3D打印网-中国3D打印门户移动版

     激光粉末床熔融 (L-PBF) 可以很好地控制零件的几何形状，对于制造小批量的复杂零件来说是一项有吸引力的技术。然而，即使使用恒定的加工条件（激光功率、扫描速度等），零件几何形状和扫描路径的相互作用也会改变3D打印材料所经历的复杂条件。这些复杂条件的差异可能导致不同的凝固微观结构、残余应力分布以及其他可能影响零件性能的因素。

      在ORNL橡树岭国家实验室最近发表在《增材制造》杂志上的论文“利用数字线程对增材制造零件中基于物理的微观结构异质性进行预测”中，展示了一种经过验证的计算方法来预测不锈钢 316-L 零件中不同区域凝固条件的影响。作为验证的一部分，ORNL橡树岭国家实验室表明相应竣工零件的不同区域的微观结构晶粒尺寸和晶体织构存在定量差异。

论文链接：

www.sciencedirect.com

根据3D科学谷，数据与算法的重要性正在掀起3D打印行业的自我革命，是增材制造走向智能制造的跨时代金矿与赋能工具。

 算法“挑大梁“

       增材制造 (AM) 工艺的一个主要限制是，即使保持一致的工艺条件，但材料沉积的局部条件经常导致单个组件内的微观结构和性能出现意外的异质性。到目前为止，业界通常需要昂贵的试错方法来制造、测试和表征。而为了避免昂贵的失措所带来的大量浪费，实现智能控制技术成为了当前增材制造工艺走向主流制造技术的必经之路。

根据《案例 l 透过火箭燃料箱增材制造挑战，理解智能控制技术的价值》一文，多年来 ，粉末床激光选区熔融 (L-PBF) 金属增材制造已从关键应用的原型设计发展到批量生产，并不断面临生产更复杂的几何形状、 满足更高的质量要求及产量需求的挑战。

为应对这些挑战，业界不仅需要创新的机器硬件，而且需要改进曝光策略并引入新的软件功能。这其中，使用来自EOSTATE Exposure 光学断层扫描 (OT) 监控系统的图像来确定最佳能量输入，从而管理零部件的热特性，工业级增材制造设备企业EOS的成型控制软件—Smart Fusion闭环智能熔融技术将工艺监测提升到了全新水平。

在这项工作中，ORNL橡树岭国家实验室开发了一个框架，利用存储在零件数字线程上的原位数据来识别粉末床熔融增材制造构建中产生的微观结构异质性。使用数字工厂软件工具 (Peregrine) 来捕获和存储来自不锈钢 316-L 零件的真实构建的数据。来自构建的扫描路径数据用于使用半解析传热模型（3DThesis）模拟零件中不同区域的凝固条件。

ORNL橡树岭国家实验室的研究工作利用了ORNL制造示范设施 (MDF) 的工具和专业知识的独特组合，包括：

- 一种计算高效的热传导模型，用于预测零件整个层的凝固条件；

- Peregrine：一个数字工厂框架，用于获取竣工处理条件，例如扫描路径和打印机设置，以用作模拟的输入；

- 在表征实验室中通过整个零件层的 EBSD 映射对微观结构进行深入表征。

ORNL橡树岭国家实验室提出了一种基于物理的框架，用于创建激光粉末床熔化（PBF）过程的数字表示，以预测导致竣工零件中产生异质微观结构的凝固行为的变化。通过利用零件数字线程中存储的原位工艺数据，将扫描路径和工艺参数输入到传热模型中，通过该模型预测熔池的凝固数据。

 智能化发展趋势

具体来说，使用两步无监督聚类算法首先对局部凝固条件（12.5 µm3体素）进行聚类，然后在多个扫描通道和打印层（250 µm3 超级体素）的范围内对区域行为进行聚类。该过程用于识别不锈钢 316-L 部件中多个位置具有相似凝固特征的区域。

使用电子背散射衍射 (EBSD) 对相应的竣工部件进行切片和表征，定量分析证实凝固条件下的不均匀性预测区域与观察到的微观结构的差异相对应。这项工作展示了一种评估增材制造零件的微观结构异质性的可行途径，以限制整个零件的微观结构变化或实现基于功能的微观结构变化控制。

在增材制造 (AM) 过程中，快速冷却速率和多次重熔导致加工参数、零件几何形状、熔池行为和凝固微观结构之间的复杂关系。ORNL橡树岭国家实验室通过GE的Concept Laser M2 激光粉床熔融3D打印系统中使用 Praxair TruForm 316–3 不锈钢粉末 (SS316L) 来构建验证样本。

© ORNL

通过增材制造制造零件时，局部凝固条件决定了液体的过冷度、枝晶生长速度以及枝晶臂间距等亚晶特性。相邻的凝固条件决定了凝固前沿的不同区域如何变化以形成最终的凝固微观结构。ORNL橡树岭国家实验室采用的两步聚类方法旨在识别局部（体素）和区域（超体素）变化。

      不难看出，在不久的未来，所有的当前市面上的激光粉末床熔融 (L-PBF) 设备都将朝向智能化方向发展，否则因3D打印结果的难以预测和质量稳定性的控制挑战所带来的浪费将使得这一技术困在“半山腰”上，而算法将是决定激光粉末床熔融 (L-PBF) 设备所能实现的智能化水平的一大核心，另一核心则是数据能力。

论文链接：https://www.sciencedirect.com/science/article/abs/pii/S2214860423004748?via%3Dihub