用于防止金屬3D打印缺陷的實時原位熔池分析和數字孿生方法

2021年10月16日，南極熊獲悉，來自內布拉斯加大學林肯分校、德雷塞爾大學、納瓦霍技術大學和SigmaLabs的一組研究人員開發(fā)了一種檢測激光粉末床熔融（LPBF）3D打印部件缺陷的新流程，并在此流程中使用了數字孿生技術。

該團隊在研究論文中概述了一種數字孿生策略，它整合了物理學和數據，在LPBF打印過程中形成缺陷時提供實時檢測。通過將原位熔池溫度測量與計算預測相結合，研究人員能夠檢測和識別不銹鋼葉輪中三種不同類型的缺陷。

研究的目標是消除LPBF工藝容易產生的缺陷，以使其適用于航空航天和生物醫(yī)學等精密驅動的行業(yè)，同時防止網絡安全威脅，如工藝篡改。

△研究人員的物理和數據集成數字孿生戰(zhàn)略。圖片來自《Materials & Design》

LPBF期間的缺陷形成

盡管LPBF 3D打印技術可以實現幾何自由和顯著的成本和時間節(jié)約，但迄今為止，航空航天和醫(yī)療等高精度行業(yè)在采用該技術制造安全關鍵部件時一直猶豫不決，因為它容易產生缺陷。

網絡安全風險也已成為另一個新出現的問題，不僅在LPBF中，而且在其他3D打印工藝中，惡意的一方可能會篡改工藝參數，在零件中植入缺陷，從而影響其性能。

正在進行越來越多的研究，以解決這些問題并減少LPBF工藝中出現缺陷的機會。為了改進工藝，已經對某些金屬的微裂紋的原因進行了研究，就像對光束成形的影響一樣。

已經在這一領域開展了大量工作的代表性公司是德克薩斯A&M，它與阿貢國家實驗室合作，部署機器學習來預測3D打印部件的缺陷，并建立了一個LPBF "速度限制"，在此限制下，“J形氣泡”等缺陷不太可能在3D打印部件上形成。

就在上個月，德克薩斯A&M的科學家們推出了一種基于單軌打印數據和機器學習的LPBF 3D打印無缺陷金屬零件的通用方法。研究團隊聲稱，與現有的參數優(yōu)化方法相比，他們的方法成本更低、耗時更長、更簡單，因此非常適合于航空航天、汽車和國防應用。

△葉輪的橫截面顯示了研究人員用來測試其數字孿生體的三個構建部分——底座、中間和鰭。圖片來自《Materials & Design》

數字孿生方法

在LPBF過程中，激光器熔化、冷卻、凝固和重熔粉末的過程中出現的熱現象，往往會導致裂縫的形成。在微觀尺度上，粉末的熔化產生了一個熔融材料的尾流，稱為熔池，其中的溫度分布、流動和飛濺影響了零件的微觀結構、孔隙率和裂紋。

在宏觀尺度上，激光的快速掃描作用和材料在高溫下的連續(xù)熔化導致加熱和冷卻循環(huán)，這可能導致殘余應力和零件變形。

為了解決這個問題，最新的研究旨在開發(fā)和應用一種數據和物理學綜合戰(zhàn)略，用于在線監(jiān)測和檢測LPBF部件的缺陷形成。為此，研究小組將原位熔池溫度測量與熱模擬模型相結合，快速預測零件中的溫度分布。

據研究人員稱，他們的方法創(chuàng)新之處在于模型提供的溫度分布預測，該模型通過原位熔池溫度測量逐層更新。因此，科學家們稱他們的方法為 "數字孿生"方法，以檢測裂紋的形成。

數字孿生策略能夠為糾正零件的異常情況提供反饋，從而減少失敗制造造成的浪費。研究人員將他們的策略作為純數據驅動的過程監(jiān)控技術的替代方案，以克服這些過程的缺點，即檢測的延遲、數據驅動模型對零件形狀的通用性差，以及獲取數據的費用和資源密集性。

此外，由于數字孿生體同時包含了零件形狀對熱歷史的宏觀影響和激光與材料相互作用的微觀影響（以熔池溫度的形式），它可以囊括不同加工參數的影響，如掃描模式、艙口間距、激光功率和速度。

△安裝在EOSM290 LPBF系統(tǒng)上的軸上傳感裝置。圖片來源：《Materials & Design》。

測試數字孿生

為了測試他們的方法，研究團隊使用EOS M290 LPBF系統(tǒng)3D打印了四個不銹鋼葉輪形狀的零件，這些零件有不同類型的缺陷，包括工藝漂移、鏡頭分層和網絡入侵。為了制造這些缺陷，研究人員改變了加工參數，促使機器發(fā)生相關故障，并故意篡改工藝，在零件內部制造缺陷。

研究團隊選擇打印葉輪零件來展示他們的數字孿生體，因為它沿建造方向可分為三個不同的區(qū)域——底部、中部和鰭部。每一個部分都包括復雜的特征，這對打印來說是一個挑戰(zhàn)，例如水滴形的內部冷卻通道，這導致各層之間的冷卻時間不同，從而產生復雜的熱歷史。

在建造過程中，使用集成在激光路徑中的三個同軸光電探測器陣列對該過程進行連續(xù)監(jiān)測。從傳感器陣列獲得的信號被處理以創(chuàng)建兩種類型的測量，即熱能普朗克（TEP）和熱能密度（TED）。TEP特征與熔池溫度相關，而TED則捕捉到寬頻室輻射。

這些特征隨后被納入圖論模型，以便在整個過程中持續(xù)更新熔池的微尺度活動。

△使用帶通濾波的光電探測器的發(fā)射來測量熔池溫度。圖片來自《Materials & Design》。

在LPBF過程中，數字孿生能夠檢測到3D打印葉輪部件中所有的三種缺陷類型。研究人員表示，與單獨使用傳感器數據相比，這種方法能夠對缺陷的形成進行精確和可解釋的檢測。為此，數字孿生方法克服了將傳感器標簽轉移到一個單獨的數據分析算法的需要，因此防止了檢測缺陷的延遲。

展望未來，研究團隊將尋求繼續(xù)擴大其數字孿生的能力，以檢測其他類型的缺陷，如失真。他們還將用不同的加工參數、掃描策略和零件形狀測試該方法。

關于這項研究的更多信息可以在《Materials & Design》雜志上題為 "Digitally twinned additive manufacturing: Detecting flaws inlaser powder bed fusion by combining thermal simulations with in-situ meltpoolsensor data"的論文中找到。該研究由R. Yavari, A. Riensche, E.Tekerek, L. Jacquemetton, H. Halliday, M. Vandever, A. Tenequer, V. Perumal, A.Kontsos, Z. Smoqi, K. Cole, and P. Rao共同撰寫。

△應用于實際葉輪形狀部件的數字孿生的概念。圖片來自《Materials & Design》。

相關論文鏈接：https://www.sciencedirect.com/sc ... i/S026412752100722X