CN114872324A - 一种基于多维信息耦合调控性能的激光增材制造方法 - Google Patents
一种基于多维信息耦合调控性能的激光增材制造方法 Download PDFInfo
- Publication number
- CN114872324A CN114872324A CN202210397367.6A CN202210397367A CN114872324A CN 114872324 A CN114872324 A CN 114872324A CN 202210397367 A CN202210397367 A CN 202210397367A CN 114872324 A CN114872324 A CN 114872324A
- Authority
- CN
- China
- Prior art keywords
- information
- field
- performance
- additive manufacturing
- model
- 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.)
- Granted
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
- B29C64/30—Auxiliary operations or equipment
- B29C64/386—Data acquisition or data processing for additive manufacturing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
- B29C64/30—Auxiliary operations or equipment
- B29C64/386—Data acquisition or data processing for additive manufacturing
- B29C64/393—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
- B33Y50/00—Data acquisition or data processing for 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
-
- 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
Abstract
本发明属于增材制造相关技术领域,其公开了一种基于多维度信息耦合调控性能的激光增材制造方法,该方法包括以下步骤:(1)分析待加工零件的性能需求以确定影响因子,并根据影响性能机理研究确定待加工零件的性能数据对应的信息处理方式,进而建立多维度信息耦合模型;(2)基于得到的所述多维度信息耦合模型建立从多信息场到工艺参数的映射模型,实现多信息场到工艺信息的映射;(3)基于映射模型得到待加工零件的工艺分布,进而划分得到待加工零件的最小工艺调控单元;(4)解析出调控最小单元的工艺参数,并进行路径规划,进而根据得到的工艺参数及路径设置加工指令,以进行激光增材制造。本发明实现了多信息对加工的有效指导。
Description
技术领域
本发明属于增材制造相关技术领域,更具体地,涉及一种基于多维信息耦合调控性能的激光增材制造方法。
背景技术
增材制造技术是结合了计算机辅助设计技术和材料加工技术,将零件的三维模型进行数据处理后,通过控制加工系统,采用挤压、烧结、熔融等方式让材料逐层堆积,以这种材料累加的方式加工出最终的实体模型。激光增材制造则是采用高能束激光作为能量源,逐层堆积材料成形的制造方法。由于增材制造在制造复杂几何模型上相较传统材料成形的制造方法拥有极大的优势,目前越来越多的应用到航天和医疗等领域。
在激光增材制造加工过程中,制件的综合性能、成形精度受到多种因素的复杂影响,其中工艺参数的设置直接影响到零件的最终性能及成形质量。加工过程中,不同的激光功率、扫描速度、扫描方式会直接影响到温度的分布及熔池的形貌尺寸,继而影响材料成形出不同的组织,拥有不同的性能。在目前的增材制造领域中,零件的性能要求逐渐从传统的匀质性能到梯度性能发展,这是应用领域中一种实际而迫切的需求。例如在航天制造中涡轮的叶盘需要有较高的高温性能,其组织为柱状晶。增材制造逐层材料累积、逐点、逐域成形的工艺特点使得调控工艺参数可以实现零件在不同的部位获得不同的组织和性能。由于增材制造工艺复杂,影响因素众多,如何构建零件性能需求设计与工艺信息模型的关联,实现零件不同部位有不同性能的工艺制造存在极大的困难。目前,本领域研究人员提出了一种解决方法,如专利CN202110428885.5公开了一种基于多段耦合调控性能的激光增材制造方法,其提出了在零件的不同部位设定不同的铺粉厚度参数,达到改变零件不同部位的孔隙率从而具有不同性能的方法。该方法仅仅通过单一参数调节改变零件的某一性能,无法满足零件更加丰富的性能调控要求,其调控手段单一,调控的性能也单一,未能建立起系统的调控手段。