CN110814342B - 一种计算机形式化3d打印金属材料制备方法 - Google Patents
一种计算机形式化3d打印金属材料制备方法 Download PDFInfo
- Publication number
- CN110814342B CN110814342B CN201911026974.6A CN201911026974A CN110814342B CN 110814342 B CN110814342 B CN 110814342B CN 201911026974 A CN201911026974 A CN 201911026974A CN 110814342 B CN110814342 B CN 110814342B
- Authority
- CN
- China
- Prior art keywords
- weight
- interval
- unit
- components
- coating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
- B22F10/20—Direct sintering or melting
- B22F10/28—Powder bed fusion, e.g. selective laser melting [SLM] or electron beam melting [EBM]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F1/00—Metallic powder; Treatment of metallic powder, e.g. to facilitate working or to improve properties
- B22F1/10—Metallic powder containing lubricating or binding agents; Metallic powder containing organic material
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
- B22F10/80—Data acquisition or data processing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y10/00—Processes of additive manufacturing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive manufacturing
- B33Y50/02—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y70/00—Materials specially adapted for additive manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
- B22F10/30—Process control
- B22F10/32—Process control of the atmosphere, e.g. composition or pressure in a building chamber
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
- B22F10/30—Process control
- B22F10/34—Process control of powder characteristics, e.g. density, oxidation or flowability
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
- B22F10/60—Treatment of workpieces or articles after build-up
- B22F10/64—Treatment of workpieces or articles after build-up by thermal means
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P10/00—Technologies related to metal processing
- Y02P10/25—Process efficiency
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Materials Engineering (AREA)
