CN115890143A - 性能-精度一体化电弧增减材智能复合制造方法 - Google Patents
性能-精度一体化电弧增减材智能复合制造方法 Download PDFInfo
- Publication number
- CN115890143A CN115890143A CN202211410382.6A CN202211410382A CN115890143A CN 115890143 A CN115890143 A CN 115890143A CN 202211410382 A CN202211410382 A CN 202211410382A CN 115890143 A CN115890143 A CN 115890143A
- Authority
- CN
- China
- Prior art keywords
- deposition layer
- manufacturing
- quality
- performance
- electric arc
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- Arc Welding In General (AREA)
Abstract
本发明公开性能‑精度一体化电弧增减材智能复合制造方法,包括步骤:1)利用电弧热源按照沉积路径熔化金属丝材,制造第i个沉积层;制造当前沉积层的过程中,实时监测制造中的沉积层的质量表征信息,判断制造中的沉积层质量是否合格,若不合格,则智能确定局部增减材修复策略,并对制造中的沉积层进行局部增减材修复,以保证零件的性能要求。重复以上步骤完成零件的初步制造。2)对零件进行减材前热处理,按照铣刀运动轨迹与加工参数对零件进行减材加工,得到尺寸精度满足设计要求的构件,实现性能‑精度一体化电弧增减材智能复合制造。本发明实现了对增减材修复区域、增减材修复路径规划、增减材修复工艺参数的自适应控制,智能化程度高。
Description
技术领域
本发明涉及电弧增材制造领域,具体是性能-精度一体化电弧增减材智能复合制造方法。
背景技术
电弧增材制造是一种以金属丝材作为原材料,采用电弧为热源根据三维模型切片结果逐层沉积材料成形零件的制造工艺,具有高沉积速度、高材料利用率、高工艺灵活性等优点。能以较低的成本快速实现大型金属构件的直接成型,现已广泛应用于铁基合金、镍基合金、钛合金、铝合金、镁合金等各种金属材料的制造。
而另一方面,电弧增材制造过程中的热量输入大,熔池尺寸大,冶金过程更加复杂,对输入能量的精确控制难度较大,实时工艺参数不稳定,因此制造精度较低,存在较多的加工余量,同时产生缺陷的可能性增加。沉积层表面容易产生驼峰、凹陷和咬边等宏观缺陷,降低表面平整度,影响层间结合质量。此外,还会不可避免地引入孔隙、变形以及残余应力等缺陷。孔隙的数量、大小与位置分布是影响零件性能与服役行为的重要因素,由于孔隙导致的性能弱化,在成型之后很难消除。变形及残余应力导致沉积过程中的分层以及疲劳性能和抗断裂性能的恶化。因此对缺陷和性能的控制至关重要,在实际生产中需严格控制所述缺陷的产生以保证零件的总体力学性能。
电弧增减材复合制造是指将电弧增材与减材结合起来的制造方法,通过在电弧增材制造过程中引入铣削减材加工可以获得高尺寸精度与表面质量的零件。现有的电弧增减材复合制造技术主要体现在面向精度需求的复合制造,即在增材制造过程中同步执行减材工序以提升零件的尺寸精度。但这种技术体系忽略了零件的性能需求,对于力学性能要求严格的零件,在制造过程中需要更加关注成型件的层间结合质量、孔隙以及应力场分布。
因此,发明一种能够实现多维度监测,根据需求智能决策,综合调控零件层间结合质量、孔隙以及应力场分布的电弧增减材智能复合制造方法,克服现有技术中所存在的问题是十分必要的。
发明内容
本发明的目的是提供性能-精度一体化电弧增减材智能复合制造方法,包括以下步骤:
1)建立待制造零件的三维模型;对所述三维模型进行切片分层,得到n个沉积层,并规划每个沉积层的沉积路径;
2)利用电弧热源按照沉积路径熔化金属丝材,制造第i个沉积层;i初始值为1;
在制造当前沉积层的过程中,通过监测设备实时监测沉积层的监测信号,并上传至上位机;上位机对监测信号进行处理,分析得到沉积层的质量表征信息,进而判断沉积层质量是否合格,若合格,则令i=i+1,重复执行步骤2),制造下一个沉积层,直到所有沉积层制造完毕,得到待精加工的零件,并跳转至步骤4);若不合格,则跳转执行步骤3);
3)确定局部增减材修复策略,对当前沉积层进行增减材智能修复,提升零件的力学性能,直到当前沉积层质量合格,然后令i=i+1,并返回步骤2);
4)根据步骤2)制造得到的待精加工的零件,设定铣刀运动轨迹;对待制造零件进行减材前的热处理,然后按照预设铣刀运动轨迹对待制造零件进行减材加工,得到最终满足精度需求的零件。
进一步,所述监测设备包括视觉监测仪器、温度场监测仪器、传感器;
所述视觉监测仪器用于监测制造过程中沉积层表面缺陷图像信息,包括CCD相机、CMOS相机;
所述温度场监测仪器用于监测制造过程中沉积层的温度场,包括热电偶、红外温度传感器、热成像仪;
所述传感器用于监测制造过程中沉积层的内部孔隙;所述传感器包括光谱传感器、超声传感器、电流电压传感器。