又如专利CN201410436443.5公开了一种同质功能梯度材料及结构的激光增材制造方法,其提出了将不同的功能映射为不同的温度,采用有限元计算出工艺参数来构建温度梯度分布以实现零件的功能梯度的方法。该方法仅仅提供了一种构建温度梯度得到梯度性能的方法,并没有面向性能设计建立系统的工艺调控策略,无法针对更加灵活的性能设计进行工艺的控制来达到其性能要求。综合来看,目前这些研究都只局限于依据单一信息进行参数设置,无法发挥综合多种信息对工艺的指导效果,同时传统的参数调节都只局限于整体或分层或分区路径,无法实现由性能信息到工艺参数的精细调控。目前也并没有一种针对性能设计,综合多信息耦合的工艺调控方案来实现零件不同部位有不同性能要求的方法,没有系统地建立性能要求到工艺信息的关联模型。故,本领域亟需一种实现性能信息到工艺信息的映射模型,指导工艺精准调控以实现零件的异质性能需求的方法。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于多维信息耦合调控性能的激光增材制造方法,所述方法面向零件的性能设计、分析性能需求,选择与之相关的影响因子,可以通过应力场、温度场及其他物理场的仿真、模型几何特征的识别,以计算出零件的统一多维信息场表达,并建立多维度信息耦合场到工艺信息的映射模型,采用划分最小工艺调控单元的方法解析得到每一单元处的工艺参数,设置加工指令以进行加工。所述方法可以精准调控零件的加工工艺,实现零件在不同部位有不同性能的需求。
为实现上述目的,按照本发明的一个方面,提供了一种基于多维信息耦合调控性能的激光增材制造方法,所述方法主要包括以下步骤:
(1)分析待加工零件的性能需求以确定影响因子,并根据影响性能机理研究确定待加工零件的性能数据对应的信息处理方式,同时分别对待加工零件进行多物理场的仿真与处理、以及进行几何场的计算,以确定不同物理场对输入性能数据的影响权重因子、以及几何特征与性能空间分布的信息,进而建立多维度信息耦合模型;所述多维度信息耦合模型的表达式为:
P(x,y,z)=AT(x,y,z)+Bσ(x,y,z)+Csdf(x,y,z)+Dg(x,y,z)
式中,(x,y,z)为待加工零件三维模型空间内的位置坐标;A、B、C、D为各种场信息的权重因子,权重因子为0时表示该场信息对所需性能没有影响,T、σ、sdf分别代表温度场、应力场、距离场,g为视具体性能和加工要添加的其他场信息;
(2)基于得到的所述多维度信息耦合模型建立从多信息场到工艺参数的映射模型,实现多信息场到工艺信息的映射;
(3)基于映射模型得到待加工零件的工艺分布,进而划分得到待加工零件的最小工艺调控单元;
(4)解析出调控最小单元的工艺参数,并进行路径规划,进而根据得到的工艺参数及路径设置加工指令,以进行激光增材制造。
进一步地,将应力场、温度场分布用隐式函数或者水平集数据统一表达;对于应力场能够建立动力学方程,进而获得应力分布信息,表达为应力场因子水平集数据。
进一步地,根据材料的能量吸收效率及固液相内部和相互间的传热系数确定温度场对应的模型中的温度场分布,表达为温度场因子水平集数据。
进一步地,几何场包括待加工零件的几何特征和性能的空间分布信息表达,将几何特征量化表达为距离场因子。
进一步地,通过研究几何特征与工艺过程的关联模型,将几何特征量化为几何因子,实现从统一的几何因子到工艺信息分布的映射。
进一步地,对于P(x,y,z),有数据库D,
D={[p1,e1={e11,e12,e13.......}],[p2,e2={e21,e22,e23……}],[p3,e3={e31,e32,e33.......}].........},其中p1等代表性能,e1等代表其对应的参数集合,e11等代表具体的参数组合;映射关系表述为规则G,具体为:
G1,在数据库中查询性能信息P(x,y,z)对应的参数集合,得到参数集合E,若P(x,y,z)为零件的起始位置,则在集合E中随机选取一组参数,否则,执行G2;
G2,搜索P(x,y,z)周围位置,即对于P(x+1,y,z),P(x,y+1,z),P(x,y,z+1),P(x-1,y,z),P(x,y-1,z),P(x,y,z-1),根据其参数信息e1,e2,e3,e4,e5,e6,在集合E中选取Ei,使得∑|Ei-ej|最小,Ei代表(x,y,z)处的参数,ej代表(x,y,z)周围6个位置处的参数,∑|Ei-ej|表示Ei与ej的差距之和。
进一步地,最小工艺调控单元的大小基于激光源的光斑大小、激光控制系统调制信号的频率、扫描速度以及熔池的大小确定。
进一步地,综合考虑能量密度和其相关工艺参数的影响关系和扫描路径方式对熔池形貌的影响机理,解析出每一最小工艺调控单元的工艺参数。
进一步地,所述工艺参数包括激光功率、扫描速度、填充路径的扫描间距、光斑半径,扫描方式。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,本发明提供的基于多维信息耦合调控性能的激光增材制造方法主要具有以下有益效果:
1.本发明从预先知道的性能要求,通过多物理场仿真、模型特征识别等手段建立性能信息到工艺信息的模型,设置工艺参数,达到了预先定义的零件性能。
2.本发明通过把应力场、温度等仿真信息和几何特征信息结合起来,以建立综合的统一表达方式,即统一的隐式函数表达,如此有效地加强了多维度信息与工艺信息的关联,性能信息与工艺信息的结合,实现了多信息对加工的有效指导。
