张 凯,刘婷婷,廖文和,张长东,杜道中,郑 毅
(南京理工大学机械工程学院,江苏省高端制造装备与技术工程实验室,南京 210094)
摘要:基于 ANSYS 模拟分析了激光选区熔化(Selective Laser Melting,SLM) Al2O3陶瓷过程中的温度场,研究了激光功率和扫描速率对熔池热行为的影响,并结合实验验证了模型的可靠性。结果表明:当激光功率由 100 W 增加到 200 W 时,熔池的高温从 1 619.02 K 增加到 3 276.79 K,升温速率极值从 2.05×106 K/s 增加到 4.90×106 K/s;当扫描速率由 60 mm/s 增加到 120 mm/s 时,熔池的高温由 2 754.45 K 减少到 1 980.59 K,而升温速率极值由 2.65×106 K/s 增加到 3.57×106 K/s,降温速率极值由 2.15×106 K/s 增加到 2.63×106 K/s;当扫描速率固定为 90 mm/s 时,熔池的高温度是影响降温速率值的直接因素,熔池高温度越高(激光功率越大),降温速率越大。随着激光功率的增加或者扫描速率的减少,熔池的尺寸逐渐增大。对比实验与模拟数据,发现模拟结果能够说明试样的表面质量和粉末的熔化状态随激光工艺参数而变化的趋势。
关键词:激光选区熔化、增材制造、陶瓷、氧化铝、数值模拟
中图分类号:TN249 文献标志码:A
文章编号:0454–5648(2017)12–1825–08
网络出版时间:2017–11–01 14:32:36
网络出版地址:
http://kns.cnki.net/kcms/detail/11.2310.TQ.20171101.1432.015.html
收稿日期:2017–03–13。
修订日期:2017–04–05。
基金项目:
国家自然科学基金(51375242);江苏省重点研发计划 (BE2015165)资助。
第一作者:张 凯(1989—),男,博士研究生。
通信作者:廖文和(1965—),男,博士,教授。
前言
Al2O3陶瓷具有高强度、高硬度、耐高温、抗腐 蚀等优点,在工业领域有着广泛的应用[1]。然而, 陶瓷成型加工困难,尤其是复杂的陶瓷零件,通常需要借助于模具,技术难度大,制造成本高、周期 长,而且模具一旦制作完成,就无法再对产品进行修改[2],研发陶瓷成型新技术是解决上述难题的有效方法。
激光选区熔化(Selective Laser Melting,SLM)技术能够弥补和克服传统陶瓷工艺的不足,为复杂陶瓷零件的成型加工提供了新的思路[3–4]。文献[5–6]采用ZrO2粉末在Phenix PM 100设备上进行了SLM 成形实验,成形件表面微观组织致密且均匀,但是含有气孔和裂纹。Wilkes 等采用高温预热的方式初步实现了陶瓷无裂纹[7–8]。抑制裂纹是陶瓷 SLM 成形需要解决的关键问题,分析成形过程的温度场是掌握裂纹产生机理的基础。
目前,国内外开展了许多关于 SLM 温度场数值模拟研究。Gusarov 等模拟分析了不锈钢 SLM 过程中的温度场,研究发现:扫描速率、粉层厚度和材料的热物性参数对工艺的稳定性有较大的影响[9]。顾冬冬等通过有限元分析和实验验证相结合的方式,对 AlSi10MgSLM 过程进行温度场仿真,研究了激光功率和扫描速率对SLM过程温度场的影响[10]。以上研究表明:有限元分析可以作为 SLM 成形的辅助研究手段。然而关于陶瓷材料 SLM 数值模拟分析的研究较少。
在上述研究基础上,研究激光功率和扫描速率对 Al2O3 SLM 成形过程温度场的影响,并结合实验验证,探索了陶瓷 SLM 成形过程中气孔和裂纹等缺陷的产生机理。
结论
1) 当激光功率增加时,熔池的高温和升温速率均呈增加趋势;当扫描速率固定时,熔池高温度是影响降温速率的直接因素,熔池高温度越高 (激光功率越大),降温速率越大;当扫描速率增加时,熔池的高温不断降低,而升温速率和降温速率不断增加。
2) 随着激光功率的增加或者扫描速率的降低,熔池的尺寸逐渐增大。当激光功率为 200 W、扫描速率为 90 mm/s 时,熔池的宽度为 53.73 μm,大于 扫描间距(50 μm)。
3) 对比有限元温度场及实验结果,模拟结果获得的温度场结论能够表现出 Al2O3 试样的表面质量和粉末的熔化状态随激光工艺参数而变化的趋势。
文中部分图表
扩展阅读
基于机器视觉古陶瓷无损分类识别
翁政魁 1,管业鹏 1,2,罗宏杰 3
(1. 上海大学通信与信息工程学院,上海 200444;2.新型显示技术及应用集成教育部重点实验室,上海 200072;3. 上海大学材料科学与工程学院,上海 200444)
摘 要:为客观、有效地对古陶瓷进行无损分类,提出了一种基于机器视觉古陶瓷无损分类识别方法。通过遍历古陶瓷器型边缘轮廓,获取古陶瓷器型结构细节特征,并在 HSI 空间下提取古陶瓷釉色多通道颜色直方图特征。同时,提取反映古陶瓷纹理多样性的LBP 纹饰特征。基于上述特征,采用机器学习方法实现古陶瓷器型结构、釉色及其纹饰图案的无损分类识别。结果表明:通过机器视觉可以有效地对古陶瓷进行分类识别;在以 16 为曲率步长、9 为 LBP 算子分块数时,分别提取古陶瓷结构,纹饰特征有较好的识别精度,其中,基于结构与釉色融合特征相比单一特征具有更好的识别效果;当古陶瓷发生结构或纹饰上的小部分缺损时,该方法可以保持一定的鲁棒性,当信息丢失或缺损为 5%时,平均识别率依旧可达 85%以上, 可期望实现古陶瓷科技鉴定中的良好应用。
关键词:古陶瓷;科技鉴定;机器视觉;结构信息;釉色信息;纹饰特征
中图分类号:TP391.7 文献标志码:A
文章编号:0454–5648(2017)12–1833–10
网络出版时间:2017–11–01 14:32:37
网络出版地址:
http://kns.cnki.net/kcms/detail/11.2310.TQ.20171101.1432.016.html
收稿日期:2017–05–02。
修订日期:2017–07–28。
基金项目:
国家自然科学基金(11176016;60872117);
高等学校博士学 科点专项科研基金(20123108110014)资助。
第一作者:翁政魁(1991—),男,博士研究生。
通信作者:管业鹏(1967—),男,教授。