所述质量表征信息包括用于表征沉积层表面缺陷的图像信息、温度场以及内部孔隙信息。
进一步,判断制造中的沉积层质量是否合格的步骤包括:
a)利用时频域分析方法对监测信号进行特征提取,得到质量特征信息;
b)对质量特征信息进行处理,得到质量特征中心信息;
c)通过机器学习算法,利用历史质量特征中心信息建立模型并训练优化,将质量特征中心信息输入到深度神经网络中,得到沉积层缺陷类型、数量与形状;
d)确定沉积层缺陷类型、数量与形状;所述沉积层缺陷类型包括表面形貌缺陷与内部孔隙缺陷;
e)计算表面形貌缺陷的高度,并判断缺陷高度是否大于预设阈值,若是,则沉积层质量不合格;
计算内部孔隙缺陷的孔隙等效直径,并判断孔隙等效直径是否大于预设孔隙等效直径阈值,若是,则沉积层质量不合格。
进一步,局部增减材修复策略的决定因素包括材料的加工特性、应力与孔隙分布规律,以及零件的力学性能需求。
进一步,所述材料的加工特性包括电弧增材制造的稳定性以及切削加工性能;
所述力学性能需求包括零件整体或局部需要达到的强度和塑性指标。
进一步,所述局部增减材修复策略包括增减材局部修复区域、增减材路径规划以及修复工艺参数;所述修复工艺参数包括电弧增材工艺参数和减材加工工艺参数。
进一步,确定增减材局部修复区域的步骤包括:在识别到沉积层缺陷后,根据表面缺陷的尺寸与深度、孔隙的位置与大小确定修复区域;对每个单独的修复区域进行布尔运算,考虑刀具与焊枪的运动,确定最终的局部修复区域;
确定增减材路径规划和修复工艺参数的步骤包括:建立电弧增材工艺参数与沉积层宏观尺寸数据库;根据减材区域的深度确定电弧增材工艺参数和增材路径,根据应力场分布确定减材加工工艺参数与减材路径。
进一步,步骤2)中,在每次减材之后,还对切削屑进行回收处理;在每次电弧增材之后,还对沉积层表面的灰尘与氧化夹杂进行清理。
进一步,在沉积层的制造过程中,还选择性使用了辅助工艺,包括层间轧制、层间微锻造、层间滚压、基台超声振动、磁场辅助电弧增材,以及近浸入式主动水冷、强制喷气冷却。
进一步,所述的电弧热源熔化极气体保护电弧焊热源、钨极气体保护电弧焊热源、等离子弧焊接热源、冷金属过渡焊接热源。
所述金属丝材包括焊丝、多股绞制丝材、粉芯丝材;
所述金属丝材的材料包括铁基合金、铝合金、钛合金、镍基合金、镁合金;所述金属丝材的结构特征还包括多股绞制丝材、粉芯丝材。
本发明的技术效果是毋庸置疑的,本发明根据不同的力学性能需求进行智能的局部增减材修复,通过对表面缺陷、内部孔隙及温度场等进行多维度的实时监测,结合材料的加工特性、应力与孔隙分布规律等因素智能确定局部增减材修复策略,实现力学性能的智能调控,同时制备出满足精度需求的零件。
本发明在逐层电弧增材制造过程中,通过在线监测系统获取的信号判断沉积层质量是否合格,通过智能决策对不合格部位进行局部按需增减材修复,重复上述步骤逐层加工成型零件,使其力学性能满足预定需求。随后实施一定的热处理工艺,根据零件的精度需求进行减材精加工得到满足精度要求的零件。
该复合制造工艺通过对表面缺陷、内部孔隙及温度场等进行多维度的实时监测,结合材料的加工特性、应力与孔隙分布规律等因素智能确定局部增减材修复策略,实现性能-精度一体化的复合制造。同时该方法具有短流程、高效率、智能化的优点,实用性强。
本发明实现了面向力学性能需求的局部按需电弧增减材复合制造,同时满足零件的精度需求,具有较强的实用性,大幅度缩短了制造周期、提高了材料利用率。
本发明通过多维度的实时监测以及多维数据集综合调控确定增减材修复策略,集成度高。本发明实现了对增减材修复区域、增减材修复路径规划、增减材修复工艺参数的自适应控制,智能化程度高。
附图说明
图1为本发明方法的整体框架图。
图2为实施例1中的复合制造系统的装备示意图。
图中:1:电弧热源控制柜;2:六自由度工业机器人;3:焊枪;4:机器人控制柜;5:计算机控制系统;6:铣刀;7:CNC数控加工中心;8:热成像仪;9:CCD相机;10:电流电压传感器;11:超声传感器;12:零件。
具体实施方式
下面结合实施例对本发明作进一步说明,但不应该理解为本发明上述主题范围仅限于下述实施例。在不脱离本发明上述技术思想的情况下,根据本领域普通技术知识和惯用手段,做出各种替换和变更,均应包括在本发明的保护范围内。
实施例1:
参见图1至图2,性能-精度一体化电弧增减材智能复合制造方法,包括以下步骤:
1)建立待制造零件的三维模型;对所述三维模型进行切片分层,得到n个沉积层,并规划每个沉积层的沉积路径;
2)利用电弧热源按照沉积路径熔化金属丝材,制造第i个沉积层;i初始值为1;在制造当前沉积层的过程中,通过多种传感器实时监测沉积层的质量,通过对信号的处理、分析得到沉积层的质量表征信息,进而判断沉积层质量是否合格,若合格,则令i=i+1,重复执行步骤2制造下一个沉积层;若不合格,则跳转执行步骤3;
3)当沉积层的质量表征信息表明沉积层质量不合格,综合考虑多种因素智能确定局部增减材修复策略,对当前沉积层进行按需增减材智能修复,提升零件的力学性能以满足使用需求。随后令i=i+1,并返回步骤2开始下一层的制造。
4)根据初步制造得到的待精加工的零件设定铣刀运动轨迹;对初步制造得到的待制造零件进行减材前的热处理,然后按照预设铣刀运动轨迹对待制造零件进行减材加工,得到最终满足精度需求的零件。