3.本发明通过划分工艺调控最小单元的方式,可以实现从构建的零件模型的多信息表达到工艺信息的直接映射,在工艺层面上可以实现从构建的零件模型的多信息表达到工艺信息的关联,通过对激光加工参数的精确调控,实现了零件预设的加工要求。
4.本发明还提供了一种4D打印工艺的潜在方案,对于形状记忆类材料,可基于预定义的应力、磁激励、电激励等性能设计,基于本发明提供的性能-工艺映射系统,实现4D零件性能的精确控制。
附图说明
图1是本发明提供的一种基于多维信息耦合调控性能的激光增材制造方法的流程示意图;
图2是按照本发明实现的性能信息-工艺映射模型和工艺规划的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
请参阅图1及图2,本发明提供的一种基于多维信息耦合调控性能的激光增材制造方法主要包括以下步骤:
步骤一,确定待加工零件的三维模型及性能需求。
待加工零件的性能要求主要包括力学性能:强度、硬度、韧性及弹性;成形精度性能:尺寸精度、致密度、粗糙度;其他性能,如声学性能、磁电学性能。输入零件的几何模型和零件的性能要求,具体地在零件的不同部位可以设计有不同的性能要求。
步骤二,分析待加工零件的性能需求以确定影响因子,并根据影响性能机理研究确定待加工零件的性能数据对应的信息处理方式,同时分别对待加工零件进行多物理场的仿真与处理、以及进行几何场的计算,以确定不同物理场对输入性能数据的影响权重因子、以及几何特征与性能空间分布的信息,进而建立多维度信息耦合模型;所述多维度信息耦合模型的表达式为:
P(x,y,z)=AT(x,y,z)+Bσ(x,y,z)+Csdf(x,y,z)+Dg(x,y,z)
式中,(x,y,z)为待加工零件三维模型空间内的位置坐标;A、B、C、D为各种场信息的权重因子,权重因子为0时表示该场信息对所需性能没有影响,T、σ、sdf分别代表温度场、应力场、距离场,g为视具体性能和加工要添加的其他场信息。其中,得到多维度的信息数据统一表达为待加工零件的多信息模型,即将多维度的信息统一成隐式模型。
性能需求的分布可以体现为零件不同部位具有不同的性能,如零件表层需要较高的硬度,内部需要较好的韧性,不同结构特征处需要不同的尺寸精度和导热导电性能。其中,多物理场包括应力场、温度场、几何场及流动、电、磁、声及光场,根据零件在具体性能方面的需求确立其影响因子,选择需要的单个或者多个物理场进行计算。
本实施方式中,多维度信息耦合模型具体指影响某一性能的多种信息及其影响权重因子的综合表达,即对于零件模型空间中的每一位置(x,y,z),有多信息耦合场的表达式:P(x,y,z)=AT(x,y,z)+Bσ(x,y,z)+Csdf(x,y,z)+Dg(x,y,z)。
其中A、B、C、D分别为各种场信息的权重因子,权重因子为0时表示该场信息对所需性能没有影响,T、σ、sdf分别代表温度场、应力场、距离场,g为视具体性能和加工要添加的其他场信息。
基于对零件的应力场和温度场及其他物理场的仿真,可通过研究各场对零件加工过程的影响机理和规律,实现对工艺参数的指导优化,将应力场、温度场分布用隐式函数或者水平集数据统一表达。针对零件的其他性能上的设计需求,进行磁、电、声、光等物理场的计算;如进行应力场的仿真,可建立模型的动力学方程,获得模型的应力分布信息,表达为模型的应力场因子水平集数据;如进行温度场的仿真,可建立传热模型,根据材料的能量吸收效率及固液相内部和相互间的传热系数确定模型中的温度场分布,表达为模型的温度场因子水平集数据;如需模型的几何场计算,对于特征识别,可建立识别模型特征的计算机图形学算法,识别出零件几何模型中的特殊部分,一般为薄壁、微孔、悬壁等易出现缺陷,加工质量较差的复杂几何形貌。可采用距离场的方法,将几何特征量化表达为距离场因子;对于性能的空间分布,可统一为距离场表达。
其中,主要包括应力场σ(x,y,z)、温度场T(x,y,z)、流场F(x,y,z)、电磁场M(x,y,z)的仿真与计算处理,确定不同物理场对输入性能数据的影响权重因子,对于没有影响的物理场,权重因子置为0。
考虑到零件存在几何结构与性能耦合的要求,即对于零件不同空间位置需要不同的性能,需要特别地将模型的特征加入考量范围内。几何场主要包括模型的几何特征和性能的空间分布信息表达。其中模型的几何特征主要包括悬垂面、薄壁、微孔、尖角等的识别,将几何形貌量化为几何特征因子;性能空间分布的表达包括距离场、区域性能指定等信息。具体地,对于几何特征可建立模型几何特征识别算法,识别模型中的悬垂面、微孔、薄壁,尖角等易导致缺陷的几何特征,通过研究几何特征与工艺过程的关联模型,将几何特征量化为几何因子,实现从统一的几何因子到工艺信息分布的映射。对于性能的空间分布,可通过距离场统一表达。
步骤三,基于得到的所述多信息耦合模型建立从多信息场到工艺参数的映射模型,实现场耦合因子P(x,y,z)到工艺信息E(x,y,z)的映射。
基于各种因素对工艺过程的影响机理和规律,建立多信息耦合场到工艺信息的映射模型,即建立映射关系F,实现从多信息耦合场的数据到工艺信息数据的对应。通过对工艺过程影响因素的研究,调节工艺参数达到相应的设计性能要求。建立映射模型的具体步骤如下:
