The elimination of internal macro-defects is a key issue in Ti–6Al–4V alloys fabricated via powder bed fusion using electron beams (PBF-EB), wherein internal macro-defects mainly originate from the virgin powder and inappropriate printing parameters. This study compares different types powders by combining support vector machine techniques to determine the most suitable powder for PBF-EB and to predict the processing window for the printing parameters without internal macro-defects. The results show that powders fabricated via plasma rotating electrode process have the best sphericity, flowability, and minimal porosity and are most suitable for printing. Surface roughness criterion was also applied to determine the quality of the even surfaces, and support vector machine was used to construct processing maps capable of predicting a wide range of four-dimensional printing parameters to obtain macro-defect-free samples, offering the possibility of subsequent development of Ti–6Al–4V alloys with excellent properties. The macro-defect-free samples exhibited good elongation, with the best overall mechanical properties being the ultimate tensile strength and elongation of 934.7 MPa and 24.3%, respectively. The elongation of the three macro-defect-free samples was much higher than that previously reported for additively manufactured Ti–6Al–4V alloys. The high elongation of the samples in this work is mainly attributed to the elimination of internal macro-defects.
Introduction
Additive manufacturing (AM) technologies can rapidly manufacture complex or custom parts, reducing process steps and saving manufacturing time [[1], [2], [3], [4]], and are widely used in the aerospace, automotive, and other precision industries [5,6]. Powder bed fusion using an electron beam (PBF-EB) is an additive manufacturing method that uses a high-energy electron beam to melt metal powders layer by layer to produce parts. In contrast to selective laser melting, PBF-EB involves the preparation of samples in a high vacuum environment, which effectively prevents the introduction of impurities such as O and N. It also involves a preheating process for the print substrate and powder, which reduces residual thermal stress on the sample and subsequent heat treatment processes [[2], [3], [4],7]. Due to these features and advantages, PBF-EB technology is a very important AM technology with great potential in metallic materials. Moreover, PBF-EB is the ideal AM technology for the manufacture of complex components made of many alloys, such as titanium alloys, nickel-based superalloys, aluminum alloys and stainless steels [[2], [3], [4],8].
Ti–6Al–4V alloy is one of the prevalent commercial titanium alloys possessing high specific strength, excellent mechanical properties, excellent corrosion resistance, and good biocompatibility [9,10]. It is widely used in applications requiring low density and excellent corrosion resistance, such as the aerospace industry and biomechanical applications [11,12]. The mechanical properties of PBF-EB-processed Ti–6Al–4V alloys are superior to those fabricated by casting or forging, because the rapid cooling rate in PBF-EB results in finer grains [[12], [13], [14], [15], [16], [17], [18]]. However, the PBF-EB-fabricated parts often include internal macro-defects, which compromises their mechanical properties [[19], [20], [21], [22]]. This study focused on the elimination of macro-defects, such as porosity, lack of fusion, incomplete penetration and unmelted powders, which distinguishes them from micro-defects such as vacancies, dislocations, grain boundaries and secondary phases, etc. Large-sized fusion defects cause a severe reduction in mechanical strength. Smaller defects, such as pores and cracks, lead to the initiation of fatigue cracking and rapidly accelerate the cracking process [23]. The issue of internal macro-defects must be addressed to expand the application of the PBF-EB technology. The main studies for controlling internal macro-defects are online monitoring of defects, remelting and hot isostatic pressing (HIP). The literatures [24,25] report the use of infrared imaging or other imaging techniques to identify defects, but the monitoring of smaller sized defects is still not adequate. And in some cases remelting does not reduce the internal macro-defects of the part, but instead causes coarsening of the macrostructure and volatilization of some metal elements [23]. The HIP treatment does not completely eliminate the internal macro-defects, the original defect location may still act as a point of origin of the crack, and the subsequent treatment will consume more time and economic costs [23]. Therefore, optimizing suitable printing parameters to avoid internal macro-defects in printed parts at source is of great industrial value and research significance, and is an urgent issue in PBF-EB related technology.
There are two causes of internal macro-defects in the AM process: gas pores trapped in the virgin powder and the inappropriate printing parameters [7,23]. Gui et al. [26] classify internal macro-defects during PBF-EB process according to their shape, such as spherical defects, elongated shape defects, flat shape defects and other irregular shape defects. Of these, spherical defects mainly originate from raw material powders. Other shape defects mainly originate from lack of fusion or unmelted powders caused by unsuitable printing parameters, etc. The PBF-EB process requires powders with good flowability, and spherical powders are typically chosen as raw materials. The prevalent techniques for the fabrication of pre-alloyed powders are gas atomization (GA), plasma atomization (PA), and the plasma rotating electrode process (PREP) [27,28]. These methods yield powders with different characteristics that affect the subsequent fabrication. The selection of a suitable powder for PBF-EB is particularly important to produce Ti–6Al–4V alloys without internal macro-defects. The need to optimize several printing parameters such as beam current, scan speed, line offset, and focus offset make it difficult to eliminate internal macro-defects that occur during printing [23]. Most of the studies [11,12,22,[29], [30], [31], [32], [33]] on the optimization of AM processes for Ti–6Al–4V alloys have focused on samples with a limited set of parameters (e.g., power–scan speed) and do not allow for the guidance and development of unknown process windows for macro-defect-free samples. In addition, process optimization remains a time-consuming problem, with the traditional ‘trial and error’ method demanding considerable time and economic costs. The development of a simple and efficient method to predict the processing window for alloys without internal macro-defects is a key issue. In recent years, machine learning techniques have increasingly been used in the field of additive manufacturing and materials development [[34], [35], [36], [37]]. Aoyagi et al. [38] recently proposed a novel and efficient method based on a support vector machine (SVM) to optimize the two-dimensional process parameters (current and scan speed) and obtain PBF-EB-processed CoCr alloys without internal macro-defects. The method is one of the potential approaches toward effective optimization of more than two process parameters and makes it possible for the machine learning techniques to accelerate the development of alloys without internal macro-defects.
Herein, we focus on the elimination of internal macro-defects, such as pores, lack of fusion, etc., caused by raw powders and printing parameters. The Ti–6Al–4V powders produced by three different methods were compared, and the powder with the best sphericity, flowability, and minimal porosity was selected as the feedstock for subsequent printing. The relationship between the surface roughness and internal macro-defects in the Ti–6Al–4V components was also investigated. The combination of SVM and surface roughness indices (Sdr) predicted a wider four-dimensional processing window for obtaining Ti–6Al–4V alloys without internal macro-defects. Finally, we investigated the tensile properties of Ti–6Al–4V alloys at room temperature with different printing parameters, as well as the corresponding microstructures and fracture types.
Section snippets
Starting materials
Three types of Ti–6Al–4V alloy powders, produced by GA, PA, and PREP, were compared. The particle size distribution of the powders was determined using a laser particle size analyzer (LS230, Beckman Coulter, USA), and the flowability was measured using a Hall flowmeter (JIS-Z2502, Tsutsui Scientific Instruments Co., Ltd., Japan), according to the ASTM B213 standard. The powder morphology and internal macro-defects were determined using scanning electron microscopy (SEM, JEOL JCM-6000) and X-ray
Comparison of the characteristics of GA, PA, and PREP Ti–6Al–4V powders
The particle size distributions (PSDs) and flowability of the three types of Ti–6Al–4V alloy powders produced by GA, PA, and PREP are shown in Fig. 2. Although the average particle sizes are similar (89.4 μm for GA, 82.5 μm for PA, and 86.1μm for PREP), the particle size range is different for the three types of powder (6.2–174.8 μm for GA, 27.3–139.2 μm for PA, and 39.4–133.9 μm for PREP). The flowability of the GA, PA, and PREP powders was 30.25 ± 0.98, 26.54 ± 0.37, and 25.03 ± 0.22 (s/50
Conclusions
The characteristics of the three types of Ti–6Al–4V alloy powders produced via GA, PA, and PREP were compared. The PREP powder with the best sphericity, flowability, and low porosity was found to be the most favorable powder for subsequent printing of Ti–6Al–4V alloys without internal macro-defects. The quantitative criterion of Sdr <0.015 for even surfaces was also found to be applicable to Ti–6Al–4V alloys. The process maps of Ti–6Al–4V alloys include two regions, high beam current/scan speed
The authors declare that they have no known competing financial interests or personal relationships that could have appeared to influence the work reported in this paper.
Acknowledgments
This study was based on the results obtained from project JPNP19007, commissioned by the New Energy and Industrial Technology Development Organization (NEDO). This work was also supported by JSPS KAKENHI (Proposal No. 21K03801) and the Inter-University Cooperative Research Program (Proposal nos. 18G0418, 19G0411, and 20G0418) of the Cooperative Research and Development Center for Advanced Materials, Institute for Materials Research, Tohoku University. It was also supported by the Council for
by Faizal Yusuf, M.A.Sc., P.Eng. Specialist Engineer in the Hydrotechnical Department at BC Hydro
BC Hydro, a public electric utility in British Columbia, uses FLOW-3D to investigate complex hydraulics issues at several existing dams and to assist in the design and optimization of proposed facilities.
Faizal Yusuf, M.A.Sc., P.Eng., Specialist Engineer in the Hydrotechnical department at BC Hydro, presents three case studies that highlight the application of FLOW-3D to different types of spillways and the importance of reliable prototype or physical hydraulic model data for numerical model calibration.
W.A.C. Bennett Dam At W.A.C. Bennett Dam, differences in the spillway geometry between the physical hydraulic model from the 1960s and the prototype make it difficult to draw reliable conclusions on shock wave formation and chute capacity from physical model test results. The magnitude of shock waves in the concrete-lined spillway chute are strongly influenced by a 44% reduction in the chute width downstream of the three radial gates at the headworks, as well as the relative openings of the radial gates. The shock waves lead to locally higher water levels that have caused overtopping of the chute walls under certain historical operations.Prototype spill tests for discharges up to 2,865 m3/s were performed in 2012 to provide surveyed water surface profiles along chute walls, 3D laser scans of the water surface in the chute and video of flow patterns for FLOW-3D model calibration. Excellent agreement was obtained between the numerical model and field observations, particularly for the location and height of the first shock wave at the chute walls (Figure 1).
W.A.C에서 Bennett Dam, 1960년대의 물리적 수력학 모델과 프로토타입 사이의 여수로 형상의 차이로 인해 물리적 모델 테스트 결과에서 충격파 형성 및 슈트 용량에 대한 신뢰할 수 있는 결론을 도출하기 어렵습니다. 콘크리트 라이닝 방수로 낙하산의 충격파 크기는 방사형 게이트의 상대적인 개구부뿐만 아니라 헤드워크에 있는 3개의 방사형 게이트 하류의 슈트 폭이 44% 감소함에 따라 크게 영향을 받습니다. 충격파는 특정 역사적 작업에서 슈트 벽의 범람을 야기한 국부적으로 더 높은 수위로 이어집니다. 최대 2,865m3/s의 배출에 대한 프로토타입 유출 테스트가 2012년에 수행되어 슈트 벽을 따라 조사된 수면 프로필, 3D 레이저 스캔을 제공했습니다. FLOW-3D 모델 보정을 위한 슈트의 수면 및 흐름 패턴 비디오. 특히 슈트 벽에서 첫 번째 충격파의 위치와 높이에 대해 수치 모델과 현장 관찰 간에 탁월한 일치가 이루어졌습니다(그림 1).
Figure 1. Comparison between prototype observations and FLOW-3D for a spill discharge of 2,865 m^3/s at Bennett Dam spillway.
The calibrated FLOW-3D model confirmed that the design flood could be safely passed without overtopping the spillway chute walls as long as all three radial gates are opened as prescribed in existing operating orders with the outer gates open more than the inner gate.
The CFD model also provided insight into the concrete damage in the spillway chute. Cavitation indices computed from FLOW-3D simulation results were compared with empirical data from the USBR and found to be consistent with the historical performance of the spillway. The numerical analysis supported field inspections, which concluded that deterioration of the concrete conditions in the chute is likely not due to cavitation.
Strathcona Dam FLOW-3D was used to investigate poor approach conditions and uncertainties with the rating curves for Strathcona Dam spillway, which includes three vertical lift gates on the right abutment of the dam. The rating curves for Strathcona spillway were developed from a combination of empirical adjustments and limited physical hydraulic model testing in a flume that did not include geometry of the piers and abutments.
Numerical model testing and calibration was based on comparisons with prototype spill observations from 1982 when all three gates were fully open, resulting in a large depression in the water surface upstream of the leftmost bay (Figure 2). The approach flow to the leftmost bay is distorted by water flowing parallel to the dam axis and plunging over the concrete retaining wall adjacent to the upstream slope of the earthfill dam. The flow enters the other two bays much more smoothly. In addition to very similar flow patterns produced in the numerical model compared to the prototype, simulated water levels at the gate section matched 1982 field measurements to within 0.1 m.
보정된 FLOW-3D 모델은 외부 게이트가 내부 게이트보다 더 많이 열려 있는 기존 운영 명령에 규정된 대로 3개의 방사형 게이트가 모두 열리는 한 여수로 낙하산 벽을 넘지 않고 설계 홍수를 안전하게 통과할 수 있음을 확인했습니다.
CFD 모델은 방수로 낙하산의 콘크리트 손상에 대한 통찰력도 제공했습니다. FLOW-3D 시뮬레이션 결과에서 계산된 캐비테이션 지수는 USBR의 경험적 데이터와 비교되었으며 여수로의 역사적 성능과 일치하는 것으로 나타났습니다. 수치 분석은 현장 검사를 지원했으며, 슈트의 콘크리트 상태 악화는 캐비테이션 때문이 아닐 가능성이 높다고 결론지었습니다.
Strathcona 댐 FLOW-3D는 Strathcona Dam 여수로에 대한 등급 곡선을 사용하여 열악한 접근 조건과 불확실성을 조사하는 데 사용되었습니다. 여기에는 댐의 오른쪽 접합부에 3개의 수직 리프트 게이트가 포함되어 있습니다. Strathcona 여수로에 대한 등급 곡선은 경험적 조정과 교각 및 교대의 형상을 포함하지 않는 수로에서 제한된 물리적 수리 모델 테스트의 조합으로 개발되었습니다.
수치 모델 테스트 및 보정은 세 개의 수문이 모두 완전히 개방된 1982년의 프로토타입 유출 관측과의 비교를 기반으로 했으며, 그 결과 가장 왼쪽 만의 상류 수면에 큰 함몰이 발생했습니다(그림 2). 최좌단 만으로의 접근 흐름은 댐 축과 평행하게 흐르는 물과 흙채움댐의 상류 경사면에 인접한 콘크리트 옹벽 위로 떨어지는 물에 의해 왜곡됩니다. 흐름은 훨씬 더 원활하게 다른 두 베이로 들어갑니다. 프로토타입과 비교하여 수치 모델에서 생성된 매우 유사한 흐름 패턴 외에도 게이트 섹션에서 시뮬레이션된 수위는 1982년 현장 측정과 0.1m 이내로 일치했습니다.
Figure 2. Prototype observations and FLOW-3D results for a Strathcona Dam spill in 1982 with all three gates fully open.
The calibrated CFD model produces discharges within 5% of the spillway rating curve for the reservoir’s normal operating range with all gates fully open. However, at higher reservoir levels, which may occur during passage of large floods (as shown in Figure 3), the difference between simulated discharges and the rating curves are greater than 10% as the physical model testing with simplified geometry and empirical corrections did not adequately represent the complex approach flow patterns. The FLOW-3D model provided further insight into the accuracy of rating curves for individual bays, gated conditions and the transition between orifice and free surface flow.
보정된 CFD 모델은 모든 게이트가 완전히 열린 상태에서 저수지의 정상 작동 범위에 대한 여수로 등급 곡선의 5% 이내에서 배출을 생성합니다. 그러나 대규모 홍수가 통과하는 동안 발생할 수 있는 더 높은 저수지 수위에서는(그림 3 참조) 단순화된 기하학과 경험적 수정을 사용한 물리적 모델 테스트가 그렇지 않았기 때문에 모의 배출과 등급 곡선 간의 차이는 10% 이상입니다. 복잡한 접근 흐름 패턴을 적절하게 표현합니다. FLOW-3D 모델은 개별 베이, 게이트 조건 및 오리피스와 자유 표면 흐름 사이의 전환에 대한 등급 곡선의 정확도에 대한 추가 통찰력을 제공했습니다.
Figure 3. FLOW-3D results for Strathcona Dam spillway with all gates fully open at an elevated reservoir level during passage of a large flood. Note the effects of poor approach conditions and pier overtopping at the leftmost bay.
John Hart Dam The John Hart concrete dam will be modified to include a new free crest spillway to be situated between an existing gated spillway and a low level outlet structure that is currently under construction. Significant improvements in the design of the proposed spillway were made through a systematic optimization process using FLOW-3D.
The preliminary design of the free crest spillway was based on engineering hydraulic design guides. Concrete apron blocks are intended to protect the rock at the toe of the dam. A new right training wall will guide the flow from the new spillway towards the tailrace pool and protect the low level outlet structure from spillway discharges.
FLOW-3D model results for the initial and optimized design of the new spillway are shown in Figure 4. CFD analysis led to a 10% increase in discharge capacity, significant decrease in roadway impingement above the spillway crest and improved flow patterns including up to a 5 m reduction in water levels along the proposed right wall. Physical hydraulic model testing will be used to confirm the proposed design.
존 하트 댐 John Hart 콘크리트 댐은 현재 건설 중인 기존 배수로와 저층 배수로 사이에 위치할 새로운 자유 마루 배수로를 포함하도록 수정될 것입니다. FLOW-3D를 사용한 체계적인 최적화 프로세스를 통해 제안된 여수로 설계의 상당한 개선이 이루어졌습니다.
자유 마루 여수로의 예비 설계는 엔지니어링 수력학 설계 가이드를 기반으로 했습니다. 콘크리트 앞치마 블록은 댐 선단부의 암석을 보호하기 위한 것입니다. 새로운 오른쪽 훈련 벽은 새 여수로에서 테일레이스 풀로 흐름을 안내하고 여수로 배출로부터 낮은 수준의 배출구 구조를 보호합니다.
새 여수로의 초기 및 최적화된 설계에 대한 FLOW-3D 모델 결과는 그림 4에 나와 있습니다. CFD 분석을 통해 방류 용량이 10% 증가하고 여수로 마루 위의 도로 충돌이 크게 감소했으며 최대 제안된 오른쪽 벽을 따라 수위가 5m 감소합니다. 제안된 설계를 확인하기 위해 물리적 수압 모델 테스트가 사용됩니다.
Figure 4. FLOW-3D model results for the preliminary and optimized layout of the proposed spillway at John Hart Dam.
Conclusion
BC Hydro has been using FLOW-3D to investigate a wide range of challenging hydraulics problems for different types of spillways and water conveyance structures leading to a greatly improved understanding of flow patterns and performance. Prototype data and reliable physical hydraulic model testing are used whenever possible to improve confidence in the numerical model results.
다양한 유형의 여수로 및 물 수송 구조로 인해 흐름 패턴 및 성능에 대한 이해가 크게 향상되었습니다. 프로토타입 데이터와 신뢰할 수 있는 물리적 유압 모델 테스트는 수치 모델 결과의 신뢰도를 향상시키기 위해 가능할 때마다 사용됩니다.
About Flow Science, Inc. Based in Santa Fe, New Mexico USA, Flow Science was founded in 1980 by Dr. C. W. (Tony) Hirt, who was one of the principals in pioneering the “Volume-of-Fluid” or VOF method while working at the Los Alamos National Lab. FLOW-3D is a direct descendant of this work, and in the subsequent years, we have increased its sophistication with TruVOF, boasting pioneering improvements in the speed and accuracy of tracking distinct liquid/gas interfaces. Today, Flow Science products offer complete multiphysics simulation with diverse modeling capabilities including fluid-structure interaction, 6-DoF moving objects, and multiphase flows. From inception, our vision has been to provide our customers with excellence in flow modeling software and services.
aNational Cheng Kung University, Department of Mechanical Engineering, Tainan, Taiwan
bNational Cheng Kung University, Academy of Innovative Semiconductor and Sustainable Manufacturing, Tainan, Taiwan
cJum-bo Co., Ltd, Xinshi District, Tainan, Taiwan
Abstract
워블 전략이 포함된 펄스 레이저 용접(PLW) 방법을 사용하여 알루미늄 및 구리 이종 랩 조인트의 제조를 위한 최적의 가공 매개변수에 대해 실험 및 수치 조사가 수행됩니다. 피크 레이저 출력과 접선 용접 속도의 대표적인 조합 43개를 선택하기 위해 원형 패킹 설계 알고리즘이 먼저 사용됩니다.
선택한 매개변수는 PLW 프로세스의 전산유체역학(CFD) 모델에 제공되어 용융 풀 형상(즉, 인터페이스 폭 및 침투 깊이) 및 구리 농도를 예측합니다. 시뮬레이션 결과는 설계 공간 내에서 PLW 매개변수의 모든 조합에 대한 용융 풀 형상 및 구리 농도를 예측하기 위해 3개의 대리 모델을 교육하는 데 사용됩니다.
마지막으로, 대체 모델을 사용하여 구성된 처리 맵은 용융 영역에 균열이나 기공이 없고 향상된 기계적 및 전기적 특성이 있는 이종 조인트를 생성하는 PLW 매개변수를 결정하기 위해 세 가지 품질 기준에 따라 필터링됩니다.
제안된 최적화 접근법의 타당성은 최적의 용접 매개변수를 사용하여 생성된 실험 샘플의 전단 강도, 금속간 화합물(IMC) 형성 및 전기 접촉 저항을 평가하여 입증됩니다.
결과는 최적의 매개변수가 1209N의 높은 전단 강도와 86µΩ의 낮은 전기 접촉 저항을 생성함을 확인합니다. 또한 용융 영역에는 균열 및 기공과 같은 결함이 없습니다.
An experimental and numerical investigation is performed into the optimal processing parameters for the fabrication of aluminum and copper dissimilar lap joints using a pulsed laser welding (PLW) method with a wobble strategy. A circle packing design algorithm is first employed to select 43 representative combinations of the peak laser power and tangential welding speed. The selected parameters are then supplied to a computational fluidic dynamics (CFD) model of the PLW process to predict the melt pool geometry (i.e., interface width and penetration depth) and copper concentration. The simulation results are used to train three surrogate models to predict the melt pool geometry and copper concentration for any combination of the PLW parameters within the design space. Finally, the processing maps constructed using the surrogate models are filtered in accordance with three quality criteria to determine the PLW parameters that produce dissimilar joints with no cracks or pores in the fusion zone and enhanced mechanical and electrical properties. The validity of the proposed optimization approach is demonstrated by evaluating the shear strength, intermetallic compound (IMC) formation, and electrical contact resistance of experimental samples produced using the optimal welding parameters. The results confirm that the optimal parameters yield a high shear strength of 1209 N and a low electrical contact resistance of 86 µΩ. Moreover, the fusion zone is free of defects, such as cracks and pores.
Fig. 1. Schematic illustration of Al-Cu lap-joint arrangementFig. 2. Machine setup (MFQS-150W_1500WFig. 5. Lap-shear mechanical tests: (a) experimental setup and specimen dimensions, and (b) two different failures of lap-joint welding.
N. Thi Tien et al.
Fig. 9. Simulation and experimental results for melt pool profile. (a) Simulation results for melt pool cross-section, and (b) OM image of melt pool cross-section.
(Note that laser processing parameter of 830 W and 565 mm/s is chosen.).
CrossRefView Record in ScopusGoogle Scholar[11]S. Smith, J. Blackburn, M. Gittos, P. de Bono, and P. Hilton, “Welding of dissimilar metallic materials using a scanned laser beam,” in International Congress on Applications of Lasers & Electro-Optics, 2013, vol. 2013, no. 1: Laser Institute of America, pp. 493-502.
Welding strategies for joining copper and aluminum by fast oscillating, high quality laser beam
High-Power Laser Materials Processing: Applications, Diagnostics, and Systems IX, vol. 11273, International Society for Optics and Photonics (2020), p. 112730C
Experimental investigation on the effect of spot diameter on continuous-wave laser welding of copper and aluminum thin sheets for battery manufacturing
Systematic approach for determining optimal processing parameters to produce parts with high density in selective laser melting process
Int. J. Adv. Manuf. Technol., 105 (10) (2019), pp. 4443-4460 View PDF
CrossRefView Record in ScopusGoogle Scholar[32]A. Ascari, A. Fortunato, E. Liverani, and A. Lutey, “Application of different pulsed laser sources to dissimilar welding of Cu and Al alloys,” in Proceedings of Lasers in Manufacturing Conference (LIM), 2019.
에피택셜 과 등축 응고 사이의 경쟁은 적층 제조에서 실행되는 레이저 용융 동안 CMSX-4 단결정 초합금에서 조사되었습니다. 단일 트랙 레이저 스캔은 레이저 출력과 스캐닝 속도의 여러 조합으로 방향성 응고된 CMSX-4 합금의 분말 없는 표면에서 수행되었습니다. EBSD(Electron Backscattered Diffraction) 매핑은 새로운 방향의 식별을 용이하게 합니다. 영역 분율 및 공간 분포와 함께 융합 영역 내에서 핵을 형성한 “스트레이 그레인”은 충실도가 높은 전산 유체 역학 시뮬레이션을 사용하여 용융 풀 내의 온도 및 유체 속도 필드를 모두 추정했습니다. 이 정보를 핵 생성 모델과 결합하여 용융 풀에서 핵 생성이 발생할 확률이 가장 높은 위치를 결정했습니다. 금속 적층 가공의 일반적인 경험에 따라 레이저 용융 트랙의 응고된 미세 구조는 에피택셜 입자 성장에 의해 지배됩니다. 더 높은 레이저 스캐닝 속도와 더 낮은 출력이 일반적으로 흩어진 입자 감소에 도움이 되지만,그럼에도 불구하고 길쭉한 용융 풀에서 흩어진 입자가 분명했습니다.
The competition between epitaxial vs. equiaxed solidification has been investigated in CMSX-4 single crystal superalloy during laser melting as practiced in additive manufacturing. Single-track laser scans were performed on a powder-free surface of directionally solidified CMSX-4 alloy with several combinations of laser power and scanning velocity. Electron backscattered diffraction (EBSD) mapping facilitated identification of new orientations, i.e., “stray grains” that nucleated within the fusion zone along with their area fraction and spatial distribution. Using high-fidelity computational fluid dynamics simulations, both the temperature and fluid velocity fields within the melt pool were estimated. This information was combined with a nucleation model to determine locations where nucleation has the highest probability to occur in melt pools. In conformance with general experience in metals additive manufacturing, the as-solidified microstructure of the laser-melted tracks is dominated by epitaxial grain growth; nevertheless, stray grains were evident in elongated melt pools. It was found that, though a higher laser scanning velocity and lower power are generally helpful in the reduction of stray grains, the combination of a stable keyhole and minimal fluid velocity further mitigates stray grains in laser single tracks.
Introduction
니켈 기반 초합금은 고온에서 긴 노출 시간 동안 높은 인장 강도, 낮은 산화 및 우수한 크리프 저항성을 포함하는 우수한 특성의 고유한 조합으로 인해 가스 터빈 엔진 응용 분야에서 광범위하게 사용됩니다. CMSX-4는 특히 장기 크리프 거동과 관련하여 초고강도의 2세대 레늄 함유 니켈 기반 단결정 초합금입니다. [ 1 , 2 ]입계의 존재가 크리프를 가속화한다는 인식은 가스 터빈 엔진의 고온 단계를 위한 단결정 블레이드를 개발하게 하여 작동 온도를 높이고 효율을 높이는 데 기여했습니다. 이러한 구성 요소는 사용 중 마모될 수 있습니다. 즉, 구성 요소의 무결성을 복원하고 단결정 미세 구조를 유지하는 수리 방법을 개발하기 위한 지속적인 작업이 있었습니다. [ 3 , 4 , 5 ]
적층 제조(AM)가 등장하기 전에는 다양한 용접 공정을 통해 단결정 초합금에 대한 수리 시도가 수행되었습니다. 균열 [ 6 , 7 ] 및 흩어진 입자 [ 8 , 9 ] 와 같은 심각한 결함 이 이 수리 중에 자주 발생합니다. 일반적으로 “스트레이 그레인”이라고 하는 응고 중 모재의 방향과 다른 결정학적 방향을 가진 새로운 그레인의 형성은 니켈 기반 단결정 초합금의 수리 중 유해한 영향으로 인해 중요한 관심 대상입니다. [ 3 , 10 ]결과적으로 재료의 단결정 구조가 손실되고 원래 구성 요소에 비해 기계적 특성이 손상됩니다. 이러한 흩어진 입자는 특정 조건에서 에피택셜 성장을 대체하는 등축 응고의 시작에 해당합니다.
떠돌이 결정립 형성을 완화하기 위해 이전 작업은 용융 영역(FZ) 내에서 응고하는 동안 떠돌이 결정립 형성에 영향을 미치는 수지상 응고 거동 및 처리 조건을 이해하는 데 중점을 두었습니다. [ 11 , 12 , 13 , 14 ] 연구원들은 단결정 합금의 용접 중에 표류 결정립 형성에 대한 몇 가지 가능한 메커니즘을 제안했습니다. [ 12 , 13 , 14 , 15 ]응고 전단에 앞서 국부적인 구성 과냉각은 이질적인 핵 생성 및 등축 결정립의 성장을 유발할 수 있습니다. 또한 용융 풀에서 활발한 유체 흐름으로 인해 발생하는 덴드라이트 조각화는 용융 풀 경계 근처에서 새로운 결정립을 형성할 수도 있습니다. 두 메커니즘 모두에서, 표류 결정립 형성은 핵 생성 위치에 의존하며, 차이점은 수상 돌기 조각화는 수상 돌기 조각이 핵 생성 위치로 작용한다는 것을 의미하는 반면 다른 메커니즘은 재료, 예 를 들어 산화물 입자에서 발견되는 다른 유형의 핵 생성 위치를 사용한다는 것을 의미합니다. 잘 알려진 바와 같이, 많은 주물에 대한 반대 접근법은 TiB와 같은 핵제의 도입을 통해 등축 응고를 촉진하는 것입니다.22알루미늄 합금에서.
