我国火箭推力室3D打印,又一空白被填补!

3D打印技术参考注意到,宁夏日报1216日消息,中色东方下属企业宁夏东方智造科技有限公司自主研发的增材制造米级铌钨合金复杂结构推力室成功交付!它不但填补了国内在大尺寸难熔金属3D打印领域的技术空白,也为我国航天极端工况部件的制造开辟了新路径。

相比传统工艺该推力室的重量减轻了30%。而在航天发射中,每减重1公斤就可以节省数万元的发射成本。

从材料上来说这也是一项有重要意义的突破。铌钨合金是第二代航天高温铌基合金,熔点高达2500℃、强度是传统铌铪合金的两倍以上,是极端环境的理想选材。

但是材料的高熔点也造成加工难度极大,即便是采用金属3D打印也绝非易事。火箭推力室的尺寸达到米级,内部还有近百条要求±0.1mm精度的冷却流道,这使得制造难度成倍增长。

报道显示,东方智造拥有国内唯一的钽铌合金增材制造全产业链优势,依托其核心专利和中色东方的技术支持,通过深入联系材料特性与航天标准及多次技术迭代,研究团队攻克了高熔点材料的3D打印成形,复杂结构精度控制以及应力均衡等难题。

图片

3D打印技术参考查询到,东方智造公司以难熔金属、难熔金属基合金、难熔高熵合金冶炼加工、球形钽粉、钽钨合金粉、铌粉、铌钨合金粉加工与销售3D打印产品设计、3D打印服务、3D打印产品销售为主营业务。  

2024年华曙高科报道指出,其正与东方智造一起,在难熔金属大尺寸、产业化3D打印解决方案及打印服务方面展开合作,后者已引入华曙FS271M、FS273M以及FS511M金属3D打印机。

东方智造难熔合金3D打印应用(来自华曙高科)

铌合金被当作镍基高温合金的潜在替代品。镍基高温合金机械稳定性极限大概为1050°C,超过这个温度性能就会下降。而铌合金在极端热负荷下仍能保持强度,所以是发动机喷嘴、卫星推进器和控制面等部件的理想材料。3D打印技术能够制造出锻造或铸造难以做到的轻量化和复杂几何形状,因此关于铌合金的3D打印也被国外同行所重视。

Castheon公司3D打印的Nb C103推力室部件

如要将铌合金用于3D打印,还需要优化材料的成分和粉末特性,使其能够可靠稳定的进行3D打印,产品微观结构应稳定,性能应一致,更需要满足航天认证标准。

3D打印技术参考注意到,美国制造研究院于2024年拨款600万美元用于资助6K Additive开发铌合金在粉末床熔融和定向能量沉积应用中的性能。

美国宇航局格伦研究中心近期进行了一项研究,评估了增材制造的铌合金C-103、FS-85和Cb-752材料的力学性能。特别关注这些材料在高温环境下的拉伸强度以及抗蠕变特性。结果显示:FS-85和Cb-752两种铌合金在高温下的机械强度比C-103更高,抗蠕变性能也更加出色,因此这两种材质对于热应力推进及热防护系统来说有着重要的应用潜力!

Nikon SLM Solutions 3D打印的C103铌合金

总的来讲,铌合金的3D打印正日益受到越来越多的关注。但国内在该领域开展研究的机构仍然很少。东方智造此次交付米级的3D打印推力室,不仅仅是填补了空白,也意味着我国的用户单位已经察觉到3D打印制造难熔合金在航天领域的重要性,相信后续的进展将更迅速。

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

欢迎转发

延伸阅读:

1.3D打印最新Nature,中国学者!

2.EOS:在3D打印技术发展的多个关键转折点始终保持清醒

3.新型3D打印技术可制造超强材料,承压能力是普通材料的20倍

4.8550万!中航重机向子公司增资,重点发展增材制造业务

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。
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