(1)对于零件几何空间中的任一位置(x,y,z),有综合场耦合因子多信息耦合场的表达式:P(x,y,z)=AT(x,y,z)+Bσ(x,y,z)+Csdf(x,y,z)+Dg(x,y,z)+F,其中A、B、C、D分别为各种场信息的权重因子,T、σ、sdf分别代表温度场、应力场、距离场,g为视具体性能和加工要加添加的其他场信息。
(2)进行工艺试验,研究多工艺参数下的性能表现,建立工艺信息到性能的量化关联模型和工艺参数数据库。
(3)根据步骤(1)及步骤(2),对于模型中任一位置处具有综合信息场耦合因子P(x,y,z),根据其所欲达到的性能要求,在工艺参数数据库中查询,获得工艺信息E(x,y,z),即建立了综合信息场耦合因子P(x,y,z)到E(x,y,z)的映射关系。
具体地对于P(x,y,z),现有数据库:
D={[p1,e1={e11,e12,e13.......}],[p2,e2={e21,e22,e23.......}],[p3,e3={e31,e32,e33.......}].........},其中p1等代表性能,e1等代表其对应的参数集合,e11等代表具体的参数组合。映射关系表述为规则G:
G1:在数据库中查询性能信息P(x,y,z)对应的参数集合,得到参数集合E,若P(x,y,z)为零件的起始位置,则在集合E中随机选取一组参数,否则,执行G2;
G2:搜索P(x,y,z)周围位置,即对于P(x+1,y,z),P(x,y+1,z),P(x,y,z+1),P(x-1,y,z),P(x,y-1,z),P(x,y,z-1),根据其参数信息e1,e2,e3,e4,e5,e6,在集合E中选取Ei,使得∑|Ei-ej|最小,Ei代表(x,y,z)处的参数,ej代表(x,y,z)周围6个位置处的参数,∑|Ei-ej|表示Ei与ej的差距之和。
鉴于实际工艺中信息因子和工艺参数的复杂性,无法穷极所有情况,采用建立深度学习模型,训练大量的实验数据,建立多信息耦合场到工艺信息的映射模型。
步骤四,基于映射模型得到待加工零件的工艺分布,进而划分得到待加工零件的最小工艺调控单元。
本实施方式中,在基于多信息耦合场到工艺信息的映射模型,将零件的性能分布转换为工艺参数的分布。在此基础上,划分零件的最小工艺调控单元,以工艺调控单元为信息承载单元。单元大小基于激光源的光斑大小、激光控制系统调制信号的频率、扫描速度以及熔池的大小确定,可以以振镜运动的微步长作为能量调控的最小单元,使得多信息场得以解析到每一单元处,设置相应的工艺参数,达到能量精准调控的效果。所述工艺参数包括激光功率、扫描速度、填充路径的扫描间距、光斑半径,扫描方式。
步骤五,解析出调控最小单元的工艺参数,并进行路径规划,进而根据得到的工艺参数及路径设置加工指令,以进行激光增材制造。
具体地,综合考虑能量密度和其相关工艺参数的影响关系和扫描路径方式对熔池形貌的影响机理,解析出每一最小调控单元的工艺参数,具体包括激光功率、扫描速度、填充路径的扫描间距、光斑半径,扫描方式。其中,增材制造中激光能量密度的计算公式为式中,ω为激光能量密度(J/mm2);P为激光功率(w);v为扫描速度(mm/s);d为填充路径的扫描间距(mm)。基于该公式,可明确解析计算出每一调控单元处所需的工艺参数,并进行参数设置和路径规划。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于多维信息耦合调控性能的激光增材制造方法,其特征在于,该方法包括以下步骤:
(1)分析待加工零件的性能需求以确定影响因子,并根据影响性能机理研究确定待加工零件的性能数据对应的信息处理方式,同时分别对待加工零件进行多物理场的仿真与处理、以及进行几何场的计算,以确定不同物理场对输入性能数据的影响权重因子、以及几何特征与性能空间分布的信息,进而建立多维度信息耦合模型;所述多维度信息耦合模型的表达式为:
P(x,y,z)=AT(x,y,z)+Bσ(x,y,z)+Csdf(x,y,z)+Dg(x,y,z)
式中,(x,y,z)为待加工零件三维模型空间内的位置坐标;A、B、C、D为各种场信息的权重因子,权重因子为0时表示该场信息对所需性能没有影响,T、σ、sdf分别代表温度场、应力场、距离场,g为视具体性能和加工要添加的其他场信息;
(2)基于得到的所述多维度信息耦合模型建立从多信息场到工艺参数的映射模型,实现多信息场到工艺信息的映射;
(3)基于映射模型得到待加工零件的工艺分布,进而划分得到待加工零件的最小工艺调控单元;
(4)解析出调控最小单元的工艺参数,并进行路径规划,进而根据得到的工艺参数及路径设置加工指令,以进行激光增材制造。
2.如权利要求1所述的基于多维信息耦合调控性能的激光增材制造方法,其特征在于:将应力场、温度场分布用隐式函数或者水平集数据统一表达;对于应力场能够建立动力学方程,进而获得应力分布信息,表达为应力场因子水平集数据。
3.如权利要求2所述的基于多维信息耦合调控性能的激光增材制造方法,其特征在于:根据材料的能量吸收效率及固液相内部和相互间的传热系数确定温度场对应的模型中的温度场分布,表达为温度场因子水平集数据。