- Physics & Mathematics (AREA)
- Plasma & Fusion (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
Abstract
本发明公开了一种计算机形式化3D打印金属材料制备方法,包括有计算机控制单元,分析单元,模型优化单元,处理单元,加料单元,涂装单元,切割单元。本发明具有提高3D打印金属材料致密性,从而提高工作性能的有益效果。
Description
技术领域
本发明涉及一种计算机形式化3D打印金属材料制备方法及其制备方法。
背景技术
形式化验证到实践中是非常能提高性能的方法,自从3D打印技术诞生以来,各行各业都开展研究,尤其是形式化验证对激光研熔的研究,已经取得了阶段性的成果。形式化验证3D打印是一种新型快速验证的制造模型性能的技术,可根据在多种环境下进行生成,同时可以制造多种定制化的模型。但是如何根据智能生产和处理方式以提高涂装后的部件工作性能是一个重要的研究课题。
发明内容
本发明的一个目的是解决至少上述问题,并提供至少后面将说明的优点。
为了实现根据本发明的这些目的和其它优点,提供了一种计算机形式化3D打印金属材料制备方法,包括有计算机控制单元,分析单元,模型优化单元,处理单元,加料单元,涂装单元,切割单元;
计算机控制单元对需构建的成型部件设计出每个成份之间的数据并进行协调控制和搜索,计算机控制单元设计出需构建的成型部件中每个成份是以重量份形式组成:其中包括有20-25份铜、12-18份铟、5-10份锰、5-8份铝、1-4份钛、2-4份锡、0.2-0.5份三氧化二铁、0.2-0.3份磷酸铁、0.01-0.1份铒、0.1-0.5份聚酰亚胺、0.1-0.3份聚环氧乙烷、0.01-0.1份降孔剂;模型优化单元在不同的时间、温度、厂房大小、通风量、气温、湿度下搭建最优化成份比例的模型,设计出成份优化后的比例和预估成份变化后的性能范围;并且通过分析单元分析出成型部件内的成份相互之间具有的影响和作用,以及将成份的数值的相邻范围进行替换所产生的相互之间的影响和作用,数值的相邻范围由人为或者根据人工神经网络进行训练得出,并且构成相应的集合,并且各成份在加入或者是处理时所处的环境构建环境参数变量,处理单元必要时设计相应的时间权重和重量权重;并且跟踪分析不同的数据成份在不同环境下后续发生变化的值,并根据获取到的数据在不同环境下进行收集;加料单元对降孔剂构成为重量比为5:1:2的硬脂酸、马来酸酐、十八烷基三甲基氯化铵,降孔剂的制备为:硬脂酸溶于乙醇中,加入溶于水的十八烷基三甲基氯化铵,升温至60℃反应60min,再加入马来酸酐搅拌反应30min,冷却,乙酸乙酯萃取,浓缩,烘干;
模型优化单元得到成型部件在不同环境下要涂装的成份以及部件在未来时间下在不同的环境性能的收敛性和参数选择分析;收敛性为成型部件在涂装结束后一段时间或涂装过程达到稳定状态,性能的收敛性即为涂装的成份最终停留在成份,气温,温度的一个最佳位置,因为不同的成份,某种成份达到性能最佳时,另一成份未必能达到性能最佳,对于成型部件的所有状态,则以全局的思维方式收敛到各种成份相对最优值;参数选择分析包括成型部件的大小、规模、气温影响、涂装环境影响、以及不能无限制学习下来所设定的迭代最大次数;并且平衡涂装的成份的全局搜索能力和局部搜索能力;气温影响为成型部件在生产和保存中的对气温的影响值;涂装环境影响为成型部件在生产和保存中的对湿度,厂房大小,通风量的影响值;迭代最大次数自身根据工人的操作经验来决定,并且成型部件的大小、规模、气温影响、涂装环境影响也能影响迭代最大次数;模型优化单元在面向特定成型部件时,使不同的成份在相类似的区间分析运算进行优化算法为基础,在考虑时间,温度,厂房大小,通风量,气温,湿度下根据迭代最大次数不停地迭代搜索,最终收敛到不同的成份的历史最优数值和当前全局最优数值之间,并且在加权时优先考虑当时特定成型部件的厂房大小,通风量,气温和温度;
涂装单元根据模型优化单元的结果分别将铜、铟、锰、铝浸入丙酮中,然后加入0.001倍重量于丙酮的三乙醇胺皂,计算机控制单元开始设定温度,涂装单元在设定的温度下超声清洗15-20min,超声频率为30-40MHz,并取出烘干,得到第一混合物;然后涂装单元根据模型优化单元的结果将钛、锡、三氧化二铁、磷酸铁、铒浸入乙醇中,并加入0.001倍重量于乙醇的月桂醇硫酸钠,并且计算机控制单元设定的温度下超声清洗10-20min,超声频率为25-45MHz,取出烘干,得第二混合物;涂装单元将第一混合物和第二混合物混合并进行研磨,磨成粒径小于80μm的微粒,得第三混合物;
