久久精品一本到99热免费,亚洲国产日韩一区三区,精品国产综合二区亚洲,性欧美黑人性视频在线

    <sub id="qk7nk"><ol id="qk7nk"></ol></sub>
  1. 
    
  2. <legend id="qk7nk"></legend>

    <legend id="qk7nk"></legend>

    您的位置:首頁>科技>

    新研究確定了控制3D打印缺陷的新穎方法

    增材制造具有生產(chǎn)形狀復雜且浪費最少的零件的能力,因此有可能徹底改變金屬零件的生產(chǎn)。但是,這種潛力目前受到一個關(guān)鍵挑戰(zhàn)的限制:控制過程中的缺陷可能會損害3D打印材料的性能。

    《增材制造》雜志上的一篇新論文指出了一種可能的突破性解決方案:在生產(chǎn)時使用溫度數(shù)據(jù)來預測地下缺陷的形成,以便可以在當時和在那里進行處理。美國能源部(DOE)阿貢國家實驗室(Argonne National Laboratory)的一組研究人員與現(xiàn)在德克薩斯州農(nóng)工大學的一位同事一起發(fā)現(xiàn)了這種可能性。

    “最終,您將能夠在源頭打印出一些東西并收集溫度數(shù)據(jù),并且可以查看是否存在某些異常,然后進行修復或重新開始,”阿貢大學界面力學與材料小組的負責人Aaron Greco說。應(yīng)用材料部(AMD)和研究作者。“那是大目標。”

    在他們的研究中,科學家使用了Argonne先進的光子源(APS)的光束線32-ID-B上的極高亮度高功率X射線,該部門是美國科學部能源辦公室的用戶設(shè)施。他們設(shè)計了一個實驗裝置,使他們可以從標準紅外攝像機捕獲溫度數(shù)據(jù),從上方觀看印刷過程,同時他們使用X射線束進行側(cè)面觀察,以確定是否在表面下方形成了孔隙。

    孔隙率是指可能在激光打印過程中出現(xiàn)的微小的,經(jīng)常是微觀的“空洞” ,使組件易于破裂和其他故障。

    根據(jù)該論文的第一作者和應(yīng)用材料部門的計算材料科學家Noah Paulson的說法,這項工作表明,實際上表面溫度與下面的孔隙形成之間存在相關(guān)性。

    “同時具有頂視圖和側(cè)視圖是非常強大的。通過側(cè)視圖,這是APS裝置真正獨特的功能,我們可以看到,在某些處理條件下,基于不同的時間和溫度組合,孔隙率形式如下:激光越過。”保爾森說。

    例如,論文觀察到峰值溫度較低并隨后持續(xù)下降的熱歷史可能與低孔隙率有關(guān)。相比之下,從高開始,先下降然后到后來增加的熱歷史更可能表明孔隙率大。

    科學家使用機器學習算法從復雜的數(shù)據(jù)中弄清楚了,并根據(jù)熱歷史預測了孔隙的形成。鮑爾森表示,與使用數(shù)百萬個數(shù)據(jù)點的技術(shù)巨頭開發(fā)的工具相比,這項工作需要花費數(shù)百個努力。他說:“這要求我們開發(fā)一種定制方法,以充分利用有限的數(shù)據(jù)。”

    雖然3-D打印機通常配備有紅外攝像頭,但是成本和復雜性使得無法為商用機器配備APS上存在的那種X射線技術(shù),而APS是最強大的X射線光源之一在世界上。但是通過設(shè)計一種方法來觀察3D打印機中已經(jīng)存在的系統(tǒng),就沒有必要了。

    合著者Ben Gould解釋說:“通過將APS的結(jié)果與使用紅外技術(shù)在實際打印機中已經(jīng)可以得到的較不詳細的結(jié)果相關(guān)聯(lián),我們可以對打印質(zhì)量進行宣稱,而不必實際看到表面之下。”是AMD的材料科學家。

    在印刷時識別和糾正缺陷的能力將對整個增材制造行業(yè)產(chǎn)生重要影響,因為它將消除對每個批量生產(chǎn)的組件進行昂貴且耗時的檢查的需求。在傳統(tǒng)制造中,過程的一致性使得無需掃描從生產(chǎn)線出來的每個金屬組件。

    Greco說:“目前,存在3D打印錯誤相關(guān)的風險,這意味著存在成本。這種成本抑制了這項技術(shù)的廣泛采用。” “要充分發(fā)揮其潛力,我們需要降低風險以降低成本。”

    認識到增材制造相對于傳統(tǒng)制造的主要優(yōu)勢之一,這一工作變得更加緊迫。“我們從最近的大流行反應(yīng)中看到,能夠快速使生產(chǎn)適應(yīng)新的設(shè)計和需求將具有多大的價值。3-D技術(shù)非常適應(yīng)這些變化,” Greco補充道。

    古爾德說,展望未來,研究團隊希望他所謂的“非常非常好的第一步”將使它能夠繼續(xù)改進和擴展模型。“對于機器學習而言,要建立準確的模型,您需要成千上萬的數(shù)據(jù)點。對于這個實驗,我們有200個數(shù)據(jù)點。隨著我們輸入更多的數(shù)據(jù),模型將變得越來越精確。但是我們的發(fā)現(xiàn)非常有希望”。

    免責聲明:本文由用戶上傳,如有侵權(quán)請聯(lián)系刪除!