4.如权利要求1所述的基于多维信息耦合调控性能的激光增材制造方法,其特征在于:几何场包括待加工零件的几何特征和性能的空间分布信息表达,将几何特征量化表达为距离场因子。
5.如权利要求4所述的基于多维信息耦合调控性能的激光增材制造方法,其特征在于:通过研究几何特征与工艺过程的关联模型,将几何特征量化为几何因子,实现从统一的几何因子到工艺信息分布的映射。
6.如权利要求1-5任一项所述的基于多维信息耦合调控性能的激光增材制造方法,其特征在于:对于P(x,y,z),有数据库D,
D=
{[p1,e1={e11,e12,e13.......}],[p2,e2={e21,e22,e23.......}],[p3,e3={e31,e32,e33.......}].........},其中p1等代表性能,e1等代表其对应的参数集合,e11等代表具体的参数组合;映射关系表述为规则G,具体为:
G1,在数据库中查询性能信息P(x,y,z)对应的参数集合,得到参数集合E,若P(x,y,z)为零件的起始位置,则在集合E中随机选取一组参数,否则,执行G2;
G2,搜索P(x,y,z)周围位置,即对于P(x+1,y,z),P(x,y+1,z),P(x,y,z+1),P(x-1,y,z),P(x,y-1,z),P(x,y,z-1),根据其参数信息e1,e2,e3,e4,e5,e6,在集合E中选取Ei,使得∑|Ei-ej|最小,Ei代表(x,y,z)处的参数,ej代表(x,y,z)周围6个位置处的参数,∑|Ei-ej|表示Ei与ej的差距之和。
7.如权利要求6所述的基于多维信息耦合调控性能的激光增材制造方法,其特征在于:最小工艺调控单元的大小基于激光源的光斑大小、激光控制系统调制信号的频率、扫描速度以及熔池的大小确定。
8.如权利要求7所述的基于多维信息耦合调控性能的激光增材制造方法,其特征在于:综合考虑能量密度和其相关工艺参数的影响关系和扫描路径方式对熔池形貌的影响机理,解析出每一最小工艺调控单元的工艺参数。
9.如权利要求8所述的基于多维信息耦合调控性能的激光增材制造方法,其特征在于:所述工艺参数包括激光功率、扫描速度、填充路径的扫描间距、光斑半径,扫描方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210397367.6A CN114872324B (zh) | 2022-04-15 | 2022-04-15 | 一种基于多维信息耦合调控性能的激光增材制造方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210397367.6A CN114872324B (zh) | 2022-04-15 | 2022-04-15 | 一种基于多维信息耦合调控性能的激光增材制造方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114872324A true CN114872324A (zh) | 2022-08-09 |
CN114872324B CN114872324B (zh) | 2023-09-29 |
Family
ID=82670157
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210397367.6A Active CN114872324B (zh) | 2022-04-15 | 2022-04-15 | 一种基于多维信息耦合调控性能的激光增材制造方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114872324B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115338873A (zh) * | 2022-10-19 | 2022-11-15 | 四川爱麓智能科技有限公司 | 一种基于多参多维距离场数字化的机器人运动规划方法 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120303151A1 (en) * | 2011-05-25 | 2012-11-29 | Asml Netherlands B.V. | Computational Process Control |
US20140043328A1 (en) * | 2008-01-28 | 2014-02-13 | Netvirta, Llc | Reference Object for Three-Dimensional Modeling |
US20160236416A1 (en) * | 2015-02-16 | 2016-08-18 | Arevo Inc. | Method and a system to optimize printing parameters in additive manufacturing process |
CN107599382A (zh) * | 2017-08-15 | 2018-01-19 | 华中科技大学 | 一种基于模型特征的激光功率调节方法 |
CN108182298A (zh) * | 2016-10-25 | 2018-06-19 | 福建省建筑设计研究院有限公司 | 基于bim的虚拟和现实交互校验系统 |