헌법적 과냉 메커니즘에서 Hunt [ 11 ] 는 정상 상태 조건에서 기둥에서 등축으로의 전이(CET)를 설명하는 모델을 개발했습니다. Gaumann과 Kurz는 Hunt의 모델을 수정하여 단결정이 응고되는 동안 떠돌이 결정립이 핵을 생성하고 성장할 수 있는 정도를 설명했습니다. [ 12 , 14 ] 이후 연구에서 Vitek은 Gaumann의 모델을 개선하고 출력 및 스캐닝 속도와 같은 용접 조건의 영향에 대한 보다 자세한 분석을 포함했습니다. Vitek은 또한 실험 및 모델링 기술을 통해 표류 입자 형성에 대한 기판 방향의 영향을 포함했습니다. [ 3 , 10 ]일반적으로 높은 용접 속도와 낮은 출력은 표류 입자의 양을 최소화하고 레이저 용접 공정 중 에피택셜 단결정 성장을 최대화하는 것으로 나타났습니다. [ 3,10 ] 그러나 Vitek은 덴드라이트 조각화를 고려하지 않았으며 그의 연구는 불균질 핵형성이 레이저 용접된 CMSX -4 단결정 합금에서 표류 결정립 형성을 이끄는 주요 메커니즘임을 나타냅니다. 현재 작업에서 Vitek의 수치적 방법이 채택되고 금속 AM의 급속한 특성의 더 높은 속도와 더 낮은 전력 특성으로 확장됩니다.
AM을 통한 금속 부품 제조 는 지난 10년 동안 급격한 인기 증가를 목격했습니다. [ 16 ] EBM(Electron Beam Melting)에 의한 CMSX-4의 제작 가능성은 자주 조사되었으나 [ 17 , 18 , 19 , 20 , 21 ] CMSX의 제조 및 수리에 대한 조사는 매우 제한적이었다. – 4개의 단결정 구성요소는 레이저 분말 베드 융합(LPBF)을 사용하며, AM의 인기 있는 하위 집합으로, 특히 표류 입자 형성을 완화하는 메커니즘과 관련이 있습니다. [ 22 ]이러한 조사 부족은 주로 이러한 합금 시스템과 관련된 처리 문제로 인해 발생합니다. [ 2 , 19 , 22 , 23 , 24 ] 공정 매개변수( 예: 열원 전력, 스캐닝 속도, 스폿 크기, 예열 온도 및 스캔 전략)의 엄격한 제어는 완전히 조밀한 부품을 만들고 유지 관리할 수 있도록 하는 데 필수적입니다. 단결정 미세구조. [ 25 ] EBM을 사용하여 단결정 합금의 균열 없는 수리가 현재 가능하지만 [ 19 , 24 ] 표류 입자를 생성하지 않는 수리는 쉽게 달성할 수 없습니다.[ 23 , 26 ]
이 작업에서 LPBF를 대표하는 조건으로 레이저 용융을 사용하여 단결정 CMSX-4에서 표류 입자 완화를 조사했습니다. LPBF는 스캐닝 레이저 빔을 사용하여 금속 분말의 얇은 층을 기판에 녹이고 융합합니다. 층별 증착에서 레이저 빔의 사용은 급격한 온도 구배, 빠른 가열/냉각 주기 및 격렬한 유체 흐름을 경험하는 용융 풀을 생성 합니다 . 이것은 일반적으로 부품에 결함을 일으킬 수 있는 매우 동적인 물리적 현상으로 이어집니다. [ 28 , 29 , 30 ] 레이저 유도 키홀의 동역학( 예:, 기화 유발 반동 압력으로 인한 위상 함몰) 및 열유체 흐름은 AM 공정에서 응고 결함과 강하게 결합되고 관련됩니다. [ 31 , 32 , 33 , 34 ] 기하 구조의 급격한 변화가 발생하기 쉬운 불안정한 키홀은 다공성, 볼링, 스패터 형성 및 흔하지 않은 미세 구조 상을 포함하는 유해한 물리적 결함을 유발할 수 있습니다. 그러나 키홀 진화와 유체 흐름은 자연적으로 다음을 통해 포착 하기 어렵 습니다 .전통적인 사후 특성화 기술. 고충실도 수치 모델링을 활용하기 위해 이 연구에서는 전산유체역학(CFD)을 적용하여 표면 아래의 레이저-물질 상호 작용을 명확히 했습니다. [ 36 ] 이것은 응고된 용융물 풀의 단면에 대한 오랫동안 확립된 사후 특성화와 비교하여 키홀 및 용융물 풀 유체 흐름 정량화를 실행합니다.
CMSX-4 구성 요소의 레이저 기반 AM 수리 및 제조를 위한 적절한 절차를 개발하기 위해 적절한 공정 창을 설정하고 응고 중 표류 입자 형성 경향에 대한 예측 기능을 개발하는 것부터 시작합니다. 다중 합금에 대한 단일 트랙 증착은 분말 층이 있거나 없는 AM 공정에서 용융 풀 형상 및 미세 구조의 정확한 분석을 제공하는 것으로 나타났습니다. [ 37 , 38 , 39 ]따라서 본 연구에서는 CMSX-4의 응고 거동을 알아보기 위해 분말을 사용하지 않는 단일 트랙 레이저 스캔 실험을 사용하였다. 이는 CMSX-4 단결정의 LPBF 제조를 위한 예비 실험 지침을 제공합니다. 또한 응고 모델링은 기존 용접에서 LPBF와 관련된 급속 용접으로 확장되어 표류 입자 감소를 위한 최적의 레이저 용융 조건을 식별했습니다. 가공 매개변수 최적화를 위한 추가 지침을 제공하기 위해 용융물 풀의 매우 동적인 유체 흐름을 모델링했습니다.
재료 및 방법
단일 트랙 실험
방전 가공(EDM)을 사용하여 CMSX-4 방향성 응고 단결정 잉곳으로부터 샘플을 제작했습니다. 샘플의 최종 기하학은 치수 20의 직육면체 형태였습니다.××20××6mm. 6개 중 하나⟨ 001 ⟩⟨001⟩잉곳의 결정학적 방향은 레이저 트랙이 이 바람직한 성장 방향을 따라 스캔되도록 절단 표면에 수직으로 위치했습니다. 단일 레이저 용융 트랙은 EOS M290 기계를 사용하여 분말이 없는 샘플 표면에 만들어졌습니다. 이 기계는 최대 출력 400W, 가우시안 빔 직경 100의 이터븀 파이버 레이저가 장착된 LPBF 시스템입니다. μμ초점에서 m. 실험 중에 직사각형 샘플을 LPBF 기계용 맞춤형 샘플 홀더의 포켓에 끼워 표면을 동일한 높이로 유지했습니다. 이 맞춤형 샘플 홀더에 대한 자세한 내용은 다른 곳에서 설명합니다. 실험 은 아르곤 퍼지 분위기에서 수행되었으며 예열은 적용되지 않았습니다 . 단일 트랙 레이저 용융 실험은 다양한 레이저 출력(200~370W)과 스캔 속도(0.4~1.4m/s)에서 수행되었습니다.
성격 묘사
레이저 스캐닝 후, 레이저 빔 스캐닝 방향에 수직인 평면에서 FZ를 통해 다이아몬드 톱을 사용하여 샘플을 절단했습니다. 그 후, 샘플을 장착하고 220 그릿 SiC 페이퍼로 시작하여 콜로이드 실리카 현탁액 광택제로 마무리하여 자동 연마했습니다. 결정학적 특성화는 20kV의 가속 전압에서 TESCAN MIRA 3XMH 전계 방출 주사 전자 현미경(SEM)에서 수행되었습니다. EBSD 지도는0.4μm _0.4μ미디엄단계 크기. Bruker 시스템을 사용하여 EBSD 데이터를 정리하고 분석했습니다. EBSD 클린업은 그레인을 접촉시키기 위한 그레인 확장 루틴으로 시작한 다음 인덱스되지 않은 회절 패턴과 관련된 검은색 픽셀을 해결하기 위해 이웃 방향 클린업 루틴으로 이어졌습니다. 용융 풀 형태를 분석하기 위해 단면을 광학 현미경으로 분석했습니다. 광학 특성화의 대비를 향상시키기 위해 10g CuSO로 구성된 Marbles 시약의 변형으로 샘플을 에칭했습니다.44, 50mL HCl 및 70mL H22영형.
응고 모델링
구조적 과냉 기준에 기반한 응고 모델링을 수행하여 표유 입자의 성향 및 분포에 대한 가공 매개변수의 영향을 평가했습니다. 이 분석 모델링 접근 방식에 대한 자세한 내용은 이전 작업에서 제공됩니다. [ 3 , 10 ] 참고문헌 3 에 기술된 바와 같이 , 기본 재료의 결정학적 배향을 가진 용융 풀에서 총 표유 입자 면적 분율의 변화는 최소이므로 기본 재료 배향의 영향은 이 작업에서 고려되지 않았습니다. 우리의 LPBF 결과를 이전 작업과 비교하기 위해 Vitek의 작업에서 사용된 수학적으로 간단한 Rosenthal 방정식 [ 3 ]또한 레이저 매개변수의 함수로 용융 풀의 모양과 FZ의 열 조건을 계산하기 위한 기준으로 여기에서 채택되었습니다. Rosenthal 솔루션은 열이 일정한 재료 특성을 가진 반무한 판의 정상 상태 점원을 통해서만 전도를 통해 전달된다고 가정하며 일반적으로 다음과 같이 표현 됩니다 [ 40 , 41 ] .
티=티0+η피2 파이케이엑스2+와이2+지2———-√경험치[- 브이(엑스2+와이2+지2———-√− 엑스 )2α _] ,티=티0+η피2파이케이엑스2+와이2+지2경험치[-V(엑스2+와이2+지2-엑스)2α],(1)
여기서 T 는 온도,티0티0본 연구에서 313K( 즉 , EOS 기계 챔버 온도)로 설정된 주변 온도, P 는 레이저 빔 파워, V 는 레이저 빔 스캐닝 속도,ηη는 레이저 흡수율, k 는 열전도율,αα베이스 합금의 열확산율입니다. x , y , z 는 각각 레이저 스캐닝 방향, 가로 방향 및 세로 방향의 반대 방향과 정렬된 방향입니다 . 이 직교 좌표는 참조 3 의 그림 1에 있는 시스템을 따랐습니다 . CMSX-4에 대한 고상선 온도(1603K)와 액상선 온도(1669K)의 등온선 평균으로 응고 프런트( 즉 , 고체-액체 계면)를 정의했습니다. [ 42 , 43 , 44 ] 시뮬레이션에 사용된 열물리적 특성은 표 I 에 나열되어 있습니다.표 I CMSX-4의 응고 모델링에 사용된 열물리적 특성
어디θθ는 스캔 방향과 응고 전면의 법선 방향( 즉 , 최대 열 흐름 방향) 사이의 각도입니다. 이 연구의 용접 조건과 같은 제한된 성장에서 수지상 응고 전면은 고체-액체 등온선의 속도로 성장하도록 강제됩니다.V티V티. [ 46 ]
응고 전선이 진행되기 전에 새로 핵 생성된 입자의 국지적 비율ΦΦ, 액체 온도 구배 G 에 의해 결정 , 응고 선단 속도V티V티및 핵 밀도N0N0. 고정된 임계 과냉각에서 모든 입자가 핵형성된다고 가정함으로써△티N△티N, 등축 결정립의 반경은 결정립이 핵 생성을 시작하는 시점부터 주상 전선이 결정립에 도달하는 시간까지의 성장 속도를 통합하여 얻습니다. 과냉각으로 대체 시간d (ΔT_) / dt = – _V티G디(△티)/디티=-V티G, 열 구배 G 사이의 다음 관계 , 등축 입자의 국부적 부피 분율ΦΦ, 수상 돌기 팁 과냉각ΔT _△티, 핵 밀도N0N0, 재료 매개변수 n 및 핵생성 과냉각△티N△티N, Gäumann 외 여러분 에 의해 파생되었습니다 . [ 12 , 14 ] Hunt의 모델 [ 11 ] 의 수정에 기반함 :
계산을 단순화하기 위해 덴드라이트 팁 과냉각을 전적으로 구성 과냉각의 것으로 추정합니다.△티씨△티씨, 멱법칙 형식으로 근사화할 수 있습니다.△티씨= ( _V티)1 / 엔△티씨=(ㅏV티)1/N, 여기서 a 와 n 은 재료 종속 상수입니다. CMSX-4의 경우 이 값은a = 1.25 ×106ㅏ=1.25×106 s K 3.4m− 1-1,엔 = 3.4N=3.4, 그리고N0= 2 ×1015N0=2×1015미디엄− 3,-삼,참고문헌 3 에 의해 보고된 바와 같이 .△티N△티N2.5K이며 보다 큰 냉각 속도에서 응고에 대해 무시할 수 있습니다.106106 K/s. 에 대한 표현ΦΦ위의 방정식을 재배열하여 해결됩니다.
As proposed by Hunt,[11] a value of Φ≤0.66Φ≤0.66 pct represents fully columnar epitaxial growth condition, and, conversely, a value of Φ≥49Φ≥49 pct indicates that the initial single crystal microstructure is fully replaced by an equiaxed microstructure. To calculate the overall stray grain area fraction, we followed Vitek’s method by dividing the FZ into roughly 19 to 28 discrete parts (depending on the length of the melt pool) of equal length from the point of maximum width to the end of melt pool along the x direction. The values of G and vTvT were determined at the center on the melt pool boundary of each section and these values were used to represent the entire section. The area-weighted average of ΦΦ over these discrete sections along the length of melt pool is designated as Φ¯¯¯¯Φ¯, and is given by:
Φ¯¯¯¯=∑kAkΦk∑kAk,Φ¯=∑kAkΦk∑kAk,
(6)
where k is the index for each subsection, and AkAk and ΦkΦk are the areas and ΦΦ values for each subsection. The summation is taken over all the sections along the melt pool. Vitek’s improved model allows the calculation of stray grain area fraction by considering the melt pool geometry and variations of G and vTvT around the tail end of the pool.
수년에 걸쳐 용융 풀 현상 모델링의 정확도를 개선하기 위해 많은 고급 수치 방법이 개발되었습니다. 우리는 FLOW-3D와 함께 고충실도 CFD를 사용했습니다. FLOW-3D는 여러 물리 모델을 통합하는 상용 FVM(Finite Volume Method)입니다. [ 47 , 48 ] CFD는 유체 운동과 열 전달을 수치적으로 시뮬레이션하며 여기서 사용된 기본 물리 모델은 레이저 및 표면력 모델이었습니다. 레이저 모델에서는 레이 트레이싱 기법을 통해 다중 반사와 프레넬 흡수를 구현합니다. [ 36 ]먼저, 레이저 빔은 레이저 빔에 의해 조명되는 각 그리드 셀을 기준으로 여러 개의 광선으로 이산화됩니다. 그런 다음 각 입사 광선에 대해 입사 벡터가 입사 위치에서 금속 표면의 법선 벡터와 정렬될 때 에너지의 일부가 금속에 의해 흡수됩니다. 흡수율은 Fresnel 방정식을 사용하여 추정됩니다. 나머지 에너지는 반사광선 에 의해 유지되며 , 반사광선은 재료 표면에 부딪히면 새로운 입사광선으로 처리됩니다. 두 가지 주요 힘이 액체 금속 표면에 작용하여 자유 표면을 변형시킵니다. 금속의 증발에 의해 생성된 반동 압력은 증기 억제를 일으키는 주요 힘입니다. 본 연구에서 사용된 반동 압력 모델은피아르 자형= 특급 _{ B ( 1- _티V/ 티) }피아르 자형=ㅏ경험치{비(1-티V/티)}, 어디피아르 자형피아르 자형는 반동압력, A 와 B 는 재료의 물성에 관련된 계수로 각각 75와 15이다.티V티V는 포화 온도이고 T 는 키홀 벽의 온도입니다. 표면 흐름 및 키홀 형성의 다른 원동력은 표면 장력입니다. 표면 장력 계수는 Marangoni 흐름을 포함하기 위해 온도의 선형 함수로 추정되며,σ =1.79-9.90⋅10− 4( 티− 1654케이 )σ=1.79-9.90⋅10-4(티-1654년케이)엔엠− 1-1. [ 49 ] 계산 영역은 베어 플레이트의 절반입니다(2300 μμ미디엄××250 μμ미디엄××500 μμm) xz 평면 에 적용된 대칭 경계 조건 . 메쉬 크기는 8입니다. μμm이고 시간 단계는 0.15입니다. μμs는 계산 효율성과 정확성 간의 균형을 제공합니다.
결과 및 논의
용융 풀 형태
이 작업에 사용된 5개의 레이저 파워( P )와 6개의 스캐닝 속도( V )는 서로 다른 29개의 용융 풀을 생성했습니다.피- 브이피-V조합. P 와 V 값이 가장 높은 것은 그림 1 을 기준으로 과도한 볼링과 관련이 있기 때문에 본 연구에서는 분석하지 않았다 .
단일 트랙 용융 풀은 그림 1 과 같이 형상에 따라 네 가지 유형으로 분류할 수 있습니다 [ 39 ] : (1) 전도 모드(파란색 상자), (2) 키홀 모드(빨간색), (3) 전환 모드(마젠타), (4) 볼링 모드(녹색). 높은 레이저 출력과 낮은 스캐닝 속도의 일반적인 조합인 키홀 모드에서 용융물 풀은 일반적으로 너비/깊이( W / D ) 비율이 0.5보다 훨씬 큰 깊고 가느다란 모양을 나타냅니다 . 스캐닝 속도가 증가함에 따라 용융 풀이 얕아져 W / D 가 약 0.5인 반원형 전도 모드 용융 풀을 나타냅니다. W / D _전환 모드 용융 풀의 경우 1에서 0.5 사이입니다. 스캐닝 속도를 1200 및 1400mm/s로 더 높이면 충분히 큰 캡 높이와 볼링 모드 용융 풀의 특징인 과도한 언더컷이 발생할 수 있습니다.
힘과 속도의 함수로서의 용융 풀 깊이와 너비는 각각 그림 2 (a)와 (b)에 표시되어 있습니다. 용융 풀 폭은 기판 표면에서 측정되었습니다. 그림 2 (a)는 깊이가 레이저 출력과 매우 선형적인 관계를 따른다는 것을 보여줍니다. 속도가 증가함에 따라 깊이 대 파워 곡선의 기울기는 꾸준히 감소하지만 더 높은 속도 곡선에는 약간의 겹침이 있습니다. 이러한 예상치 못한 중첩은 종종 용융 풀 형태의 동적 변화를 유발하는 유체 흐름의 영향과 레이저 스캔당 하나의 이미지만 추출되었다는 사실 때문일 수 있습니다. 이러한 선형 동작은 그림 2 (b) 의 너비에 대해 명확하지 않습니다 . 그림 2(c)는 선형 에너지 밀도 P / V 의 함수로서 용융 깊이와 폭을 보여줍니다 . 선형 에너지 밀도는 퇴적물의 단위 길이당 에너지 투입량을 측정한 것입니다. [ 50 ] 용융 풀 깊이는 에너지 밀도에 따라 달라지며 너비는 더 많은 분산을 나타냅니다. 동일한 에너지 밀도가 준공 부품의 용융 풀, 미세 구조 또는 속성에서 반드시 동일한 유체 역학을 초래하지는 않는다는 점에 유의하는 것이 중요합니다. [ 50 ]
그림 1그림 2
레이저 흡수율 평가
레이저 흡수율은 LPBF 조건에서 재료 및 가공 매개변수에 따라 크게 달라진다는 것은 잘 알려져 있습니다. [ 31 , 51 , 52 ] 적분구를 이용한 전통적인 흡수율의 직접 측정은 일반적으로 높은 비용과 구현의 어려움으로 인해 쉽게 접근할 수 없습니다. [ 51 ] 그 외 . [ 39 ] 전도 모드 용융 풀에 대한 Rosenthal 방정식을 기반으로 경험적 레이저 흡수율 모델을 개발했지만 기본 가정으로 인해 키홀 용융 풀에 대한 정확한 예측을 제공하지 못했습니다. [ 40 ] 최근 간외 . [ 53 ] Ti–6Al–4V에 대한 30개의 고충실도 다중 물리 시뮬레이션 사례를 사용하여 레이저 흡수에 대한 스케일링 법칙을 확인했습니다. 그러나 연구 중인 특정 재료에 대한 최소 흡수(평평한 용융 표면의 흡수율)에 대한 지식이 필요하며 이는 CMSX-4에 대해 알려지지 않았습니다. 다양한 키홀 모양의 용융 풀에 대한 레이저 흡수의 정확한 추정치를 얻기가 어렵기 때문에 상한 및 하한 흡수율로 분석 시뮬레이션을 실행하기로 결정했습니다. 깊은 키홀 모양의 용융 풀의 경우 대부분의 빛을 가두는 키홀 내 다중 반사로 인해 레이저 흡수율이 0.8만큼 높을 수 있습니다. 이것은 기하학적 현상이며 기본 재료에 민감하지 않습니다. [ 51, 52 , 54 ] 따라서 본 연구에서는 흡수율의 상한을 0.8로 설정하였다. 참고 문헌 51 에 나타낸 바와 같이 , 전도 용융 풀에 해당하는 최저 흡수율은 약 0.3이었으며, 이는 이 연구에서 합리적인 하한 값입니다. 따라서 레이저 흡수율이 스트레이 그레인 형성에 미치는 영향을 보여주기 위해 흡수율 값을 0.55 ± 0.25로 설정했습니다. Vitek의 작업에서는 1.0의 고정 흡수율 값이 사용되었습니다. [ 3 ]
퓨전 존 미세구조
그림 3 은 200~300W 및 600~300W 및 600~300W 범위의 레이저 출력 및 속도로 9가지 다른 처리 매개변수에 의해 생성된 CMSX-4 레이저 트랙의 yz 단면 에서 취한 EBSD 역극점도와 해당 역극점도를 보여 줍니다. 각각 1400mm/s. EBSD 맵에서 여러 기능을 쉽게 관찰할 수 있습니다. 스트레이 그레인은 EBSD 맵에서 그 방향에 해당하는 다른 RGB 색상으로 나타나고 그레인 경계를 묘사하기 위해 5도의 잘못된 방향이 사용되었습니다. 여기, 그림 3 에서 스트레이 그레인은 대부분 용융 풀의 상단 중심선에 집중되어 있으며, 이는 용접된 단결정 CMSX-4의 이전 보고서와 일치합니다. [ 10 ]역 극점도에서, 점 근처에 집중된 클러스터⟨ 001 ⟩⟨001⟩융합 경계에서 유사한 방향을 유지하는 단결정 기반 및 에피택셜로 응고된 덴드라이트를 나타냅니다. 그러나 흩어진 곡물은 식별할 수 있는 질감이 없는 흩어져 있는 점으로 나타납니다. 단결정 기본 재료의 결정학적 방향은 주로⟨ 001 ⟩⟨001⟩비록 샘플을 절단하는 동안 식별할 수 없는 기울기 각도로 인해 또는 단결정 성장 과정에서 약간의 잘못된 방향이 있었기 때문에 약간의 편차가 있지만. 용융 풀 내부의 응고된 수상 돌기의 기본 방향은 다시 한 번⟨ 001 ⟩⟨001⟩주상 결정립 구조와 유사한 에피택셜 성장의 결과. 그림 3 과 같이 용융 풀에서 수상돌기의 성장 방향은 하단의 수직 방향에서 상단의 수평 방향으로 변경되었습니다 . 이 전이는 주로 온도 구배 방향의 변화로 인한 것입니다. 두 번째 전환은 CET입니다. FZ의 상단 중심선 주변에서 다양한 방향의 흩어진 입자가 관찰되며, 여기서 안쪽으로 성장하는 수상돌기가 서로 충돌하여 용융 풀에서 응고되는 마지막 위치가 됩니다.
더 깊은 키홀 모양을 특징으로 하는 샘플에서 용융 풀의 경계 근처에 침전된 흩어진 입자가 분명합니다. 이러한 새로운 입자는 나중에 모델링 섹션에서 논의되는 수상돌기 조각화 메커니즘에 의해 잠재적으로 발생합니다. 결정립이 강한 열 구배에서 핵을 생성하고 성장한 결과, 대부분의 흩어진 결정립은 모든 방향에서 동일한 크기를 갖기보다는 장축이 열 구배 방향과 정렬된 길쭉한 모양을 갖습니다. 그림 3 의 전도 모드 용융 풀 흩어진 입자가 없는 것으로 입증되는 더 나은 단결정 품질을 나타냅니다. 상대적으로 낮은 출력과 높은 속도의 스캐닝 레이저에 의해 생성된 이러한 더 얕은 용융 풀에서 최소한의 결정립 핵형성이 발생한다는 것은 명백합니다. 더 큰 면적 분율을 가진 스트레이 그레인은 고출력 및 저속으로 생성된 깊은 용융 풀에서 더 자주 관찰됩니다. 국부 응고 조건에 대한 동력 및 속도의 영향은 후속 모델링 섹션에서 조사할 것입니다.
그림 3
응고 모델링
서론에서 언급한 바와 같이 연구자들은 단결정 용접 중에 표류 결정립 형성의 가능한 메커니즘을 평가했습니다. [ 12 , 13 , 14 , 15 , 55 ]논의된 가장 인기 있는 두 가지 메커니즘은 (1) 응고 전단에 앞서 구성적 과냉각에 의해 도움을 받는 이종 핵형성 및 (2) 용융물 풀의 유체 흐름으로 인한 덴드라이트 조각화입니다. 첫 번째 메커니즘은 광범위하게 연구되었습니다. 이원 합금을 예로 들면, 고체는 액체만큼 많은 용질을 수용할 수 없으므로 응고 중에 용질을 액체로 거부합니다. 결과적으로, 성장하는 수상돌기 앞에서 용질 분할은 실제 온도가 국부 평형 액상선보다 낮은 과냉각 액체를 생성합니다. 충분히 광범위한 체질적으로 과냉각된 구역의 존재는 새로운 결정립의 핵형성 및 성장을 촉진합니다. [ 56 ]전체 과냉각은 응고 전면에서의 구성, 동역학 및 곡률 과냉각을 포함한 여러 기여의 합입니다. 일반적인 가정은 동역학 및 곡률 과냉각이 합금에 대한 용질 과냉각의 더 큰 기여와 관련하여 무시될 수 있다는 것입니다. [ 57 ]
서로 다른 기본 메커니즘을 더 잘 이해하려면피- 브이피-V조건에서 응고 모델링이 수행됩니다. 첫 번째 목적은 스트레이 그레인의 전체 범위를 평가하는 것입니다(Φ¯¯¯¯Φ¯) 처리 매개 변수의 함수로 국부적 표류 입자 비율의 변화를 조사하기 위해 (ΦΦ) 용융 풀의 위치 함수로. 두 번째 목적은 금속 AM의 빠른 응고 동안 응고 미세 구조와 표류 입자 형성 메커니즘 사이의 관계를 이해하는 것입니다.
그림 4
그림 4 는 해석적으로 시뮬레이션된 표류 입자 비율을 보여줍니다.Φ¯¯¯¯Φ¯세 가지 레이저 흡수율 값에서 다양한 레이저 스캐닝 속도 및 레이저 출력에 대해. 결과는 스트레이 그레인 면적 비율이 흡수된 에너지에 민감하다는 것을 보여줍니다. 흡수율을 0.30에서 0.80으로 증가시키면Φ¯¯¯¯Φ¯약 3배이며, 이 효과는 저속 및 고출력 영역에서 더욱 두드러집니다. 다른 모든 조건이 같다면, 흡수된 전력의 큰 영향은 평균 열 구배 크기의 일반적인 감소와 용융 풀 내 평균 응고율의 증가에 기인합니다. 스캐닝 속도가 증가하고 전력이 감소함에 따라 평균 스트레이 그레인 비율이 감소합니다. 이러한 일반적인 경향은 Vitek의 작업에서 채택된 그림 5 의 파란색 영역에서 시뮬레이션된 용접 결과와 일치합니다 . [ 3 ] 더 큰 과냉각 구역( 즉, 지 /V티G/V티영역)은 용접 풀의 표유 입자의 면적 비율이 분홍색 영역에 해당하는 LPBF 조건의 면적 비율보다 훨씬 더 크다는 것을 의미합니다. 그럼에도 불구하고 두 데이터 세트의 일반적인 경향은 유사합니다. 즉 , 레이저 출력이 감소하고 레이저 속도가 증가함에 따라 표류 입자의 비율이 감소합니다. 또한 그림 5 에서 스캐닝 속도가 LPBF 영역으로 증가함에 따라 표유 입자 면적 분율에 대한 레이저 매개변수의 변화 효과가 감소한다는 것을 추론할 수 있습니다. 그림 6 (a)는 그림 3 의 EBSD 분석에서 나온 실험적 표류 결정립 면적 분율 과 그림 4 의 해석 시뮬레이션 결과를 비교합니다.. 열쇠 구멍 모양의 FZ에서 정확한 값이 다르지만 추세는 시뮬레이션과 실험 데이터 모두에서 일관되었습니다. 키홀 모양의 용융 풀, 특히 전력이 300W인 2개는 분석 시뮬레이션 예측보다 훨씬 더 많은 양의 흩어진 입자를 가지고 있습니다. Rosenthal 방정식은 일반적으로 열 전달이 순전히 전도에 의해 좌우된다는 가정으로 인해 열쇠 구멍 체제의 열 흐름을 적절하게 반영하지 못하기 때문에 이러한 불일치가 실제로 예상됩니다. [ 39 , 40 ] 그것은 또한 그림 4 의 발견 , 즉 키홀 모드 동안 흡수된 전력의 증가가 표류 입자 형성에 더 이상적인 조건을 초래한다는 것을 검증합니다. 그림 6 (b)는 실험을 비교Φ¯¯¯¯Φ¯수치 CFD 시뮬레이션Φ¯¯¯¯Φ¯. CFD 모델이 약간 초과 예측하지만Φ¯¯¯¯Φ¯전체적으로피- 브이피-V조건에서 열쇠 구멍 조건에서의 예측은 분석 모델보다 정확합니다. 전도 모드 용융 풀의 경우 실험 값이 분석 시뮬레이션 값과 더 가깝게 정렬됩니다.
그림 5
모의 온도 구배 G 분포 및 응고율 검사V티V티분석 모델링의 쌍은 그림 7 (a)의 CMSX-4 미세 구조 선택 맵에 표시됩니다. 제공지 /V티G/V티( 즉 , 형태 인자)는 형태를 제어하고지 ×V티G×V티( 즉 , 냉각 속도)는 응고된 미세 구조의 규모를 제어하고 , [ 58 , 59 ]지 -V티G-V티플롯은 전통적인 제조 공정과 AM 공정 모두에서 미세 구조 제어를 지원합니다. 이 플롯의 몇 가지 분명한 특징은 등축, 주상, 평면 전면 및 이러한 경계 근처의 전이 영역을 구분하는 경계입니다. 그림 7 (a)는 몇 가지 선택된 분석 열 시뮬레이션에 대한 미세 구조 선택 맵을 나타내는 반면 그림 7 (b)는 수치 열 모델의 결과와 동일한 맵을 보여줍니다. 등축 미세구조의 형성은 낮은 G 이상 에서 명확하게 선호됩니다.V티V티정황. 이 플롯에서 각 곡선의 평면 전면에 가장 가까운 지점은 용융 풀의 최대 너비 위치에 해당하는 반면 등축 영역에 가까운 지점의 끝은 용융 풀의 후면 꼬리에 해당합니다. 그림 7 (a)에서 대부분의지 -V티G-V티응고 전면의 쌍은 원주형 영역에 속하고 점차 CET 영역으로 위쪽으로 이동하지만 용융 풀의 꼬리는 다음에 따라 완전히 등축 영역에 도달하거나 도달하지 않을 수 있습니다.피- 브이피-V조합. 그림 7 (a) 의 곡선 중 어느 것도 평면 전면 영역을 통과하지 않지만 더 높은 전력의 경우에 가까워집니다. 저속 레이저 용융 공정을 사용하는 이전 작업에서는 곡선이 평면 영역을 통과할 수 있습니다. 레이저 속도가 증가함에 따라 용융 풀 꼬리는 여전히 CET 영역에 있지만 완전히 등축 영역에서 멀어집니다. CET 영역으로 떨어지는 섹션의 수도 감소합니다.Φ¯¯¯¯Φ¯응고된 물질에서.
