فناوری های مواد و ساخت:

طراحی سلسله مراتبی ویژگی های مواد برای ساخت افزایشی لیزری با تغذیه سیمی

در یک مطالعه جدید، یک چارچوب طراحی یکپارچه چند مشخصه­ای جامع را بر اساس یادگیری از داده‌های آزمایشی پیشنهاد می‌کند تا امکان کنترل کیفیت نهایی سطح، هندسه و ویژگی‌های ریزساختاری قطعه را فراهم کند.

ساخت افزایشی لیزری با تغذیه سیمی[1] (WLAM) یک فناوری است که در آن قطعات سه بعدی با تغذیه مداوم یک سیم در یک حوضچه مذاب تولید شده توسط پرتو لیزر ساخته می­شوند.

این فرآیند در مقایسه با روش‌های سنتی، که شامل ریخته‌گری دقیق یا ماشین‌کاری از آهنگری‌های بزرگ می‌شود، از طریق کاهش قابل‌توجه ضایعات مواد و زمان تولید قطعات کاملاً متراکم با نرخ رسوب بالا، باعث صرفه‌جویی در هزینه و زمان می‌شود. چگالی توان بالا و انعطاف‌پذیری لیزرها، کنترل کافی را برای ایجاد ویژگی‌های متوسط تا کوچک با ویژگی‌های هندسی نزدیک به قطعه نهایی امکان‌پذیر می‌سازد، بنابراین باعث صرفه‌جویی بیشتر در هزینه و همچنین افزایش آزادی طراحی می‌شود. ساخت افزایشی لیزری با تغذیه سیمی سال­هاست که به علت قابلیت اتوماسیون سطح بالا، کاهش ضایعات مواد، هزینه­های کلی و تولید در مقیاس بزرگ مورد توجه قرار گرفته است. با این حال، چاپ سه بعدی قطعات با مشخصه­های دلخواه مواد به دلیل هزینه بالای داده‌های تجربی و روش‌های آزمون و خطا و همبستگی‌های متقابل بین خواص، چالش بزرگی است.

در یک مطالعه جدید، یک چارچوب طراحی یکپارچه چند مشخصه­ای جامع را بر اساس یادگیری از داده‌های[2] آزمایشی پیشنهاد می‌کند تا امکان کنترل کیفیت نهایی سطح، هندسه و ویژگی‌های ریزساختاری قطعه را فراهم کند.

بر این اساس، ارتباط بین فرآیند-ریزساختار–هندسه قطعات چاپ شده سه بعدی و امتیازات اهمیت ویژگی­های فرآیند بررسی شده است. و کیفیت کلی سطوح قطعه (صاف، موج دار و شکست خورده)، هندسه (به عنوان مثال ارتفاع ، عرض، و عمق منطقه همجوشی)، و ویژگی­ های ریزساختار به طور همزمان برای به دست آوردن پنجره فرایندی بهینه شده­اند. به طور خاص، آستانه‌های ویژگی های مطلوب به‌صورت تجربی تعریف شده­اند، و ریزساختارها و هندسه‌های قعات تحت ترکیب‌های فرآیندی مختلف توسط مدل‌های یادگیری ماشین پیش‌بینی شده و در یک فضای کانتور سه‌بعدی تجسم شده‌اند.

با این پیش‌بینی‌ها، پارامترهای فرآیند با عبور از مجموعه‌ای از فیلترها بهینه می‌شوند تا پارامترهای فرآیندهای ناخواسته و نامطلوب را از فضای جستجوی فرآیند فیلتر کنند. نتایج اعتبارسنجی نشان می‌دهد که پارامترهای فرآیندی بهینه‌سازی شده توسط این چارچوب می‌تواند سرعت ساخت مواد را با کارایی چند گانه مورد نظر افزایش دهد.

https://www.sciencedirect.com/science/article/abs/pii/S1526612522003425

 



[1] Wire-laser additive manufacturing

[2] Machine learning

کلمات کلیدی
//isti.ir/Z3pv