CN108938155A (zh) * | 2018-07-11 | 2018-12-07 | 深圳市聚拓科技有限公司 | 一种基于ct/mri扫描的假肢接受腔模型构建方法 |
US20180356778A1 (en) * | 2017-06-13 | 2018-12-13 | United Technologies Corporation | Method for modeling additive manufacturing of a part |
CN109128168A (zh) * | 2018-10-16 | 2019-01-04 | 沈阳航空航天大学 | 一种基于结构特征的同步送粉增材制造工艺规划方法 |
EP3441162A1 (en) * | 2017-08-11 | 2019-02-13 | Siemens Aktiengesellschaft | Method of additively manufacturing a structure on a pre-existing component out of the powder bed |
US20190134754A1 (en) * | 2017-11-07 | 2019-05-09 | Sigma Labs, Inc. | Methods and systems for quality inference and control for additive manufacturing processes |
CN109940894A (zh) * | 2019-04-01 | 2019-06-28 | 上海大学 | 一种基于有限支撑半径控制的卷积曲面混合建模方法 |
CN110472355A (zh) * | 2019-08-20 | 2019-11-19 | 南京航空航天大学 | 一种基于多场耦合建模与仿真求解的3d打印预览方法 |
US20200238609A1 (en) * | 2019-01-25 | 2020-07-30 | Continuous Composites Inc. | System for additively manufacturing composite structure |
US10872304B1 (en) * | 2017-09-22 | 2020-12-22 | Amazon Technologies, Inc. | Pre-flight fabrication and assembly of aerial vehicles |
CN112287489A (zh) * | 2020-11-06 | 2021-01-29 | 中国石油大学(北京) | 基于多物理场仿真的电弧熔丝增材制造工艺参数确定方法 |
US20210042455A1 (en) * | 2019-08-09 | 2021-02-11 | Palo Alto Research Center Incorporated | System and method for determining spatial distribution of variable deposition size in additive manufacturing |
CN112517924A (zh) * | 2020-11-11 | 2021-03-19 | 三峡大学 | 一种基于反向补偿的电弧增材制造方法 |
CN113134629A (zh) * | 2021-04-21 | 2021-07-20 | 中国工程物理研究院机械制造工艺研究所 | 一种基于多段耦合调控性能的激光增材制造方法 |
CN113681897A (zh) * | 2021-08-27 | 2021-11-23 | 深圳市纵维立方科技有限公司 | 切片处理方法、打印方法、系统、设备和存储介质 |
-
2022
- 2022-04-15 CN CN202210397367.6A patent/CN114872324B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140043328A1 (en) * | 2008-01-28 | 2014-02-13 | Netvirta, Llc | Reference Object for Three-Dimensional Modeling |
US20120303151A1 (en) * | 2011-05-25 | 2012-11-29 | Asml Netherlands B.V. | Computational Process Control |
US20160236416A1 (en) * | 2015-02-16 | 2016-08-18 | Arevo Inc. | Method and a system to optimize printing parameters in additive manufacturing process |
CN108182298A (zh) * | 2016-10-25 | 2018-06-19 | 福建省建筑设计研究院有限公司 | 基于bim的虚拟和现实交互校验系统 |