그림 6
그만큼지 -V티G-V티CFD 모델을 사용하여 시뮬레이션된 응고 전면의 쌍이 그림 7 (b)에 나와 있습니다. 세 방향 모두에서 각 점 사이의 일정한 간격으로 미리 정의된 좌표에서 수행된 해석 시뮬레이션과 달리, 고충실도 CFD 모델의 출력은 불규칙한 사면체 좌표계에 있었고 G 를 추출하기 전에 일반 3D 그리드에 선형 보간되었습니다. 그리고V티V티그런 다음 미세 구조 선택 맵에 플롯됩니다. 일반적인 경향은 그림 7 (a)의 것과 일치하지만 이 방법으로 모델링된 매우 동적인 유체 흐름으로 인해 결과에 더 많은 분산이 있었습니다. 그만큼지 -V티G-V티분석 열 모델의 쌍 경로는 더 연속적인 반면 수치 시뮬레이션의 경로는 용융 풀 꼬리 모양의 차이를 나타내는 날카로운 굴곡이 있습니다(이는 G 및V티V티) 두 모델에 의해 시뮬레이션됩니다.
그림 7그림 8
유체 흐름을 통합한 응고 모델링
수치 CFD 모델을 사용하여 유동 입자 형성 정도에 대한 유체 흐름의 영향을 이해하고 시뮬레이션 결과를 분석 Rosenthal 솔루션과 비교했습니다. 그림 8 은 응고 매개변수 G 의 분포를 보여줍니다.V티V티,지 /V티G/V티, 그리고지 ×V티G×V티yz 단면에서 x 는 FLOW-3D에서 (a1–d1) 분석 열 모델링 및 (a2–d2) FVM 방법을 사용하여 시뮬레이션된 용융 풀의 최대 폭입니다. 그림 8 의 값은 응고 전선이 특정 위치에 도달할 때 정확한 값일 수도 있고 아닐 수도 있지만 일반적인 추세를 반영한다는 의미의 임시 가상 값입니다. 이 프로파일은 출력 300W 및 속도 400mm/s의 레이저 빔에서 시뮬레이션됩니다. 용융 풀 경계는 흰색 곡선으로 표시됩니다. (a2–d2)의 CFD 시뮬레이션 용융 풀 깊이는 342입니다. μμm, 측정 깊이 352와 잘 일치 μμ일치하는 길쭉한 열쇠 구멍 모양과 함께 그림 1 에 표시된 실험 FZ의 m . 그러나 분석 모델은 반원 모양의 용융 풀을 출력하고 용융 풀 깊이는 264에 불과합니다. μμ열쇠 구멍의 경우 현실과는 거리가 멀다. CFD 시뮬레이션 결과에서 열 구배는 레이저 반사 증가와 불안정한 액체-증기 상호 작용이 발생하는 증기 함몰의 동적 부분 근처에 있기 때문에 FZ 하단에서 더 높습니다. 대조적으로 해석 결과의 열 구배 크기는 경계를 따라 균일합니다. 두 시뮬레이션 결과 모두 그림 8 (a1) 및 (a2) 에서 응고가 용융 풀의 상단 중심선을 향해 진행됨에 따라 열 구배가 점차 감소합니다 . 응고율은 그림 8 과 같이 경계 근처에서 거의 0입니다. (b1) 및 (b2). 이는 경계 영역이 응고되기 시작할 때 국부 응고 전면의 법선 방향이 레이저 스캐닝 방향에 수직이기 때문입니다. 이것은 드라이브θ → π/ 2θ→파이/2그리고V티→ 0V티→0식에서 [ 3 ]. 대조적으로 용융 풀의 상단 중심선 근처 영역에서 응고 전면의 법선 방향은 레이저 스캐닝 방향과 잘 정렬되어 있습니다.θ → 0θ→0그리고V티→ 브이V티→V, 빔 스캐닝 속도. G 와 _V티V티값이 얻어지면 냉각 속도지 ×V티G×V티및 형태 인자지 /V티G/V티계산할 수 있습니다. 그림 8 (c2)는 용융 풀 바닥 근처의 온도 구배가 매우 높고 상단에서 더 빠른 성장 속도로 인해 냉각 속도가 용융 풀의 바닥 및 상단 중심선 근처에서 더 높다는 것을 보여줍니다. 지역. 그러나 이러한 추세는 그림 8 (c1)에 캡처되지 않았습니다. 그림 8 의 형태 요인 (d1) 및 (d2)는 중심선에 접근함에 따라 눈에 띄게 감소합니다. 경계에서 큰 값은 열 구배를 거의 0인 성장 속도로 나누기 때문에 발생합니다. 이 높은 형태 인자는 주상 미세구조 형성 가능성이 높음을 시사하는 반면, 중앙 영역의 값이 낮을수록 등축 미세구조의 가능성이 더 크다는 것을 나타냅니다. Tanet al. 또한 키홀 모양의 용접 풀 [ 59 ] 에서 이러한 응고 매개변수의 분포 를 비슷한 일반적인 경향으로 보여주었습니다. 그림 3 에서 볼 수 있듯이 용융 풀의 상단 중심선에 있는 흩어진 입자는 낮은 특징을 나타내는 영역과 일치합니다.지 /V티G/V티그림 8 (d1) 및 (d2)의 값. 시뮬레이션과 실험 간의 이러한 일치는 용융 풀의 상단 중심선에 축적된 흩어진 입자의 핵 생성 및 성장이 등온선 속도의 증가와 온도 구배의 감소에 의해 촉진됨을 보여줍니다.
그림 9
그림 9 는 유체 속도 및 국부적 핵형성 성향을 보여줍니다.ΦΦ300W의 일정한 레이저 출력과 400, 800 및 1200mm/s의 세 가지 다른 레이저 속도에 의해 생성된 3D 용융 풀 전체에 걸쳐. 그림 9 (d)~(f)는 로컬ΦΦ해당 3D 보기에서 밝은 회색 평면으로 표시된 특정 yz 단면의 분포. 이 yz 섹션은 가장 높기 때문에 선택되었습니다.Φ¯¯¯¯Φ¯용융 풀 내의 값은 각각 23.40, 11.85 및 2.45pct입니다. 이들은 그림 3 의 실험 데이터와 비교하기에 적절하지 않을 수 있는 액체 용융 풀의 과도 값이며Φ¯¯¯¯Φ¯그림 6 의 값은 이 값이 고체-액체 계면에 가깝지 않고 용융 풀의 중간에서 취해졌기 때문입니다. 온도가 훨씬 낮아서 핵이 생존하고 성장할 수 있기 때문에 핵 형성은 용융 풀의 중간이 아닌 고체-액체 계면에 더 가깝게 발생할 가능성이 있습니다.
그림 3 (a), (d), (g), (h)에서 위쪽 중심선에서 멀리 떨어져 있는 흩어진 결정립이 있었습니다. 그들은 훨씬 더 높은 열 구배와 더 낮은 응고 속도 필드에 위치하기 때문에 과냉각 이론은 이러한 영역에서 표류 입자의 형성에 대한 만족스러운 설명이 아닙니다. 이것은 떠돌이 결정립의 형성을 야기할 수 있는 두 번째 메커니즘, 즉 수상돌기의 팁을 가로지르는 유체 흐름에 의해 유발되는 수상돌기 조각화를 고려하도록 동기를 부여합니다. 유체 흐름이 열 구배를 따라 속도 성분을 갖고 고체-액체 계면 속도보다 클 때, 주상 수상돌기의 국지적 재용융은 용질이 풍부한 액체가 흐물흐물한 구역의 깊은 곳에서 액상선 등온선까지 이동함으로써 발생할 수 있습니다. . [ 55] 분리된 수상돌기는 대류에 의해 열린 액체로 운반될 수 있습니다. 풀이 과냉각 상태이기 때문에 이러한 파편은 고온 조건에서 충분히 오래 생존하여 길 잃은 입자의 핵 생성 사이트로 작용할 수 있습니다. 결과적으로 수상 돌기 조각화 과정은 활성 핵의 수를 효과적으로 증가시킬 수 있습니다.N0N0) 용융 풀 [ 15 , 60 , 61 ] 에서 생성된 미세 구조에서 표류 입자의 면적을 증가시킵니다.
그림 9 (a) 및 (b)에서 반동 압력은 용융 유체를 아래쪽으로 흐르게 하여 결과 흐름을 지배합니다. 유체 속도의 역방향 요소는 V = 400 및 800mm/s에 대해 각각 최대값 1.0 및 1.6m/s로 더 느려집니다 . 그림 9 (c)에서 레이저 속도가 더 증가함에 따라 증기 침하가 더 얕고 넓어지고 반동 압력이 더 고르게 분포되어 증기 침강에서 주변 영역으로 유체를 밀어냅니다. 역류는 최대값 3.5m/s로 더 빨라집니다. 용융 풀의 최대 너비에서 yz 단면 의 키홀 아래 평균 유체 속도는 그림에 표시된 경우에 대해 0.46, 0.45 및 1.44m/s입니다.9 (a), (b) 및 (c). 키홀 깊이의 변동은 각 경우의 최대 깊이와 최소 깊이의 차이로 정의되는 크기로 정량화됩니다. 240 범위의 강한 증기 내림 변동 μμm은 그림 9 (a)의 V = 400mm/s 경우에서 발견 되지만 이 변동은 그림 9 (c)에서 16의 범위로 크게 감소합니다.μμ미디엄. V = 400mm/s인 경우 의 유체장과 높은 변동 범위는 이전 키홀 동역학 시뮬레이션과 일치합니다. [ 34 ]
따라서 V = 400mm/s 키홀 케이스의 무질서한 변동 흐름이 용융 풀 경계를 따라 응고된 주상 수상돌기에서 분리된 조각을 구동할 가능성이 있습니다. V = 1200mm/s의 경우 강한 역류 는 그림 3 에서 관찰되지 않았지만 동일한 효과를 가질 수 있습니다. . 덴드라이트 조각화에 대한 유체 유동장의 영향에 대한 이 경험적 설명은 용융 풀 경계 근처에 떠돌이 입자의 존재에 대한 그럴듯한 설명을 제공합니다. 분명히 하기 위해, 우리는 이 가설을 검증하기 위해 이 현상에 대한 직접적인 실험적 관찰을 하지 않았습니다. 이 작업에서 표유 입자 면적 분율을 계산할 때 단순화를 위해 핵 생성 모델링에 일정한 핵 생성 수 밀도가 적용되었습니다. 이는 그림 9 의 표류 입자 영역 비율 이 수지상정 조각화가 발생하는 경우 이러한 높은 유체 흐름 용융 풀에서 발생할 수 있는 것, 즉 강화된 핵 생성 밀도를 반영하지 않는다는 것을 의미합니다.
위의 이유로 핵 형성에 대한 수상 돌기 조각화의 영향을 아직 배제할 수 없습니다. 그러나 단편화 이론은 용접 문헌 [ 62 ] 에서 검증될 만큼 충분히 개발되지 않았 으므로 부차적인 중요성만 고려된다는 점에 유의해야 합니다. 1200mm/s를 초과하는 레이저 스캐닝 속도는 최소한의 표류 결정립 면적 분율을 가지고 있음에도 불구하고 분명한 볼링을 나타내기 때문에 단결정 수리 및 AM 처리에 적합하지 않습니다. 따라서 낮은 P 및 높은 V 에 의해 생성된 응고 전면 근처에서 키홀 변동이 최소화되고 유체 속도가 완만해진 용융 풀이 생성된다는 결론을 내릴 수 있습니다., 처리 창의 극한은 아니지만 흩어진 입자를 나타낼 가능성이 가장 적습니다.
마지막으로 단일 레이저 트랙의 응고 거동을 조사하면 에피택셜 성장 동안 표류 입자 형성을 더 잘 이해할 수 있다는 점에 주목하는 것이 중요합니다. 우리의 현재 결과는 최적의 레이저 매개변수에 대한 일반적인 지침을 제공하여 최소 스트레이 그레인을 달성하고 단결정 구조를 유지합니다. 이 가이드라인은 250W 정도의 전력과 600~800mm/s의 스캔 속도로 최소 흩어진 입자에 적합한 공정 창을 제공합니다. 각 처리 매개변수를 신중하게 선택하면 과거에 스테인리스강에 대한 거의 단결정 미세 구조를 인쇄하는 데 성공했으며 이는 CMSX-4 AM 빌드에 대한 가능성을 보여줍니다. [ 63 ]신뢰성을 보장하기 위해 AM 수리 프로세스를 시작하기 전에 보다 엄격한 실험 테스트 및 시뮬레이션이 여전히 필요합니다. 둘 이상의 레이저 트랙 사이의 상호 작용도 고려해야 합니다. 또한 레이저, CMSX-4 분말 및 벌크 재료 간의 상호 작용이 중요하며, 수리 중에 여러 층의 CMSX-4 재료를 축적해야 하는 경우 다른 스캔 전략의 효과도 중요한 역할을 할 수 있습니다. 분말이 포함된 경우 Lopez-Galilea 등 의 연구에서 제안한 바와 같이 분말이 주로 완전히 녹지 않았을 때 추가 핵 생성 사이트를 도입하기 때문에 단순히 레이저 분말과 속도를 조작하여 흩어진 입자 형성을 완화하기 어려울 수 있습니다 . [ 22 ]결과적으로 CMSX-4 단결정을 수리하기 위한 레이저 AM의 가능성을 다루기 위해서는 기판 재료, 레이저 출력, 속도, 해치 간격 및 층 두께의 조합을 모두 고려해야 하며 향후 연구에서 다루어야 합니다. CFD 모델링은 2개 이상의 레이저 트랙 사이의 상호작용과 열장에 미치는 영향을 통합할 수 있으며, 이는 AM 빌드 시나리오 동안 핵 생성 조건으로 단일 비드 연구의 지식 격차를 해소할 것입니다.
결론
LPBF 제조의 특징적인 조건 하에서 CMSX-4 단결정 의 에피택셜(기둥형) 대 등축 응고 사이의 경쟁을 실험적 및 이론적으로 모두 조사했습니다. 이 연구는 고전적인 응고 개념을 도입하여 빠른 레이저 용융의 미세 구조 특징을 설명하고 응고 조건과 표유 결정 성향을 예측하기 위해 해석적 및 수치적 고충실도 CFD 열 모델 간의 비교를 설명했습니다. 본 연구로부터 다음과 같은 주요 결론을 도출할 수 있다.
단일 레이저 트랙의 레이저 가공 조건은 용융 풀 형상, 레이저 흡수율, 유체 흐름 및 키홀 요동, 입자 구조 및 표류 입자 형성 민감성에 강한 영향을 미치는 것으로 밝혀졌습니다.
레이저 용접을 위해 개발된 이론적인 표유 결정립 핵형성 분석이 레이저 용융 AM 조건으로 확장되었습니다. 분석 모델링 결과와 단일 레이저 트랙의 미세구조 특성화를 비교하면 예측이 전도 및 볼링 조건에서 실험적 관찰과 잘 일치하는 반면 키홀 조건에서는 예측이 약간 과소하다는 것을 알 수 있습니다. 이러한 불일치는 레이저 트랙의 대표성이 없는 섹션이나 유체 속도 필드의 변화로 인해 발생할 수 있습니다. CFD 모델에서 추출한 열장에 동일한 표유 입자 계산 파이프라인을 적용하면 연구된 모든 사례에서 과대평가가 발생하지만 분석 모델보다 연장된 용융 풀의 실험 데이터와 더 정확하게 일치합니다.
이 연구에서 두 가지 표류 결정립 형성 메커니즘인 불균일 핵형성 및 수상돌기 조각화가 평가되었습니다. 우리의 결과는 불균일 핵형성이 용융 풀의 상단 중심선에서 새로운 결정립의 형성으로 이어지는 주요 메커니즘임을 시사합니다.지 /V티G/V티정권.
용융 풀 경계 근처의 흩어진 입자는 깊은 키홀 모양의 용융 풀에서 독점적으로 관찰되며, 이는 강한 유체 흐름으로 인한 수상 돌기 조각화의 영향이 이러한 유형의 용융 풀에서 고려하기에 충분히 강력할 수 있음을 시사합니다.
일반적으로 더 높은 레이저 스캐닝 속도와 더 낮은 전력 외에도 안정적인 키홀과 최소 유체 속도는 또한 흩어진 입자 형성을 완화하고 레이저 단일 트랙에서 에피택셜 성장을 보존합니다.
References
R.C. Reed: The Superalloys: Fundamentals and Applications, Cambridge University Press, Cambridge, 2006, pp.17–20.BookGoogle Scholar
A. Basak, R. Acharya, and S. Das: Metall. Mater. Trans. A, 2016, vol. 47A, pp. 3845–59.ArticleGoogle Scholar
R. Vilar and A. Almeida: J. Laser Appl., 2015, vol. 27, p. S17004.ArticleGoogle Scholar
T. Kalfhaus, M. Schneider, B. Ruttert, D. Sebold, T. Hammerschmidt, J. Frenzel, R. Drautz, W. Theisen, G. Eggeler, O. Guillon, and R. Vassen: Mater. Des., 2019, vol. 168, p. 107656.ArticleCASGoogle Scholar
S.S. Babu, S.A. David, J.W. Park, and J.M. Vitek: Sci. Technol. Weld. Join., 2004, vol. 9, pp. 1–12.ArticleCASGoogle Scholar
L. Felberbaum, K. Voisey, M. Gäumann, B. Viguier, and A. Mortensen: Mater. Sci. Eng. A, 2001, vol. 299, pp. 152–56.ArticleGoogle Scholar
S. Mokadem, C. Bezençon, J.M. Drezet, A. Jacot, J.D. Wagnière, and W. Kurz: TMS Annual Meeting, 2004, pp. 67–76.
J.M. Vitek: ASM Proc. Int. Conf. Trends Weld. Res., vol. 2005, pp. 773–79.
B. Kianian: Wohlers Report 2017: 3D Printing and Additive Manufacturing State of the Industry, Annual Worldwide Progress Report, Wohlers Associates, Inc., Fort Collins, 2017.Google Scholar
M. Ramsperger, L. Mújica Roncery, I. Lopez-Galilea, R.F. Singer, W. Theisen, and C. Körner: Adv. Eng. Mater., 2015, vol. 17, pp. 1486–93.ArticleCASGoogle Scholar
A.B. Parsa, M. Ramsperger, A. Kostka, C. Somsen, C. Körner, and G. Eggeler: Metals, 2016, vol. 6, pp. 258-1–17.ArticleGoogle Scholar
C. Körner, M. Ramsperger, C. Meid, D. Bürger, P. Wollgramm, M. Bartsch, and G. Eggeler: Metall. Mater. Trans. A, 2018, vol. 49A, pp. 3781–92.ArticleGoogle Scholar
D. Bürger, A. Parsa, M. Ramsperger, C. Körner, and G. Eggeler: Mater. Sci. Eng. A, 2019, vol. 762, p. 138098,ArticleGoogle Scholar
R. Cunningham, C. Zhao, N. Parab, C. Kantzos, J. Pauza, K. Fezzaa, T. Sun, and A.D. Rollett: Science, 2019, vol. 363, pp. 849–52.ArticleCASGoogle Scholar
B. Fotovvati, S.F. Wayne, G. Lewis, and E. Asadi: Adv. Mater. Sci. Eng., 2018, vol. 2018, p. 4920718.ArticleGoogle Scholar
P.-J. Chiang, R. Jiang, R. Cunningham, N. Parab, C. Zhao, K. Fezzaa, T. Sun, and A.D. Rollett: in Advanced Real Time Imaging II, pp. 77–85.
J. Ye, S.A. Khairallah, A.M. Rubenchik, M.F. Crumb, G. Guss, J. Belak, and M.J. Matthews: Adv. Eng. Mater., 2019, vol. 21, pp. 1–9.ArticleGoogle Scholar
C. Zhao, Q. Guo, X. Li, N. Parab, K. Fezzaa, W. Tan, L. Chen, and T. Sun: Phys. Rev. X, 2019, vol. 9, p. 021052.CASGoogle Scholar
S.A. Khairallah, A.T. Anderson, A. Rubenchik, and W.E. King: Acta Mater., 2016, vol. 108, pp. 36–45.ArticleCASGoogle Scholar
N. Kouraytem, X. Li, R. Cunningham, C. Zhao, N. Parab, T. Sun, A.D. Rollett, A.D. Spear, and W. Tan: Appl. Phys. Rev., 2019, vol. 11, p. 064054.ArticleCASGoogle Scholar
T. DebRoy, H. Wei, J. Zuback, T. Mukherjee, J. Elmer, J. Milewski, A. Beese, A. Wilson-Heid, A. De, and W. Zhang: Prog. Mater. Sci., 2018, vol. 92, pp. 112–224.ArticleCASGoogle Scholar
I. Yadroitsev, A. Gusarov, I. Yadroitsava, and I. Smurov: J. Mater. Process. Technol., 2010, vol. 210, pp. 1624–31.ArticleCASGoogle Scholar
S. Ghosh, L. Ma, L.E. Levine, R.E. Ricker, M.R. Stoudt, J.C. Heigel, and J.E. Guyer: JOM, 2018, vol. 70, pp. 1011–16.ArticleCASGoogle Scholar
Y. He, C. Montgomery, J. Beuth, and B. Webler: Mater. Des., 2019, vol. 183, p. 108126.ArticleCASGoogle Scholar
D. Rosenthal: Weld. J., 1941, vol. 20, pp. 220–34.Google Scholar
M. Tang, P.C. Pistorius, and J.L. Beuth: Addit. Manuf., 2017, vol. 14, pp. 39–48.CASGoogle Scholar
R.E. Aune, L. Battezzati, R. Brooks, I. Egry, H.J. Fecht, J.P. Garandet, M. Hayashi, K.C. Mills, A. Passerone, P.N. Quested, E. Ricci, F. Schmidt-Hohagen, S. Seetharaman, B. Vinet, and R.K. Wunderlich: Proc. Int.Symp. Superalloys Var. Deriv., 2005, pp. 467–76.
B.C. Wilson, J.A. Hickman, and G.E. Fuchs: JOM, 2003, vol. 55, pp. 35–40.ArticleCASGoogle Scholar
J.J. Valencia and P.N. Quested: ASM Handb., 2008, vol. 15, pp. 468–81.Google Scholar
H.L. Wei, J. Mazumder, and T. DebRoy: Sci. Rep., 2015, vol. 5, pp. 1–7.Google Scholar
N. Raghavan, R. Dehoff, S. Pannala, S. Simunovic, M. Kirka, J. Turner, N. Carlson, and S.S. Babu: Acta Mater., 2016, vol. 112, pp. 303–14.ArticleCASGoogle Scholar
R. Lin, H. Wang, F. Lu, J. Solomon, and B.E. Carlson: Int. J. Heat Mass Transf., 2017, vol. 108, pp. 244–56.ArticleCASGoogle Scholar
M. Bayat, A. Thanki, S. Mohanty, A. Witvrouw, S. Yang, J. Thorborg, N.S. Tiedje, and J.H. Hattel: Addit. Manuf., 2019, vol. 30, p. 100835.CASGoogle Scholar
K. Higuchi, H.-J. Fecht, and R.K. Wunderlich: Adv. Eng. Mater., 2007, vol. 9, pp. 349–54.ArticleCASGoogle Scholar
Q. Guo, C. Zhao, M. Qu, L. Xiong, L.I. Escano, S.M.H. Hojjatzadeh, N.D. Parab, K. Fezzaa, W. Everhart, T. Sun, and L. Chen: Addit. Manuf., 2019, vol. 28, pp. 600–09.Google Scholar
J. Trapp, A.M. Rubenchik, G. Guss, and M.J. Matthews: Appl. Mater. Today, 2017, vol. 9, pp. 341–49.ArticleGoogle Scholar
M. Schneider, L. Berthe, R. Fabbro, and M. Muller: J. Phys. D, 2008, vol. 41, p. 155502.ArticleGoogle Scholar
Z. Gan, O.L. Kafka, N. Parab, C. Zhao, L. Fang, O. Heinonen, T. Sun, and W.K. Liu: Nat. Commun., 2021, vol. 12, p. 2379.ArticleCASGoogle Scholar
B.J. Simonds, E.J. Garboczi, T.A. Palmer, and P.A. Williams: Appl. Phys. Rev., 2020, vol. 13, p. 024057.ArticleCASGoogle Scholar
J. Dantzig and M. Rappaz: Solidification, 2nd ed., EPFL Press, Lausanne, 2016, pp. 483–532.Google Scholar
W. Tiller, K. Jackson, J. Rutter, and B. Chalmers: Acta Metall., 1953, vol. 1, pp. 428–37.ArticleCASGoogle Scholar
D. Zhang, A. Prasad, M.J. Bermingham, C.J. Todaro, M.J. Benoit, M.N. Patel, D. Qiu, D.H. StJohn, M. Qian, and M.A. Easton: Metall. Mater. Trans. A, 2020, vol. 51A, pp. 4341–59.ArticleGoogle Scholar
F. Yan, W. Xiong, and E.J. Faierson: Materials, 2017, vol. 10, p. 1260.ArticleGoogle Scholar
J.M. Vitek, S.A. David, and L.A. Boatner: Sci. Technol. Weld. Join., 1997, vol. 2, pp. 109–18.ArticleCASGoogle Scholar
X. Wang, J.A. Muñiz-Lerma, O. Sanchez-Mata, S.E. Atabay, M.A. Shandiz, and M. Brochu: Prog. Addit. Manuf., 2020, vol. 5, pp. 41–49.ArticleGoogle Scholar
레이저 금속 적층 제조(AM) 공정의 낮은 에너지 효율은 대규모 산업 생산에서 잠재적인 지속 가능성 문제입니다. 레이저 용융을 위한 에너지 효율의 명시적 조사는 용융 금속의 불투명한 특성으로 인해 매우 어려운 용융 풀 치수 및 증기 내림의 직접적인 특성화를 요구합니다.
여기에서 우리는 현장 고속 고에너지 x-선 이미징에 의해 Al6061의 레이저 분말 베드 융합(LPBF) 동안 증기 강하 및 용융 풀 형성에 대한 TiC 나노 입자의 효과에 대한 직접적인 관찰 및 정량화를 보고합니다. 정량 결과를 바탕으로, 우리는 Al6061의 LPBF 동안 TiC 나노 입자가 있거나 없을 때 레이저 용융 에너지 효율(여기서 재료를 용융하는 데 필요한 에너지 대 레이저 빔에 의해 전달되는 에너지의 비율로 정의)을 계산했습니다.
결과는 TiC 나노 입자를 Al6061에 추가하면 레이저 용융 에너지 효율이 크게 증가한다는 것을 보여줍니다(평균 114% 증가, 312에서 521% 증가). W 레이저 출력, 0.4m /s 스캔 속도). 체계적인 특성 측정, 시뮬레이션 및 x-선 이미징 연구를 통해 우리는 처음으로 세 가지 메커니즘이 함께 작동하여 레이저 용융 에너지 효율을 향상시킨다는 것을 확인할 수 있었습니다.
(1) TiC 나노 입자를 추가하면 흡수율이 증가합니다. (2) TiC 나노입자를 추가하면 열전도율이 감소하고, (3) TiC 나노입자를 추가하면 더 낮은 레이저 출력에서 증기 억제 및 다중 반사를 시작할 수 있습니다(즉, 키홀링에 대한 레이저 출력 임계값을 낮춤).
여기서 보고한 Al6061의 LPBF 동안 레이저 용융 에너지 효율을 증가시키기 위해 TiC 나노입자를 사용하는 방법 및 메커니즘은 보다 에너지 효율적인 레이저 금속 AM을 위한 공급원료 재료의 개발을 안내할 수 있습니다.
The low energy efficiency of the laser metal additive manufacturing (AM) process is a potential sustainability concern for large-scale industrial production. Explicit investigation of the energy efficiency for laser melting requires the direct characterization of melt pool dimension and vapor depression, which is very difficult due to the opaque nature of the molten metal. Here we report the direct observation and quantification of effects of the TiC nanoparticles on the vapor depression and melt pool formation during laser powder bed fusion (LPBF) of Al6061 by in-situ high-speed high-energy x-ray imaging. Based on the quantification results, we calculated the laser melting energy efficiency (defined here as the ratio of the energy needed to melt the material to the energy delivered by the laser beam) with and without TiC nanoparticles during LPBF of Al6061. The results show that adding TiC nanoparticles into Al6061 leads to a significant increase of laser melting energy efficiency (114% increase on average, 521% increase under 312 W laser power, 0.4 m/s scan speed). Systematic property measurement, simulation, and x-ray imaging studies enable us, for the first time, to identify that three mechanisms work together to enhance the laser melting energy efficiency: (1) adding TiC nanoparticles increases the absorptivity; (2) adding TiC nanoparticles decreases the thermal conductivity, and (3) adding TiC nanoparticles enables the initiation of vapor depression and multiple reflection at lower laser power (i.e., lowers the laser power threshold for keyholing). The method and mechanisms of using TiC nanoparticles to increase the laser melting energy efficiency during LPBF of Al6061 we reported here may guide the development of feedstock materials for more energy efficient laser metal AM.
Nanoparticle-enabled increase of energy efficiency during laser metal additive manufacturing
린 첸 가오 양 미시 옹 장 춘밍 왕 Lin Chen , Gaoyang Mi , Xiong Zhang , Chunming Wang * 중국 우한시 화중과학기술대학 재료공학부, 430074
Effects of sinusoidal oscillating laser beam on weld formation, melt flow and grain structure during aluminum alloys lap welding
Abstract
A numerical model of 1.5 mm 6061/5182 aluminum alloys thin sheets lap joints under laser sinusoidal oscillation (sine) welding and laser welding (SLW) weld was developed to simulate temperature distribution and melt flow. Unlike the common energy distribution of SLW, the sinusoidal oscillation of laser beam greatly homogenized the energy distribution and reduced the energy peak. The energy peaks were located at both sides of the sine weld, resulting in the tooth-shaped sectional formation. This paper illustrated the effect of the temperature gradient (G) and solidification rate (R) on the solidification microstructure by simulation. Results indicated that the center of the sine weld had a wider area with low G/R, promoting the formation of a wider equiaxed grain zone, and the columnar grains were slenderer because of greater GR. The porosity-free and non-penetration welds were obtained by the laser sinusoidal oscillation. The reasons were that the molten pool volume was enlarged, the volume proportion of keyhole was reduced and the turbulence in the molten pool was gentled, which was observed by the high-speed imaging and simulation results of melt flow. The tensile test of both welds showed a tensile fracture form along the fusion line, and the tensile strength of sine weld was significantly better than that of the SLW weld. This was because that the wider equiaxed grain area reduced the tendency of cracks and the finer grain size close to the fracture location. Defect-free and excellent welds are of great significance to the new energy vehicles industry.