涂装单元将第三混合物、聚酰亚胺、聚环氧乙烷、降孔剂进行混合,得第四混合物,将第四混合物进行选择性激光熔化,并且在激光熔化时的环境采取的是真空状态并还要通入氩气,然后将熔化的第四混合物输送至成型腔的基板上,将成型腔中的成型部件连同基板一起取出,并对成型部件和基板进行去应力退火处理;
切割单元将成型部件和基板进行切割分离,取成型部件,得成型后3D打印金属材料;
成型部件采用的是3D打印模型,根据模型优化单元的数值制定打印程序,输入3D打印机中,设置机打印参数;
分析单元先确定要涂装的成型部件的总数为Sum,确保优化过程在整个状态空间中进行,并随机生成的Sum个大小相同成型部件要涂装成份的子集进行分析,整个状态空间包括不同的成份比例,时间,温度,厂房大小,通风量,气温,湿度的条件下会达到的涂装成份在一定时刻性能的稳定状态的总集合,Sum取值正整数,即Sum≥1,i取值1到Sum的正整数,用于表示子集的个数,表示为子集;以重量份计,对于其中一种成份的多少,在其他成份和环境不变的情况下,取有界闭合的实区间,有界闭合的实区间即确定成份的重量比的区间上限和区间下限,且区间包含的数值均为实数;并且删除区间中会产生异常变化的变量,留下可以参与求解和能参与数据处理的变量,然后将状态空间区域分割成没有交集的Sum个区间,其中中括号表示有界闭合的实区间,属于状态空间区域内的子集,并且被分割时没有交集,每个实区间需要加权时的权值要设定相等,当以时间为权重时,在k时刻迭代因子的状态为,k+1时刻,分析单元使用时间为权重的成份预测为:;其中,f为状态空间中以时间为权重的稳定状态预测函数;将当前时间状态预测扩展到区间内下一个稳定状态预测运算,已知k时刻有界闭合的实区间的稳定状态集合为,k+1时刻,下一个稳定状态预测为:;模型优化单元根据涂装成份在一定时刻性能的稳定状态预测调整时间权重的权值和缩小状态空间,防止状态空间不断增多带来的爆炸;时间权重的权值根据实时数据和预测值之间的近似程度决定是否判断,时间权重的权值的调整依据为;模型优化单元根据调整依据计算后验概率为:;
模型优化单元在迭代过程中,要不断减少区间迭代因子的值包含由系统误差或者输入误差引起的优化误差,并在每个区间赋予新值来约束区间迭代因子,从而消除误差,并利用不断测量涂装环境进行优化,并且使尽量为空,为预测区间时间权重的权值的测量值和实时区间时间权重的权值的测量值的交集,则区间迭代因子可以保持不变;而预测测量时间权重的权值的测量值和实时测量时间权重的权值的测量值的交集不为空时,则区间迭代因子需要更新;
模型优化单元计算似然模型,;是感知测量的维数;模型优化单元估计迭代因子成份当前权值,然后模型优化单元对每个迭代因子的权值进行更新:,区间迭代因子的权值为先前权值乘以每个区间的似然:,然后进行权值归一化处理:;从而利用区间迭代因子能达到最精准的预测,利用已知的样本结果,反推最有可能或最大概率:,其中,是第i个区间迭代因子数值的中间值;模型优化单元经过迭代处理之后,并尽可能保留权值高的迭代因子,最终经过多次迭代得到最优值。
本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
具体实施方式
下面结合实施例对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
需要说明的是,下述实施方案中所述实验方法,如无特殊说明,均为常规方法,所述试剂和材料,如无特殊说明,均可从商业途径获得。
实施例1:
包括有计算机控制单元,分析单元,模型优化单元,处理单元,加料单元,涂装单元,切割单元;
计算机控制单元对需构建的成型部件设计出每个成份之间的数据并进行协调控制和搜索,计算机控制单元设计出需构建的成型部件中每个成份是以重量份形式组成:其中包括有20-25份铜、12-18份铟、5-10份锰、5-8份铝、1-4份钛、2-4份锡、0.2-0.5份三氧化二铁、0.2-0.3份磷酸铁、0.01-0.1份铒、0.1-0 .5份聚酰亚胺、0.1-0.3份聚环氧乙烷、0.01-0.1份降孔剂;模型优化单元在不同的时间、温度、厂房大小、通风量、气温、湿度下搭建最优化成份比例的模型,设计出成份优化后的比例和预估成份变化后的性能范围;并且通过分析单元分析出成型部件内的成份相互之间具有的影响和作用,以及将成份的数值的相邻范围进行替换所产生的相互之间的影响和作用,数值的相邻范围由人为或者根据人工神经网络进行训练得出,并且构成相应的集合,并且各成份在加入或者是处理时所处的环境构建环境参数变量,处理单元必要时设计相应的时间权重和重量权重;并且跟踪分析不同的数据成份在不同环境下后续发生变化的值,并根据获取到的数据在不同环境下进行收集;加料单元对降孔剂构成为重量比为5:1:2的硬脂酸、马来酸酐、十八烷基三甲基氯化铵,降孔剂的制备为:硬脂酸溶于乙醇中,加入溶于水的十八烷基三甲基氯化铵,升温至60℃反应60min,再加入马来酸酐搅拌反应30min,冷却,乙酸乙酯萃取,浓缩,烘干;
