国内首家!这家中国3D打印材料企业,在美国建厂

中体新材又干了件大事,这次去美国建厂了。

过去几年,中国3D打印企业出海的主要方式,仍以产品出口为主。也有不少企业会选择在海外设立子公司或办事处,但真正把工厂建到海外的并不多;而选择在美国建厂的,更是少之又少。

如今,中体新材迈出了这一步。

近日,中体新材宣布,其位于美国加利福尼亚州的金属粉末生产基地已进入全面建设阶段。

该项目占地约5500平方米,规划建设4-6条自动化雾化产线,覆盖铝基、镍基、铁基、钛基等主流增材制造金属材料,首批产线预计于2027年第一季度投产

据我们了解,这也是目前国内3D打印材料企业中,首家将生产基地落地美国的企业。它的重要性不只在于新建了一座工厂,更在于行业出海方式正在从产品出口走向产能出海

▍为什么在美国本地生产越来越重要?

大家都知道,美国近年来持续推动高端制造业回流,航空航天、国防、汽车、消费电子等行业都在强化本土供应链。对于3D打印行业来说,一个明显的趋势是,美国军方正在持续加码增材制造。

像Velo3D近年来就多次拿下数千万美元级别订单,背后反映的,其实是美国正从国家层面推动3D打印及本土供应链建设。

而金属粉末是核心材料,客户越来越看重供应稳定性、交付周期和质量一致性。尤其在航空航天、国防等高端制造领域,本地化生产不仅能缩短交付周期,也能降低物流、关税以及贸易环境变化带来的不确定性。

▍这次,为什么又是中体新材跑在前面?

1,北美需求在变

随着北美增材制造从研发验证走向批量应用,金属粉末的需求正在不断增加。过去,客户可能只是采购少量粉末,用于工艺验证、样件开发或小批量试制。

但现在不一样了。越来越多应用开始进入量产阶段,客户需要的不再只是几公斤、几十公斤的测试材料,而是长期、稳定、持续的大批量供应。

2、低碳布局在前

但另一方面,除了价格、质量和交付,客户现在还会看材料能不能回收、碳排放高不高,以及是否符合ESG等绿色制造要求。

也正因如此,中体新材此前在低碳材料上的布局,才显得更有意义。

早在2024年9月,中体新材就已获得铝合金、钛合金材料的碳足迹认证及SCS循环材料认证,成为国内首家获得SCS认证的铝、钛合金粉末生产企业

随后,中体新材又与全球汽车系统供应商博泽(Brose)合作,将车削废料回收再利用,并制备成高性能3D打印铁基粉末。

所以,中体新材这次美国建厂,并不是突然押注低碳,而是此前绿色制造布局的进一步落地。

3、航空材料加分

此外,中体新材还有一个重要加分项:它是空客集团APWORKS旗下Scalmalloy®高性能铝合金粉末的亚洲独家授权生产商。

这意味着,中体新材已经进入国际航空航天高端材料体系。对于美国市场来说,这一点很关键,因为航空航天客户更看重材料认证、性能稳定性和供应可靠性。

据了解,加州工厂还将同步搭载全球领先的金属粉末闭环回收系统,构建“废料→再生制粉→3D打印→循环再利用”的全链条绿色制造模式,高度契合北美市场ESG发展理念与低碳政策导向。

▍中体新材,底气更足了

或许在金属3D打印材料赛道,中体新材并不是一开始最被看好的那一个,但这几年,它确实跑得很快。无论是技术积累、产能扩张,还是全球化布局,都能明显看到它的成长速度。

不久前,中体新材启动了超级工厂项目,规划总用地266亩。其中,一期76.5亩项目预计将于2026年底投产,规划新增金属粉末年产能超过8000吨

与此同时,中体新材已在北美、欧洲建立子公司,并持续完善全球化、本土化的产能与服务网络。随着加州工厂建设推进,公司也将逐步形成中国研发、中美双产能、全球交付的战略布局。