온도 분포 및 용융 흐름을 시뮬레이션하기 위해 레이저 사인파 진동 (사인) 용접 및 레이저 용접 (SLW) 용접에서 1.5mm 6061/5182 알루미늄 합금 박판 랩 조인트 의 수치 모델이 개발되었습니다. SLW의 일반적인 에너지 분포와 달리 레이저 빔의 사인파 진동은 에너지 분포를 크게 균질화하고 에너지 피크를 줄였습니다. 에너지 피크는 사인 용접의 양쪽에 위치하여 톱니 모양의 단면이 형성되었습니다. 이 논문은 온도 구배(G)와 응고 속도 의 영향을 설명했습니다.(R) 시뮬레이션에 의한 응고 미세 구조. 결과는 사인 용접의 중심이 낮은 G/R로 더 넓은 영역을 가짐으로써 더 넓은 등축 결정립 영역의 형성을 촉진하고 더 큰 GR로 인해 주상 결정립 이 더 가늘다는 것을 나타냅니다. 다공성 및 비관통 용접은 레이저 사인파 진동에 의해 얻어졌습니다. 그 이유는 용융 풀의 부피가 확대되고 열쇠 구멍의 부피 비율이 감소하며 용융 풀의 난류가 완만해졌기 때문이며, 이는 용융 흐름의 고속 이미징 및 시뮬레이션 결과에서 관찰되었습니다. 두 용접부 의 인장시험 은 융착선을 따라 인장파괴형태를인장강도사인 용접의 경우 SLW 용접보다 훨씬 우수했습니다. 이는 등축 결정립 영역이 넓을수록 균열 경향이 감소하고 파단 위치에 근접한 입자 크기가 미세 하기 때문입니다. 결함이 없고 우수한 용접은 신에너지 자동차 산업에 매우 중요합니다.
Fig. 1. Schematic of lap welding for 6061/5182 aluminum alloys.Fig. 2. Finite element mesh.Fig. 3. Weld morphologies of cross-section and upper surface for the two welds: (a) sine pattern weld; (b) SLW weld.Fig. 4. Calculation of laser energy distribution: (a)-(c) sine pattern weld; (d)-(f) SLW weld.Fig. 5. The partially melted region of zone A.Fig. 6. The simulated profiles of melted region for the two welds: (a) SLW weld; (b) sine pattern weld. Fig. 7. The temperature field simulation results of cross section for sine pattern weld.
Fig. 8. Dynamic behavior of the molten pool at the same time interval of 0.004 s within one oscillating period: (a) SLW weld; (b) sine pattern weld. Fig. 9. The temperature field and flow field of the molten pool for the SLW weld: (a)~(f) t = 80 ms~100 ms. Fig. 10. The temperature field and flow field of the molten pool for the sine pattern weld: (a)~(f) t = 151 ms~171 ms.Fig. 11. The evolution of the molten pool volume and keyhole depth within one period. Fig. 12. The X-ray inspection results for the two welds: (a) SLW weld, (b) sine pattern weld. Fig. 13. Comparison of the solidification parameters for sine and SLW patterns: (a) the temperature field simulated results of the molten pool upper surfaces; (b)
temperature gradient G and solidification rate R along the molten pool boundary isotherm from weld centerline to the fusion boundary; (c) G/R; (d) GR. Fig. 14. The EBSD results of equiaxed grain zone in the weld center of: (a) sine pattern weld; (b) SLW weld; (c) grain size. Fig. 15. (a) EBSD results of horizontal sections of SLW weld and sine pattern weld; (b) The columnar crystal widths of SLW weld and sine pattern weld. Fig. 16. (a) The tensile test results of the two welds; (b) Fracture location of SLW weld; (b) Fracture location of sine pattern weld.
Keywords
Laser welding, Sinusoidal oscillating, Energy distribution, Numerical simulation, Molten pool flow, Grain structure
References
Chen, X., 2014. Study on laser-MAG Hybrid Weaving Welding Charateristics. Master thesis. Harbin Institute of Technology, China. Chen, G., Wang, B., Mao, S., Zhong, P., He, J., 2019. Research on the “∞”-shaped laser scanning welding process for aluminum alloy. Opt. Laser Technol. 115, 32–41. Cho, W.-I., Na, S.-J., Cho, M.-H., Lee, J.-S., 2010. Numerical study of alloying element distribution in CO2 laser–GMA hybrid welding. Comput. Mater. Sci. 49, 792–800. Cho, W.-I., Na, S.-J., Thomy, C., Vollertsen, F., 2012. Numerical simulation of molten pool dynamics in high power disk laser welding. J. Mater. Process. Technol. 212, 262–275. Das, A., Butterworth, I., Masters, I., Williams, D., 2018. Microstructure and mechanical properties of gap-bridged remote laser welded (RLW) automotive grade AA 5182 joints. Mater. Charact. 145, 697–712. Fetzer, F., Sommer, M., Weber, R., Weberpals, J.-P., Graf, T., 2018. Reduction of pores by means of laser beam oscillation during remote welding of AlMgSi. Opt. Lasers Eng. 108, 68–77. Geng, S., Jiang, P., Shao, X., Guo, L., Gao, X., 2020. Heat transfer and fluid flow and their effects on the solidification microstructure in full-penetration laser welding of aluminum sheet. J. Mater. Sci. Technol. 46, 50–63. Hagenlocher, C., Sommer, M., Fetzer, F., Weber, R., Graf, T., 2018a. Optimization of the solidification conditions by means of beam oscillation during laser beam welding of aluminum. Mater. Des. 160, 1178–1185. Hagenlocher, C., Weller, D., Weber, R., Graf, T., 2018b. Reduction of the hot cracking susceptibility of laser beam welds in AlMgSi alloys by increasing the number of grain boundaries. Sci. Technol. Weld. Join. 24, 313–319. Hagenlocher, C., Fetzer, F., Weller, D., Weber, R., Graf, T., 2019. Explicit analytical expressions for the influence of welding parameters on the grain structure of laser beam welds in aluminium alloys. Mater. Des. 174, 107791. Han, X., Tang, X., Wang, T., Shao, C., Lu, F., Cui, H., 2018. Role of ambient pressure in keyhole dynamics based on beam transmission path method for laser welding on Al alloy. Int. J. Adv. Manuf. Technol. 99, 1639–1651. Hao, K., Li, G., Gao, M., Zeng, X., 2015. Weld formation mechanism of fiber laser oscillating welding of austenitic stainless steel. J. Mater. Process. Technol. 225, 77–83. Hirt, C.W., Nichols, B.D., 1981. Volume of fluid (VOF) method for the dynamics of free boundaries. J. Comput. Phys. 39, 201–225. Jiang, Z., Chen, X., Li, H., Lei, Z., Chen, Y., Wu, S., Wang, Y., 2020. Grain refinement and laser energy distribution during laser oscillating welding of Invar alloy. Mater. Des. 186, 108195. Kaplan, A., 1994. A model of deep penetration laser welding based on calculation of the keyhole profile. J. Phys. D Appl. Phys. 27, 1805–1814. Kou, S., 2002. Welding Metallurgy, 2nd ed. Wiley-Interscience, New Jersey, USA. Kuryntsev, S.V., Gilmutdinov, A.K., 2015. The effect of laser beam wobbling mode in welding process for structural steels. Int. J. Adv. Manuf. Technol. 81, 1683–1691. Li, P., Nie, F., Dong, H., Li, S., Yang, G., Zhang, H., 2018. Pulse MIG welding of 6061-T6/ A356-T6 aluminum alloy dissimilar T-joint. J. Mater. Eng. Perform. 27, 4760–4769. Liu, T., Mu, Z., Hu, R., Pang, S., 2019. Sinusoidal oscillating laser welding of 7075 aluminum alloy: hydrodynamics, porosity formation and optimization. Int. J. Heat Mass Transf. 140, 346–358. Seto, N., Katayama, S., Matsunawa, A., 2000. High-speed simultaneous observation of plasma and keyhole behavior during high power CO2 laser welding: effect of shielding gas on porosity formation. J. Laser Appl. 12, 245–250. Tang, Z., Vollertsen, F., 2014. Influence of grain refinement on hot cracking in laser welding of aluminum. Weld. World 58, 355–366. Wang, L., Gao, M., Zhang, C., Zeng, X., 2016. Effect of beam oscillating pattern on weld characterization of laser welding of AA6061-T6 aluminum alloy. Mater. Des. 108, 707–717. Wang, L., Gao, M., Zeng, X., 2018. Experiment and prediction of weld morphology for laser oscillating welding of AA6061 aluminium alloy. Sci. Technol. Weld. Join. 24, 334–341. Yamazaki, Y., Abe, Y., Hioki, Y., Nakatani, M., Kitagawa, A., Nakata, K., 2016. Fundamental study of narrow-gap welding with oscillation laser beam. Weld. Int. 30, 699–707. Yuan, Z., Tu, Y., Yuan, T., Zhang, Y., Huang, Y., 2021. Size effects on mechanical properties of pure industrial aluminum sheet for micro/meso scale plastic deformation: experiment and modeling. J. Alloys. Compd. 859, 157752. Zou, J., 2016. Characteristics of laser scanning welding process for 5A06 aluminum alloy thick plate with narrow gap. Materials Processing Engineering. Harbin Welding Institute, China. Master thesis.
316-L 스테인리스강의 레이저 분말 베드 융합 중 콜드 스패터 형성의 충실도 높은 수치 모델링
W.E. ALPHONSO1*, M. BAYAT1 and J.H. HATTEL1 *Corresponding author 1Technical University of Denmark (DTU), 2800, Kgs, Lyngby, Denmark
ABSTRACT
L-PBF(Laser Powder Bed Fusion)는 금속 적층 제조(MAM) 기술로, 기존 제조 공정에 비해 부품 설계 자유도, 조립품 통합, 부품 맞춤화 및 낮은 툴링 비용과 같은 여러 이점을 산업에 제공합니다.
전기 코일 및 열 관리 장치는 일반적으로 높은 전기 및 열 전도성 특성으로 인해 순수 구리로 제조됩니다. 따라서 순동의 L-PBF가 가능하다면 기하학적으로 최적화된 방열판과 자유형 전자코일을 제작할 수 있습니다.
그러나 L-PBF로 조밀한 순동 부품을 생산하는 것은 적외선에 대한 낮은 광 흡수율과 높은 열전도율로 인해 어렵습니다. 기존의 L-PBF 시스템에서 조밀한 구리 부품을 생산하려면 적외선 레이저의 출력을 500W 이상으로 높이거나 구리의 광흡수율이 높은 녹색 레이저를 사용해야 합니다.
적외선 레이저 출력을 높이면 후면 반사로 인해 레이저 시스템의 광학 구성 요소가 손상되고 렌즈의 열 광학 현상으로 인해 공정이 불안정해질 수 있습니다. 이 작업에서 FVM(Finite Volume Method)에 기반한 다중 물리학 중간 규모 수치 모델은 Flow-3D에서 개발되어 용융 풀 역학과 궁극적으로 부품 품질을 제어하는 물리적 현상 상호 작용을 조사합니다.
녹색 레이저 열원과 적외선 레이저 열원은 기판 위의 순수 구리 분말 베드에 단일 트랙 증착을 생성하기 위해 개별적으로 사용됩니다.
용융 풀 역학에 대한 레이저 열원의 유사하지 않은 광학 흡수 특성의 영향이 탐구됩니다. 수치 모델을 검증하기 위해 단일 트랙이 구리 분말 베드에 증착되고 시뮬레이션된 용융 풀 모양과 크기가 비교되는 실험이 수행되었습니다.
녹색 레이저는 광흡수율이 높아 전도 및 키홀 모드 용융이 가능하고 적외선 레이저는 흡수율이 낮아 키홀 모드 용융만 가능하다. 레이저 파장에 대한 용융 모드의 변화는 궁극적으로 기계적, 전기적 및 열적 특성에 영향을 미치는 열 구배 및 냉각 속도에 대한 결과를 가져옵니다.
Laser Powder Bed Fusion (L-PBF) is a Metal Additive Manufacturing (MAM) technology which offers several advantages to industries such as part design freedom, consolidation of assemblies, part customization and low tooling cost over conventional manufacturing processes. Electric coils and thermal management devices are generally manufactured from pure copper due to its high electrical and thermal conductivity properties. Therefore, if L-PBF of pure copper is feasible, geometrically optimized heat sinks and free-form electromagnetic coils can be manufactured. However, producing dense pure copper parts by L-PBF is difficult due to low optical absorptivity to infrared radiation and high thermal conductivity. To produce dense copper parts in a conventional L-PBF system either the power of the infrared laser must be increased above 500W, or a green laser should be used for which copper has a high optical absorptivity. Increasing the infrared laser power can damage the optical components of the laser systems due to back reflections and create instabilities in the process due to thermal-optical phenomenon of the lenses. In this work, a multi-physics meso-scale numerical model based on Finite Volume Method (FVM) is developed in Flow-3D to investigate the physical phenomena interaction which governs the melt pool dynamics and ultimately the part quality. A green laser heat source and an infrared laser heat source are used individually to create single track deposition on pure copper powder bed above a substrate. The effect of the dissimilar optical absorptivity property of laser heat sources on the melt pool dynamics is explored. To validate the numerical model, experiments were conducted wherein single tracks are deposited on a copper powder bed and the simulated melt pool shape and size are compared. As the green laser has a high optical absorptivity, a conduction and keyhole mode melting is possible while for the infrared laser only keyhole mode melting is possible due to low absorptivity. The variation in melting modes with respect to the laser wavelength has an outcome on thermal gradient and cooling rates which ultimately affect the mechanical, electrical, and thermal properties.
Keywords
Pure Copper, Laser Powder Bed Fusion, Finite Volume Method, multi-physics
Fig. 1 Multi-physics phenomena in the laser-material interaction zoneFig. 2 Framework for single laser track simulation model including powder bed and substrate (a)
computational domain with boundaries (b) discretization of the domain with uniform quad mesh.Fig. 3 2D melt pool contours from the numerical model compared to experiments [16] for (a) VED =
65 J/mm3
at 7 mm from the beginning of the single track (b) VED = 103 J/mm3
at 3 mm from the
beginning of the single track (c) VED = 103 J/mm3
at 7 mm from the beginning of the single track. In
the 2D contour, the non-melted region is indicated in blue, and the melted region is indicated by red and
green when the VED is 65 J/mm3
and 103 J/mm3
respectively.Fig. 4 3D temperature contour plots of during single track L-PBF process at time1.8 µs when (a) VED
= 65 J/mm3 (b) VED = 103 J/mm3 along with 2D melt pool contours at 5 mm from the laser initial
position. In the 2D contour, the non-melted region is indicated in blue, and the melted region is indicated
by red and green when the VED is 65 J/mm3
and 103 J/mm3
respectively.
References
[1] L. Jyothish Kumar, P. M. Pandey, and D. I. Wimpenny, 3D printing and additive manufacturing technologies. Springer Singapore, 2018. doi: 10.1007/978-981-13-0305-0. [2] T. DebRoy et al., “Additive manufacturing of metallic components – Process, structure and properties,” Progress in Materials Science, vol. 92, pp. 112–224, 2018, doi: 10.1016/j.pmatsci.2017.10.001. [3] C. S. Lefky, B. Zucker, D. Wright, A. R. Nassar, T. W. Simpson, and O. J. Hildreth, “Dissolvable Supports in Powder Bed Fusion-Printed Stainless Steel,” 3D Printing and Additive Manufacturing, vol. 4, no. 1, pp. 3–11, 2017, doi: 10.1089/3dp.2016.0043. [4] J. L. Bartlett and X. Li, “An overview of residual stresses in metal powder bed fusion,” Additive Manufacturing, vol. 27, no. January, pp. 131–149, 2019, doi: 10.1016/j.addma.2019.02.020. [5] I. H. Ahn, “Determination of a process window with consideration of effective layer thickness in SLM process,” International Journal of Advanced Manufacturing Technology, vol. 105, no. 10, pp. 4181–4191, 2019, doi: 10.1007/s00170-019-04402-w.
[6] R. McCann et al., “In-situ sensing, process monitoring and machine control in Laser Powder Bed Fusion: A review,” Additive Manufacturing, vol. 45, no. May, 2021, doi: 10.1016/j.addma.2021.102058. [7] M. Bayat et al., “Keyhole-induced porosities in Laser-based Powder Bed Fusion (L-PBF) of Ti6Al4V: High-fidelity modelling and experimental validation,” Additive Manufacturing, vol. 30, no. August, p. 100835, 2019, doi: 10.1016/j.addma.2019.100835. [8] M. Bayat, S. Mohanty, and J. H. Hattel, “Multiphysics modelling of lack-of-fusion voids formation and evolution in IN718 made by multi-track/multi-layer L-PBF,” International Journal of Heat and Mass Transfer, vol. 139, pp. 95–114, 2019, doi: 10.1016/j.ijheatmasstransfer.2019.05.003. [9] S. D. Jadhav, L. R. Goossens, Y. Kinds, B. van Hooreweder, and K. Vanmeensel, “Laserbased powder bed fusion additive manufacturing of pure copper,” Additive Manufacturing, vol. 42, no. March, 2021, doi: 10.1016/j.addma.2021.101990. [10] S. D. Jadhav, S. Dadbakhsh, L. Goossens, J. P. Kruth, J. van Humbeeck, and K. Vanmeensel, “Influence of selective laser melting process parameters on texture evolution in pure copper,” Journal of Materials Processing Technology, vol. 270, no. January, pp. 47–58, 2019, doi: 10.1016/j.jmatprotec.2019.02.022. [11] H. Siva Prasad, F. Brueckner, J. Volpp, and A. F. H. Kaplan, “Laser metal deposition of copper on diverse metals using green laser sources,” International Journal of Advanced Manufacturing Technology, vol. 107, no. 3–4, pp. 1559–1568, 2020, doi: 10.1007/s00170- 020-05117-z. [12] L. R. Goossens, Y. Kinds, J. P. Kruth, and B. van Hooreweder, “On the influence of thermal lensing during selective laser melting,” Solid Freeform Fabrication 2018: Proceedings of the 29th Annual International Solid Freeform Fabrication Symposium – An Additive Manufacturing Conference, SFF 2018, no. December, pp. 2267–2274, 2020. [13] M. Bayat, V. K. Nadimpalli, D. B. Pedersen, and J. H. Hattel, “A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys,” International Journal of Heat and Mass Transfer, vol. 166, p. 120766, 2021, doi: 10.1016/j.ijheatmasstransfer.2020.120766. [14] H. Chen, Q. Wei, Y. Zhang, F. Chen, Y. Shi, and W. Yan, “Powder-spreading mechanisms in powder-bed-based additive manufacturing: Experiments and computational modeling,” Acta Materialia, vol. 179, pp. 158–171, 2019, doi: 10.1016/j.actamat.2019.08.030. [15] S. K. Nayak, S. K. Mishra, C. P. Paul, A. N. Jinoop, and K. S. Bindra, “Effect of energy density on laser powder bed fusion built single tracks and thin wall structures with 100 µm preplaced powder layer thickness,” Optics and Laser Technology, vol. 125, May 2020, doi: 10.1016/j.optlastec.2019.106016. [16] G. Nordet et al., “Absorptivity measurements during laser powder bed fusion of pure copper with a 1 kW cw green laser,” Optics & Laser Technology, vol. 147, no. April 2021, p. 107612, 2022, doi: 10.1016/j.optlastec.2021.107612. [17] M. Hummel, C. Schöler, A. Häusler, A. Gillner, and R. Poprawe, “New approaches on laser micro welding of copper by using a laser beam source with a wavelength of 450 nm,” Journal of Advanced Joining Processes, vol. 1, no. February, p. 100012, 2020, doi: 10.1016/j.jajp.2020.100012. [18] M. Hummel, M. Külkens, C. Schöler, W. Schulz, and A. Gillner, “In situ X-ray tomography investigations on laser welding of copper with 515 and 1030 nm laser beam sources,” Journal of Manufacturing Processes, vol. 67, no. April, pp. 170–176, 2021, doi: 10.1016/j.jmapro.2021.04.063. [19] L. Gargalis et al., “Determining processing behaviour of pure Cu in laser powder bed fusion using direct micro-calorimetry,” Journal of Materials Processing Technology, vol. 294, no. March, p. 117130, 2021, doi: 10.1016/j.jmatprotec.2021.117130. [20] A. Mondal, D. Agrawal, and A. Upadhyaya, “Microwave heating of pure copper powder with varying particle size and porosity,” Journal of Microwave Power and Electromagnetic Energy, vol. 43, no. 1, pp. 4315–43110, 2009, doi: 10.1080/08327823.2008.11688599.
316-L 스테인리스강의 레이저 분말 베드 융합 중 콜드 스패터 형성의 충실도 높은 수치 모델링
M. BAYAT1,* , AND J. H. HATTEL1
Corresponding author 1 Technical University of Denmark (DTU), Building 425, Kgs. 2800 Lyngby, Denmark
ABSTRACT
Spatter and denudation are two very well-known phenomena occurring mainly during the laser powder bed fusion process and are defined as ejection and displacement of powder particles, respectively. The main driver of this phenomenon is the formation of a vapor plume jet that is caused by the vaporization of the melt pool which is subjected to the laser beam. In this work, a 3-dimensional transient turbulent computational fluid dynamics model coupled with a discrete element model is developed in the finite volume-based commercial software package Flow-3D AM to simulate the spatter phenomenon. The numerical results show that a localized low-pressure zone forms at the bottom side of the plume jet and this leads to a pseudo-Bernoulli effect that drags nearby powder particles into the area of influence of the vapor plume jet. As a result, the vapor plume acts like a momentum sink and therefore all nearby particles point are dragged towards this region. Furthermore, it is noted that due to the jet’s attenuation, powder particles start diverging from the central core region of the vapor plume as they move vertically upwards. It is moreover observed that only particles which are in the very central core region of the plume jet get sufficiently accelerated to depart the computational domain, while the rest of the dragged particles, especially those which undergo an early divergence from the jet axis, get stalled pretty fast as they come in contact with the resting fluid. In the last part of the work, two simulations with two different scanning speeds are carried out, where it is clearly observed that the angle between the departing powder particles and the vertical axis of the plume jet increases with increasing scanning speed.
스패터와 denudation은 주로 레이저 분말 베드 융합 과정에서 발생하는 매우 잘 알려진 두 가지 현상으로 각각 분말 입자의 배출 및 변위로 정의됩니다.
이 현상의 주요 동인은 레이저 빔을 받는 용융 풀의 기화로 인해 발생하는 증기 기둥 제트의 형성입니다. 이 작업에서 이산 요소 모델과 결합된 3차원 과도 난류 전산 유체 역학 모델은 스패터 현상을 시뮬레이션하기 위해 유한 체적 기반 상용 소프트웨어 패키지 Flow-3D AM에서 개발되었습니다.
수치적 결과는 플룸 제트의 바닥면에 국부적인 저압 영역이 형성되고, 이는 근처의 분말 입자를 증기 플룸 제트의 영향 영역으로 끌어들이는 의사-베르누이 효과로 이어진다는 것을 보여줍니다.
결과적으로 증기 기둥은 운동량 흡수원처럼 작용하므로 근처의 모든 입자 지점이 이 영역으로 끌립니다. 또한 제트의 감쇠로 인해 분말 입자가 수직으로 위쪽으로 이동할 때 증기 기둥의 중심 코어 영역에서 발산하기 시작합니다.
더욱이 플룸 제트의 가장 중심 코어 영역에 있는 입자만 계산 영역을 벗어날 만큼 충분히 가속되는 반면, 드래그된 나머지 입자, 특히 제트 축에서 초기 발산을 겪는 입자는 정체되는 것으로 관찰됩니다. 그들은 휴식 유체와 접촉하기 때문에 꽤 빠릅니다.
작업의 마지막 부분에서 두 가지 다른 스캔 속도를 가진 두 가지 시뮬레이션이 수행되었으며, 여기서 출발하는 분말 입자와 연기 제트의 수직 축 사이의 각도가 스캔 속도가 증가함에 따라 증가하는 것이 명확하게 관찰되었습니다.
Fig 1. Two different views of the computational domain for the fluid domain. The vapor plume is
simulated by a moving momentum source with a prescribed temperature of 3000 K.Fig 2. (a) and (b) are two snapshots taken at an x-y plane parallel to the powder layer plane before and
0.008 seconds after the start of the scanning process. (c) Shows a magnified view of (b) where detailed
powder particles’ movement along with their velocity magnitude and directions are shown.Fig 3. Front view of the ejected powder particles due to the plume movement. Powder particles are
colored by their respective temperature while trajectory colors show their magnitude at 0.007 seconds.
References
[1] T. DebRoy et al., “Additive manufacturing of metallic components – Process, structure and properties,” Prog. Mater. Sci., vol. 92, pp. 112–224, 2018, doi: 10.1016/j.pmatsci.2017.10.001. [2] M. Markl and C. Körner, “Multiscale Modeling of Powder Bed–Based Additive Manufacturing,” Annu. Rev. Mater. Res., vol. 46, no. 1, pp. 93–123, 2016, doi: 10.1146/annurev-matsci-070115-032158. [3] A. Zinoviev, O. Zinovieva, V. Ploshikhin, V. Romanova, and R. Balokhonov, “Evolution of grain structure during laser additive manufacturing. Simulation by a cellular automata method,” Mater. Des., vol. 106, pp. 321–329, 2016, doi: 10.1016/j.matdes.2016.05.125. [4] Y. Zhang and J. Zhang, “Modeling of solidification microstructure evolution in laser powder bed fusion fabricated 316L stainless steel using combined computational fluid dynamics and cellular automata,” Addit. Manuf., vol. 28, no. July 2018, pp. 750–765, 2019, doi: 10.1016/j.addma.2019.06.024. [5] A. A. Martin et al., “Ultrafast dynamics of laser-metal interactions in additive manufacturing alloys captured by in situ X-ray imaging,” Mater. Today Adv., vol. 1, p. 100002, 2019, doi: 10.1016/j.mtadv.2019.01.001. [6] Y. C. Wu et al., “Numerical modeling of melt-pool behavior in selective laser melting with random powder distribution and experimental validation,” J. Mater. Process. Technol., vol. 254, no. July 2017, pp. 72–78, 2018, doi: 10.1016/j.jmatprotec.2017.11.032. [7] W. Gao, S. Zhao, Y. Wang, Z. Zhang, F. Liu, and X. Lin, “Numerical simulation of thermal field and Fe-based coating doped Ti,” Int. J. Heat Mass Transf., vol. 92, pp. 83– 90, 2016, doi: 10.1016/j.ijheatmasstransfer.2015.08.082. [8] A. Charles, M. Bayat, A. Elkaseer, L. Thijs, J. H. Hattel, and S. Scholz, “Elucidation of dross formation in laser powder bed fusion at down-facing surfaces: Phenomenonoriented multiphysics simulation and experimental validation,” Addit. Manuf., vol. 50, 2022, doi: 10.1016/j.addma.2021.102551. [9] C. Meier, R. W. Penny, Y. Zou, J. S. Gibbs, and A. J. Hart, “Thermophysical phenomena in metal additive manufacturing by selective laser melting: Fundamentals, modeling, simulation and experimentation,” arXiv, 2017, doi: 10.1615/annualrevheattransfer.2018019042. [10] W. King, A. T. Anderson, R. M. Ferencz, N. E. Hodge, C. Kamath, and S. A. Khairallah, “Overview of modelling and simulation of metal powder bed fusion process at Lawrence Livermore National Laboratory,” Mater. Sci. Technol. (United Kingdom), vol. 31, no. 8, pp. 957–968, 2015, doi: 10.1179/1743284714Y.0000000728.
•The limitation of increasing the rotational speed in decreasing powder size was clarified.
•Cooling and disturbance effects varied with the gas flowing rate.
•Inclined angle of the residual electrode end face affected powder formation.
•Additional cooling gas flowing could be applied to control powder size.
Abstract
The plasma rotating electrode process (PREP) is rapidly becoming an important powder fabrication method in additive manufacturing. However, the low production rate of fine PREP powder limits the development of PREP. Herein, we investigated different factors affecting powder formation during PREP by combining experimental methods and numerical simulations. The limitation of increasing the rotation electrode speed in decreasing powder size is attributed to the increased probability of adjacent droplets recombining and the decreased tendency of granulation. The effects of additional Ar/He gas flowing on the rotational electrode on powder formation is determined through the cooling effect, the disturbance effect, and the inclined effect of the residual electrode end face simultaneously. A smaller-sized powder was obtained in the He atmosphere owing to the larger inclined angle of the residual electrode end face compared to the Ar atmosphere. Our research highlights the route for the fabrication of smaller-sized powders using PREP.
플라즈마 회전 전극 공정(PREP)은 적층 제조 에서 중요한 분말 제조 방법으로 빠르게 자리잡고 있습니다. 그러나 미세한 PREP 분말의 낮은 생산율은 PREP의 개발을 제한합니다. 여기에서 우리는 실험 방법과 수치 시뮬레이션을 결합하여 PREP 동안 분말 형성에 영향을 미치는 다양한 요인을 조사했습니다. 분말 크기 감소에서 회전 전극 속도 증가의 한계는 인접한 액적 재결합 확률 증가 및 과립화 경향 감소에 기인합니다.. 회전 전극에 흐르는 추가 Ar/He 가스가 분말 형성에 미치는 영향은 냉각 효과, 외란 효과 및 잔류 전극 단면의 경사 효과를 통해 동시에 결정됩니다. He 분위기에서는 Ar 분위기에 비해 잔류 전극 단면의 경사각이 크기 때문에 더 작은 크기의 분말이 얻어졌다. 우리의 연구는 PREP를 사용하여 더 작은 크기의 분말을 제조하는 경로를 강조합니다.
Keywords
Plasma rotating electrode process
Ti-6Al-4 V alloy, Rotating speed, Numerical simulation, Gas flowing, Powder size
Introduction
With the development of additive manufacturing, there has been a significant increase in high-quality powder production demand [1,2]. The initial powder characteristics are closely related to the uniform powder spreading [3,4], packing density [5], and layer thickness observed during additive manufacturing [6], thus determining the mechanical properties of the additive manufactured parts [7,8]. Gas atomization (GA) [9–11], centrifugal atomization (CA) [12–15], and the plasma rotating electrode process (PREP) are three important powder fabrication methods.
