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:本文系统研究了电力系统短期负荷预测问题,提出并实现了基于极限学习机(ELM)及其智能优化改进模型的预测方法。研究涵盖标准ELM、白鲸优化算法(BWO)优化ELM鹭鹰优化算法(IBOA)优化ELM三种模型,重点通过智能优化算法对ELM的输入权重与偏置参数进行全局寻优,有效克服了传统ELM因参数随机初始化导致的不稳定性泛化能力不足的问题。文章完整呈现了从数据预处理、特征选择、模型构建、参数优化到预测结果对比分析的全流程,利用Matlab编程实现各模型的仿真验证,显著提升了预测精度与模型鲁棒性,为电力系统调度决策提供了可靠的技术支撑。; 适合人群:具备电力系统基础知识、时间序列预测理论及Matlab编程能力的高校研究生、科研机构研究人员以及电力公司从事负荷预测、电网调度与规划工作的技术人员。; 使用场景及目标:①应用于实际电力系统短期负荷预测业务中,提升电网运行调度的精细化与智能化水平;②作为智能优化算法与神经网络融合的经典案例,服务于学术论文撰写、科研项目申报及算法性能对比研究;③应对新能源大规模接入背景下负荷波动加剧的挑战,为构建高精度、强鲁棒性的现代负荷预测体系提供解决方案。; 阅读建议:建议读者结合所提供的Matlab代码进行动手实践,深入理解ELM网络结构与优化算法的集成机制,重点对比分析不同优化策略在收敛速度、预测误差(如MAE、RMSE、MAPE)等方面的性能差异,进而掌握智能优化技术在提升预测模型性能方面的关键作用。
内容概要:本文研究了基于Benders分解与输电网运营商(TSO)配电网运营商(DSO)协调机制的不确定环境下输配电网双层优化模型,旨在提升高比例可再生能源接入背景下电网系统的协调性与鲁棒性。模型上层以系统整体经济性为目标进行优化调度,下层采用Benders分解实现TSO与DSO之间的信息交互与协同决策,通过引入割平面迭代机制保障求解的收敛性与全局最优性。研究充分考虑新能源出力与负荷需求的不确定性,构建了具有强适应性的双层优化框架,并基于Matlab完成了模型的编程实现与仿真验证,有效解决了多主体、多层级、多不确定性因素耦合下的电力系统优化调度难题。; 适合人群:具备电力系统分析、运筹学与优化理论基础,熟悉Matlab编程环境,从事智能电网、能源互联网、分布式能源集成、电力市场等方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①研究高渗透率可再生能源条件下输配电网协同优化调度策略;②掌握Benders分解在电力系统双层优化建模中的应用方法与实现技巧;③构建TSO-DSO多主体协调机制,实现跨层级电网资源的高效互动与决策解耦;④提升对不确定性建模、分解算法设计及大规模优化问题求解能力。; 阅读建议:建议读者结合Matlab代码逐模块剖析模型构建流程,重点理解Benders割的生成逻辑、主从问题的信息传递机制及收敛判据设定,推荐在标准IEEE测试系统上复现实验以深入掌握模型特性与算法性能。
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