CN110814342B - 一种计算机形式化3d打印金属材料制备方法 - Google Patents

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

一种计算机形式化3D打印金属材料制备方法

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。