Currently, GA is the dominant powder fabrication method used in additive manufacturing [16] for the fabrication of a wide range of alloys [11]. GA produces powders by impinging a liquid metal stream to droplets through a high-speed gas flow of nitrogen, argon, or helium. With relatively low energy consumption and a high fraction of fine powders, GA has become the most popular powder manufacturing technology for AM.
The entrapped gas pores are generally formed in the powder after solidification during GA, in which the molten metal is impacted by a high-speed atomization gas jet. In addition, satellites are formed in GA powder when fine particles adhere to partially molten particles.
The gas pores of GA powder result in porosity generation in the additive manufactured parts, which in turn deteriorates its mechanical properties because pores can become crack initiation sites [17]. In CA, a molten metal stream is poured directly onto an atomizer disc spinning at a high rotational speed. A thin film is formed on the surface of the disc, which breaks into small droplets due to the centrifugal force. Metal powder is obtained when these droplets solidify.
Compared with GA powder, CA powder exhibits higher sphericity, lower impurity content, fewer satellites, and narrower particle size distribution [12]. However, very high speed is required to obtain fine powder by CA. In PREP, the molten metal, melted using the plasma arc, is ejected from the rotating rod through centrifugal force. Compared with GA powder, PREP-produced powders also have higher sphericity and fewer pores and satellites [18].
For instance, PREP-fabricated Ti6Al-4 V alloy powder with a powder size below 150 μm exhibits lower porosity than gas-atomized powder [19], which decreases the porosity of additive manufactured parts. Furthermore, the process window during electron beam melting was broadened using PREP powder compared to GA powder in Inconel 718 alloy [20] owing to the higher sphericity of the PREP powder.
In summary, PREP powder exhibits many advantages and is highly recommended for powder-based additive manufacturing and direct energy deposition-type additive manufacturing. However, the low production rate of fine PREP powder limits the widespread application of PREP powder in additive manufacturing.
Although increasing the rotating speed is an effective method to decrease the powder size [21,22], the reduction in powder size becomes smaller with the increased rotating speed [23]. The occurrence of limiting effects has not been fully clarified yet.
Moreover, the powder size can be decreased by increasing the rotating electrode diameter [24]. However, these methods are quite demanding for the PREP equipment. For instance, it is costly to revise the PREP equipment to meet the demand of further increasing the rotating speed or electrode diameter.
Accordingly, more feasible methods should be developed to further decrease the PREP powder size. Another factor that influences powder formation is the melting rate [25]. It has been reported that increasing the melting rate decreases the powder size of Inconel 718 alloy [26].
In contrast, the powder size of SUS316 alloy was decreased by decreasing the plasma current within certain ranges. This was ascribed to the formation of larger-sized droplets from fluid strips with increased thickness and spatial density at higher plasma currents [27]. The powder size of NiTi alloy also decreases at lower melting rates [28]. Consequently, altering the melting rate, varied with the plasma current, is expected to regulate the PREP powder size.
Furthermore, gas flowing has a significant influence on powder formation [27,29–31]. On one hand, the disturbance effect of gas flowing promotes fluid granulation, which in turn contributes to the formation of smaller-sized powder [27]. On the other hand, the cooling effect of gas flowing facilitates the formation of large-sized powder due to increased viscosity and surface tension. However, there is a lack of systematic research on the effect of different gas flowing on powder formation during PREP.
Herein, the authors systematically studied the effects of rotating speed, electrode diameter, plasma current, and gas flowing on the formation of Ti-6Al-4 V alloy powder during PREP as additive manufactured Ti-6Al-4 V alloy exhibits great application potential [32]. Numerical simulations were conducted to explain why increasing the rotating speed is not effective in decreasing powder size when the rotation speed reaches a certain level. In addition, the different factors incited by the Ar/He gas flowing on powder formation were clarified.
Fig. 1. Schematic figure showing the PREP with additional gas flowing on the end face of electrode.
References
[1] W. Ding, G. Chen, M. Qin, Y. He, X. Qu, Low-cost Ti powders for additive manufacturing treated by fluidized bed, Powder Technol. 350 (2019) 117–122, https://doi.org/ 10.1016/j.powtec.2019.03.042. [2] W.S.W. Harun, M.S.I.N. Kamariah, N. Muhamad, S.A.C. Ghani, F. Ahmad, Z. Mohamed, A review of powder additive manufacturing processes for metallic biomaterials, Powder Technol. 327 (2018) 128–151, https://doi.org/10.1016/j.powtec.2017.12. 058. [3] M. Ahmed, M. Pasha, W. Nan, M. Ghadiri, A simple method for assessing powder spreadability for additive manufacturing, Powder Technol. 367 (2020) 671–679, https://doi.org/10.1016/j.powtec.2020.04.033. [4] W. Nan, M. Pasha, M. Ghadiri, Numerical simulation of particle flow and segregation during roller spreading process in additive manufacturing, Powder Technol. 364 (2020) 811–821, https://doi.org/10.1016/j.powtec.2019.12.023. [5] A. Averardi, C. Cola, S.E. Zeltmann, N. Gupta, Effect of particle size distribution on the packing of powder beds : a critical discussion relevant to additive manufacturing, Mater. Today Commun. 24 (2020) 100964, https://doi.org/10.1016/j.mtcomm. 2020.100964. [6] K. Riener, N. Albrecht, S. Ziegelmeier, R. Ramakrishnan, L. Haferkamp, A.B. Spierings, G.J. Leichtfried, Influence of particle size distribution and morphology on the properties of the powder feedstock as well as of AlSi10Mg parts produced by laser powder bed fusion (LPBF), Addit. Manuf. 34 (2020) 101286, https://doi.org/10.1016/j. addma.2020.101286. [7] W.S.W. Harun, N.S. Manam, M.S.I.N. Kamariah, S. Sharif, A.H. Zulkifly, I. Ahmad, H. Miura, A review of powdered additive manufacturing techniques for Ti-6Al-4V biomedical applications, Powder Technol. 331 (2018) 74–97, https://doi.org/10.1016/j. powtec.2018.03.010. [8] A.T. Sutton, C.S. Kriewall, M.C. Leu, J.W. Newkirk, Powder characterisation techniques and effects of powder characteristics on part properties in powder-bed fusion processes, Virtual Phys. Prototyp. 12 (2017) (2017) 3–29, https://doi.org/10. 1080/17452759.2016.1250605. [9] G. Chen, Q. Zhou, S.Y. Zhao, J.O. Yin, P. Tan, Z.F. Li, Y. Ge, J. Wang, H.P. Tang, A pore morphological study of gas-atomized Ti-6Al-4V powders by scanning electron microscopy and synchrotron X-ray computed tomography, Powder Technol. 330 (2018) 425–430, https://doi.org/10.1016/j.powtec.2018.02.053. [10] Y. Feng, T. Qiu, Preparation, characterization and microwave absorbing properties of FeNi alloy prepared by gas atomization method, J. Alloys Compd. 513 (2012) 455–459, https://doi.org/10.1016/j.jallcom.2011.10.079.
[11] I.E. Anderson, R.L. Terpstra, Progress toward gas atomization processing with increased uniformity and control, Mater. Sci. Eng. A 326 (2002) 101–109, https:// doi.org/10.1016/S0921-5093(01)01427-7. [12] P. Phairote, T. Plookphol, S. Wisutmethangoon, Design and development of a centrifugal atomizer for producing zinc metal powder, Int. J. Appl. Phys. Math. 2 (2012) 77–82, https://doi.org/10.7763/IJAPM.2012.V2.58. [13] L. Tian, I. Anderson, T. Riedemann, A. Russell, Production of fine calcium powders by centrifugal atomization with rotating quench bath, Powder Technol. 308 (2017) 84–93, https://doi.org/10.1016/j.powtec.2016.12.011. [14] M. Eslamian, J. Rak, N. Ashgriz, Preparation of aluminum/silicon carbide metal matrix composites using centrifugal atomization, Powder Technol. 184 (2008) 11–20, https://doi.org/10.1016/j.powtec.2007.07.045. [15] T. Plookphol, S. Wisutmethangoon, S. Gonsrang, Influence of process parameters on SAC305 lead-free solder powder produced by centrifugal atomization, Powder Technol. 214 (2011) 506–512, https://doi.org/10.1016/j.powtec.2011.09.015. [16] M.Z. Gao, B. Ludwig, T.A. Palmer, Impact of atomization gas on characteristics of austenitic stainless steel powder feedstocks for additive manufacturing, Powder Technol. 383 (2021) 30–42, https://doi.org/10.1016/j.powtec.2020.12.005. [17] X. Shui, K. Yamanaka, M. Mori, Y. Nagata, A. Chiba, Effects of post-processing on cyclic fatigue response of a titanium alloy additively manufactured by electron beam melting, Mater. Sci. Eng. A 680 (2017) 239–248, https://doi.org/10.1016/j.msea. 2016.10.059. [18] C. Wang, X.H. Zhao, Y.C. Ma, Q.X. Wang, Y.J. Lai, S.J. Liang, Study of the spherical HoCu powders prepared by supreme-speed plasma rotating electrode process, Powder Metallurgy Technology 38 (3) (2020) 227–233, https://doi.org/10.19591/ j.cnki.cn11-1974/tf.2020.03.011 (in Chinese). [19] G. Chen, S.Y. Zhao, P. Tan, J. Wang, C.S. Xiang, H.P. Tang, A comparative study of Ti6Al-4V powders for additive manufacturing by gas atomization, plasma rotating electrode process and plasma atomization, Powder Technol. 333 (2018) 38–46, https://doi.org/10.1016/j.powtec.2018.04.013. [20] Y. Zhao, K. Aoyagi, Y. Daino, K. Yamanaka, A. Chiba, Significance of powder feedstock characteristics in defect suppression of additively manufactured Inconel 718, Addit. Manuf. 34 (2020) 101277, https://doi.org/10.1016/j.addma.2020.101277. [21] Y. Nie, J. Tang, B. Yang, Q. Lei, S. Yu, Y. Li, Comparison in characteristic and atomization behavior of metallic powders produced by plasma rotating electrode process, Adv. Powder Technol. 31 (2020) 2152–2160, https://doi.org/10.1016/j.apt.2020.03. 006. [22] Y. Cui, Y. Zhao, H. Numata, H. Bian, K. Wako, K. Yamanaka, K. Aoyagi, C. Zhang, A. Chiba, Effects of plasma rotating electrode process parameters on the particle size distribution and microstructure of Ti-6Al-4 V alloy powder, Powder Technol 376 (2020) 363–372, https://doi.org/10.1016/j.powtec.2020.08.027. [23] J. Tang, Y. Nie, Q. Lei, Y. Li, Characteristics and atomization behavior of Ti-6Al-4V powder produced by plasma rotating electrode process Adv, Powder Technol. 10 (2019) 2330–2337, https://doi.org/10.1016/j.apt.2019.07.015. [24] M. Zdujić, D. Uskoković, Production of atomized metal and alloy powders by the rotating electrode process, Sov. Powder Metall. Met. Ceram. 29 (1990) 673–683, https://doi.org/10.1007/BF00795571. [25] L. Zhang, Y. Zhao, Particle size distribution of tin powder produced by centrifugal atomisation using rotating cups, Powder Technol. 318 (2017) 62–67, https://doi. org/10.1016/j.powtec.2017.05.038. [26] Y. Liu, S. Liang, Z. Han, J. Song, Q. Wang, A novel model of calculating particle sizes in plasma rotating electrode process for superalloys, Powder Technol. 336 (2018) 406–414, https://doi.org/10.1016/j.powtec.2018.06.002. [27] Y. Zhao, Y. Cui, H. Numata, H. Bian, K. Wako, K. Yamanaka, Centrifugal granulation behavior in metallic powder fabrication by plasma rotating electrode process, Sci. Rep. (2020) 1–15, https://doi.org/10.1038/s41598-020-75503-w. [28] T. Hsu, C. Wei, L. Wu, Y. Li, A. Chiba, M. Tsai, Nitinol powders generate from plasma rotation electrode process provide clean powder for biomedical devices used with suitable size, spheroid surface and pure composition, Sci. Rep. 8 (2018) 1–8, https://doi.org/10.1038/s41598-018-32101-1. [29] M. Wei, S. Chen, M. Sun, J. Liang, C. Liu, M. Wang, Atomization simulation and preparation of 24CrNiMoY alloy steel powder using VIGA technology at high gas pressure, Powder Technol. 367 (2020) 724–739, https://doi.org/10.1016/j.powtec. 2020.04.030. [30] Y. Tan, X. Zhu, X.Y. He, B. Ding, H. Wang, Q. Liao, H. Li, Granulation characteristics of molten blast furnace slag by hybrid centrifugal-air blast technique, Powder Technol. 323 (2018) 176–185, https://doi.org/10.1016/j.powtec.2017.09.040. [31] P. Xu, D.H. Liu, J. Hu, G.Y. Lin, Synthesis of Ni-Ti composite powder by radio frequency plasma spheroidization process, Nonferrous Metals Science and Engineering 39 (1) (2020) 67–71 , (in Chinese) 10.13264/j.cnki.ysjskx.2020.01.011. [32] H. Mehboob, F. Tarlochan, A. Mehboob, S.H. Chang, S. Ramesh, W.S.W. Harun, K. Kadirgama, A novel design, analysis and 3D printing of Ti-6Al-4V alloy bioinspired porous femoral stem, J. Mater. Sci. Mater. Med. 31 (2020) 78, https://doi. org/10.1007/s10856-020-06420-7. [33] FLOW-3D® Version 11.2 [Computer software]. , Flow Science, Inc., Santa Fe, NM, 2017https://www.flow3d.com. [34] M. Boivineau, C. Cagran, D. Doytier, V. Eyraud, M.H. Nadal, B. Wilthan, G. Pottlacher, Thermophysical properties of solid and liquid Ti-6Al-4V (TA6V) alloy, Int. J. Thermophys. 27 (2006) 507–529, https://doi.org/10.1007/PL00021868. [35] J. Liu, Q. Qin, Q. Yu, The effect of size distribution of slag particles obtained in dry granulation on blast furnace slag cement strength, Powder Technol. 362 (2020) 32–36, https://doi.org/10.1016/j.powtec.2019.11.115. [36] M. Tanaka, S. Tashiro, A study of thermal pinch effect of welding arcs, J. Japan Weld. Soc. 25 (2007) 336–342, https://doi.org/10.2207/qjjws.25.336 (in Japanese). [37] T. Kamiya, A. Kayano, Disintegration of viscous fluid in the ligament state purged from a rotating disk, J. Chem. Eng. JAPAN. 4 (1971) 364–369, https://doi.org/10. 1252/jcej.4.364. [38] T. Kamiya, An analysis of the ligament-type disintegration of thin liquid film at the edge of a rotating disk, J. Chem. Eng. Japan. 5 (1972) 391–396, https://doi.org/10. 1252/jcej.5.391. [39] J. Burns, C. Ramshaw, R. Jachuck, Measurement of liquid film thickness and the determination of spin-up radius on a rotating disc using an electrical resistance technique, Chem. Eng. Sci. 58 (2003) 2245–2253, https://doi.org/10.1016/S0009-2509 (03)00091-5. [40] J. Rauscher, R. Kelly, J. Cole, An asymptotic solution for the laminar flow of a thin film on a rotating disk, J. Appl. Mech. Trans. ASME 40 (1973) 43–47, https://doi.org/10. 1115/1.3422970
Yu Hao a, Nannan Chen a,b, Hui-Ping Wang c,*, Blair E. Carlson c, Fenggui Lu a,* a Shanghai Key Laboratory of Materials Laser Processing and Modification, School of Materials Science and Engineering, Shanghai Jiao Tong University, Shanghai, 200240, PR China b Department of Industrial and Manufacturing Eng
ABSTRACT
A three-dimensional thermal-fluid numerical model considering zinc vapor interaction with the molten pool was developed to study the occurrence of zinc vapor-induced spatter in partial penetration laser overlap welding of zinc-coated steels. The zinc vapor effect was represented by two forces: a jet pressure force acting on the keyhole rear wall as the vapor bursts into the keyhole and a drag force on the upper keyhole wall as the vapor escapes upwards. The numerical model was calibrated by comparing the predicted keyhole shape with the keyhole shape observed by high-speed X-ray imaging and applied for various weld schedules. The study showed that large jet pressure forces induced violent fluctuations of the keyhole rear wall, resulting in an unstable keyhole and turbulent melt flow. A large drag force pushed the melt adjacent to the keyhole surface upward and accelerated the movement of the melt whose velocities reached 1 m/s or even higher, potentially inducing spatter. Increased heat input facilitated the occurrence of large droplets of spatter, which agreed with experimental observations captured by high-speed camera.
아연도금강의 부분용입 레이저 겹침용접에서 아연증기유도 스패터의 발생을 연구하기 위하여 용융풀과의 아연증기 상호작용을 고려한 3차원 열유체 수치모델을 개발하였습니다.
아연 증기 효과는 증기가 열쇠 구멍으로 폭발할 때 키홀 뒤쪽 벽에 작용하는 제트 압력력과 증기가 위쪽으로 빠져나갈 때 위쪽 키홀 벽에 작용하는 항력의 두 가지 힘으로 표시됩니다.
수치 모델은 예측된 열쇠 구멍 모양과 고속 X선 영상으로 관찰된 키홀 모양을 비교하여 보정하고 다양한 용접 일정에 적용했습니다.
이 연구는 큰 제트 압력이 키홀 뒷벽의 격렬한 변동을 유발하여 불안정한 열쇠 구멍과 난류 용융 흐름을 초래한다는 것을 보여주었습니다. 큰 항력은 키홀 표면에 인접한 용융물을 위로 밀어올리고 속도가 1m/s 이상에 도달한 용융물의 이동을 가속화하여 잠재적으로 스패터를 유발할 수 있습니다.
증가된 열 입력은 고속 카메라로 포착한 실험적 관찰과 일치하는 큰 방울의 스패터 발생을 촉진했습니다.
Fig. 1. Schematic of zero-gap laser welding of zinc-coated steel.Fig. 2. Experimental setup for capturing a side view of the laser welding of
zinc-coated steel enabled by use of high-temperature glass.Fig. 3. Experimental angled top-view setup for laser welding of zinc-coated
steel with a laser illumination. Fig. 4. Schematic of the rotating Gaussian body heat source.Fig. 5. Schematic of jet pressure force caused by zinc vapor: (a) locating the outlet of zinc vapor (point A), (b) schematic of assigning the jet pressure force.Fig. 6. Schematic of drag force caused by zinc vapor.Fig. 7. Procedure for calculating the outgassing velocity of zinc vapor.Fig. 8. Schematic related to calculating the zone of vaporized zinc.Fig. 9. The meshed domains for the thermal-fluid simulation of laser welding.Fig. 10. The calculated temperature field and validation: (a) 3-D temperature field; (b)-(f) Comparison of experimental and simulated weld cross section: (b) P =
2000 W, v = 50 mm/s; (c) P = 2500 W, v = 50 mm/s; (d) P = 3000 W, v = 50 mm/s; (e) P = 3000 W, v = 60 mm/s; (f) P = 3000 W, v = 70 mm/s.Fig. 11. Comparison of X-Ray images of in-process keyhole profiles and the numerical predictions: (a) Single sheet penetration (P = 480 W, v = 150 mm/s); (b) Two
sheet penetration (P = 532 W, v = 150 mm/s). Fig. 12. High-speed images of dynamic keyhole in laser welding of steels: (a) without zinc coating (b) with zinc coating.Fig. 13. Mass loss and molten pool observation under different laser power and welding velocity for 1.2 mm + 1.2 mm HDG 420LA stack-upFig. 14. Numerical results of keyhole and flow field in molten pool: (a) without zinc vapor forces, (b) with zinc vapor forces.Fig. 18. Calculated velocity fields for different welding parameters: (a) P = 2 kW, v = 50 mm/s, (b) P = 2.5 kW, v = 50 mm/s, (c) P = 3 kW, v = 50 mm/s, (d) P = 3
kW, v = 60 mm/s, (e) P = 3 kW, v = 70 mm/s. Fig. 19. Schematic of the generation of spatter in different sizes: (a) small size, (b) large size.
References
Ai, Y., Jiang, P., Wang, C., et al., 2018. Experimental and numerical analysis of molten pool and keyhole profile during high-power deep-penetration laser welding. Int. J. Heat Mass Transf. 126 (part-A), 779–789. Chen, Z., Yang, S., Wang, C., et al., 2014. A study of fiber laser welding of galvanized steel using a suction method. J. Mater. Process. Technol. 214 (7), 1456–1465. Cho, W.I., Na, S.J., Thomy, C., et al., 2012. Numerical simulation of molten pool dynamics in high power disk laser welding. J. Mater. Process. Technol. 212 (1), 262–275. Deng, S., Wang, H.P., Lu, F., et al., 2019. Investigation of spatter occurrence in remote laser spiral welding of zinc-coated steels. Int. J. Heat Mass Transf. 140 (9), 269–280. Fabbro, R., Coste, F., Goebels, D., et al., 2006. Study of CW Nd-Yag laser welding of Zncoated steel sheets. J. Phys. D Appl. Phys. 39 (2), 401. Gao, Z., Wu, Y., Huang, J., 2009. Analysis of weld pool dynamic during stationary laser–MIG hybrid welding. Int. J. Adv. Manuf. Technol. 44 (9), 870–879. Kaplan, A., 1994. A model of deep penetration laser welding based on calculation of the keyhole profile. J. Phys. D Appl. Phys. 27 (9), 1805. Kim, J., Oh, S., Ki, H., 2015. A study of keyhole geometry in laser welding of zinc-coated and uncoated steels using a coaxial observation method. J. Mater. Process. Technol. 225, 451–462. Kim, J., Oh, S., Ki, H., 2016. Effect of keyhole geometry and dynamics in zero-gap laser welding of zinc-coated steel sheets. J. Mater. Process. Technol. 232, 131–141. Koch, H., KaGeler, C., Otto, A., et al., 2011. Analysis of welding zinc coated steel sheets in zero gap configuration by 3D simulations and high-speed imaging. Phys. Procedia 12 (part-B), 428–436. Kouraytem, N., Li, X., Cunningham, R., et al., 2019. Effect of laser-matter interaction on molten pool flow and keyhole dynamics. Phys. Rev. Appl. 11 (6), 54–64. Li, S., Chen, G., Katayama, S., et al., 2014. Relationship between spatter formation and dynamic molten pool during high-power deep-penetration laser welding. Appl. Surf. Sci. 303 (6), 481–488. Ma, J., 2013. Experimental and Numerical Studies on the Issues in Laser Welding of Galvanized High-Strength Dual-Phase Steels in a Zero-Gap Lap Joint Configuration, PhD Thesis. Southern Methodist University. Pan, Y., 2011. Laser Welding of Zinc Coated Steel Without a Pre-Set Gap, PhD Thesis. Delft University of Technology. Schmidt, M., Otto, A., 2008. Analysis of YAG laser lap-welding of zinc coated steel sheets. CIRP Ann. Manuf. Technol. 57, 213–216. Semak, V., Matsunawa, A., 1999. The role of recoil pressure in energy balance during laser materials processing. J. Phys. D Appl. Phys. 30 (18), 2541. Wu, S., Zhao, H., Wang, Y., Zhang, X., 2004. A new heat source model in numerical simulation of high energy beam welding. Trans. China Weld. 21, 99–102. Yaws, C.L., 2015. The Yaws Handbook of Vapor Pressure: Antoine Coefficients. Zhou, J., Tsai, H.L., 2008. Modeling of transport phenomena in hybrid laser-MIG keyhole welding. Int. J. Heat Mass Transf. 51 (17–18), 4353–4366.
W.E. Alphonso1, M.Bayat1,*, M. Baier 2, S. Carmignato2, J.H. Hattel1 1Department of Mechanical Engineering, Technical University of Denmark (DTU), Lyngby, Denmark 2Department of Management and Engineering – University of Padova, Padova, Italy
ABSTRACT
L-PBF(Laser Powder Bed Fusion)는 레이저 열원을 사용하여 선택적으로 통합되는 분말 층으로 복잡한 3D 금속 부품을 만드는 금속 적층 제조(MAM) 기술입니다. 처리 영역은 수십 마이크로미터 정도이므로 L-PBF를 다중 규모 제조 공정으로 만듭니다.
기체 기공의 형성 및 성장 및 용융되지 않은 분말 영역의 생성은 다중물리 모델에 의해 예측할 수 있습니다. 또한 이러한 모델을 사용하여 용융 풀 모양 및 크기, 온도 분포, 용융 풀 유체 흐름 및 입자 크기 및 형태와 같은 미세 구조 특성을 계산할 수 있습니다.
이 작업에서는 용융, 응고, 유체 흐름, 표면 장력, 열 모세관, 증발 및 광선 추적을 통한 다중 반사를 포함하는 스테인리스 스틸 316-L에 대한 충실도 다중 물리학 중간 규모 수치 모델이 개발되었습니다. 완전한 실험 설계(DoE) 방법을 사용하는 통계 연구가 수행되었으며, 여기서 불확실한 재료 특성 및 공정 매개변수, 즉 흡수율, 반동 압력(기화) 및 레이저 빔 크기가 용융수지 모양 및 크기에 미치는 영향을 분석했습니다.
또한 용융 풀 역학에 대한 위에서 언급한 불확실한 입력 매개변수의 중요성을 강조하기 위해 흡수율이 가장 큰 영향을 미치고 레이저 빔 크기가 그 뒤를 잇는 주요 효과 플롯이 생성되었습니다. 용융 풀 크기에 대한 반동 압력의 중요성은 흡수율에 따라 달라지는 용융 풀 부피와 함께 증가합니다.
모델의 예측 정확도는 유사한 공정 매개변수로 생성된 단일 트랙 실험과 시뮬레이션의 용융 풀 모양 및 크기를 비교하여 검증됩니다.
더욱이, 열 렌즈 효과는 레이저 빔 크기를 증가시켜 수치 모델에서 고려되었으며 나중에 결과적인 용융 풀 프로파일은 모델의 견고성을 보여주기 위한 실험과 비교되었습니다.
Laser Powder Bed Fusion (L-PBF) is a Metal Additive Manufacturing (MAM) technology where a complex 3D metal part is built from powder layers, which are selectively consolidated using a laser heat source. The processing zone is in the order of a few tenths of micrometer, making L-PBF a multi-scale manufacturing process. The formation and growth of gas pores and the creation of un-melted powder zones can be predicted by multiphysics models. Also, with these models, the melt pool shape and size, temperature distribution, melt pool fluid flow and its microstructural features like grain size and morphology can be calculated. In this work, a high fidelity multi-physics meso-scale numerical model is developed for stainless steel 316-L which includes melting, solidification, fluid flow, surface tension, thermo-capillarity, evaporation and multiple reflection with ray-tracing. A statistical study using a full Design of Experiments (DoE) method was conducted, wherein the impact of uncertain material properties and process parameters namely absorptivity, recoil pressure (vaporization) and laser beam size on the melt pool shape and size was analysed. Furthermore, to emphasize on the significance of the above mentioned uncertain input parameters on the melt pool dynamics, a main effects plot was created which showed that absorptivity had the highest impact followed by laser beam size. The significance of recoil pressure on the melt pool size increases with melt pool volume which is dependent on absorptivity. The prediction accuracy of the model is validated by comparing the melt pool shape and size from the simulation with single track experiments that were produced with similar process parameters. Moreover, the effect of thermal lensing was considered in the numerical model by increasing the laser beam size and later on the resultant melt pool profile was compared with experiments to show the robustness of the model.
Figure 1: a) Computational domain for single track L-PBF which includes a 200 μm thick substrate and 45 μm powder layer
thickness b) 3D temperature contour plot after scanning a single track with melt pool contours at two locations along the
scanning direction where the green region indicates the melted regions.Figure 2: Main effects plot of uncertain parameters: absorptivity, recoil pressure coefficient and laser beam radius on the melt
pool dimensions (width and depth)Figure 3: 3D temperature contours and 2D melt pool cross-sections where the melt pool is stabilized at x=500 µm from the
start of the laser initial location for cases where (a) absorptivity = 0.1, Recoil pressure coefficient B = 1 and laser beam radius
= 12 µm, (b) absorptivity = 0.1, Recoil pressure coefficient B = 20 and laser beam radius = 12 µm, (c) absorptivity = 0.1, Recoil
pressure coefficient B = 1 and laser beam radius = 18 µm, (d) absorptivity = 0.45, Recoil pressure coefficient B = 1 and laser
beam radius = 18 µm, (e) absorptivity = 0.45, Recoil pressure coefficient B = 20 and laser beam radius = 12 µm, (f) absorptivity
= 0.45, Recoil pressure coefficient B = 20 and laser beam radius = 18 µm.Figure 4: Validation of Numerical model with Recoil pressure coefficient B= 20, absorptivity = 0.45 and a) laser beam radius
= 15 µm b) laser beam radius = 20 µm
CONCLUSION
In this work, a high-fidelity multi-physics numerical model was developed for L-PBF using the FVM method in Flow-3D. The impact of uncertainty in the input parameters including absorptivity, recoil pressure and laser beam size on the melt pool is addressed using a DoE method. The DoE analysis shows that absorptivity has the highest impact on the melt pool. The recoil pressure and laser beam size only become significant once absorptivity is 0.45. Furthermore, the numerical model is validated by comparing the predicted melt pool shape and size with experiments conducted with similar process parameters wherein a high prediction accuracy is achieved by the model. In addition, the impact of thermal lensing on the melt pool dimensions by increasing the laser beam spot size is considered in the validated numerical model and the resultant melt pool is compared with experiments.