模型优化单元得到成型部件在不同环境下要涂装的成份以及部件在未来时间下在不同的环境性能的收敛性和参数选择分析;收敛性为成型部件在涂装结束后一段时间或涂装过程达到稳定状态,性能的收敛性即为涂装的成份最终停留在成份,气温,温度的一个最佳位置,因为不同的成份,某种成份达到性能最佳时,另一成份未必能达到性能最佳,对于成型部件的所有状态,则以全局的思维方式收敛到各种成份相对最优值;参数选择分析包括成型部件的大小、规模、气温影响、涂装环境影响、以及不能无限制学习下来所设定的迭代最大次数;并且平衡涂装的成份的全局搜索能力和局部搜索能力;气温影响为成型部件在生产和保存中的对气温的影响值;涂装环境影响为成型部件在生产和保存中的对湿度,厂房大小,通风量的影响值;迭代最大次数自身根据工人的操作经验来决定,并且成型部件的大小、规模、气温影响、涂装环境影响也能影响迭代最大次数;模型优化单元在面向特定成型部件时,使不同的成份在相类似的区间分析运算进行优化算法为基础,在考虑时间,温度,厂房大小,通风量,气温,湿度下根据迭代最大次数不停地迭代搜索,最终收敛到不同的成份的历史最优数值和当前全局最优数值之间,并且在加权时优先考虑当时特定成型部件的厂房大小,通风量,气温和温度;
涂装单元根据模型优化单元的结果分别将铜、铟、锰、铝浸入丙酮中,然后加入0.001倍重量于丙酮的三乙醇胺皂,计算机控制单元开始设定温度,涂装单元在设定的温度下超声清洗15-20min,超声频率为30-40MHz,并取出烘干,得到第一混合物;然后涂装单元根据模型优化单元的结果将钛、锡、三氧化二铁、磷酸铁、铒浸入乙醇中,并加入0.001倍重量于乙醇的月桂醇硫酸钠,并且计算机控制单元设定的温度下超声清洗10-20min,超声频率为25-45MHz,取出烘干,得第二混合物;涂装单元将第一混合物和第二混合物混合并进行研磨,磨成粒径小于80μm的微粒,得第三混合物;
涂装单元将第三混合物、聚酰亚胺、聚环氧乙烷、降孔剂进行混合,得第四混合物,将第四混合物进行选择性激光熔化,并且在激光熔化时的环境采取的是真空状态并还要通入氩气,然后将熔化的第四混合物输送至成型腔的基板上,将成型腔中的成型部件连同基板一起取出,并对成型部件和基板进行去应力退火处理;
切割单元将成型部件和基板进行切割分离,取成型部件,得成型后3D打印金属材料;
成型部件采用的是3D打印模型,根据模型优化单元的数值制定打印程序,输入3D打印机中,设置机打印参数;
分析单元先确定要涂装的成型部件的总数为Sum,确保优化过程在整个状态空间中进行,并随机生成的Sum个大小相同成型部件要涂装成份的子集进行分析,整个状态空间包括不同的成份比例,时间,温度,厂房大小,通风量,气温,湿度的条件下会达到的涂装成份在一定时刻性能的稳定状态的总集合,Sum取值正整数,即Sum≥1,i取值1到Sum的正整数,用于表示子集的个数,表示为子集;以重量份计,对于其中一种成份的多少,在其他成份和环境不变的情况下,取有界闭合的实区间,有界闭合的实区间即确定成份的重量比的区间上限和区间下限,且区间包含的数值均为实数;并且删除区间中会产生异常变化的变量,留下可以参与求解和能参与数据处理的变量,然后将状态空间区域分割成没有交集的Sum个区间,其中中括号表示有界闭合的实区间,属于状态空间区域内的子集,并且被分割时没有交集,每个实区间需要加权时的权值要设定相等,当以时间为权重时,在k时刻迭代因子的状态为,k+1时刻,分析单元使用时间为权重的成份预测为:;其中,f为状态空间中以时间为权重的稳定状态预测函数;将当前时间状态预测扩展到区间内下一个稳定状态预测运算,已知k时刻有界闭合的实区间的稳定状态集合为,k+1时刻,下一个稳定状态预测为:;模型优化单元根据涂装成份在一定时刻性能的稳定状态预测调整时间权重的权值和缩小状态空间,防止状态空间不断增多带来的爆炸;时间权重的权值根据实时数据和预测值之间的近似程度决定是否判断,时间权重的权值的调整依据为;模型优化单元根据调整依据计算后验概率为:;
模型优化单元在迭代过程中,要不断减少区间迭代因子的值包含由系统误差或者输入误差引起的优化误差,并在每个区间赋予新值来约束区间迭代因子,从而消除误差,并利用不断测量涂装环境进行优化,并且使尽量为空,为预测区间时间权重的权值的测量值和实时区间时间权重的权值的测量值的交集,则区间迭代因子可以保持不变;而预测测量时间权重的权值的测量值和实时测量时间权重的权值的测量值的交集不为空时,则区间迭代因子需要更新;