如果一定要用一个形象的比喻,我们会说:这几年的中体新材,正在从“丑小鸭”,一步步变成“白天鹅”。

代码下载地址: https://pan.quark.cn/s/a4b39357ea24 在计算机视觉技术中,数据集扮演着训练和评估模型的核心角色。Labelme作为一个广受欢迎的开源工具,能够支持用户以交互方式对图像进行标注,而COCO(Common Objects in Context)则是一种被广泛采纳的数据集标准格式,适用于包括物体检测、图像分割在内的多种任务。本文将详细阐述如何将Labelme生成的标注数据转换为COCO数据集的标准格式。 Labelme标注的图像在输出为JSON格式时,会包含以下核心内容: 1. `version`: 指明JSON文件的版本信息。 2. `flags`: 目前未定义或保持为空,预留用于未来的功能扩展。 3. `shapes`: 列表形式存储对象的形状信息,每个形状项包含`label`(对象类别名称),`points`(构成对象边缘的多边形顶点),以及`shape_type`(通常为“polygon”)。 4. `imagePath`和`imageData`: 提供原始图像的存储路径和二进制数据,便于后续图像的还原。 5. `imageHeight`和`imageWidth`: 明确标注图像的垂直和水平尺寸。 COCO数据集的标准格式中定义了三种主要的标注类型: 1. Object instances(目标实例):主要用于执行物体检测任务。 2. Object keypoints(目标上的关键点):适用于人体姿态估计相关应用。 3. Image captions(看图说话):用于生成图像的文本描述。 COCO的JSON结构中包含以下基本组成部分: 1. `images`:记录图像的基本属性,包括`height`(高度)、`...
内容概要:本文围绕基于Basisformer模型的时间序列锂离子电池SOC(State of Charge,荷电状态)预测展开研究,利用PyTorch深度学习框架构建并训练模型,旨在提升锂电池SOC估计的准确性与鲁棒性。该方法融合Transformer架构的核心机制,通过引入基函数(Basis)分解策略,有效捕捉电池充放电过程中长时序、非线性动态特征,增强模型对复杂工况的适应能力。研究不仅详细阐述了Basisformer的网络结构设计、注意力机制优化与训练流程,还提供了完整的Python代码实现方案,涵盖数据预处理、模型搭建、损失函数定义、训练验证及结果可视化等环节,便于科研人员快速复现、调优并拓展至其他电池状态预测任务。; 适合人群:具备一定深度学习与Python编程基础,熟悉PyTorch框架,从事电池管理系统(BMS)、能源汽车、储能系统、智能传感等领域的高校研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于动力电池与储能系统的实时SOC估算模块,提升系统安全性与能量利用效率;②作为学术研究的基础模型,用于复现、改进基于Transformer的时间序列预测方法在电化学系统中的应用;③为数据驱动的电池健康状态(SOH)、剩余使用寿命(RUL)联合估计提供可扩展的技术框架。; 阅读建议:建议读者结合所提供的代码与公开电池数据集(如NASA、CALCE等)进行动手实践,深入理解模型的输入输出结构与时序建模逻辑,同时可尝试引入温度、老化周期等多维特征,或融合物理模型构建混合预测架构,以进一步提升预测精度与泛化能力。
内容概要:本文系统阐述了基于动态规划算法优化插电式混合动力电动汽车(PHEV)能源管理的技术方案,结合Matlab与Simulink工具实现完整的仿真建模与代码开发。通过动态规划这一全局优化方法,在已知驾驶循环条件下,精确求解发动机、电机及电池之间的最优能量分配策略,以实现燃油消耗与排放的最小化目标,解决PHEV多能源路径规划中的复杂决策问题。文中提供了详尽的仿真模型构建流程与算法实现步骤,涵盖车辆动力学建模、能量管理架构设计、状态空间定义、代价函数构造、最优控制律求解及结果可视化分析等关键环节,全面揭示PHEV能量管理系统的内在机制与优化逻辑。; 适合人群:具备一定Matlab/Simulink编程基础,从事能源汽车、智能控制、电力电子、自动化或交通运输工程等相关领域的研究生、科研人员及工程技术人员,尤其适合专注于车辆能量管理策略、节能控制算法研究的专业人士。