REFERENCES
[1] T. Bonhoff, M. Schniedenharn, J. Stollenwerk, P. Loosen, Experimental and theoretical analysis of thermooptical effects in protective window for selective laser melting, Proc. Int. Conf. Lasers Manuf. LiM. (2017) 26–29. https://www.wlt.de/lim/Proceedings2017/Data/PDF/Contribution31_final.pdf. [2] L.R. Goossens, Y. Kinds, J.P. Kruth, B. van Hooreweder, On the influence of thermal lensing during selective laser melting, Solid Free. Fabr. 2018 Proc. 29th Annu. Int. Solid Free. Fabr. Symp. – An Addit. Manuf. Conf. SFF 2018. (2020) 2267–2274. [3] J. Shinjo, C. Panwisawas, Digital materials design by thermal-fluid science for multi-metal additive manufacturing, Acta Mater. 210 (2021) 116825. https://doi.org/10.1016/j.actamat.2021.116825. [4] Z. Zhang, Y. Huang, A. Rani Kasinathan, S. Imani Shahabad, U. Ali, Y. Mahmoodkhani, E. Toyserkani, 3- Dimensional heat transfer modeling for laser powder-bed fusion additive manufacturing with volumetric heat sources based on varied thermal conductivity and absorptivity, Opt. Laser Technol. 109 (2019) 297–312. https://doi.org/10.1016/j.optlastec.2018.08.012. [5] M. Bayat, A. Thanki, S. Mohanty, A. Witvrouw, S. Yang, J. Thorborg, N.S. Tiedje, J.H. Hattel, Keyholeinduced porosities in Laser-based Powder Bed Fusion (L-PBF) of Ti6Al4V: High-fidelity modelling and experimental validation, Addit. Manuf. 30 (2019) 100835. https://doi.org/10.1016/j.addma.2019.100835. [6] M. Bayat, S. Mohanty, J.H. Hattel, Multiphysics modelling of lack-of-fusion voids formation and evolution in IN718 made by multi-track/multi-layer L-PBF, Int. J. Heat Mass Transf. 139 (2019) 95–114. https://doi.org/10.1016/j.ijheatmasstransfer.2019.05.003. [7] J. Metelkova, Y. Kinds, K. Kempen, C. de Formanoir, A. Witvrouw, B. Van Hooreweder, On the influence of laser defocusing in Selective Laser Melting of 316L, Addit. Manuf. 23 (2018) 161–169. https://doi.org/10.1016/j.addma.2018.08.006.
M. Bayat* , V. K. Nadimpalli, J. H. Hattel 1Department of Mechanical Engineering, Technical University of Denmark (DTU), Produktionstorvet 425, Kgs. 2800, Lyngby, Denmark
ABSTRACT
L-PBF(Laser Powder Bed Fusion)는 다양한 산업 분야에서 많은 관심을 받았으며, 주로 기존 제조 기술을 사용하여 만들 수 없었던 복잡한 토폴로지 최적화 구성 요소를 구현하는 잘 알려진 능력 덕분입니다. . 펄스 L-PBF(PL-PBF)에서 레이저의 시간적 프로파일은 주기 지속 시간과 듀티 주기 중 하나 또는 둘 다를 수정하여 변조할 수 있습니다. 따라서 레이저의 시간적 프로파일은 향후 적용을 위해 이 프로세스를 더 잘 제어할 수 있는 길을 열어주는 새로운 프로세스 매개변수로 간주될 수 있습니다. 따라서 이 작업에서 우리는 레이저의 시간적 프로파일을 변경하는 것이 PL-PBF 공정에서 용융 풀 조건과 트랙의 최종 모양 및 형상에 어떻게 영향을 미칠 수 있는지 조사하는 것을 목표로 합니다. 이와 관련하여 본 논문에서는 CFD(Computational Fluid Dynamics) 소프트웨어 패키지인 Flow-3D를 기반으로 하는 316-L 스테인리스강 PL-PBF 공정의 다중물리 수치 모델을 개발하고 이 모델을 사용하여 열과 유체를 시뮬레이션합니다. 다양한 펄스 모드에서 공정 과정 중 용융 풀 내부에서 발생하는 유동 조건. 따라서 고정된 레이저 듀티 사이클(50%)이 있는 레이저 주기 지속 시간이 용융 풀의 모양과 크기 및 최종 트랙 형태에 미치는 영향을 연구하기 위해 매개변수 연구가 수행됩니다. 더 긴 주기 기간에서 더 많은 재료가 더 큰 용융 풀 내에서 변위됨에 따라 용융 풀의 후류에 더 눈에 띄는 혹이 형성되며, 동시에 더 심각한 반동 압력을 받습니다. 또한 시뮬레이션에서 50% 듀티 사이클에서 1000μs에서 형성된 보다 대칭적인 용융 풀과 비교하여 400μs 사이클 주기에서 더 긴 용융 풀이 형성된다는 것이 관찰되었습니다. 풀 볼륨은 1000μs의 경우 더 큽니다. 매개변수 연구는 연속 트랙과 파손된 트랙 PL-PBF 사이의 경계를 설명하며, 여기서 연속 트랙은 항상 소량의 용융 재료를 유지함으로써 유지됩니다.
English Abstract
Laser Powder Bed Fusion (L-PBF) has attracted a lot of attention from various industrial sectors and mainly thanks to its well-proven well-known capacity of realizing complex topology-optimized components that have so far been impossible to make using conventional manufacturing techniques. In Pulsed L-PBF (PL-PBF), the laser’s temporal profile can be modulated via modifying either or both the cycle duration and the duty cycle. Thus, the laser’s temporal profile could be considered as a new process parameter that paves the way for a better control of this process for future applications. Therefore, in this work we aim to investigate how changing the laser’s temporal profile can affect the melt pool conditions and the final shape and geometry of a track in the PL-PBF process. In this respect, in this paper a multiphysics numerical model of the PL-PBF process of 316-L stainless steel is developed based on the computational fluid dynamics (CFD) software package Flow-3D and the model is used to simulate the heat and fluid flow conditions occurring inside the melt pool during the course of the process at different pulsing modes. Thus, a parametric study is carried out to study the influence of the laser’s cycle duration with a fixed laser duty cycle (50 %) on the shape and size of the melt pool and the final track morphology. It is noticed that at longer cycle periods, more noticeable humps form at the wake of the melt pool as more material is displaced within bigger melt pools, which are at the same time subjected to more significant recoil pressures. It is also observed in the simulations that at 50 % duty cycle, longer melt pools form at 400 μs cycle period compared to the more symmetrical melt pools formed at 1000 μs, primarily because of shorter laser off-times in the former, even though melt pool volume is bigger for the 1000 μs case. The parameteric study illustrates the boundary between a continuous track and a broken track PL-PBF wherein the continuous track is retained by always maintaining a small volume of molten material.
Figure 1: Front and side views of the computational domain. Note that the region along z and from -100 μm to +50 μm is void.Figure 2: Temperature contours and melt pool border lines at different times for the 50 % duty cycle case: (a) – (c) Δtcycle =
400 μs, (d) – (f) Δtcycle = 1000 μs and (g) – (i) Δtcycle = 3000 μs.
Figure 3: Plot of melt pool volume versus time for four cases including continuous wave laser as well as 50 % duty cycle at
400 μs, 1000 μs and 3000 μs.
CONCLUSIONS
In this work a CFD model of the modulated PL-PBF process of stainless steel 316-L is developed in the commercial software package Flow-3D. The model involves physics such as solidification, melting, evaporation, convection, laser-material interaction, capillarity, Marangoni effect and the recoil pressure effect. In the current study, a parametric study is carried out to understand how the change in the cycle period duration affects the melt pool’s thermo-fluid conditions during the modulated PL-PBF process. It is observed that at the pulse mode with 50 % duty cycle and 400 μs cycle period, an overlapped chain of humps form at the wake of the melt pool and at a spatial frequency of occurrence of about 78 μm. Furthermore and as expected, it is noted that the melt pool volume, the size of the hump as well as the crater size at the end of the track, increase with increase in the cycle period duration, as more material is re-deposited at the back of the melt pool and that itself is caused by more pronounced recoil pressures. Moreover, it is noticed that due to the short off-time period of the laser in the 400 μs cycle period case, there is always an amount of liquid metal left from the previous cycle, at the time the new cycle starts. This is found to be the main reason why longer and elongated melt pools form at 400 μs cycle period, compared to the bigger, shorter and more symmetrical-like melt pools forming at the 1000 μs case. In this study PL-PBF single tracks including the broken track and the continuous track examples were studied to illustrate the boundary of this transition at a given laser scan parameter setting. At higher scan speeds, it is expected that the Plateau–Rayleigh instability will compete with the pulsing behavior to change the transition boundary between a broken and continuous track, which is suggested as future work from this study.
REFERENCES
[1] T. Craeghs, L. Thijs, F. Verhaeghe, J.-P. Kruth, J. Van Humbeeck, A study of the microstructural evolution during selective laser melting of Ti–6Al–4V, Acta Mater. 58 (2010) 3303–3312. https://doi.org/10.1016/j.actamat.2010.02.004. [2] J. Liu, A.T. Gaynor, S. Chen, Z. Kang, K. Suresh, A. Takezawa, L. Li, J. Kato, J. Tang, C.C.L. Wang, L. Cheng, X. Liang, A.C. To, Current and future trends in topology optimization for additive manufacturing, (2018) 2457–2483. [3] M. Bayat, W. Dong, J. Thorborg, A.C. To, J.H. Hattel, A review of multi-scale and multi-physics simulations of metal additive manufacturing processes with focus on modeling strategies, Addit. Manuf. 47 (2021). https://doi.org/10.1016/j.addma.2021.102278. [4] A. Foroozmehr, M. Badrossamay, E. Foroozmehr, S. Golabi, Finite Element Simulation of Selective Laser Melting process considering Optical Penetration Depth of laser in powder bed, Mater. Des. 89 (2016) 255–263. https://doi.org/10.1016/j.matdes.2015.10.002. [5] Y.S. Lee, W. Zhang, Modeling of heat transfer, fluid flow and solidification microstructure of nickel-base superalloy fabricated by laser powder bed fusion, Addit. Manuf. 12 (2016) 178–188. https://doi.org/10.1016/j.addma.2016.05.003. [6] S.A. Khairallah, A.T. Anderson, A. Rubenchik, W.E. King, Laser powder-bed fusion additive manufacturing: Physics of complex melt flow and formation mechanisms of pores, spatter, and denudation zones, Acta Mater. 108 (2016) 36–45. https://doi.org/10.1016/j.actamat.2016.02.014. [7] M. Bayat, A. Thanki, S. Mohanty, A. Witvrouw, S. Yang, J. Thorborg, N.S. Tiedje, J.H. Hattel, Keyholeinduced porosities in Laser-based Powder Bed Fusion (L-PBF) of Ti6Al4V: High-fidelity modelling and experimental validation, Addit. Manuf. 30 (2019). https://doi.org/10.1016/j.addma.2019.100835. [8] A. Charles, M. Bayat, A. Elkaseer, L. Thijs, J.H. Hattel, S. Scholz, Elucidation of dross formation in laser powder bed fusion at down-facing surfaces: phenomenon-oriented multiphysics simulation and experimental validation, Addit. Manuf. Under revi (2021). [9] M. Bayat, V.K. Nadimpalli, D.B. Pedersen, J.H. Hattel, A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys, Int. J. Heat Mass Transf. 166 (2021) 120766. https://doi.org/10.1016/j.ijheatmasstransfer.2020.120766. [10] J.D. Roehling, S.A. Khairallah, Y. Shen, A. Bayramian, C.D. Boley, A.M. Rubenchik, J. Demuth, N. Duanmu, M.J. Matthews, Physics of large-area pulsed laser powder bed fusion, Addit. Manuf. 46 (2021) https://doi.org/10.1016/j.addma.2021.102186. [11] M. Zheng, L. Wei, J. Chen, Q. Zhang, J. Li, S. Sui, G. Wang, W. Huang, Surface morphology evolution during pulsed selective laser melting: Numerical and experimental investigations, Appl. Surf. Sci. 496 (2019) 143649. https://doi.org/10.1016/j.apsusc.2019.143649. [12] M. Bayat, V.K. Nadimpalli, D.B. Pedersen, J.H. Hattel, A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys, Int. J. Heat Mass Transf. 166 (2021). https://doi.org/10.1016/j.ijheatmasstransfer.2020.120766.
A 3D numerical model of heat transfer and fluid flow of molten pool in the process of laser wire deposition was presented by computational fluid dynamics technique. The simulation results of the deposition morphology were also compared with the experimental results under the condition of liquid bridge transfer mode. Moreover, they showed a good agreement. Considering the effect of recoil pressure, the morphology of the deposit metal obtained by the simulation was similar to the experiment result. Molten metal at the wire tip was peeled off and flowed into the molten pool, and then spread to both sides of the deposition layer under the recoil pressure. In addition, the results of simulation and high-speed charge-coupled device presented that a wedge transition zone, with a length of ∼6 mm, was formed behind the keyhole in the liquid bridge transfer process, where the height of deposited metal decreased gradually. After solidification, metal in the transition zone retained the original melt morphology, resulting in a decrease in the height of the tail of the deposition layer.
Keywords
LWD, CFD, liquid bridge transfer, fluid dynamics, wedge transition zone
Fluid Thermodynamic Simulation of Ti-6Al-4V Alloy in Laser Wire DepositionFluid Thermodynamic Simulation of Ti-6Al-4V Alloy in Laser Wire Deposition
References
1. Matthews MJ, Guss G, Khairallah SA, et al. Denudation of metal powder layers in laser powder bed fusion processes. Acta Mater 2016;114:33–42. Crossref, Google Scholar
2. Ge WJ, Han SW, Fang YC, et al. Mechanism of surface morphology in electron beam melting of Ti6Al4V based on computational flow patterns. Appl Surf Sci 2017;419:150–158. Crossref, Google Scholar
3. Bai XW, Colegrove P, Ding JL, et al. Numerical analyswas of heat transfer and fluid flow in multilayer deposition of PAW-based wire and arc additive manufacturing. Int J Heat Mass Transf 2018;124:504–516. Crossref, Google Scholar
4. Torkamany MJ, Kaplan AFH, Ghaini FM. Wire deposition by a laser-induced boiling front. Opt Laser Technol 2015;69:104–112. Crossref, Google Scholar
5. Yu Y, Huang W, Wang G. Investigation of melting dynamics of filler wire during wire feed laser welding. J Mec Sci Technol 2013;27:1097–1108. Crossref, Google Scholar
6. Ma G, Li L, Chen Y. Effects of beam confgurations on wire melting and transfer behaviors in dual beam laser welding with fller wire. Opt Laser Technol 2017;91:138–148. Crossref, Google Scholar
7. Abioye TE, Folkes J, Clare AT. A parametric study of Inconel 625 wire laser deposition. J Mater Process Tech 2013;213:2145–2151. Crossref, Google Scholar
8. Wei S, Wang G, Shin YC, et al. Comprehensive modeling of transport phenomena in laser hot-wire deposition process. Int J Heat Mass Transf 2018;125:1356–1368. Crossref, Google Scholar
9. Gu H, Li L. Computational fluid dynamic simulation of gravity and pressure effects in laser metal deposition for potential additive manufacturing in space. Int J Heat Mass Transf 2019;140:51–65. Crossref, Google Scholar
10. Hu R, Luo M, Liu T, et al. Thermal fluid dynamics of liquid bridge transfer in laser wire deposition 3D printing. Sci Technolf Weld Join 2019;24:1–11. Google Scholar
11. Chatterjee D, Chakraborty S. A hybrid lattice Boltzmann model for solid–liquid phase transition in presence of fluid flow. Phys Lett A 2006;351:359–367. Crossref, Google Scholar
12. Wu L, Cheon J, Kiran DV, et al. CFD simulations of GMA welding of horizontal fillet joints based on coordinate rotation of arc models. J Mater Process Tech 2016;231:221–238. Crossref, Google Scholar
13. Gerhard W, Boyer RR, Collings EW. Materials Properties Handbook: Titanium Alloys. ASM International: Almere, The Netherlands, 1994. Google Scholar
14. Colegrove P, Simiand PE, Varughese A, et al. Evaluation of a drilling model approach to represent laser spot microwelding. In: ASM Proceedings of the international conference: trends in welding research; 2009. Google Scholar
15. Boivineau M, Cagran C, Doytier D, et al. Thermophysical properties of solid and liquid Ti-6Al-4V (TA6V) alloy. Int J Thermophys 2006;27:507–529. Crossref, Google Scholar
16. Shejndlin AE, Kenisarin MM, Chekhovskoj VY. Melting point of yttrium oxide. AN SSSR 1974;216:582–584. Google Scholar
17. Cho JH, Na SJ. Teflection and Fresnel absorption of laser beam in keyhole. J Phys D Appl Phys 2006;39:5372–5378. Crossref, Google Scholar
18. Han SW, Ahn J, Na SJ. A study on ray tracing method for CFD simulations of laser keyhole welding: Progressive search method. Weld World 2016;60:247–258. Crossref, Google Scholar
19. Allmen MV. Laser-Beam Interactions with Materials. Springer, Berlin-Heidelberg, 1995. Google Scholar
20. Dobson PJ. Absorption and scattering of light by small particles. Phys Bull 1984;35:104. Crossref, Google Scholar
21. Greses J, Hilton PA, Barlow CY. Plume attenuation under high power Nd:yttritium aluminum garnet laser welding. J Laser Appl 2004;16:9–15. Crossref, Google Scholar
22. Shcheglov PY, Uspenskiy SA, Gumenyuk AV, et al. Plume attenuation of laser radiation during high power fiber laser welding. Laser Phys Lett 2011;8:475–480. Crossref, Google Scholar
23. Yang P, Liou KN. Effective refractive index for determining ray propagation in an absorbing dielectric particle. J Quant Spectrosc Radiat Transf 2009;110:300–306. Crossref, Google Scholar
24. Barber PW. Absorption and scattering of light by small particles. J Colloid Interface Sci 1984;98:290–291. Google Scholar
25. Hu ZR, Chen X, Yang G, et al. Metal transfer in wire feeding-based electron beam 3D printing: Modes, dynamics, and transition criterion. Int J Heat Mass Transf 2018;126:877–887. Crossref, Google Scholar
26. David SA, Babu SS, Vitek JM. Welding: Solidification and microstructure. JOM 2013;55:14–20. Crossref, Google Scholar
27. Zhong ML, Liu W. Laser surface cladding: The state of the art and challenges. Proc Inst Mech Eng Part C J Mech Eng Sci 2010;224:1041–1060. Crossref, Google Scholar
28. Kobryn PA, Semiatin S. Microstructure and texture evolution during solidification processing of Ti-6Al-4V. J Mater Process Technol 2003;135:330–339. Crossref, Google Scholar
29. Debroy T, David S. Physical processes in fusion welding. Rev Mod Phys 1995;67:85–112. Crossref, Google Scholar
30. Lee YS, Nordin M, Babu SS, et al. Effect of fluid convection on dendrite arm spacing in laser deposition. Metall Trans B 2014;45:1520–1528. Crossref, Google Scholar
31. Rappaz M, David SA, Vitek JM, et al. Development of microstructures in Fe15Ni15Cr single crystal electron beam welds. Metall Trans A 1989;20:1125–1138. Crossref, Google Scholar
레이저 분말 베드 퓨전(L-PBF) 적층 제조(AM)는 우수한 기계적 특성으로 그물 모양에 가까운 복잡한 부품을 생산할 수 있습니다. 그러나 빌드 실패 및 다공성과 같은 결함으로 이어지는 원치 않는 잔류 응력 및 왜곡이 L-PBF의 광범위한 적용을 방해하고 있습니다.
L-PBF의 잠재력을 최대한 실현하기 위해 잔류 변형, 용융 풀 및 다공성 형성을 예측하는 다중 규모 모델링 방법론이 개발되었습니다. L-PBF의 잔류 변형 및 응력을 부품 규모에서 예측하기 위해 고유 변형 방법을 기반으로 하는 다중 규모 프로세스 모델링 프레임워크가 제안됩니다.
고유한 변형 벡터는 마이크로 스케일에서 충실도가 높은 상세한 다층 프로세스 시뮬레이션에서 추출됩니다. 균일하지만 이방성인 변형은 잔류 왜곡 및 응력을 예측하기 위해 준 정적 평형 유한 요소 분석(FEA)에서 레이어별로 L-PBF 부품에 적용됩니다.
부품 규모에서의 잔류 변형 및 응력 예측 외에도 분말 규모의 다중물리 모델링을 수행하여 공정 매개변수, 예열 온도 및 스패터링 입자에 의해 유도된 용융 풀 변동 및 결함 형성을 연구합니다. 이러한 요인과 관련된 용융 풀 역학 및 다공성 형성 메커니즘은 시뮬레이션 및 실험을 통해 밝혀졌습니다.
제안된 부품 규모 잔류 응력 및 왜곡 모델을 기반으로 경로 계획 방법은 큰 잔류 변형 및 건물 파손을 방지하기 위해 주어진 형상에 대한 레이저 스캐닝 경로를 조정하기 위해 개발되었습니다.
연속 및 아일랜드 스캐닝 전략을 위한 기울기 기반 경로 계획이 공식화되고 공식화된 컴플라이언스 및 스트레스 최소화 문제에 대한 전체 감도 분석이 수행됩니다. 이 제안된 경로 계획 방법의 타당성과 효율성은 AconityONE L-PBF 시스템을 사용하여 실험적으로 입증되었습니다.
또한 기계 학습을 활용한 데이터 기반 프레임워크를 개발하여 L-PBF에 대한 부품 규모의 열 이력을 예측합니다. 본 연구에서는 실시간 열 이력 예측을 위해 CNN(Convolutional Neural Network)과 RNN(Recurrent Neural Network)을 포함하는 순차적 기계 학습 모델을 제안합니다.
유한 요소 해석과 비교하여 100배의 예측 속도 향상이 달성되어 실제 제작 프로세스보다 빠른 예측이 가능하고 실시간 온도 프로파일을 사용할 수 있습니다.
Laser powder bed fusion (L-PBF) additive manufacturing (AM) is capable of producing complex parts near net shape with good mechanical properties. However, undesired residual stress and distortion that lead to build failure and defects such as porosity are preventing broader applications of L-PBF. To realize the full potential of L-PBF, a multiscale modeling methodology is developed to predict residual deformation, melt pool, and porosity formation. To predict the residual deformation and stress in L-PBF at part-scale, a multiscale process modeling framework based on inherent strain method is proposed.
Inherent strain vectors are extracted from detailed multi-layer process simulation with high fidelity at micro-scale. Uniform but anisotropic strains are then applied to L-PBF part in a layer-by-layer fashion in a quasi-static equilibrium finite element analysis (FEA) to predict residual distortion and stress. Besides residual distortion and stress prediction at part scale, multiphysics modeling at powder scale is performed to study the melt pool variation and defect formation induced by process parameters, preheating temperature and spattering particles. Melt pool dynamics and porosity formation mechanisms associated with these factors are revealed through simulation and experiments.
Based on the proposed part-scale residual stress and distortion model, path planning method is developed to tailor the laser scanning path for a given geometry to prevent large residual deformation and building failures. Gradient based path planning for continuous and island scanning strategy is formulated and full sensitivity analysis for the formulated compliance- and stress-minimization problem is performed.
The feasibility and effectiveness of this proposed path planning method is demonstrated experimentally using the AconityONE L-PBF system. In addition, a data-driven framework utilizing machine learning is developed to predict the thermal history at part-scale for L-PBF.
In this work, a sequential machine learning model including convolutional neural network (CNN) and recurrent neural network (RNN), long shortterm memory unit, is proposed for real-time thermal history prediction. A 100x prediction speed improvement is achieved compared to the finite element analysis which makes the prediction faster than real fabrication process and real-time temperature profile available.