模型优化单元计算似然模型,;是感知测量的维数;模型优化单元估计迭代因子成份当前权值,然后模型优化单元对每个迭代因子的权值进行更新:,区间迭代因子的权值为先前权值乘以每个区间的似然:,然后进行权值归一化处理:;从而利用区间迭代因子能达到最精准的预测,利用已知的样本结果,反推最有可能或最大概率:,其中,是第i个区间迭代因子数值的中间值;模型优化单元经过迭代处理之后,并尽可能保留权值高的迭代因子,最终经过多次迭代得到最优值。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的实施例。
有益效果:本发明的3D打印金属材料,包括有计算机控制单元,分析单元,模型优化单元,处理单元,加料单元,涂装单元,切割单元。本发明还有一个目的是具有提高3D打印金属材料致密性,从而提高工作性能的有益效果。
Claims (1)
1.一种计算机形式化3D打印金属材料制备方法,其特征在于,包括有计算机控制单元,分析单元,模型优化单元,处理单元,加料单元,涂装单元,切割单元;
计算机控制单元对需构建的成型部件设计出每个成份之间的数据并进行协调控制和搜索,计算机控制单元设计出需构建的成型部件中每个成份是以重量份形式组成:其中包括有20-25份铜、12-18份铟、5-10份锰、5-8份铝、1-4份钛、2-4份锡、0.2-0.5份三氧化二铁、0.2-0.3份磷酸铁、0.01-0.1份铒、0.1-0.5份聚酰亚胺、0.1-0.3份聚环氧乙烷、0.01-0.1份降孔剂;模型优化单元在不同的时间、温度、厂房大小、通风量、气温、湿度下搭建最优化成份比例的模型,设计出成份优化后的比例和预估成份变化后的性能范围;
模型优化单元得到成型部件在不同环境下要涂装的成份以及部件在未来时间下在不同的环境性能的收敛性和参数选择分析;收敛性为成型部件在涂装结束后一段时间或涂装过程达到稳定状态,性能的收敛性即为涂装的成份最终停留在成份,气温,温度的一个最佳位置,因为不同的成份,某种成份达到性能最佳时,另一成份未必能达到性能最佳,对于成型部件的所有状态,则以全局的思维方式收敛到各种成份相对最优值;所述参数选择分析包括成型部件的大小、规模、气温影响、涂装环境影响、以及不能无限制学习下来所设定的迭代最大次数;并且平衡涂装的成份的全局搜索能力和局部搜索能力;气温影响为成型部件在生产和保存中的对气温的影响值;涂装环境影响为成型部件在生产和保存中的对湿度,厂房大小,通风量的影响值;迭代最大次数自身根据工人的操作经验来决定,并且成型部件的大小、规模、气温影响、涂装环境影响也能影响迭代最大次数;模型优化单元在面向特定成型部件时,使不同的成份在相类似的区间分析运算进行优化算法为基础,在考虑时间,温度,厂房大小,通风量,气温,湿度下根据迭代最大次数不停地迭代搜索,最终收敛到不同的成份的历史最优数值和当前全局最优数值之间;并且通过分析单元分析出所述成型部件内的成份相互之间具有的影响和作用,以及将成份的数值的相邻范围进行替换所产生的相互之间的影响和作用,数值的相邻范围由人为或者根据人工神经网络进行训练得出,并且构成相应的集合,并且各成份在加入或者是处理时所处的环境构建环境参数变量,处理单元设计相应的时间权重和重量权重;并且跟踪分析不同的数据成份在不同环境下后续发生变化的值,并根据获取到的数据在不同环境下进行收集;加料单元对降孔剂设计步骤为:构成为重量比为5:1:2的硬脂酸、马来酸酐、十八烷基三甲基氯化铵,降孔剂的制备为:硬脂酸溶于乙醇中,加入溶于水的十八烷基三甲基氯化铵,升温至60℃反应60min,再加入马来酸酐搅拌反应30min,冷却,乙酸乙酯萃取,浓缩,烘干;
涂装单元根据模型优化单元的数据分别将铜、铟、锰、铝浸入丙酮中,然后加入0.001倍重量于丙酮的三乙醇胺皂,计算机控制单元开始设定温度,涂装单元在设定的温度下超声清洗15-20min,超声频率为30-40MHz,并取出烘干,得到第一混合物;然后涂装单元根据模型优化单元的结果将钛、锡、三氧化二铁、磷酸铁、铒浸入乙醇中,并加入0.001倍重量于乙醇的月桂醇硫酸钠,并且计算机控制单元设定的温度下超声清洗10-20min,超声频率为25-45MHz,取出烘干,得第二混合物;涂装单元将第一混合物和第二混合物混合并进行研磨,磨成粒径小于80μm的微粒,得第三混合物;
涂装单元将第三混合物、聚酰亚胺、聚环氧乙烷、降孔剂进行混合,得第四混合物,将第四混合物进行选择性激光熔化,并且在激光熔化时的环境采取的是真空状态并还要通入氩气,然后将熔化的第四混合物输送至成型腔的基板上,最后将成型腔中的成型部件连同基板一起取出,并对成型部件和基板进行去应力退火处理;
切割单元将成型部件和基板进行切割分离,取成型部件,得成型后3D打印金属材料;成型部件采用的是3D打印模型,根据模型优化单元的数值制定打印程序,输入3D打印机中,设置机打印参数;
