡献体现为当前位置与前一个绿色方格所在行数的差值,从而保证每个直方图的基宽恒定为1。随后,借助扫描直方图的技术手段来探寻最大矩形面积。这一过程需要对每个直方图进行系统性遍历,并利用栈来记录各直方图的下标信息。一旦检测到当前直方图的高度小于栈顶元素所记录的高度,则意味着遭遇了一个“高点”,此时需计算以该“高点”为右边界条件的最大矩形面积。 在编程实践环节,必须高度关注栈的操作细节,以及如何精确地初始化和操纵栈来应对直方图问题。代码实现中,通常配置两个栈,一个用于储存直方图的高度值,另一个用于标记直方图的下标位置。当面对新高度时,需审慎判断当前高度与栈顶高度的相对关系,并据此抉择是执行入栈操作还是计算面积。针对“低点”(即当前高度小于栈顶),应直接将当前高度纳入栈中;而对于“高点”,则需执行弹出栈顶元素的操作,并基于该栈顶元素的高...
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