; 使用场景及目标:①深入掌握动态规划在混合动力汽车能量管理中的理论基础与工程实现方法;②学习如何在Matlab/Simulink环境中搭建PHEV整车仿真平台并实施多目标优化仿真;③为学术研究、学位论文撰写或实际工程项目提供可复用的算法框架、模型模板与技术支持,支撑后续对等效燃油消耗最小化策略(ECMS)、模型预测控制(MPC)、实时优化算法等的对比研究与性能评估。; 阅读建议:建议读者结合所提供的完整代码与Simulink模型文件,逐模块调试运行,重点理解状态变量离散化处理、前后向递推求解过程、惩罚项设置以及边界条件处理等核心技术细节,同时可进一步拓展应用于不同工况场景、不同车型结构或与其他优化算法(如庞特里亚金极小值原理PMP)的对比验证,从而深化对PHEV能量管理实时性与全局性平衡问题的理解。
内容概要:本文围绕基于多虚拟同步发电机(VSG)的独立微网系统,开展多目标二次控制策略的MATLAB/Simulink建模与仿真研究。通过构建包含多个VSG单元的独立微网系统,设计并实现了能够同时实现频率与电压的无静差恢复、有功/无功功率精确分配以及环流有效抑制的综合控制目标的二次控制方法。研究重点在于控制策略的整体架构设计、关键控制模块的数学建模及其在Simulink环境中的精细化实现,通过大量仿真实验验证了所提控制策略在不同工况下的有效性、动态响应性能及系统鲁棒性。; 适合人群:具备电力系统分析、自动控制理论及现代电力电子技术等专业知识背景,熟悉MATLAB/Simulink仿真工具,从事能源发电、微电网运行与控制、分布式能源系统集成等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:① 深入掌握多VSG独立微网系统的建模方法与稳定性分析要点;② 理解并复现兼顾静态精度与动态品质的多目标二次协同控制算法;③ 为型微网控制保护装置的研发及先进控制策略的工程化应用提供可靠的仿真验证平台和技术储备。; 阅读建议:学习者应在巩固电力系统基础理论的前提下,重点关注控制算法的设计逻辑、各控制环节间的耦合关系以及Simulink模块的搭建技巧,建议通过调整系统参数、设置不同的负载投切与故障扰动工况进行反复仿真,以深刻理解控制策略的内在机理与适应能力。
【通用视觉框架】基于Qt+Halcon开发的仿Visionmaster的通用视觉框架软件,全套源码,开箱即用 1.1 背景 ​ 本项目软件开发意图为实现对Halcon、Opencv算子及其它视觉软件的便捷使用,由于Halcon和Opencv使用相比VisionPro较为麻烦,故此本软件仿照海康VisionMaster的流程图式操作,实现对Halcon、Opencv及其它视觉软件的二次开发。 2.1 软件概述 本软件使用Qt框架进行开发,实现对视觉流程的自由搭配,市场上对标海康威视的VisionMaster; 本软件使用插件化开发框架,可使用提供的二次开发库自行添加功能算子和模块(将生成的插件放置到对应目录下即可); 2.2 功能概述: 视觉流程图式编程:实现对视觉/数据处理算子的自由编程,从而实现各类复杂的视觉需求 项目读取保存:将编程的视觉项目进行保存或者读取 图像显示:主界面中可以显示及监控视觉算子的图像处理情况 日志消息显示:显示软件运行过程中出现的日志消息 多语言:可进行多种语言切换 2.3 开发平台 主开发语言:Qt(C++) C++语言标椎:C++17 开发环境:Window/Linux 编程平台:Qt Creator 编译器: |版本 | MSVC | Qt 6.4.0 MSVC2019 64bit | | Mingw | Qt 6.4.0 MinGW 64-bit | 视觉工具:Halcon19.11 Progress X64 资源介绍请查阅:https://blog.csdn.net/m0_37302966/article/details/146980317 更多视觉框架资源:https://blog.csdn.net/m0_37302966/article/details/146583453
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