分析单元先确定要涂装的成型部件的总数为Sum,确保优化过程在整个状态空间中进行,并随机生成的Sum个大小相同成型部件要涂装成份的子集进行分析,整个状态空间包括不同的成份比例,时间,温度,厂房大小,通风量,气温,湿度的条件下会达到的涂装成份在一定时刻性能的稳定状态的总集合,Sum取值正整数,即Sum≥1,i取值1到Sum的正整数,用于表示子集的个数,表示为子集;以重量份计,对于其中一种成份的多少,在其他成份和环境不变的情况下,取有界闭合的实区间,有界闭合的实区间即确定成份的重量比的区间上限和区间下限,且区间包含的数值均为实数;并且删除区间中会产生异常变化的变量,留下能参与求解和能参与数据处理的变量,然后将状态空间区域分割成没有交集的Sum个区间,其中中括号表示有界闭合的实区间,用于表示属于状态空间区域内的子集,并且被分割时没有交集,每个实区间需要加权时的权值要设定相等,当以时间为权重时,在k时刻迭代因子的状态为,k+1时刻,分析单元使用时间为权重的成份预测为:;其中,f为状态空间中以时间为权重的稳定状态预测函数;将当前时间状态预测扩展到区间内下一个稳定状态预测运算,已知k时刻有界闭合的实区间的稳定状态集合为,k+1时刻,下一个稳定状态预测为:;模型优化单元根据涂装成份在一定时刻性能的稳定状态预测调整时间权重的权值和缩小状态空间,防止状态空间不断增多带来的爆炸;时间权重的权值根据实时数据和预测值之间的近似程度决定是否判断,时间权重的权值的调整依据为;模型优化单元根据调整依据计算后验概率为:;
模型优化单元在迭代过程中,要不断减少区间迭代因子的值包含由系统误差或者输入误差引起的优化误差,并在每个区间赋予新值来约束区间迭代因子,从而消除误差,并利用不断测量涂装环境进行优化,并且使尽量为空,为预测区间时间权重的权值的测量值和实时区间时间权重的权值的测量值的交集,则区间迭代因子保持不变;而预测测量时间权重的权值的测量值和实时测量时间权重的权值的测量值的交集不为空时,则区间迭代因子需要更新;模型优化单元计算似然模型,p是感知测量的维数,j为自然数,1<j<p,j表示要求解的似然模型的子集;;模型优化单元估计区间迭代因子的当前权值,然后模型优化单元对每个区间迭代因子的权值进行更新:,表示的后验概率,、分别表示区间迭代因子在不同时刻的权值的量化表示;区间迭代因子的当前权值的数值为先前权值乘以每个区间的似然:,然后进行权值归一化处理:;从而利用区间迭代因子能达到最精准的预测,利用已知的样本结果,反推最有可能或最大概率:,其中,是第i个区间迭代因子数值的中间值;模型优化单元经过迭代处理之后,并尽可能保留权值高的迭代因子,最终经过多次迭代得到最优值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911026974.6A CN110814342B (zh) | 2019-10-26 | 2019-10-26 | 一种计算机形式化3d打印金属材料制备方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911026974.6A CN110814342B (zh) | 2019-10-26 | 2019-10-26 | 一种计算机形式化3d打印金属材料制备方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110814342A CN110814342A (zh) | 2020-02-21 |
CN110814342B true CN110814342B (zh) | 2021-10-29 |
Family
ID=69550643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911026974.6A Active CN110814342B (zh) | 2019-10-26 | 2019-10-26 | 一种计算机形式化3d打印金属材料制备方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110814342B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112380716B (zh) * | 2020-11-20 | 2021-07-16 | 武汉奇造科技有限公司 | 一种基于学习算法的sla 3d打印时间预估方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008110673A1 (fr) * | 2007-03-07 | 2008-09-18 | Siemens Vai Metals Technologies Sas | Procede et installation de depot en continu d'un revetement sur un support en bande |