所述质量表征信息包括通过多种维度的传感器获取监测信号,并对信号做处理、分析变换得到的用于表征沉积层的表面缺陷、温度场以及内部孔隙等信息。
实时获取制造过程中监测信号的方法包括:
利用视觉监测仪器监测制造过程中沉积层的表面缺陷;所述视觉监测仪器包括CCD相机、CMOS相机等;
利用温度场监测仪器监测制造过程中沉积层的温度场;所述温度场监测仪器包括热电偶、红外温度传感器、热成像仪;
利用传感器及信号采集仪器监测制造过程中沉积层的内部孔隙;所述传感器包括光谱传感器、超声传感器、电流电压传感器等。
通过分析多维度实时监测信号综合判断沉积层质量是否合格。
判断制造中的沉积层质量是否合格的步骤包括:
a)利用时频域分析方法对监测信号进行特征提取,得到质量特征信息;
b)对质量特征信息采用聚类等方式处理,得到质量特征中心信息;
c)通过深度学习、神经网络等算法,利用历史质量特征中心信息建立模型并训练优化,将质量特征中心信息输入到深度神经网络中,得到沉积层缺陷类型、数量与形状;
e)根据沉积层缺陷类型、数量与形状;所述沉积层缺陷类型包括表面形貌缺陷与内部孔隙缺陷;
f)计算表面形貌缺陷的高度,并判断缺陷高度是否大于预设阈值,若是,则沉积层质量不合格;
计算内部孔隙缺陷的孔隙等效直径,并判断孔隙等效直径是否大于预设孔隙等效直径阈值,若是,则沉积层质量不合格。
局部增减材修复策略的决定因素包括材料的加工特性、应力与孔隙分布规律,以及零件的力学性能需求。
所述材料的加工特性包括电弧增材制造的稳定性以及切削加工性能;
所述力学性能需求包括零件整体或局部需要达到的强度和塑性指标。
所述局部增减材修复策略包括增减材局部修复区域、增减材路径规划以及修复工艺参数;所述修复工艺参数包括电弧增材工艺参数和减材加工工艺参数。
确定增减材局部修复区域的步骤包括:在识别到沉积层缺陷后,根据表面缺陷的尺寸与深度、孔隙的位置与大小确定修复区域;对每个单独的修复区域进行布尔运算,考虑刀具与焊枪的运动,确定最终的局部修复区域;
确定增减材路径规划和修复工艺参数的步骤包括:建立电弧增材工艺参数与沉积层宏观尺寸数据库;根据减材区域的深度确定电弧增材工艺参数和增材路径,根据应力场分布确定减材加工工艺参数与减材路径。
步骤2)中,在每次减材之后,还对切削屑进行回收处理;在每次电弧增材之后,还对沉积层表面的灰尘与氧化夹杂进行清理。
在沉积层的制造过程中,还可以使用适当的辅助工艺,包括层间轧制、层间微锻造、层间滚压、基台超声振动、磁场辅助电弧增材,以及近浸入式主动水冷、强制喷气冷却等主动冷却手段。
所述的电弧热源熔化极气体保护电弧焊热源、钨极气体保护电弧焊热源、等离子弧焊接热源、冷金属过渡焊接热源。
所述金属丝材的材料包括铁基合金、铝合金、钛合金、镍基合金、镁合金;所述金属丝材除商用焊丝外,还应包括多股绞制丝材、粉芯丝材等新型定制丝材。
实施例2:
性能-精度一体化电弧增减材智能复合制造方法,包括以下步骤:
步骤一、电弧增材逐层成形:
通过计算机辅助软件绘制零件的三维模型,按照选取的工艺参数切片分层、逐层规划沉积路径。采用电弧热源按照计算机预设路径熔化金属丝材堆积当前沉积层。
步骤二、成型质量在线监测:
在步骤一金属丝材不断熔化凝固堆积当前沉积层的过程中,采用多种监测手段相结合的方式实时监测制造过程中的表面缺陷、内部孔隙以及温度场等信息,通过对所获信号的分析变换判断沉积层质量是否合格。
步骤三、按需增减材智能修复:
若信号的处理分析结果表明沉积层内部存在不合格的缺陷,则综合考虑材料的加工特性、应力与孔隙分布规律,结合零件的力学性能需求确定局部增减材修复策略。智能确定增减材局部修复区域、增减材路径规划以及修复工艺参数,对当前沉积层依次进行局部的减材去除与增材填充,去除原有缺陷从而提升零件的力学性能以满足使用需求。
否则重复进行步骤一,直到监测到某沉积层质量不合格,或完成整个零件原型的制造。
步骤四、后处理与减材精加工:
重复步骤一至步骤三直到完成整个零件原型的制造,随后对零件整体进行最终减材前的热处理,最后按照计算机预设的铣刀运动轨迹与加工参数对零件进行减材加工,得到尺寸精度满足设计要求的构件。
所述的电弧热源包括电弧增材制造常用的熔化极气体保护电弧焊(GMAW)热源、钨极气体保护电弧焊(GTAW)热源、等离子弧焊接(PAW)热源,以及由GMAW热源发展出的冷金属过渡(CMT)焊接热源等。
所述的金属丝材包括铁基合金、铝合金、钛合金、镍基合金、镁合金等可焊材料制成的商用金属焊丝,以及定制的电弧增材制造专用新型丝材,其结构特征包括多股绞制丝材以及粉芯丝材等。
所述的采用多种监测手段相结合,具体包括采用CCD相机、CMOS相机等视觉监测方式监测制造过程中的表面缺陷;采用热电偶、红外温度传感器、热成像仪等装置监测制造过程中的温度场;采用基于光谱信号、声发射信号、电信号的一种或多种监测方式监测制造过程中的内部孔隙。通过多维度的实时监测信号综合判断沉积层质量是否合格。
通过信号的分析变换判断沉积层质量是否合格,对不合格部位进行按需增减材智能修复。其中,所述的沉积层质量不合格的特征体现在监测信号的变化,基于时频域分析可从监测信号中提取出各种特征。经特征提取的特征参数在不同频段对焊接缺陷具有不同程度的敏感性,因此区分不同的缺陷类型。经聚类、神经网络等算法处理之后,获得当前沉积层缺陷的类型、数量与形状等信息。
所述的对沉积层内部存在不合格的缺陷,综合考虑材料的加工特性、应力与孔隙分布规律,结合零件的力学性能需求确定局部增减材修复策略。其中所述的沉积层中出现的缺陷,具体包括表面形貌缺陷与内部孔隙缺陷。表面形貌缺陷包含驼峰、凸起与咬边等造成的沉积层顶部高度不均匀,在实际应用中根据生产经验对高度差设定阈值,实际高度差大于阈值的部位判定为不合格。孔隙缺陷包含气孔与未熔合孔隙,在实际应用中根据生产经验设定一定的等效孔隙直径阈值,实际孔隙的等效直径大于阈值的局部被判定为不合格。
所述的材料的加工特性具体指电弧增材制造的稳定性以及切削加工性能。根据材料的加工特性设置合适的电弧增材、减材工艺参数选取范围。对于难切削加工材料,应设置较低的切削速度与吃刀量。
所述的力学性能需求指零件整体或局部需要达到的强度和塑性等指标。在电弧增材制造的零件中,沉积层层间结合质量、内部孔隙以及残余应力均导致力学性能的下降。因此,通过对不合格的表面与内部孔隙进行局部的增减材修复,在修复过程中通过控制修复参数与路径尽可能改善应力场分布,降低零件残余应力。使零件的力学性能达到使用需求。
所述的局部增减材修复策略具体指综合多因素智能确定增减材局部修复区域、增减材路径规划以及修复工艺参数。其中所述的增减材局部修复区域指在识别到不合格的缺陷之后,对孔隙位置进行判断,若孔隙处在零件最终成型区域,则需要对其进行修复。分别根据表面缺陷的尺寸与深度、孔隙的位置与大小确定各自的修复区域,对每个单独的修复区域进行布尔运算,考虑刀具与焊枪的运动,确定最终的局部修复区域。
所述的增减材修复路径规划与工艺参数根据减材区域的深度与应力场分布确定。建立电弧增材工艺参数与沉积层宏观尺寸数据库,根据减材区域的深度选择合适的电弧增材工艺参数,根据应力场分布选择合适的减材加工工艺参数与修复路径,最大程度改善应力场分布。
所述方法还应包括,在每次减材之后,应对切削屑进行回收处理以免引入杂质,以及在每次电弧增材之后,清理沉积层表面的灰尘与氧化夹杂,从而保证后续电弧增材制造的沉积层质量。
所述方法还应包括,在制造过程中可以结合适当的辅助工艺,如层间轧制、层间微锻造、层间滚压、以及基台超声振动、磁场辅助电弧增材等,起到细化晶粒、改善应力分布的作用,进一步提高零件的力学性能。再比如近浸入式主动水冷、强制喷气冷却等主动冷却手段,以缓解热累积,提高制造效率并提升力学性能。
所述方法还应包括,可结合变角度基板以及旋转基台实现更复杂形状零件的制造。
所述方法还应包括,在复杂零件成型过程中,如果存在加工完成之后无法减材的区域,可在零件的制造过程中进行最终的减材精加工,从而实现复杂形状零件的一次成型。
实施例3:
性能-精度一体化电弧增减材智能复合制造方法,包括以下内容:
如附图1所示,图1为本实施例的复合制造系统的装备示意图。本实施例所使用的电弧热源1为Fronius CMT 4000Advanced电源,KUKA机器人2作为焊枪3的运动机构,焊枪固定在机器人的第六轴末端上,通过机器人控制柜4与计算机控制系统5的协同控制其运动,铣刀6安装在CNC数控加工中心7中。沉积材料为TC4钛合金。电弧增材制造参数为,送丝速度7.5m/min,焊枪运动速度0.2m/min,TC4钛合金焊丝直径1.2mm,保护气体采用纯度99.99%的氩气,气体流量18L/min。采用热成像仪8监测制造过程中的表面温度场,利用CCD相机9获取制造过程中沉积层顶部的表面形貌。采用电流电压传感器10与超声传感器11监测制造过程中的电流电压、超声信号,通过信号处理算法对信号做智能判断。所有的信号处理分析、工艺参数与运动路径控制在计算机系统5中进行。
通过有限元仿真结合实验测试获得钛合金多层构件应力场分布模型,建立钛合金构件电弧增材制造应力场分布预测模型,从而指导局部增减材修复过程。通过实验获取电弧增材制造钛合金内部孔隙分布规律,并建立工艺参数—沉积层宏观形貌映射关系,为局部增减材修复的参数选取提供数据支撑。
通过控制铣削减材的工艺参数,如铣削宽度与铣削厚度,会对电弧增材制造构件的残余应力以及拉伸各向异性造成影响。刀具与铣削表面之间的抛光效应产生铣削压应力抵消初始残余拉应力,降低表面残余应力,消除内部最大应力点。通过控制铣削宽度与厚度最大程度的抵消原始残余拉应力,提升零件的力学性能。根据材料本身的铣削加工特性,在工艺参数域内选取合适的加工参数。
根据实验数据以及生产经验,根据零件的力学性能需求设定零件表面不平整度阈值以及内部孔隙等效直径阈值,后续制造过程中,对不满足力学性能需求的缺陷进行局部增减材修复。
一般认为,零件内部的孔隙对其力学性能有着至关重要的影响。孔隙越多,零件的致密度越低,导致零件力学性能弱化。因此在实际生产中,应严格控制零件内部的孔隙,通过设置不同的孔隙等效直径阈值,对超过阈值的孔隙进行局部修复,从而获得不同程度力学性能的提升。
通过在零件的不同部位设置不同的阈值,通过在零件的主要承载部位设置更小的孔隙阈值,从而提升主要承载部位的性能,实现性能的定制化,进一步提高制造效率与材料利用率。
本实施例的具体实施步骤如下:
步骤一:通过计算机系统5绘制构件三维模型。根据选取的工艺参数切片分层、逐层规划熔覆路径。在机器人运动仿真软件中运行生成的机器人路径,确认无误后,导入电弧增材控制程序。
步骤二:使用钢丝轮打磨TC4基板表面,除去基板表面的杂质与氧化膜,然后用无水乙醇清洗基板表面。将清洗完成的基板装夹在工作平台上。调整焊枪3位置到起弧点处,调整基板位置,确保沉积构件在基板的中心部位。保证焊枪到基板表面的垂直距离为20mm。
步骤三:电弧热源按照计算机预设路径不断熔化金属丝材逐层堆积零件12,过程中热成像仪监测制造过程中的温度信号,每层沉积结束时,待零件整体冷却到一定温度时再进行下一层的沉积。同时,实时采集制造过程中的电流、电压、超声信号,对信号进行变换分析、特征提取。根据不同的信号异常特征识别出不同的缺陷类型,具体包括驼峰、咬边、凹陷、断弧等表面形貌缺陷和内部孔隙缺陷。
步骤四:检测到表面形貌缺陷时,采用CCD相机获取沉积层顶部的表面形貌,判断沉积层表面是否需要局部的增减材修复。根据零件的力学性能需求对检测到的内部孔隙做智能决策,对不满足力学性能需求的内部孔隙需要进行局部的增减材修复。
步骤五:根据不同缺陷所在的位置、深度,通过对缺陷进行布尔运算确定需要修复的区域。根据预测的应力场分布与材料的加工特性,选择合适的增减材切削路径与加工参数。对当前沉积层进行减材修复,随后清理表面的切削屑。最后对减材区域进行增材填充。
步骤六:重复步骤一至步骤五,直到完成整个零件原型的成形。对零件进行减材前热处理,随后按照计算机预设的铣刀运动轨迹与加工参数对零件原型进行减材加工,得到尺寸精度满足设计要求的构件。
实施例4:
利用性能-精度一体化电弧增减材智能复合制造方法对大尺寸复杂形状低碳钢零件进行制造,步骤包括:
使用GTAW热源,采用机械臂带动铣刀进行减材加工,从而适用于大尺寸零件的制造。在基板上按照预设路径逐层沉积加工零件。同时根据力学性能需求对零件执行局部的增减材修复。
在工艺装备中结合层间轧制、层间微锻造、层间滚压、以及基台超声振动、磁场辅助电弧增材等辅助工艺起到细化晶粒、改善应力分布的作用,进一步提升零件的力学性能。同时结合近浸入式主动水冷、强制喷气冷却等主动冷却手段,以缓解热累积,提高制造效率并提升力学性能。
为满足复杂形状的制造需求,在基台上加装可变角度、旋转的变位机。同时,若在复杂零件成型过程中存在加工完成之后无法减材的区域,可在零件的制造过程中进行最终的减材精加工,从而实现复杂形状零件的一次成型。
实施例5:
性能-精度一体化电弧增减材智能复合制造方法,包括以下步骤:
1)建立待制造零件的三维模型;对所述三维模型进行切片分层,得到n个沉积层,并规划每个沉积层的沉积路径;
2)利用电弧热源按照沉积路径熔化金属丝材,制造第i个沉积层;i初始值为1;
在制造当前沉积层的过程中,通过监测设备实时监测沉积层的监测信号,并上传至上位机;上位机对监测信号进行处理,分析得到沉积层的质量表征信息,进而判断沉积层质量是否合格,若合格,则令i=i+1,重复执行步骤2),制造下一个沉积层,直到所有沉积层制造完毕,得到待精加工的零件,并跳转至步骤4);若不合格,则跳转执行步骤3);
3)确定局部增减材修复策略,对当前沉积层进行增减材智能修复,提升零件的力学性能,直到当前沉积层质量合格,然后令i=i+1,并返回步骤2);
4)根据步骤2)制造得到的待精加工的零件,设定铣刀运动轨迹;对待制造零件进行减材前的热处理,然后按照预设铣刀运动轨迹对待制造零件进行减材加工,得到最终满足精度需求的零件。
实施例6:
性能-精度一体化电弧增减材智能复合制造方法,主要内容见实施例5,其中,所述监测设备包括视觉监测仪器、温度场监测仪器、传感器;
所述视觉监测仪器用于监测制造过程中沉积层表面缺陷图像信息,包括CCD相机、CMOS相机;
所述温度场监测仪器用于监测制造过程中沉积层的温度场,包括热电偶、红外温度传感器、热成像仪;
所述传感器用于监测制造过程中沉积层的内部孔隙;所述传感器包括光谱传感器、超声传感器、电流电压传感器。
所述质量表征信息包括用于表征沉积层表面缺陷的图像信息、温度场以及内部孔隙信息。
实施例7:
性能-精度一体化电弧增减材智能复合制造方法,主要内容见实施例5,其中,判断制造中的沉积层质量是否合格的步骤包括:
1)利用时频域分析方法对监测信号进行特征提取,得到质量特征信息;
2)对质量特征信息进行处理,得到质量特征中心信息;
3)通过机器学习算法,利用历史质量特征中心信息建立模型并训练优化,将质量特征中心信息输入到深度神经网络中,得到沉积层缺陷类型、数量与形状;
4)确定沉积层缺陷类型、数量与形状;所述沉积层缺陷类型包括表面形貌缺陷与内部孔隙缺陷;
5)计算表面形貌缺陷的高度,并判断缺陷高度是否大于预设阈值,若是,则沉积层质量不合格;
计算内部孔隙缺陷的孔隙等效直径,并判断孔隙等效直径是否大于预设孔隙等效直径阈值,若是,则沉积层质量不合格。
实施例8:
性能-精度一体化电弧增减材智能复合制造方法,主要内容见实施例5,其中,局部增减材修复策略的决定因素包括材料的加工特性、应力与孔隙分布规律,以及零件的力学性能需求。
实施例9:
性能-精度一体化电弧增减材智能复合制造方法,主要内容见实施例8,其中,所述材料的加工特性包括电弧增材制造的稳定性以及切削加工性能;
所述力学性能需求包括零件整体或局部需要达到的强度和塑性指标。
实施例10:
性能-精度一体化电弧增减材智能复合制造方法,主要内容见实施例5,其中,所述局部增减材修复策略包括增减材局部修复区域、增减材路径规划以及修复工艺参数;所述修复工艺参数包括电弧增材工艺参数和减材加工工艺参数。
实施例11:
性能-精度一体化电弧增减材智能复合制造方法,主要内容见实施例10,其中,确定增减材局部修复区域的步骤包括:在识别到沉积层缺陷后,根据表面缺陷的尺寸与深度、孔隙的位置与大小确定修复区域;对每个单独的修复区域进行布尔运算,考虑刀具与焊枪的运动,确定最终的局部修复区域;
确定增减材路径规划和修复工艺参数的步骤包括:建立电弧增材工艺参数与沉积层宏观尺寸数据库;根据减材区域的深度确定电弧增材工艺参数和增材路径,根据应力场分布确定减材加工工艺参数与减材路径。
实施例12:
性能-精度一体化电弧增减材智能复合制造方法,主要内容见实施例5,其中,步骤2)中,在每次减材之后,还对切削屑进行回收处理;在每次电弧增材之后,还对沉积层表面的灰尘与氧化夹杂进行清理。
实施例13:
性能-精度一体化电弧增减材智能复合制造方法,主要内容见实施例5,其中,在沉积层的制造过程中,还选择性使用了辅助工艺,包括层间轧制、层间微锻造、层间滚压、基台超声振动、磁场辅助电弧增材,以及近浸入式主动水冷、强制喷气冷却。
实施例14:
性能-精度一体化电弧增减材智能复合制造方法,主要内容见实施例5,其中,所述的电弧热源熔化极气体保护电弧焊热源、钨极气体保护电弧焊热源、等离子弧焊接热源、冷金属过渡焊接热源。
所述金属丝材包括焊丝、多股绞制丝材、粉芯丝材;
所述金属丝材的材料包括铁基合金、铝合金、钛合金、镍基合金、镁合金;所述金属丝材的结构特征还包括多股绞制丝材、粉芯丝材。
Claims (10)
1.性能-精度一体化电弧增减材智能复合制造方法,其特征在于,包括以下步骤:
1)建立所述待制造零件的三维模型;对所述三维模型进行切片分层,得到n个沉积层,并规划每个沉积层的沉积路径。
2)利用电弧热源按照沉积路径熔化金属丝材,制造第i个沉积层;i初始值为1;
在制造当前沉积层的过程中,通过监测设备实时监测沉积层的监测信号,并上传至上位机;上位机对监测信号进行处理,分析得到沉积层的质量表征信息,进而判断沉积层质量是否合格,若合格,则令i=i+1,重复执行步骤2),制造下一个沉积层,直到所有沉积层制造完毕,得到待精加工的零件,并跳转至步骤4);若不合格,则跳转执行步骤3);
3)确定局部增减材修复策略,对当前沉积层进行增减材智能修复,提升零件的力学性能,直到当前沉积层质量合格,然后令i=i+1,并返回步骤2);
4)根据步骤2)制造得到的待精加工的零件,设定铣刀运动轨迹;对待制造零件进行减材前的热处理,然后按照预设铣刀运动轨迹对待制造零件进行减材加工,得到最终满足精度需求的零件。
2.根据权利要求1所述的性能-精度一体化电弧增减材智能复合制造方法,其特征在于,所述监测设备包括视觉监测仪器、温度场监测仪器、传感器;
所述视觉监测仪器用于监测制造过程中沉积层表面缺陷图像信息,包括CCD相机、CMOS相机;
所述温度场监测仪器用于监测制造过程中沉积层的温度场,包括热电偶、红外温度传感器、热成像仪;
所述传感器用于监测制造过程中沉积层的内部孔隙;所述传感器包括光谱传感器、超声传感器、电流电压传感器。
所述质量表征信息包括用于表征沉积层表面缺陷的图像信息、温度场以及内部孔隙信息。
3.根据权利要求1所述的性能-精度一体化电弧增减材智能复合制造方法,其特征在于,判断制造中的沉积层质量是否合格的步骤包括:
1)利用时频域分析方法对监测信号进行特征提取,得到质量特征信息;
2)对质量特征信息进行处理,得到质量特征中心信息;
3)通过机器学习算法,利用历史质量特征中心信息建立模型并训练优化,将质量特征中心信息输入到深度神经网络中,得到沉积层缺陷类型、数量与形状;
4)确定沉积层缺陷类型、数量与形状;所述沉积层缺陷类型包括表面形貌缺陷与内部孔隙缺陷;
5)计算表面形貌缺陷的高度,并判断缺陷高度是否大于预设阈值,若是,则沉积层质量不合格;
计算内部孔隙缺陷的孔隙等效直径,并判断孔隙等效直径是否大于预设孔隙等效直径阈值,若是,则沉积层质量不合格。
4.根据权利要求1所述的性能-精度一体化电弧增减材智能复合制造方法,其特征在于,局部增减材修复策略的决定因素包括材料的加工特性、应力与孔隙分布规律,以及零件的力学性能需求。
5.根据权利要求4所述的性能-精度一体化电弧增减材智能复合制造方法,其特征在于,所述材料的加工特性包括电弧增材制造的稳定性以及切削加工性能;
所述力学性能需求包括零件整体或局部需要达到的强度和塑性指标。
6.根据权利要求1所述的性能-精度一体化电弧增减材智能复合制造方法,其特征在于,所述局部增减材修复策略包括增减材局部修复区域、增减材路径规划以及修复工艺参数;所述修复工艺参数包括电弧增材工艺参数和减材加工工艺参数。
7.根据权利要求6所述的性能-精度一体化电弧增减材智能复合制造方法,其特征在于,确定增减材局部修复区域的步骤包括:在识别到沉积层缺陷后,根据表面缺陷的尺寸与深度、孔隙的位置与大小确定修复区域;对每个单独的修复区域进行布尔运算,考虑刀具与焊枪的运动,确定最终的局部修复区域;
确定增减材路径规划和修复工艺参数的步骤包括:建立电弧增材工艺参数与沉积层宏观尺寸数据库;根据减材区域的深度确定电弧增材工艺参数和增材路径,根据应力场分布确定减材加工工艺参数与减材路径。
8.根据权利要求1所述的性能-精度一体化电弧增减材智能复合制造方法,其特征在于,步骤2)中,在每次减材之后,还对切削屑进行回收处理;在每次电弧增材之后,还对沉积层表面的灰尘与氧化夹杂进行清理。
9.根据权利要求1所述的性能-精度一体化电弧增减材智能复合制造方法,其特征在于,在沉积层的制造过程中,还选择性使用了辅助工艺,包括层间轧制、层间微锻造、层间滚压、基台超声振动、磁场辅助电弧增材,以及近浸入式主动水冷、强制喷气冷却。
10.根据权利要求1所述的性能-精度一体化电弧增减材智能复合制造方法,其特征在于,所述的电弧热源熔化极气体保护电弧焊热源、钨极气体保护电弧焊热源、等离子弧焊接热源、冷金属过渡焊接热源。
所述金属丝材包括焊丝、多股绞制丝材、粉芯丝材;
所述金属丝材的材料包括铁基合金、铝合金、钛合金、镍基合金、镁合金;所述金属丝材的结构特征还包括多股绞制丝材、粉芯丝材。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211410382.6A CN115890143A (zh) | 2022-11-11 | 2022-11-11 | 性能-精度一体化电弧增减材智能复合制造方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211410382.6A CN115890143A (zh) | 2022-11-11 | 2022-11-11 | 性能-精度一体化电弧增减材智能复合制造方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115890143A true CN115890143A (zh) | 2023-04-04 |
Family
ID=86493263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211410382.6A Pending CN115890143A (zh) | 2022-11-11 | 2022-11-11 | 性能-精度一体化电弧增减材智能复合制造方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115890143A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117020656A (zh) * | 2023-07-28 | 2023-11-10 | 南京理工大学 | 复杂金属构件的增-测-减一体化成形系统及加工方法 |
CN117182312A (zh) * | 2023-10-26 | 2023-12-08 | 武汉茸烽智能装备有限公司 | 一种同轴热丝辅助激光变形复合的增材制造装置及方法 |
CN117983962A (zh) * | 2024-04-03 | 2024-05-07 | 成都环龙智能机器人有限公司 | 一种全流程自动焊接智能工作站的工作方法 |
-
2022
- 2022-11-11 CN CN202211410382.6A patent/CN115890143A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117020656A (zh) * | 2023-07-28 | 2023-11-10 | 南京理工大学 | 复杂金属构件的增-测-减一体化成形系统及加工方法 |
CN117020656B (zh) * | 2023-07-28 | 2024-05-07 | 南京理工大学 | 复杂金属构件的增-测-减一体化成形系统及加工方法 |
CN117182312A (zh) * | 2023-10-26 | 2023-12-08 | 武汉茸烽智能装备有限公司 | 一种同轴热丝辅助激光变形复合的增材制造装置及方法 |
CN117182312B (zh) * | 2023-10-26 | 2024-05-17 | 武汉茸烽智能装备有限公司 | 一种同轴热丝辅助激光变形复合的增材制造装置及方法 |
CN117983962A (zh) * | 2024-04-03 | 2024-05-07 | 成都环龙智能机器人有限公司 | 一种全流程自动焊接智能工作站的工作方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115890143A (zh) | 性能-精度一体化电弧增减材智能复合制造方法 | |
RU2745219C1 (ru) | Способ параллельного контроля деформации и точности изготовления деталей во время процесса аддитивного производства | |
Singh et al. | Wire arc additive manufacturing (WAAM): A new process to shape engineering materials | |
Pattanayak et al. | Gas metal arc welding based additive manufacturing—a review | |
Ding et al. | Wire-feed additive manufacturing of metal components: technologies, developments and future interests | |
Raut et al. | Wire arc additive manufacturing: a comprehensive review and research directions | |
Singh et al. | A review on process planning strategies and challenges of WAAM | |
Benakis et al. | Current mode effects on weld bead geometry and heat affected zone in pulsed wire arc additive manufacturing of Ti-6-4 and Inconel 718 | |
Flynn et al. | Hybrid additive and subtractive machine tools–Research and industrial developments | |
Pradhan | Estimating the effect of process parameters on surface integrity of EDM ed AISI D2 tool steel by response surface methodology coupled with grey relational analysis | |
US11951560B2 (en) | Wire and arc additive manufacturing method for titanium alloy | |
US8629368B2 (en) | High-speed, ultra precision manufacturing station that combines direct metal deposition and EDM | |
CN104625650B (zh) | 冲击式水轮机转轮的制造工艺 | |
US8383985B2 (en) | System and method for an integrated additive manufacturing cell for complex components | |
Reisch et al. | Robot based wire arc additive manufacturing system with context-sensitive multivariate monitoring framework | |
Chakraborty et al. | The state of the art for wire arc additive manufacturing process of titanium alloys for aerospace applications | |
CN106425490A (zh) | 一种增减材复合加工设备及其应用 | |
JP2019084553A (ja) | 金属積層造形方法 | |
Pratihar | Expert systems in manufacturing processes using soft computing | |
Wahsh et al. | Parameter selection for wire arc additive manufacturing (WAAM) process | |
CN109202459B (zh) | 一种钛合金空心叶片增材制造装置及制造方法 | |
dos Santos Paes et al. | Understanding the behavior of laser surface remelting after directed energy deposition additive manufacturing through comparing the use of iron and Inconel powders | |
Legesse et al. | Additive manufacturing of H13 tooling element with conformal cooling channel using MIG cladding | |
CN109504968A (zh) | 激光熔覆与渐进挤压改性的再制造方法 | |
CN117020656B (zh) | 复杂金属构件的增-测-减一体化成形系统及加工方法 |
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 |