Figure 1.1: Schematic Overview of Metal Laser Powder Bed Fusion Process [2]Figure 1.2: Commercial Powder Bed Fusion SystemsFigure 1.3: Commercial Metal Components Fabricated by Powder Bed Fusion Additive Manufacturing: (a) GE Fuel Nozzle; (b) Stryker Hip Biomedical Implant.Figure 2.1: Proposed Multiscale Process Simulation FrameworkFigure 2.2: (a) Experimental Setup for In-situ Thermocouple Measurement in the EOS M290 Build Chamber; (b) Themocouple Locations on the Bottom Side of the Substrate.Figure 2.3: (a) Finite Element Model for Single Layer Thermal Analysis; (b) Deposition LayerFigure 2.4: Core-skin layer: (a) Surface Morphology; (b) Scanning Strategy; (c) Transient Temperature Distribution and Temperature History at (d) Point 1; (e) Point 2 and (f) Point 3Figure 2.5: (a) Scanning Orientation of Each Layer; (b) Finite Element Model for Micro-scale Representative Volume Figure 2.6: Bottom Layer (a) Thermal History; (b) Plastic Strain and (c) Elastic Strain Evolution HistoryFigure 2.7: Bottom Layer Inherent Strain under Default Process Parameters along Horizontal Scanning PathFigure 2.8: Snapshots of the Element Activation ProcessFigure 2.9: Double Cantilever Beam Structure Built by the EOS M290 DMLM Process (a) Before and (b)
After Cutting off; (c) Faro Laser ScanArm V3 for Distortion MeasurementFigure 2.10: Square Canonical Structure Built by the EOS M290 DMLM ProcessFigure 2.11: Finite Element Mesh for the Square Canonical and Snapshots of Element Activation ProcessFigure 2.12: Simulated Distortion Field for the Double Cantilever Beam before Cutting off the Supports: (a) Inherent Strain Method; (b) Simufact Additive 3.1Figure 3.10: Snapshots of Temperature Profile for Single Track in Keyhole Regime (P = 250W and V = 0.5m/s) at the Preheating Temperature of 100 °Cs) at the Preheating Temperature of 500 °CFigure 3.15: Melt Pool Cross Section Comparison Between Simulation and Experiment for Single Track
Bibliography
[1] I. Astm, ASTM52900-15 Standard Terminology for Additive Manufacturing—General Principles—Terminology, ASTM International, West Conshohocken, PA 3(4) (2015) 5. [2] W.E. King, A.T. Anderson, R.M. Ferencz, N.E. Hodge, C. Kamath, S.A. Khairallah, A.M. Rubenchik, Laser powder bed fusion additive manufacturing of metals; physics, computational, and materials challenges, Applied Physics Reviews 2(4) (2015) 041304. [3] W. Yan, Y. Lu, K. Jones, Z. Yang, J. Fox, P. Witherell, G. Wagner, W.K. Liu, Data-driven characterization of thermal models for powder-bed-fusion additive manufacturing, Additive Manufacturing (2020) 101503. [4] K. Dai, L. Shaw, Thermal and stress modeling of multi-material laser processing, Acta Materialia 49(20) (2001) 4171-4181. [5] K. Dai, L. Shaw, Distortion minimization of laser-processed components through control of laser scanning patterns, Rapid Prototyping Journal 8(5) (2002) 270-276. [6] S.S. Bo Cheng, Kevin Chou, Stress and deformation evaluations of scanning strategy effect in selective laser melting, Additive Manufacturing (2017). [7] C. Fu, Y. Guo, Three-dimensional temperature gradient mechanism in selective laser melting of Ti-6Al-4V, Journal of Manufacturing Science and Engineering 136(6) (2014) 061004. [8] P. Prabhakar, W.J. Sames, R. Dehoff, S.S. Babu, Computational modeling of residual stress formation during the electron beam melting process for Inconel 718, Additive Manufacturing 7 (2015) 83-91. [9] A. Hussein, L. Hao, C. Yan, R. Everson, Finite element simulation of the temperature and stress fields in single layers built without-support in selective laser melting, Materials & Design (1980-2015) 52 (2013) 638-647. [10] P.Z. Qingcheng Yang, Lin Cheng, Zheng Min, Minking Chyu, Albert C. To, articleFinite element modeling and validation of thermomechanicalbehavior of Ti-6Al-4V in directed energy deposition additivemanufacturing, Additive Manufacturing (2016). [11] E.R. Denlinger, J. Irwin, P. Michaleris, Thermomechanical Modeling of Additive Manufacturing Large Parts, Journal of Manufacturing Science and Engineering 136(6) (2014) 061007. [12] E.R. Denlinger, M. Gouge, J. Irwin, P. Michaleris, Thermomechanical model development and in situ experimental validation of the Laser Powder-Bed Fusion process, Additive Manufacturing 16 (2017) 73-80. [13] V.J. Erik R Denlinger, G.V. Srinivasan, Tahany EI-Wardany, Pan Michaleris, Thermal modeling of Inconel 718 processed with powder bed fusionand experimental validation using in situ measurements, Additive Manufacturing 11 (2016) 7-15. [14] N. Patil, D. Pal, H.K. Rafi, K. Zeng, A. Moreland, A. Hicks, D. Beeler, B. Stucker, A Generalized Feed Forward Dynamic Adaptive Mesh Refinement and Derefinement Finite Element Framework for Metal Laser Sintering—Part I: Formulation and Algorithm Development, Journal of Manufacturing Science and Engineering 137(4) (2015) 041001. [15] D. Pal, N. Patil, K.H. Kutty, K. Zeng, A. Moreland, A. Hicks, D. Beeler, B. Stucker, A Generalized Feed-Forward Dynamic Adaptive Mesh Refinement and Derefinement FiniteElement Framework for Metal Laser Sintering—Part II: Nonlinear Thermal Simulations and Validations, Journal of Manufacturing Science and Engineering 138(6) (2016) 061003. [16] N. Keller, V. Ploshikhin, New method for fast predictions of residual stress and distortion of AM parts, Solid Freeform Fabrication Symposium, Austin, Texas, 2014, pp. 1229-1237. [17] S.A. Khairallah, A.T. Anderson, A. Rubenchik, W.E. King, Laser powder-bed fusion additive manufacturing: Physics of complex melt flow and formation mechanisms of pores, spatter, and denudation zones, Acta Materialia 108 (2016) 36-45. [18] M.J. Matthews, G. Guss, S.A. Khairallah, A.M. Rubenchik, P.J. Depond, W.E. King, Denudation of metal powder layers in laser powder bed fusion processes, Acta Materialia 114 (2016) 33-42. [19] A.A. Martin, N.P. Calta, S.A. Khairallah, J. Wang, P.J. Depond, A.Y. Fong, V. Thampy, G.M. Guss, A.M. Kiss, K.H. Stone, Dynamics of pore formation during laser powder bed fusion additive manufacturing, Nature communications 10(1) (2019) 1987. [20] R. Shi, S.A. Khairallah, T.T. Roehling, T.W. Heo, J.T. McKeown, M.J. Matthews, Microstructural control in metal laser powder bed fusion additive manufacturing using laser beam shaping strategy, Acta Materialia (2019). [21] S.A. Khairallah, A.A. Martin, J.R. Lee, G. Guss, N.P. Calta, J.A. Hammons, M.H. Nielsen, K. Chaput, E. Schwalbach, M.N. Shah, Controlling interdependent meso-nanosecond dynamics and defect generation in metal 3D printing, Science 368(6491) (2020) 660-665. [22] W. Yan, W. Ge, Y. Qian, S. Lin, B. Zhou, W.K. Liu, F. Lin, G.J. Wagner, Multi-physics modeling of single/multiple-track defect mechanisms in electron beam selective melting, Acta Materialia 134 (2017) 324-333. [23] S. Shrestha, Y. Kevin Chou, A Numerical Study on the Keyhole Formation During Laser Powder Bed Fusion Process, Journal of Manufacturing Science and Engineering 141(10) (2019). [24] S. Shrestha, B. Cheng, K. Chou, An Investigation into Melt Pool Effective Thermal Conductivity for Thermal Modeling of Powder-Bed Electron Beam Additive Manufacturing. [25] D. Rosenthal, Mathematical theory of heat distribution during welding and cutting, Welding journal 20 (1941) 220-234. [26] P. Promoppatum, S.-C. Yao, P.C. Pistorius, A.D. Rollett, A comprehensive comparison of the analytical and numerical prediction of the thermal history and solidification microstructure of Inconel 718 products made by laser powder-bed fusion, Engineering 3(5) (2017) 685-694. [27] M. Tang, P.C. Pistorius, J.L. Beuth, Prediction of lack-of-fusion porosity for powder bed fusion, Additive Manufacturing 14 (2017) 39-48. [28] T. Moran, P. Li, D. Warner, N. Phan, Utility of superposition-based finite element approach for part-scale thermal simulation in additive manufacturing, Additive Manufacturing 21 (2018) 215-219. [29] Y. Yang, M. Knol, F. van Keulen, C. Ayas, A semi-analytical thermal modelling approach for selective laser melting, Additive Manufacturing 21 (2018) 284-297. [30] B. Cheng, S. Shrestha, K. Chou, Stress and deformation evaluations of scanning strategy effect in selective laser melting, Additive Manufacturing 12 (2016) 240-251. [31] L.H. Ahmed Hussein, Chunze Yan, Richard Everson, Finite element simulation of the temperature and stress fields in single layers built without-support in selective laser melting, Materials and Design 52 (2013) 638-647. [32] H. Peng, D.B. Go, R. Billo, S. Gong, M.R. Shankar, B.A. Gatrell, J. Budzinski, P. Ostiguy, R. Attardo, C. Tomonto, Part-scale model for fast prediction of thermal distortion in DMLS additive manufacturing; Part 2: a quasi-static thermo-mechanical model, Austin, Texas (2016). [33] M.F. Zaeh, G. Branner, Investigations on residual stresses and deformations in selective laser melting, Production Engineering 4(1) (2010) 35-45. [34] C. Li, C. Fu, Y. Guo, F. Fang, A multiscale modeling approach for fast prediction of part distortion in selective laser melting, Journal of Materials Processing Technology 229 (2016) 703- 712. [35] C. Li, Z. Liu, X. Fang, Y. Guo, On the Simulation Scalability of Predicting Residual Stress and Distortion in Selective Laser Melting, Journal of Manufacturing Science and Engineering 140(4) (2018) 041013. [36] S. Afazov, W.A. Denmark, B.L. Toralles, A. Holloway, A. Yaghi, Distortion Prediction and Compensation in Selective Laser Melting, Additive Manufacturing 17 (2017) 15-22. [37] Y. Lee, W. Zhang, Modeling of heat transfer, fluid flow and solidification microstructure of nickel-base superalloy fabricated by laser powder bed fusion, Additive Manufacturing 12 (2016) 178-188. [38] L. Scime, J. Beuth, A multi-scale convolutional neural network for autonomous anomaly detection and classification in a laser powder bed fusion additive manufacturing process, Additive Manufacturing 24 (2018) 273-286. [39] L. Scime, J. Beuth, Using machine learning to identify in-situ melt pool signatures indicative of flaw formation in a laser powder bed fusion additive manufacturing process, Additive Manufacturing 25 (2019) 151-165. [40] X. Xie, J. Bennett, S. Saha, Y. Lu, J. Cao, W.K. Liu, Z. Gan, Mechanistic data-driven prediction of as-built mechanical properties in metal additive manufacturing, npj Computational Materials 7(1) (2021) 1-12. [41] C. Wang, X. Tan, S. Tor, C. Lim, Machine learning in additive manufacturing: State-of-theart and perspectives, Additive Manufacturing (2020) 101538. [42] J. Li, R. Jin, Z.Y. Hang, Integration of physically-based and data-driven approaches for thermal field prediction in additive manufacturing, Materials & Design 139 (2018) 473-485. [43] M. Mozaffar, A. Paul, R. Al-Bahrani, S. Wolff, A. Choudhary, A. Agrawal, K. Ehmann, J. Cao, Data-driven prediction of the high-dimensional thermal history in directed energy deposition processes via recurrent neural networks, Manufacturing letters 18 (2018) 35-39. [44] A. Paul, M. Mozaffar, Z. Yang, W.-k. Liao, A. Choudhary, J. Cao, A. Agrawal, A real-time iterative machine learning approach for temperature profile prediction in additive manufacturing processes, 2019 IEEE International Conference on Data Science and Advanced Analytics (DSAA), IEEE, 2019, pp. 541-550. [45] S. Clijsters, T. Craeghs, J.-P. Kruth, A priori process parameter adjustment for SLM process optimization, Innovative developments on virtual and physical prototyping, Taylor & Francis Group., 2012, pp. 553-560. [46] R. Mertens, S. Clijsters, K. Kempen, J.-P. Kruth, Optimization of scan strategies in selective laser melting of aluminum parts with downfacing areas, Journal of Manufacturing Science and Engineering 136(6) (2014) 061012. [47] J.-P. Kruth, J. Deckers, E. Yasa, R. Wauthlé, Assessing and comparing influencing factors of residual stresses in selective laser melting using a novel analysis method, Proceedings of the institution of mechanical engineers, Part B: Journal of Engineering Manufacture 226(6) (2012) 980-991. [48] Y. Lu, S. Wu, Y. Gan, T. Huang, C. Yang, L. Junjie, J. Lin, Study on the microstructure, mechanical property and residual stress of SLM Inconel-718 alloy manufactured by differing island scanning strategy, Optics & Laser Technology 75 (2015) 197-206. [49] E. Foroozmehr, R. Kovacevic, Effect of path planning on the laser powder deposition process: thermal and structural evaluation, The International Journal of Advanced Manufacturing Technology 51(5-8) (2010) 659-669. [50] L.H. Ahmed Hussein, Chunze Yan, Richard Everson, Finite element simulation of the temperature and stress fields in single layers built without-support in selective laser melting, Materials and Design (2013). [51] J.-P. Kruth, M. Badrossamay, E. Yasa, J. Deckers, L. Thijs, J. Van Humbeeck, Part and material properties in selective laser melting of metals, Proceedings of the 16th international symposium on electromachining, 2010, pp. 1-12. [52] L. Thijs, K. Kempen, J.-P. Kruth, J. Van Humbeeck, Fine-structured aluminium products with controllable texture by selective laser melting of pre-alloyed AlSi10Mg powder, Acta Materialia 61(5) (2013) 1809-1819. [53] D. Ding, Z.S. Pan, D. Cuiuri, H. Li, A tool-path generation strategy for wire and arc additive manufacturing, The international journal of advanced manufacturing technology 73(1-4) (2014) 173-183. [54] B.E. Carroll, T.A. Palmer, A.M. Beese, Anisotropic tensile behavior of Ti–6Al–4V components fabricated with directed energy deposition additive manufacturing, Acta Materialia 87 (2015) 309-320. [55] D. Ding, Z. Pan, D. Cuiuri, H. Li, A practical path planning methodology for wire and arc additive manufacturing of thin-walled structures, Robotics and Computer-Integrated Manufacturing 34 (2015) 8-19. [56] D. Ding, Z. Pan, D. Cuiuri, H. Li, S. van Duin, N. Larkin, Bead modelling and implementation of adaptive MAT path in wire and arc additive manufacturing, Robotics and Computer-Integrated Manufacturing 39 (2016) 32-42. [57] R. Ponche, O. Kerbrat, P. Mognol, J.-Y. Hascoet, A novel methodology of design for Additive Manufacturing applied to Additive Laser Manufacturing process, Robotics and ComputerIntegrated Manufacturing 30(4) (2014) 389-398. [58] D.E. Smith, R. Hoglund, Continuous fiber angle topology optimization for polymer fused fillament fabrication, Annu. Int. Solid Free. Fabr. Symp. Austin, TX, 2016. [59] J. Liu, J. Liu, H. Yu, H. Yu, Concurrent deposition path planning and structural topology optimization for additive manufacturing, Rapid Prototyping Journal 23(5) (2017) 930-942. [60] Q. Xia, T. Shi, Optimization of composite structures with continuous spatial variation of fiber angle through Shepard interpolation, Composite Structures 182 (2017) 273-282. [61] C. Kiyono, E. Silva, J. Reddy, A novel fiber optimization method based on normal distribution function with continuously varying fiber path, Composite Structures 160 (2017) 503-515. [62] C.J. Brampton, K.C. Wu, H.A. Kim, New optimization method for steered fiber composites using the level set method, Structural and Multidisciplinary Optimization 52(3) (2015) 493-505. [63] J. Liu, A.C. To, Deposition path planning-integrated structural topology optimization for 3D additive manufacturing subject to self-support constraint, Computer-Aided Design 91 (2017) 27- 45. [64] H. Shen, J. Fu, Z. Chen, Y. Fan, Generation of offset surface for tool path in NC machining through level set methods, The International Journal of Advanced Manufacturing Technology 46(9-12) (2010) 1043-1047. [65] C. Zhuang, Z. Xiong, H. Ding, High speed machining tool path generation for pockets using level sets, International Journal of Production Research 48(19) (2010) 5749-5766. [66] K.C. Mills, Recommended values of thermophysical properties for selected commercial alloys, Woodhead Publishing2002. [67] S.S. Sih, J.W. Barlow, The prediction of the emissivity and thermal conductivity of powder beds, Particulate Science and Technology 22(4) (2004) 427-440. [68] L. Dong, A. Makradi, S. Ahzi, Y. Remond, Three-dimensional transient finite element analysis of the selective laser sintering process, Journal of materials processing technology 209(2) (2009) 700-706. [69] J.J. Beaman, J.W. Barlow, D.L. Bourell, R.H. Crawford, H.L. Marcus, K.P. McAlea, Solid freeform fabrication: a new direction in manufacturing, Kluwer Academic Publishers, Norwell, MA 2061 (1997) 25-49. [70] G. Bugeda Miguel Cervera, G. Lombera, Numerical prediction of temperature and density distributions in selective laser sintering processes, Rapid Prototyping Journal 5(1) (1999) 21-26. [71] T. Mukherjee, W. Zhang, T. DebRoy, An improved prediction of residual stresses and distortion in additive manufacturing, Computational Materials Science 126 (2017) 360-372. [72] A.J. Dunbar, E.R. Denlinger, M.F. Gouge, P. Michaleris, Experimental validation of finite element modeling for laser powderbed fusion deformation, Additive Manufacturing 12 (2016) 108-120. [73] J. Goldak, A. Chakravarti, M. Bibby, A new finite element model for welding heat sources, Metallurgical and Materials Transactions B 15(2) (1984) 299-305. [74] J. Liu, Q. Chen, Y. Zhao, W. Xiong, A. To, Quantitative Texture Prediction of Epitaxial Columnar Grains in Alloy 718 Processed by Additive Manufacturing, Proceedings of the 9th International Symposium on Superalloy 718 & Derivatives: Energy, Aerospace, and Industrial Applications, Springer, 2018, pp. 749-755. [75] J. Irwin, P. Michaleris, A line heat input model for additive manufacturing, Journal of Manufacturing Science and Engineering 138(11) (2016) 111004. [76] M. Gouge, J. Heigel, P. Michaleris, T. Palmer, Modeling forced convection in the thermal simulation of laser cladding processes, International Journal of Advanced Manufacturing Technology 79 (2015). [77] J. Heigel, P. Michaleris, E. Reutzel, Thermo-mechanical model development and validation of directed energy deposition additive manufacturing of Ti–6Al–4V, Additive manufacturing 5 (2015) 9-19. [78] E.R. Denlinger, J.C. Heigel, P. Michaleris, Residual stress and distortion modeling of electron beam direct manufacturing Ti-6Al-4V, Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture 229(10) (2015) 1803-1813. [79] X. Liang, Q. Chen, L. Cheng, Q. Yang, A. To, A modified inherent strain method for fast prediction of residual deformation in additive manufacturing of metal parts, 2017 Solid Freeform Fabrication Symposium Proceedings, Austin, Texas, 2017. [80] X. Liang, L. Cheng, Q. Chen, Q. Yang, A. To, A Modified Method for Estimating Inherent Strains from Detailed Process Simulation for Fast Residual Distortion Prediction of Single-Walled Structures Fabricated by Directed Energy Deposition, Additive Manufacturing 23 (2018) 471-486. [81] L. Sochalski-Kolbus, E.A. Payzant, P.A. Cornwell, T.R. Watkins, S.S. Babu, R.R. Dehoff, M. Lorenz, O. Ovchinnikova, C. Duty, Comparison of residual stresses in Inconel 718 simple parts made by electron beam melting and direct laser metal sintering, Metallurgical and Materials Transactions A 46(3) (2015) 1419-1432. [82] P. Mercelis, J.-P. Kruth, Residual stresses in selective laser sintering and selective laser melting, Rapid Prototyping Journal 12(5) (2006) 254-265. [83] N. Hodge, R. Ferencz, J. Solberg, Implementation of a thermomechanical model for the simulation of selective laser melting, Computational Mechanics 54(1) (2014) 33-51. [84] A.S. Wu, D.W. Brown, M. Kumar, G.F. Gallegos, W.E. King, An experimental investigation into additive manufacturing-induced residual stresses in 316L stainless steel, Metallurgical and Materials Transactions A 45(13) (2014) 6260-6270. [85] C. Li, J. liu, Y. Guo, Efficient predictive model of part distortion and residual stress in selective laser melting, Solid Freeform Fabrication 2016, 2017. [86] Y. Zhao, Y. Koizumi, K. Aoyagi, D. Wei, K. Yamanaka, A. Chiba, Molten pool behavior and effect of fluid flow on solidification conditions in selective electron beam melting (SEBM) of a biomedical Co-Cr-Mo alloy, Additive Manufacturing 26 (2019) 202-214. [87] J.-H. Cho, S.-J. Na, Implementation of real-time multiple reflection and Fresnel absorption of laser beam in keyhole, Journal of Physics D: Applied Physics 39(24) (2006) 5372. [88] Q. Guo, C. Zhao, M. Qu, L. Xiong, L.I. Escano, S.M.H. Hojjatzadeh, N.D. Parab, K. Fezzaa, W. Everhart, T. Sun, In-situ characterization and quantification of melt pool variation under constant input energy density in laser powder-bed fusion additive manufacturing process, Additive Manufacturing (2019). [89] E. Assuncao, S. Williams, D. Yapp, Interaction time and beam diameter effects on the conduction mode limit, Optics and Lasers in Engineering 50(6) (2012) 823-828. [90] R. Cunningham, C. Zhao, N. Parab, C. Kantzos, J. Pauza, K. Fezzaa, T. Sun, A.D. Rollett, Keyhole threshold and morphology in laser melting revealed by ultrahigh-speed x-ray imaging, Science 363(6429) (2019) 849-852. [91] W. Tan, N.S. Bailey, Y.C. Shin, Investigation of keyhole plume and molten pool based on a three-dimensional dynamic model with sharp interface formulation, Journal of Physics D: Applied Physics 46(5) (2013) 055501. [92] W. Tan, Y.C. Shin, Analysis of multi-phase interaction and its effects on keyhole dynamics with a multi-physics numerical model, Journal of Physics D: Applied Physics 47(34) (2014) 345501. [93] R. Fabbro, K. Chouf, Keyhole modeling during laser welding, Journal of applied Physics 87(9) (2000) 4075-4083. [94] Q. Guo, C. Zhao, M. Qu, L. Xiong, S.M.H. Hojjatzadeh, L.I. Escano, N.D. Parab, K. Fezzaa, T. Sun, L. Chen, In-situ full-field mapping of melt flow dynamics in laser metal additive manufacturing, Additive Manufacturing 31 (2020) 100939. [95] Y. Ueda, K. Fukuda, K. Nakacho, S. Endo, A new measuring method of residual stresses with the aid of finite element method and reliability of estimated values, Journal of the Society of Naval Architects of Japan 1975(138) (1975) 499-507. [96] M.R. Hill, D.V. Nelson, The inherent strain method for residual stress determination and its application to a long welded joint, ASME-PUBLICATIONS-PVP 318 (1995) 343-352. [97] H. Murakawa, Y. Luo, Y. Ueda, Prediction of welding deformation and residual stress by elastic FEM based on inherent strain, Journal of the society of Naval Architects of Japan 1996(180) (1996) 739-751. [98] M. Yuan, Y. Ueda, Prediction of residual stresses in welded T-and I-joints using inherent strains, Journal of Engineering Materials and Technology, Transactions of the ASME 118(2) (1996) 229-234. [99] L. Zhang, P. Michaleris, P. Marugabandhu, Evaluation of applied plastic strain methods for welding distortion prediction, Journal of Manufacturing Science and Engineering 129(6) (2007) 1000-1010. [100] M. Bugatti, Q. Semeraro, Limitations of the Inherent Strain Method in Simulating Powder Bed Fusion Processes, Additive Manufacturing 23 (2018) 329-346. [101] L. Cheng, X. Liang, J. Bai, Q. Chen, J. Lemon, A. To, On Utilizing Topology Optimization to Design Support Structure to Prevent Residual Stress Induced Build Failure in Laser Powder Bed Metal Additive Manufacturing, Additive Manufacturing (2019). [102] Q. Chen, X. Liang, D. Hayduke, J. Liu, L. Cheng, J. Oskin, R. Whitmore, A.C. To, An inherent strain based multiscale modeling framework for simulating part-scale residual deformation for direct metal laser sintering, Additive Manufacturing 28 (2019) 406-418. [103] S. Osher, J.A. Sethian, Fronts propagating with curvature-dependent speed: algorithms based on Hamilton-Jacobi formulations, Journal of computational physics 79(1) (1988) 12-49. [104] M.Y. Wang, X. Wang, D. Guo, A level set method for structural topology optimization, Computer methods in applied mechanics and engineering 192(1) (2003) 227-246. [105] G. Allaire, F. Jouve, A.-M. Toader, Structural optimization using sensitivity analysis and a level-set method, Journal of computational physics 194(1) (2004) 363-393. [106] Y. Wang, Z. Luo, Z. Kang, N. Zhang, A multi-material level set-based topology and shape optimization method, Computer Methods in Applied Mechanics and Engineering 283 (2015) 1570-1586. [107] P. Dunning, C. Brampton, H. Kim, Simultaneous optimisation of structural topology and material grading using level set method, Materials Science and Technology 31(8) (2015) 884-894. [108] P. Liu, Y. Luo, Z. Kang, Multi-material topology optimization considering interface behavior via XFEM and level set method, Computer methods in applied mechanics and engineering 308 (2016) 113-133. [109] J. Liu, Q. Chen, Y. Zheng, R. Ahmad, J. Tang, Y. Ma, Level set-based heterogeneous object modeling and optimization, Computer-Aided Design (2019). [110] J. Liu, Q. Chen, X. Liang, A.C. To, Manufacturing cost constrained topology optimization for additive manufacturing, Frontiers of Mechanical Engineering 14(2) (2019) 213-221. [111] Z. Kang, Y. Wang, Integrated topology optimization with embedded movable holes based on combined description by material density and level sets, Computer methods in applied mechanics and engineering 255 (2013) 1-13. [112] P.D. Dunning, H. Alicia Kim, A new hole insertion method for level set based structural topology optimization, International Journal for Numerical Methods in Engineering 93(1) (2013) 118-134. [113] J.A. Sethian, A fast marching level set method for monotonically advancing fronts, Proceedings of the National Academy of Sciences 93(4) (1996) 1591-1595. [114] J.A. Sethian, Level set methods and fast marching methods: evolving interfaces in computational geometry, fluid mechanics, computer vision, and materials science, Cambridge university press1999. [115] C. Le, J. Norato, T. Bruns, C. Ha, D. Tortorelli, Stress-based topology optimization for continua, Structural and Multidisciplinary Optimization 41(4) (2010) 605-620. [116] A. Takezawa, G.H. Yoon, S.H. Jeong, M. Kobashi, M. Kitamura, Structural topology optimization with strength and heat conduction constraints, Computer Methods in Applied Mechanics and Engineering 276 (2014) 341-361. [117] S. Hochreiter, J. Schmidhuber, Long short-term memory, Neural computation 9(8) (1997) 1735-1780. [118] A. Krizhevsky, I. Sutskever, G.E. Hinton, Imagenet classification with deep convolutional neural networks, Advances in neural information processing systems 25 (2012) 1097-1105. [119] K. Simonyan, A. Zisserman, Very deep convolutional networks for large-scale image recognition, arXiv preprint arXiv:1409.1556 (2014). [120] K. He, X. Zhang, S. Ren, J. Sun, Deep residual learning for image recognition, Proceedings of the IEEE conference on computer vision and pattern recognition, 2016, pp. 770-778. [121] O. Russakovsky, J. Deng, H. Su, J. Krause, S. Satheesh, S. Ma, Z. Huang, A. Karpathy, A. Khosla, M. Bernstein, Imagenet large scale visual recognition challenge, International journal of computer vision 115(3) (2015) 211-252. [122] S. Ren, K. He, R. Girshick, J. Sun, Faster r-cnn: Towards real-time object detection with region proposal networks, Advances in neural information processing systems 28 (2015) 91-99. [123] E.J. Schwalbach, S.P. Donegan, M.G. Chapman, K.J. Chaput, M.A. Groeber, A discrete source model of powder bed fusion additive manufacturing thermal history, Additive Manufacturing 25 (2019) 485-498. [124] D.G. Duffy, Green’s functions with applications, Chapman and Hall/CRC2015. [125] J. Martínez-Frutos, D. Herrero-Pérez, Efficient matrix-free GPU implementation of fixed grid finite element analysis, Finite Elements in Analysis and Design 104 (2015) 61-71. [126] F. Dugast, P. Apostolou, A. Fernandez, W. Dong, Q. Chen, S. Strayer, R. Wicker, A.C. To, Part-scale thermal process modeling for laser powder bed fusion with matrix-free method and GPU computing, Additive Manufacturing 37 (2021) 101732. [127] A. Vaswani, N. Shazeer, N. Parmar, J. Uszkoreit, L. Jones, A.N. Gomez, Ł. Kaiser, I. Polosukhin, Attention is all you need, Advances in neural information processing systems, 2017, pp. 5998-6008. [128] J. Devlin, M.-W. Chang, K. Lee, K. Toutanova, Bert: Pre-training of deep bidirectional transformers for language understanding, arXiv preprint arXiv:1810.04805 (2018).
곡면에서 GMAW 기반 적층 가공의 용접 성형 특성은 중력의 영향을 크게 받습니다. 성형면의 경사각이 크면 혹 비드(hump bead)와 같은 심각한 결함이 발생합니다.
본 논문에서는 양생면에서 용접 비드 형성의 형성 특성과 제어 방법을 연구하기 위해 용접 용융 풀 유동 역학의 전산 모델을 수립하고 제안된 모델을 검증하기 위해 증착 실험을 수행하였습니다.
결과는 용접 비드 경사각(α)이 증가함에 따라 역류의 속도가 증가하고 상향 용접의 경우 α > 60°일 때 불규칙한 험프 결함이 나타나는 것으로 나타났습니다.
상부 과잉 액체의 하향 압착력과 하부 상향 유동의 반동력과 표면장력 사이의 상호작용은 용접 혹 형성의 주요 요인이었다. 하향 용접의 경우 양호한 형태를 얻을 수 있었으며, 용접 비드 경사각이 증가함에 따라 용접 높이는 감소하고 용접 폭은 증가하였습니다.
하향 및 상향 용접을 위한 곡면의 용융 거동 및 성형 특성을 기반으로 험프 결함을 제어하기 위해 위브 용접을 통한 증착 방법을 제안하였습니다.
성형 궤적의 변화로 인해 용접 방향의 중력 성분이 크게 감소하여 용융 풀 흐름의 안정성이 향상되었으며 복잡한 표면에서 안정적이고 일관된 용접 비드를 얻는 데 유리했습니다.
하향 용접과 상향 용접 사이의 단일 비드의 치수 편차는 7% 이내였으며 하향 및 상향 혼합 혼합 비드 중첩 증착에서 비드의 변동 편차는 0.45로 GMAW 기반 적층 제조 공정에서 허용될 수 있었습니다.
이러한 발견은 GMAW를 기반으로 하는 곡선 적층 적층 제조의 용접 비드 형성 제어에 기여했습니다.
The weld forming characteristics of GMAW-based additive manufacturing on curved surface are dramatically influenced by gravity. Large inclined angle of the forming surface would lead to severe defects such as hump bead. In this paper, a computational model of welding molten pool flow dynamics was established to research the forming characteristic and control method of weld bead forming on cured surface, and deposition experiments were conducted to verify the proposed model. Results indicated that the velocity of backward flows increased with the increase of weld bead tilt angle (α) and irregular hump defects appeared when α > 60° for upward welding. The interaction between the downward squeezing force of the excess liquid at the top and the recoil force of the upward flow at the bottom and the surface tension were primary factors for welding hump formation. For downward welding, a good morphology shape could be obtained, and the weld height decreased and the weld width increased with the increase of weld bead tilt angle. Based on the molten behaviors and forming characteristics on curved surface for downward and upward welding, the method of deposition with weave welding was proposed to control hump defects. Gravity component in the welding direction was significantly reduced due to the change of forming trajectory, which improved the stability of the molten pool flow and was beneficial to obtain stable and consistent weld bead on complex surface. The dimensional deviations of the single bead between downward and upward welding were within 7% and the fluctuation deviation of the bead in multi-bead overlapping deposition with mixing downward and upward welding was 0.45, which could be acceptable in GMAW-based additive manufacturing process. These findings contributed to the weld bead forming control of curve layered additive manufacturing based on GMAW.
7.Xie FB, Chen LF, Li ZY, Tang K (2020) Path smoothing and feed rate planning for robotic curved layer additive manufacturing. Robot Comput Integr Manuf 65. https://doi.org/10.1016/j.rcim.2020.101967
8.Ding YY, Dwivedi R, Kovacevic R (2017) Process planning for 8-axis robotized laser-based direct metal deposition system: a case on building revolved part. Robot Comput Integr Manuf 44:67–76. https://doi.org/10.1016/j.rcim.2016.08.008ArticleGoogle Scholar
12.Yuan L, Pan ZX, Ding DH, He FY, Duin SV, Li HJ, Li WH (2020) Investigation of humping phenomenon for the multi-directional robotic wire and arc additive manufacturing. Robot Comput Integr Manuf 63. https://doi.org/10.1016/j.rcim.2019.101916
13.Nguyen MC, Medale M, Asserin O, Gounand S, Gilles P (2017) Sensitivity to welding positions and parameters in GTA welding with a 3D multiphysics numerical model. Numer Heat Transf Part A Appl 71:233–249. https://doi.org/10.1080/10407782.2016.1264747ArticleGoogle Scholar
17.Philip Y, Xu ZY, Wang Y, Wang R, Ye X (2019) Investigation of humping defect formation in a lap joint at a high-speed hybrid laser-GMA welding. Results Phys 13. https://doi.org/10.1016/j.rinp.2019.102341
18.Hu ZQ, Qin XP, Shao T, Liu HM (2018) Understanding and overcoming of abnormity at start and end of the weld bead in additive manufacturing with GMAW. Int J Adv Manuf Technol 95:2357–2368. https://doi.org/10.1007/s00170-017-1392-9ArticleGoogle Scholar
19.Tang SY, Wang GL, Huang C, Li RS, Zhou SY, Zhang HO (2020) Investigation, modeling and optimization of abnormal areas of weld beads in wire and arc additive manufacturing. Rapid Prototyp J 26:1183–1195. https://doi.org/10.1108/RPJ-08-2019-0229ArticleGoogle Scholar
20.Bai X, Colegrove P, Ding J, Zhou XM, Diao CL, Bridgeman P, Honnige JR, Zhang HO, Williams S (2018) Numerical analysis of heat transfer and fluid flow in multilayer deposition of PAW-based wire and arc additive manufacturing. Int J Heat Mass Transf 124:504–516. https://doi.org/10.1016/j.ijheatmasstransfer.2018.03.085ArticleGoogle Scholar
21.Siewert E, Schein J, Forster G (2013) Determination of enthalpy, temperature, surface tension and geometry of the material transfer in PGMAW for the system argon-iron. J Phys D Appl Phys 46. https://doi.org/10.1088/0022-3727/46/22/224008
23.Fachinotti VD, Cardona A (2008) Semi-analytical solution of the thermal field induced by a moving double-ellipsoidal welding heat source in a semi-infinite body. Mec Comput XXVII:1519–1530
24.Nguyen NT, Mai YW, Simpson S, Ohta A (2004) Analytical approximate solution for double ellipsoidal heat source in finite thick plate. Weld J 83:82–93Google Scholar
25.Goldak J, Chakravarti A, Bibby M (1985) A double ellipsoid finite element model for welding heat sources. IIW Doc. No. 212-603-85
29.Zhan XH, Zhang D, Liu XB, Chen J, Wei YH, Liu RP (2017) Comparison between weave bead welding and multi-layer multi-pass welding for thick plate Invar steel. Int J Adv Manuf Technol 88:2211–2225. https://doi.org/10.1007/s00170-016-8926-4ArticleGoogle Scholar
30.Xu GX, Li L, Wang JY, Zhu J, Li PF (2018) Study of weld formation in swing arc narrow gap vertical GMA welding by numerical modeling and experiment. Int J Adv Manuf Technol 96:1905–1917. https://doi.org/10.1007/s00170-018-1729-zArticleGoogle Scholar
Keyhole Formation by Laser Drilling in Laser Powder Bed Fusion of Ti6Al4V Biomedical Alloy: Mesoscopic Computational Fluid Dynamics Simulation versus Mathematical Modelling Using Empirical Validation
Asif Ur Rehman 1,2,3,* ,† , Muhammad Arif Mahmood 4,* ,† , Fatih Pitir 1 , Metin Uymaz Salamci 2,3 , Andrei C. Popescu 4 and Ion N. Mihailescu 4
Abstract
LPBF(Laser Powder Bed fusion) 공정에서 작동 조건은 열 분포를 기반으로 레이저 유도 키홀 영역을 결정하는 데 필수적입니다. 얕은 구멍과 깊은 구멍으로 분류되는 이러한 영역은 LPBF 프로세스에서 확률과 결함 형성 강도를 제어합니다.
LPBF 프로세스의 핵심 구멍을 연구하고 제어하기 위해 수학적 및 CFD(전산 유체 역학) 모델이 제공됩니다. CFD의 경우 이산 요소 모델링 기법을 사용한 유체 체적 방법이 사용되었으며, 분말 베드 보이드 및 표면에 의한 레이저 빔 흡수를 포함하여 수학적 모델이 개발되었습니다.
동적 용융 풀 거동을 자세히 살펴봅니다. 실험적, CFD 시뮬레이션 및 분석적 컴퓨팅 결과 간에 정량적 비교가 수행되어 좋은 일치를 얻습니다.
LPBF에서 레이저 조사 영역 주변의 온도는 높은 내열성과 분말 입자 사이의 공기로 인해 분말층 주변에 비해 급격히 상승하여 레이저 횡방향 열파의 이동이 느려집니다. LPBF에서 키홀은 에너지 밀도에 의해 제어되는 얕고 깊은 키홀 모드로 분류될 수 있습니다. 에너지 밀도를 높이면 얕은 키홀 구멍 모드가 깊은 키홀 구멍 모드로 바뀝니다.