CN103745271A (zh) * | 2014-01-02 | 2014-04-23 | 上海大学 | 基于神经网络的感应热沉积钙磷涂层工艺预测方法 |
CN105868461A (zh) * | 2016-03-28 | 2016-08-17 | 中国科学院力学研究所 | 一种激光熔覆多组分合金涂层的成分计算方法 |
CN109191429A (zh) * | 2018-07-26 | 2019-01-11 | 中国科学院福建物质结构研究所 | 一种基于机器视觉的3d打印喷嘴检测方法 |
CN109800533A (zh) * | 2019-02-13 | 2019-05-24 | 福建省纳金网信息技术有限公司 | 一种基于人工智能技术的3d打印工艺参数优化方法 |
CN110372374A (zh) * | 2019-07-05 | 2019-10-25 | 北京航空航天大学 | 一种陶瓷件及其结构设计与3d打印方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6867149B2 (en) * | 2002-09-27 | 2005-03-15 | Euv Limited Liability Corporation | Growth of multi-component alloy films with controlled graded chemical composition on sub-nanometer scale |
US9643251B2 (en) * | 2014-06-13 | 2017-05-09 | Zin Technologies, Inc. | Optimized additive manufacturing process |
US10046522B2 (en) * | 2015-02-26 | 2018-08-14 | Stratasys, Inc. | Surface angle model evaluation process for additive manufacturing |
-
2019
- 2019-10-26 CN CN201911026974.6A patent/CN110814342B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008110673A1 (fr) * | 2007-03-07 | 2008-09-18 | Siemens Vai Metals Technologies Sas | Procede et installation de depot en continu d'un revetement sur un support en bande |
CN103745271A (zh) * | 2014-01-02 | 2014-04-23 | 上海大学 | 基于神经网络的感应热沉积钙磷涂层工艺预测方法 |
CN105868461A (zh) * | 2016-03-28 | 2016-08-17 | 中国科学院力学研究所 | 一种激光熔覆多组分合金涂层的成分计算方法 |
CN109191429A (zh) * | 2018-07-26 | 2019-01-11 | 中国科学院福建物质结构研究所 | 一种基于机器视觉的3d打印喷嘴检测方法 |
CN109800533A (zh) * | 2019-02-13 | 2019-05-24 | 福建省纳金网信息技术有限公司 | 一种基于人工智能技术的3d打印工艺参数优化方法 |
CN110372374A (zh) * | 2019-07-05 | 2019-10-25 | 北京航空航天大学 | 一种陶瓷件及其结构设计与3d打印方法 |
Non-Patent Citations (3)
Title |
---|
3D inkjet printing of biomaterials with strength reliability and cytocompatibility: Quantitative process strategy for Ti-6Al-4V;Srimanta Baruia.etc;《Biomaterials》;20190517;第1-18页 * |
Measurement and optimization of atmospheric plasma sprayed CoMoCrSi coatings parameters on Ti-6Al-4V substrates affecting microstructural and properties using hybrid abductor induction mechanism;Lin ChunMing.etc;《Measurement》;20160731;第157–167页 * |