US20180356778A1 (en) * | 2017-06-13 | 2018-12-13 | United Technologies Corporation | Method for modeling additive manufacturing of a part |
EP3441162A1 (en) * | 2017-08-11 | 2019-02-13 | Siemens Aktiengesellschaft | Method of additively manufacturing a structure on a pre-existing component out of the powder bed |
CN107599382A (zh) * | 2017-08-15 | 2018-01-19 | 华中科技大学 | 一种基于模型特征的激光功率调节方法 |
US10872304B1 (en) * | 2017-09-22 | 2020-12-22 | Amazon Technologies, Inc. | Pre-flight fabrication and assembly of aerial vehicles |
US20190134754A1 (en) * | 2017-11-07 | 2019-05-09 | Sigma Labs, Inc. | Methods and systems for quality inference and control for additive manufacturing processes |
CN108938155A (zh) * | 2018-07-11 | 2018-12-07 | 深圳市聚拓科技有限公司 | 一种基于ct/mri扫描的假肢接受腔模型构建方法 |
CN109128168A (zh) * | 2018-10-16 | 2019-01-04 | 沈阳航空航天大学 | 一种基于结构特征的同步送粉增材制造工艺规划方法 |
US20200238609A1 (en) * | 2019-01-25 | 2020-07-30 | Continuous Composites Inc. | System for additively manufacturing composite structure |
CN109940894A (zh) * | 2019-04-01 | 2019-06-28 | 上海大学 | 一种基于有限支撑半径控制的卷积曲面混合建模方法 |
US20210042455A1 (en) * | 2019-08-09 | 2021-02-11 | Palo Alto Research Center Incorporated | System and method for determining spatial distribution of variable deposition size in additive manufacturing |
CN110472355A (zh) * | 2019-08-20 | 2019-11-19 | 南京航空航天大学 | 一种基于多场耦合建模与仿真求解的3d打印预览方法 |
CN112287489A (zh) * | 2020-11-06 | 2021-01-29 | 中国石油大学(北京) | 基于多物理场仿真的电弧熔丝增材制造工艺参数确定方法 |
CN112517924A (zh) * | 2020-11-11 | 2021-03-19 | 三峡大学 | 一种基于反向补偿的电弧增材制造方法 |
CN113134629A (zh) * | 2021-04-21 | 2021-07-20 | 中国工程物理研究院机械制造工艺研究所 | 一种基于多段耦合调控性能的激光增材制造方法 |
CN113681897A (zh) * | 2021-08-27 | 2021-11-23 | 深圳市纵维立方科技有限公司 | 切片处理方法、打印方法、系统、设备和存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115338873A (zh) * | 2022-10-19 | 2022-11-15 | 四川爱麓智能科技有限公司 | 一种基于多参多维距离场数字化的机器人运动规划方法 |
CN115338873B (zh) * | 2022-10-19 | 2022-12-16 | 四川爱麓智能科技有限公司 | 一种基于多参多维距离场数字化的机器人运动规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114872324B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pirzadeh | Advanced unstructured grid generation for complex aerodynamic applications | |
CN104298818B (zh) | 一种端铣加工表面误差预测及仿真方法 | |
