场辅助金属增材制造,如何提升PBF与DED工艺性能?

文摘   2024-10-10 17:40   江苏  
场辅助增材制造(Field-assisted additive manufacturing, FAAM)作为增材制造的一项延伸技术,融合了多元能量场的特性,旨在超越传统增材制造(AM)的限制。通过集成外部能量场,包括但不限于磁场、声学场、机械场、热场,以及等离子场、电场和复合多场,该技术有效改善了沉积材料的微观结构,增强了其机械性能,并提升了成型品质。FAAM不仅强化了AM的品质与效能,更拓宽了其在高需求产业中的应用范围。

1

FAAM赋能PBF与DED工艺

FAAM标志着增材制造发展的一次重要突破,通过调控外部场域对熔融原料的影响,改善熔池动力学,细化微观结构,减少缺陷,进而定制化产出高性能成果。此项整合方案已有效提升诸如激光粉末床熔融(PBF-LB)和激光定向能量沉积(DED-LB)现有技术的功效,展现其强大潜能。

2

FAAM优势凸显:释放制造新潜力

与传统AM技术相比,FAAM具备多项优势:
  • 增强材料性能: FAAM可以细化金属的微观结构,从而提高强度、延展性和抗疲劳性。例如,在PBF-LB过程中施加磁场可以通过细化晶粒结构来增强钛合金的拉伸性能。
  • 提高零件质量:通过控制熔池动力学和凝固行为,FAAM减少了孔隙率和开裂等常见缺陷,从而生产出致密度更高、质量更佳的零件。
  • 扩大材料选择: FAAM能够处理更广泛的材料,包括那些对传统AM方法具有挑战性的材料。
  • 提高设计自由度:辅助领域允许更复杂的几何形状和创新的设计可能性,突破了AM 所能实现的界限。

3

FAAM的挑战与未来方向

尽管FAAM潜力巨大,但也面临着一些挑战:
  • 成本:辅助场的集成增加了AM系统的复杂性和成本。
  • 过程控制:实现对辅助场和材料之间相互作用的精确控制对于优化结果至关重要。
  • 研究与开发:需要进行更多研究才能充分了解其中的作用机制并开发适合FAAM的新材料。

4

机器学习在FAAM中的作用

机器学习(ML)将在 FAAM 的发展中发挥关键作用,具体表现为:
  • 流程优化:ML算法可以分析大型数据集以优化处理参数,减少缺陷并提高效率。
  • 材料发现: ML可以加速为FAAM定制的新材料的发现,超越传统的反复试验方法。
  • 实时监控:先进的ML技术能够实现即时的分析与调控,确保质量与性能的一致性。
通过整合辅助能量场效能,FAAM对传统AM进行了性能升级,实现了材料属性的优化、构件质量的提升及设计空间的拓展。伴随研究深入与技术迭代,FAAM在制造流程创新、新型材料探索及智能算法融合上将持续展现活力,正逐步进化成为制造业中不可或缺的关键技术。FAAM正以其成本效益显著且高效能的零部件制造能力,引领制造业步入一个融合创新与高效的新时代。
论文:

https://doi.org/10.1016/j.ijmachtools.2023.104032

免责声明

此文内容仅分享使用,如有版权问题请联系处理或删除。

邀您进入行业群聊,共寻增材繁荣新答案”

扫码或长按下方二维码加入

@

增材技术交流群

“分享是最好的学习方式。”

增材工业
聚焦工业级增材制造,链接政企学研用。
 最新文章