基于神经网络和遗传算法的激光多层熔覆厚纳米陶瓷涂层;王东生等;《中国激光》;20130930;第40卷(第9期);第0903001-1至0903001-8页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110814342A (zh) | 2020-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111173573B (zh) | 一种汽轮机调节系统功率对象模型的辨识方法 | |
CN113552797A (zh) | 一种基于改进粒子群优化的加热炉炉温控制方法和系统 | |
CN107272403A (zh) | 一种基于改进粒子群算法的pid控制器参数整定算法 | |
CN112433507B (zh) | 基于lso-lssvm的五轴数控机床热误差综合建模方法 | |
CN110597070B (zh) | 火电机组系统模型参数的辨识方法 | |
CN108167802B (zh) | 低负荷下锅炉负荷的多模型智能寻优预测控制方法 | |
CN109254530A (zh) | 基于磨矿过程基础回路的无模型自适应控制方法 | |
CN111967183A (zh) | 一种配电网台区线损的计算方法和系统 | |
CN110814342B (zh) | 一种计算机形式化3d打印金属材料制备方法 | |
CN110361974B (zh) | 基于bp-foa混合算法的水轮机调速系统优化方法 | |
CN113708389A (zh) | 基于实际功率响应的风电场一次调频模型参数辨识方法及系统 | |
CN115903484A (zh) | 基于合作博弈的航空发动机多变量鲁棒控制器优化方法 | |
CN112288139A (zh) | 基于混沌时间序列的空调能耗预测方法、系统及存储介质 | |
Maddi et al. | Optimization of pid controller gain using evolutionary algorithm and swarm intelligence | |
CN110826794A (zh) | 基于pso优化svm的电厂耗煤基准值滚动预测方法和装置 | |
CN113515891A (zh) | 一种乳化炸药质量预测和优化方法 | |
CN110756803B (zh) | 一种计算机形式化3d打印用模具钢粉末材料的制备方法 | |
CN114200889B (zh) | 一种基于深度强化学习的铣削参数优化方法 | |
Li et al. | The application of immune genetic algorithm in PID parameter optimization for level control system | |
CN111027612B (zh) | 基于加权熵fcm的能源计量数据特征约简方法及装置 | |
CN114996863A (zh) | 基于特征提取的涡扇发动机t-s模糊建模方法 | |
CN109989875B (zh) | 一种水轮机调节系统参数辨识方法 | |
CN113806996B (zh) | 一种基于时间记忆建模的篦冷机优化方法 | |
CN117970782B (zh) | 一种基于鱼鳞进化gsom改进的模糊pid控制方法 | |
CN113065693B (zh) | 一种基于径向基神经网络的车流量预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder |
Address after: 310030 No. 372, Jinpeng street, Xihu District, Hangzhou City, Zhejiang Province Patentee after: Zhejiang Yatong New Materials Co.,Ltd. Address before: 310030 No. 372, Jinpeng street, Xihu District, Hangzhou City, Zhejiang Province Patentee before: ZHEJIANG ASIA GENERAL SOLDERING & BRAZING MATERIAL Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |