更智能的3D打印可以更快地制造更好的零件

來(lái)源：江蘇激光聯(lián)盟

導(dǎo)讀：得益于密歇根大學(xué)開(kāi)發(fā)的新軟件,，3D打印機(jī)可能很快就能更好地生產(chǎn)復(fù)雜的金屬和塑料零件，該軟件可以減少激光粉末床聚變打印機(jī)中有害的熱量積聚,。

△圖源：Pixabay/CC0 Public Domain

在最近的一項(xiàng)研究中,，這款名為SmartScan的軟件顯示熱量分布改善了41%，變形減少了47%,。

它還可能通過(guò)兩種方式加快制造過(guò)程：減少打印機(jī)減速以幫助冷卻的需要,，以及顯著減少打印后必須糾正的由熱引起的缺陷。

激光粉末床熔接是一種3D打印形式,，用于航空航天,、汽車和生物醫(yī)藥行業(yè)，以制造過(guò)于復(fù)雜而無(wú)法用常規(guī)制造的零件,。它使用激光將金屬粉末或塑料層熔合在一起,。但激光的熱量會(huì)積聚在打印的精密零件上，導(dǎo)致變形和其他缺陷,。

密歇根大學(xué)機(jī)械工程副教授,、《增材制造》的通訊作者Chinedum Okwudire說(shuō)：“對(duì)于具有超薄特征的零件，這個(gè)問(wèn)題變得更加嚴(yán)重,。熱量沒(méi)有太大的傳播空間,，所以需要聰明地移動(dòng)激光，否則零件會(huì)以非常奇怪的方式變形,�,！�

SmartScan通過(guò)考慮給定零件內(nèi)的熱量流動(dòng)，并映射優(yōu)化的掃描順序來(lái)限制任何給定區(qū)域內(nèi)的熱量積聚,，從而解決了該問(wèn)題,。它分析了零件的形狀和所用材料的熱性能，包括傳導(dǎo)和對(duì)流傳熱。

△（a）Island編號(hào)模板,；（b）LHI和（c）建議的智能掃描方法的Island掃描序列的彩色圖,。

該領(lǐng)域的其他人已經(jīng)試驗(yàn)了不同的打印模式以減少熱量積聚，例如從一個(gè)區(qū)域跳到另一個(gè)區(qū)域或在水平和垂直掃描方向之間交替,。但Okwudire說(shuō),，SmartScan是第一個(gè)使用熱模型來(lái)優(yōu)化引導(dǎo)激光以更均勻地分布熱量的解決方案。

為了確定SmartScan第一版的有效性,，研究人員使用激光在兩塊不銹鋼板上壓印相同的圖案,。他們對(duì)第一塊印版使用SmartScan流程，對(duì)第二塊印版使用傳統(tǒng)打印模式,。與其他方法相比,，使用SmartScan制作的印刷品在標(biāo)記過(guò)程中始終變形較小，并且顯示出更均勻的熱量分布,。

△使用研究中的四個(gè)Island掃描序列測(cè)量6cm x 6cm AISI 316l不銹鋼板的變形剖面,。括號(hào)內(nèi)的數(shù)字分別是每個(gè)板的最大和平均變形，單位為mm,。請(qǐng)注意,，提出的SmartScan顯示的變形明顯低于競(jìng)爭(zhēng)的啟發(fā)式方法。

根據(jù)實(shí)驗(yàn)結(jié)果,，團(tuán)隊(duì)相信,，通過(guò)進(jìn)一步研究，他們將能夠采用SmartScan構(gòu)建完整的3D零件,。他們計(jì)劃進(jìn)一步改進(jìn)該軟件,，將金屬或塑料粉末的熔化納入其熱建模中，并在打印過(guò)程中根據(jù)使用紅外相機(jī)實(shí)時(shí)觀察到的溫度測(cè)量,，主動(dòng)更新掃描序列,。

“結(jié)果非常有希望，我們得到了很多積極的反饋,�,！監(jiān)kwudire說(shuō)，他已經(jīng)開(kāi)始向行業(yè)合作伙伴演示該軟件,�,！拔覀冞x擇了一個(gè)簡(jiǎn)單的模型，因?yàn)樗�很有��,，而且比今天使用的試錯(cuò)法效果更好,。我們希望專注于一個(gè)實(shí)用的方向，真正有機(jī)會(huì)有所作為,�,！�

這項(xiàng)研究發(fā)表在《增材制造》雜志上,。

△實(shí)驗(yàn)測(cè)量了6cmx 6cm AISI 316l不銹鋼板在掃描過(guò)程中的四種情況下條紋掃描圖案的溫度分布。提出的智能掃描比其他啟發(fā)式方法顯示出更均勻的溫度分布,。

來(lái)源：SmartScan: An intelligent scanning approach for uniform thermal distribution, reduced residual stresses and deformations in PBF additive manufacturing, Additive Manufacturing (2022). DOI: 10.1016/j.addma.2022.102643