Han et al. | Corner error simulation of rough cutting in wire EDM | |
Gao et al. | Integration of additive manufacturing in casting: advances, challenges, and prospects | |
CN114872324B (zh) | 一种基于多维信息耦合调控性能的激光增材制造方法 | |
He et al. | High-accuracy and high-performance WAAM propeller manufacture by cylindrical surface slicing method | |
CN115685881B (zh) | 基于计算智能的低应力高精度电弧增材工艺控制方法 | |
Yi et al. | Optimized tool path planning for five-axis flank milling of ruled surfaces using geometric decomposition strategy and multi-population harmony search algorithm | |
Qin et al. | Status, issues, and future of computer-aided part orientation for additive manufacturing | |
JP2004030661A (ja) | 設計最適化方法 | |
Fritz et al. | Simultaneous topology and build orientation optimization for minimization of additive manufacturing cost and time | |
He et al. | Research on counter-rotating electrochemical machining of convex structures with different heights | |
Li et al. | A novel milling parameter optimization method based on improved deep reinforcement learning considering machining cost | |
Yu et al. | Development of an analyzing and tuning methodology for the CNC parameters based on machining performance | |
CN110465658B (zh) | 提高激光选区熔化成形复杂结构零件尺寸精度的方法 | |
Wang et al. | A review on energy consumption and efficiency of selective laser melting considering support: advances and prospects | |
Yu et al. | Precise robust motion tracking of a piezoactuated micropuncture mechanism with sliding mode control | |
Wang et al. | Research on the redesign of precision tools and their manufacturing process based on selective laser melting (SLM) | |
CN114626015B (zh) | 一种基于高斯过程回归的薄壁结构切削颤振预测方法 | |
Bai et al. | Adaptive process planning for additive/subtractive hybrid manufacturing of overhang features | |
CN115470583A (zh) | 一种基于数值模拟的悬臂零件最优加工参数获取方法 | |
Shehata et al. | Influence of Microstructure and Alloy Composition on the Machinability of α/β Titanium Alloys | |
CN115659834A (zh) | 一种cfrp铣削工艺参数多目标优化方法及系统 | |
Xin et al. | Surface based variable thickness slicing modeling for laser metal deposition | |
Yu et al. | Incomplete smooth S-curve acceleration and deceleration feedrate planning modeling and analysis |
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 |