깊은 키홀 구멍의 에너지 밀도는 다중 반사와 키홀 구멍 내의 2차 반사 빔의 집중으로 인해 더 높아져 재료가 빠르게 기화됩니다.
깊은 키홀 구멍 모드에서는 온도 분포가 높기 때문에 액체 재료가 기화 온도에 가까우므로 얕은 키홀 구멍보다 구멍이 형성될 확률이 훨씬 높습니다. 온도가 급격히 상승하면 재료 밀도가 급격히 떨어지므로 비열과 융해 잠열로 인해 유체 부피가 증가합니다.
그 대가로 표면 장력을 낮추고 용융 풀 균일성에 영향을 미칩니다.
In the laser powder bed fusion (LPBF) process, the operating conditions are essential in determining laser-induced keyhole regimes based on the thermal distribution. These regimes, classified into shallow and deep keyholes, control the probability and defects formation intensity in the LPBF process. To study and control the keyhole in the LPBF process, mathematical and computational fluid dynamics (CFD) models are presented. For CFD, the volume of fluid method with the discrete element modeling technique was used, while a mathematical model was developed by including the laser beam absorption by the powder bed voids and surface. The dynamic melt pool behavior is explored in detail. Quantitative comparisons are made among experimental, CFD simulation and analytical computing results leading to a good correspondence. In LPBF, the temperature around the laser irradiation zone rises rapidly compared to the surroundings in the powder layer due to the high thermal resistance and the air between the powder particles, resulting in a slow travel of laser transverse heat waves. In LPBF, the keyhole can be classified into shallow and deep keyhole mode, controlled by the energy density. Increasing the energy density, the shallow keyhole mode transforms into the deep keyhole mode. The energy density in a deep keyhole is higher due to the multiple reflections and concentrations of secondary reflected beams within the keyhole, causing the material to vaporize quickly. Due to an elevated temperature distribution in deep keyhole mode, the probability of pores forming is much higher than in a shallow keyhole as the liquid material is close to the vaporization temperature. When the temperature increases rapidly, the material density drops quickly, thus, raising the fluid volume due to the specific heat and fusion latent heat. In return, this lowers the surface tension and affects the melt pool uniformity.
Keywords: laser powder bed fusion; computational fluid dynamics; analytical modelling; shallow and deep keyhole modes; experimental correlation
Figure 1. Powder bed schematic with voids.Figure 2. (a) Scanning electron microscopy images of Ti6Al4V powder particles and (b) simulated powder bed using
discrete element modellingFigure 3. Temperature field contour formation at various time intervals (a) 0.695 ms, (b) 0.795 ms,
(c) 0.995 ms and (d) 1.3 ms.Figure 4. Detailed view of shallow depth melt mode with temperature field at 0.695 msFigure 5. Melt flow stream traces formation at various time intervals (a) 0.695 ms, (b) 0.795 ms,
(c) 0.995 ms and (d) 1.3 msFigure 6. Density evolution of the melt pool at various time intervals (a) 0.695 ms, (b) 0.795 ms,
(c) 0.995 ms and (d) 1.3 ms.
Figure 7. Un-melted and melted regions at different time intervals (a) 0.695 ms, (b) 0.795 ms,
(c) 0.995 ms and (d) 1.3 msFigure 8. Transformation from shallow depth melt flow to deep keyhole formation when laser power increased from
(a) 170 W to (b) 200 WFigure 9. Stream traces and laser beam multiple reflections in deep keyhole melt flow modeFigure 10. A comparison between analytical and CFD simulation results for peak thermal distribution value in the deep
keyhole formationFigure 11. A comparison among experiments [49], CFD and analytical simulations for deep keyhole
top width and bottom width
References
Kok, Y.; Tan, X.P.; Wang, P.; Nai, M.L.S.; Loh, N.H.; Liu, E.; Tor, S.B. Anisotropy and heterogeneity of microstructure and mechanical properties in metal additive manufacturing: A critical review. Mater. Des. 2018, 139, 565–586. [CrossRef]
Ansari, P.; Salamci, M.U. On the selective laser melting based additive manufacturing of AlSi10Mg: The process parameter investigation through multiphysics simulation and experimental validation. J. Alloys Compd. 2022, 890, 161873. [CrossRef]
Guo, N.; Leu, M.C. Additive manufacturing: Technology, applications and research needs. Front. Mech. Eng. 2013, 8, 215–243. [CrossRef]
Mohsin Raza, M.; Lo, Y.L. Experimental investigation into microstructure, mechanical properties, and cracking mechanism of IN713LC processed by laser powder bed fusion. Mater. Sci. Eng. A 2021, 819, 141527. [CrossRef]
Dezfoli, A.R.A.; Lo, Y.L.; Raza, M.M. Prediction of Epitaxial Grain Growth in Single-Track Laser Melting of IN718 Using Integrated Finite Element and Cellular Automaton Approach. Materials 2021, 14, 5202. [CrossRef]
Tiwari, S.K.; Pande, S.; Agrawal, S.; Bobade, S.M. Selection of selective laser sintering materials for different applications. Rapid Prototyp. J. 2015, 21, 630–648. [CrossRef]
Liu, F.H. Synthesis of bioceramic scaffolds for bone tissue engineering by rapid prototyping technique. J. Sol-Gel Sci. Technol. 2012, 64, 704–710. [CrossRef]
Ur Rehman, A.; Sglavo, V.M. 3D printing of geopolymer-based concrete for building applications. Rapid Prototyp. J. 2020, 26, 1783–1788. [CrossRef]
Ur Rehman, A.; Sglavo, V.M. 3D printing of Portland cement-containing bodies. Rapid Prototyp. J. 2021. ahead of print. [CrossRef]
Popovich, A.; Sufiiarov, V. Metal Powder Additive Manufacturing. In New Trends in 3D Printing; InTech: Rijeka, Croatia, 2016.
Jia, T.; Zhang, Y.; Chen, J.K.; He, Y.L. Dynamic simulation of granular packing of fine cohesive particles with different size distributions. Powder Technol. 2012, 218, 76–85. [CrossRef]
Ansari, P.; Ur Rehman, A.; Pitir, F.; Veziroglu, S.; Mishra, Y.K.; Aktas, O.C.; Salamci, M.U. Selective Laser Melting of 316L Austenitic Stainless Steel: Detailed Process Understanding Using Multiphysics Simulation and Experimentation. Metals 2021, 11, 1076. [CrossRef]
Ur Rehman, A.; Tingting, L.; Liao, W. 4D Printing; Printing Ceramics from Metals with Selective Oxidation. Patent No. W0/2019/052128, 21 March 2019.
Ullah, A.; Wu, H.; Ur Rehman, A.; Zhu, Y.; Liu, T.; Zhang, K. Influence of laser parameters and Ti content on the surface morphology of L-PBF fabricated Titania. Rapid Prototyp. J. 2021, 27, 71–80. [CrossRef]
Ur Rehman, A. Additive Manufacturing of Ceramic Materials and Combinations with New Laser Strategies. Master’s Thesis, Nanjing University of Science and Technology, Nanjing, China, 2017.
Wong, K.V.; Hernandez, A. A Review of Additive Manufacturing. ISRN Mech. Eng. 2012, 2012, 1–10. [CrossRef]
Körner, C. Additive manufacturing of metallic components by selective electron beam melting—A review. Int. Mater. Rev. 2016, 61, 361–377. [CrossRef]
Fayazfar, H.; Salarian, M.; Rogalsky, A.; Sarker, D.; Russo, P.; Paserin, V.; Toyserkani, E. A critical review of powder-based additive manufacturing of ferrous alloys: Process parameters, microstructure and mechanical properties. Mater. Des. 2018, 144, 98–128. [CrossRef]
Everton, S.K.; Hirsch, M.; Stavroulakis, P.I.; Leach, R.K.; Clare, A.T. Review of in-situ process monitoring and in-situ metrology for metal additive manufacturing. Mater. Des. 2016, 95, 431–445. [CrossRef]
Sing, S.L.; An, J.; Yeong, W.Y.; Wiria, F.E. Laser and electron-beam powder-bed additive manufacturing of metallic implants: A review on processes, materials and designs. J. Orthop. Res. 2016, 34, 369–385. [CrossRef] [PubMed]
Olakanmi, E.O.; Cochrane, R.F.; Dalgarno, K.W. A review on selective laser sintering/melting (SLS/SLM) of aluminium alloy powders: Processing, microstructure, and properties. Prog. Mater. Sci. 2015, 74, 401–477. [CrossRef]
Mahmood, M.A.; Popescu, A.C.; Hapenciuc, C.L.; Ristoscu, C.; Visan, A.I.; Oane, M.; Mihailescu, I.N. Estimation of clad geometry and corresponding residual stress distribution in laser melting deposition: Analytical modeling and experimental correlations. Int. J. Adv. Manuf. Technol. 2020, 111, 77–91. [CrossRef]
Mahmood, M.A.; Popescu, A.C.; Oane, M.; Ristoscu, C.; Chioibasu, D.; Mihai, S.; Mihailescu, I.N. Three-jet powder flow and laser–powder interaction in laser melting deposition: Modelling versus experimental correlations. Metals 2020, 10, 1113. [CrossRef]
King, W.; Anderson, A.T.; Ferencz, R.M.; Hodge, N.E.; Kamath, C.; Khairallah, S.A. Overview of modelling and simulation of metal powder bed fusion process at Lawrence Livermore National Laboratory. Mater. Sci. Technol. 2015, 31, 957–968. [CrossRef]
Gong, H.; Rafi, K.; Gu, H.; Starr, T.; Stucker, B. Analysis of defect generation in Ti-6Al-4V parts made using powder bed fusion additive manufacturing processes. Addit. Manuf. 2014, 1, 87–98. [CrossRef]
Frazier, W.E. Metal additive manufacturing: A review. J. Mater. Eng. Perform. 2014, 23, 1917–1928. [CrossRef]
Panwisawas, C.; Qiu, C.L.; Sovani, Y.; Brooks, J.W.; Attallah, M.M.; Basoalto, H.C. On the role of thermal fluid dynamics into the evolution of porosity during selective laser melting. Scr. Mater. 2015, 105, 14–17. [CrossRef]
Qian, Y.; Yan, W.; Lin, F. Parametric study and surface morphology analysis of electron beam selective melting. Rapid Prototyp. J. 2018, 24, 1586–1598. [CrossRef]
Panwisawas, C.; Perumal, B.; Ward, R.M.; Turner, N.; Turner, R.P.; Brooks, J.W.; Basoalto, H.C. Keyhole formation and thermal fluid flow-induced porosity during laser fusion welding in titanium alloys: Experimental and modelling. Acta Mater. 2017, 126, 251–263. [CrossRef]
Panwisawas, C.; Sovani, Y.; Turner, R.P.; Brooks, J.W.; Basoalto, H.C.; Choquet, I. Modelling of thermal fluid dynamics for fusion welding. J. Mater. Process. Technol. 2018, 252, 176–182. [CrossRef]
Martin, A.A.; Calta, N.P.; Hammons, J.A.; Khairallah, S.A.; Nielsen, M.H.; Shuttlesworth, R.M.; Sinclair, N.; Matthews, M.J.; Jeffries, J.R.; Willey, T.M.; et al. Ultrafast dynamics of laser-metal interactions in additive manufacturing alloys captured by in situ X-ray imaging. Mater. Today Adv. 2019, 1, 100002. [CrossRef]
Cunningham, R.; Zhao, C.; Parab, N.; Kantzos, C.; Pauza, J.; Fezzaa, K.; Sun, T.; Rollett, A.D. Keyhole threshold and morphology in laser melting revealed by ultrahigh-speed x-ray imaging. Science 2019, 363, 849–852. [CrossRef] [PubMed]
Tang, C.; Tan, J.L.; Wong, C.H. A numerical investigation on the physical mechanisms of single track defects in selective laser melting. Int. J. Heat Mass Transf. 2018, 126, 957–968. [CrossRef]
Mirkoohi, E.; Ning, J.; Bocchini, P.; Fergani, O.; Chiang, K.-N.; Liang, S. Thermal Modeling of Temperature Distribution in Metal Additive Manufacturing Considering Effects of Build Layers, Latent Heat, and Temperature-Sensitivity of Material Properties. J. Manuf. Mater. Process. 2018, 2, 63. [CrossRef]
Oane, M.; Sporea, D. Temperature profiles modeling in IR optical components during high power laser irradiation. Infrared Phys. Technol. 2001, 42, 31–40. [CrossRef]
Cleary, P.W.; Sawley, M.L. DEM modelling of industrial granular flows: 3D case studies and the effect of particle shape on hopper discharge. Appl. Math. Model. 2002, 26, 89–111. [CrossRef]
Parteli, E.J.R.; Pöschel, T. Particle-based simulation of powder application in additive manufacturing. Powder Technol. 2016, 288, 96–102. [CrossRef]
Cao, L. Numerical simulation of the impact of laying powder on selective laser melting single-pass formation. Int. J. Heat Mass Transf. 2019, 141, 1036–1048. [CrossRef]
Tian, Y.; Yang, L.; Zhao, D.; Huang, Y.; Pan, J. Numerical analysis of powder bed generation and single track forming for selective laser melting of SS316L stainless steel. J. Manuf. Process. 2020, 58, 964–974. [CrossRef]
Lee, Y.S.; Zhang, W. Modeling of heat transfer, fluid flow and solidification microstructure of nickel-base superalloy fabricated by laser powder bed fusion. Addit. Manuf. 2016, 12, 178–188. [CrossRef]
Tang, M.; Pistorius, P.C.; Beuth, J.L. Prediction of lack-of-fusion porosity for powder bed fusion. Addit. Manuf. 2017, 14, 39–48. [CrossRef]
Promoppatum, P.; Yao, S.C.; Pistorius, P.C.; Rollett, A.D. A Comprehensive Comparison of the Analytical and Numerical Prediction of the Thermal History and Solidification Microstructure of Inconel 718 Products Made by Laser Powder-Bed Fusion. Engineering 2017, 3, 685–694. [CrossRef]
Rosenthal, D. Mathematical Theory of Heat Distribution During Welding and Cutting. Weld. J. 1941, 20, 220–234.
Chen, Q.; Zhao, Y.Y.; Strayer, S.; Zhao, Y.Y.; Aoyagi, K.; Koizumi, Y.; Chiba, A.; Xiong, W.; To, A.C. Elucidating the Effect of Preheating Temperature on Melt Pool Morphology Variation in Inconel 718 Laser Powder Bed Fusion via Simulation and Experiment. Available online: https://www.sciencedirect.com/science/article/pii/S2214860420310149#bb8 (accessed on 30 April 2021).
Ur Rehman, A.; Pitir, F.; Salamci, M.U. Laser Powder Bed Fusion (LPBF) of In718 and the Impact of Pre-Heating at 500 and 1000 ◦C: Operando Study. Materials 2021, 14, 6683. [CrossRef] [PubMed]
Ur Rehman, A.; Pitir, F.; Salamci, M.U. Full-Field Mapping and Flow Quantification of Melt Pool Dynamics in Laser Powder Bed Fusion of SS316L. Materials 2021, 14, 6264. [CrossRef] [PubMed]
Gong, H.; Gu, H.; Zeng, K.; Dilip, J.J.S.; Pal, D.; Stucker, B.; Christiansen, D.; Beuth, J.; Lewandowski, J.J. Melt Pool Characterization for Selective Laser Melting of Ti-6Al-4V Pre-alloyed Powder. In Proceedings of the International Solid Freeform Fabrication Symposium, Austin, TX, USA, 10–12 August 2014; 2014; pp. 256–267.
Song, B.; Dong, S.; Liao, H.; Coddet, C. Process parameter selection for selective laser melting of Ti6Al4V based on temperature distribution simulation and experimental sintering. Int. J. Adv. Manuf. Technol. 2012, 61, 967–974. [CrossRef]
선택적 레이저 용융 동안 CP-Ti의 열 거동을 연구하기 위해 무작위 패킹 분말 베드 모델을 기반으로 하는 메조스코프 시뮬레이션이 설정되었습니다. 레이저와 분말의 상호 작용에 따른 용융 풀의 특성과 레이저 출력이 용융 풀의 열 거동, 유체 역학 및 표면 형태 변화에 미치는 영향을 연구했습니다.
결과는 레이저 출력이 증가함에 따라 최대 온도, 온도 변화율, 용융 풀의 수명 및 크기가 크게 향상되었음을 보여줍니다. 또한 본 연구에서는 이중궤도 하의 용융지의 특성과 열거동을 주로 연구하였다.
두 번째 트랙의 용융 풀의 최대 온도, 수명 및 길이와 너비는 첫 번째 트랙보다 더 높고 레이저 출력이 증가함에 따라 용융 풀에서 두 번째 트랙의 길이 너비 비율이 증가함을 알 수 있습니다. 더 커집니다.
A mesoscopic simulation based on random packing powder bed model was established to study the heat behavior of CP-Ti during selective laser melting. The characteristics of the molten pool under the interaction of laser and powder, and the influence of laser power on the thermal behavior, hydrodynamics and surface morphology evolution of the molten pool were studied. The results show that with the increase of laser power, the maximum temperature, temperature change rate, lifetime of molten pool and size are greatly improved. In addition, the characteristics and heat behavior of the molten pool under the double track are mainly studied in this study. It is found that the maximum temperature, lifetime, and the length and width of the molten pool of the second track are higher than those in the first, and with the increase of laser power, the length width ratio of the second track in molten pool becomes larger.
Multiphysics Modeling of Thermal Behavior of Commercial Pure Titanium Powder During Selective Laser Melting
Keywords
Additive manufacturing
Selective laser melting
Numerical simulation
Thermal behavior
References
1.D.K. Pattanayak, A. Fukuda, T. Matsushita, M. Takemoto, S. Fujibayashi, K. Sasaki, N. Nishida, T. Nakamura, T. Kokubo, Acta Biomater. 7, 1398 (2011)CASArticleGoogle Scholar
2.A.K. Patnaik, N. Poondla, C.C. Menzemer, T.S. Srivatsan, Mater. Sci. Eng. A 590, 390 (2014)CASArticleGoogle Scholar
3.D.D. Gu, Y.C. Hagedorn, W. Meiners, G.B. Meng, R.J.S. Batista, K. Wissenbach, R. Poprawe, Acta Mater. 60, 3849 (2012)CASArticleGoogle Scholar
4.H. Attar, M. Calin, L.C. Zhang, S. Scudino, J. Eckert, Mater. Sci. Eng. A 593, 170 (2014)CASArticleGoogle Scholar
5.J. Shen, B. Chen, J. Umeda, K. Kondoh, Mater. Sci. Eng. A 716, 1 (2018)CASArticleGoogle Scholar
6.E. Santos, K. Osakada, M. Shiomi, M. Morita, F. Abe, Fabrication of titanium dental implants by selective laser melting. in Proceedings of the 5th International Symposium on Laser Precision Microfabrication, Nara, 11–14 May 2004
26.Y.S. Lee, W. Zhang, Modeling of heat transfer, Addit. Manuf. 12, 178 (2016)CASGoogle Scholar
27.I. Kovaleva, O. Kovalev, I. Smurov, Phys. Procedia 56, 400 (2014)ArticleGoogle Scholar
28.Y.S. Lee, W. Zhang, Mesoscopic simulation of heat transfer and fluid flow in laser powder bed additive manufacturing. in Proceedings of 26th Solid Freeform Fabrication Symposium, Austin, 10-12 August 2015
29.W. Yan, W. Ge, Y. Qian, S. Lin, B. Zhou, W.K. Liu, Acta Mater. 134, 324 (2017)CASArticleGoogle Scholar
30.I. Yadroitsev, A. Gusarov, I. Yadroitsava, I. Smurov, J. Mater. Process. Tech. 210, 1624 (2010)CASArticleGoogle Scholar
43.H. Sakaguchi, E. Ozaki, T. Igarashi, Int. J. Mod. Phys. B 7, 1949 (1993)
44.Flow3D: Version 11 0.1.2: User Manual, Flow Science, Santa Fe, NM, USA, (2014)
45.S. Kolossov, E. Boillat, R. Glardon, P. Fischer, M. Locher, Int. J. Mach. Tool. Manu. 44, 117 (2004)ArticleGoogle Scholar
46.V.R. Voller, A.D. Brent, C. Prakash, Int. J. Heat Mass Tran. 32, 1719 (1989)CASArticleGoogle Scholar
47.Y.-C. Wu, C.-H. San, C.-H. Chang, H.-J. Lin, R. Marwan, S. Baba, W.-S. Hwang, J. Mater. Process. Tech. 254, 72 (2018)ArticleGoogle Scholar
48.B. Cheng, X. Li, C. Tuile, A. Ilin, H. Willeck, U. Hartel, Multi-physics modeling of single-track scanning in selective laser melting: powder compaction effect. in Proceedings of 29th Annual International Solid Freeform Fabrication Symposium-An Additive Manufacturing Conference, Austin, 13–15 August 2018
49.B. Liu, G. Fang, L. Lei, W. Liu, Appl. Math. Model. 79, 506 (2020)ArticleGoogle Scholar
50.S. Lee, J. Kim, J. Choe, S.-W. Kim, J.-K. Hong, Y.S. Choi, Met. Mater. Int. 27, 78 (2021)
Mahdi Feizbahr,1 Navid Tonekaboni,2Guang-Jun Jiang,3,4 and Hong-Xia Chen3,4Show moreAcademic Editor: Mohammad YazdiReceived08 Apr 2021Revised18 Jun 2021Accepted17 Jul 2021Published11 Aug 2021
Abstract
Vegetation along the river increases the roughness and reduces the average flow velocity, reduces flow energy, and changes the flow velocity profile in the cross section of the river. Many canals and rivers in nature are covered with vegetation during the floods. Canal’s roughness is strongly affected by plants and therefore it has a great effect on flow resistance during flood. Roughness resistance against the flow due to the plants depends on the flow conditions and plant, so the model should simulate the current velocity by considering the effects of velocity, depth of flow, and type of vegetation along the canal. Total of 48 models have been simulated to investigate the effect of roughness in the canal. The results indicated that, by enhancing the velocity, the effect of vegetation in decreasing the bed velocity is negligible, while when the current has lower speed, the effect of vegetation on decreasing the bed velocity is obviously considerable.
강의 식생은 거칠기를 증가시키고 평균 유속을 감소시키며, 유속 에너지를 감소시키고 강의 단면에서 유속 프로파일을 변경합니다. 자연의 많은 운하와 강은 홍수 동안 초목으로 덮여 있습니다. 운하의 조도는 식물의 영향을 많이 받으므로 홍수시 유동저항에 큰 영향을 미칩니다. 식물로 인한 흐름에 대한 거칠기 저항은 흐름 조건 및 식물에 따라 다르므로 모델은 유속, 흐름 깊이 및 운하를 따라 식생 유형의 영향을 고려하여 현재 속도를 시뮬레이션해야 합니다. 근관의 거칠기의 영향을 조사하기 위해 총 48개의 모델이 시뮬레이션되었습니다. 결과는 유속을 높임으로써 유속을 감소시키는 식생의 영향은 무시할 수 있는 반면, 해류가 더 낮은 유속일 때 유속을 감소시키는 식생의 영향은 분명히 상당함을 나타냈다.
1. Introduction
Considering the impact of each variable is a very popular field within the analytical and statistical methods and intelligent systems [1–14]. This can help research for better modeling considering the relation of variables or interaction of them toward reaching a better condition for the objective function in control and engineering [15–27]. Consequently, it is necessary to study the effects of the passive factors on the active domain [28–36]. Because of the effect of vegetation on reducing the discharge capacity of rivers [37], pruning plants was necessary to improve the condition of rivers. One of the important effects of vegetation in river protection is the action of roots, which cause soil consolidation and soil structure improvement and, by enhancing the shear strength of soil, increase the resistance of canal walls against the erosive force of water. The outer limbs of the plant increase the roughness of the canal walls and reduce the flow velocity and deplete the flow energy in vicinity of the walls. Vegetation by reducing the shear stress of the canal bed reduces flood discharge and sedimentation in the intervals between vegetation and increases the stability of the walls [38–41].
One of the main factors influencing the speed, depth, and extent of flood in this method is Manning’s roughness coefficient. On the other hand, soil cover [42], especially vegetation, is one of the most determining factors in Manning’s roughness coefficient. Therefore, it is expected that those seasonal changes in the vegetation of the region will play an important role in the calculated value of Manning’s roughness coefficient and ultimately in predicting the flood wave behavior [43–45]. The roughness caused by plants’ resistance to flood current depends on the flow and plant conditions. Flow conditions include depth and velocity of the plant, and plant conditions include plant type, hardness or flexibility, dimensions, density, and shape of the plant [46]. In general, the issue discussed in this research is the optimization of flood-induced flow in canals by considering the effect of vegetation-induced roughness. Therefore, the effect of plants on the roughness coefficient and canal transmission coefficient and in consequence the flow depth should be evaluated [47, 48].
Current resistance is generally known by its roughness coefficient. The equation that is mainly used in this field is Manning equation. The ratio of shear velocity to average current velocity is another form of current resistance. The reason for using the ratio is that it is dimensionless and has a strong theoretical basis. The reason for using Manning roughness coefficient is its pervasiveness. According to Freeman et al. [49], the Manning roughness coefficient for plants was calculated according to the Kouwen and Unny [50] method for incremental resistance. This method involves increasing the roughness for various surface and plant irregularities. Manning’s roughness coefficient has all the factors affecting the resistance of the canal. Therefore, the appropriate way to more accurately estimate this coefficient is to know the factors affecting this coefficient [51].
To calculate the flow rate, velocity, and depth of flow in canals as well as flood and sediment estimation, it is important to evaluate the flow resistance. To determine the flow resistance in open ducts, Manning, Chézy, and Darcy–Weisbach relations are used [52]. In these relations, there are parameters such as Manning’s roughness coefficient (n), Chézy roughness coefficient (C), and Darcy–Weisbach coefficient (f). All three of these coefficients are a kind of flow resistance coefficient that is widely used in the equations governing flow in rivers [53].
The three relations that express the relationship between the average flow velocity (V) and the resistance and geometric and hydraulic coefficients of the canal are as follows:where n, f, and c are Manning, Darcy–Weisbach, and Chézy coefficients, respectively. V = average flow velocity, R = hydraulic radius, Sf = slope of energy line, which in uniform flow is equal to the slope of the canal bed, = gravitational acceleration, and Kn is a coefficient whose value is equal to 1 in the SI system and 1.486 in the English system. The coefficients of resistance in equations (1) to (3) are related as follows:
Based on the boundary layer theory, the flow resistance for rough substrates is determined from the following general relation:where f = Darcy–Weisbach coefficient of friction, y = flow depth, Ks = bed roughness size, and A = constant coefficient.
On the other hand, the relationship between the Darcy–Weisbach coefficient of friction and the shear velocity of the flow is as follows:
By using equation (6), equation (5) is converted as follows:
Investigation on the effect of vegetation arrangement on shear velocity of flow in laboratory conditions showed that, with increasing the shear Reynolds number (), the numerical value of the ratio also increases; in other words the amount of roughness coefficient increases with a slight difference in the cases without vegetation, checkered arrangement, and cross arrangement, respectively [54].
Roughness in river vegetation is simulated in mathematical models with a variable floor slope flume by different densities and discharges. The vegetation considered submerged in the bed of the flume. Results showed that, with increasing vegetation density, canal roughness and flow shear speed increase and with increasing flow rate and depth, Manning’s roughness coefficient decreases. Factors affecting the roughness caused by vegetation include the effect of plant density and arrangement on flow resistance, the effect of flow velocity on flow resistance, and the effect of depth [45, 55].
One of the works that has been done on the effect of vegetation on the roughness coefficient is Darby [56] study, which investigates a flood wave model that considers all the effects of vegetation on the roughness coefficient. There are currently two methods for estimating vegetation roughness. One method is to add the thrust force effect to Manning’s equation [47, 57, 58] and the other method is to increase the canal bed roughness (Manning-Strickler coefficient) [45, 59–61]. These two methods provide acceptable results in models designed to simulate floodplain flow. Wang et al. [62] simulate the floodplain with submerged vegetation using these two methods and to increase the accuracy of the results, they suggested using the effective height of the plant under running water instead of using the actual height of the plant. Freeman et al. [49] provided equations for determining the coefficient of vegetation roughness under different conditions. Lee et al. [63] proposed a method for calculating the Manning coefficient using the flow velocity ratio at different depths. Much research has been done on the Manning roughness coefficient in rivers, and researchers [49, 63–66] sought to obtain a specific number for n to use in river engineering. However, since the depth and geometric conditions of rivers are completely variable in different places, the values of Manning roughness coefficient have changed subsequently, and it has not been possible to choose a fixed number. In river engineering software, the Manning roughness coefficient is determined only for specific and constant conditions or normal flow. Lee et al. [63] stated that seasonal conditions, density, and type of vegetation should also be considered. Hydraulic roughness and Manning roughness coefficient n of the plant were obtained by estimating the total Manning roughness coefficient from the matching of the measured water surface curve and water surface height. The following equation is used for the flow surface curve:where is the depth of water change, S0 is the slope of the canal floor, Sf is the slope of the energy line, and Fr is the Froude number which is obtained from the following equation:where D is the characteristic length of the canal. Flood flow velocity is one of the important parameters of flood waves, which is very important in calculating the water level profile and energy consumption. In the cases where there are many limitations for researchers due to the wide range of experimental dimensions and the variety of design parameters, the use of numerical methods that are able to estimate the rest of the unknown results with acceptable accuracy is economically justified.
FLOW-3D software uses Finite Difference Method (FDM) for numerical solution of two-dimensional and three-dimensional flow. This software is dedicated to computational fluid dynamics (CFD) and is provided by Flow Science [67]. The flow is divided into networks with tubular cells. For each cell there are values of dependent variables and all variables are calculated in the center of the cell, except for the velocity, which is calculated at the center of the cell. In this software, two numerical techniques have been used for geometric simulation, FAVOR™ (Fractional-Area-Volume-Obstacle-Representation) and the VOF (Volume-of-Fluid) method. The equations used at this model for this research include the principle of mass survival and the magnitude of motion as follows. The fluid motion equations in three dimensions, including the Navier–Stokes equations with some additional terms, are as follows:where are mass accelerations in the directions x, y, z and are viscosity accelerations in the directions x, y, z and are obtained from the following equations:
Shear stresses in equation (11) are obtained from the following equations:
The standard model is used for high Reynolds currents, but in this model, RNG theory allows the analytical differential formula to be used for the effective viscosity that occurs at low Reynolds numbers. Therefore, the RNG model can be used for low and high Reynolds currents.
Weather changes are high and this affects many factors continuously. The presence of vegetation in any area reduces the velocity of surface flows and prevents soil erosion, so vegetation will have a significant impact on reducing destructive floods. One of the methods of erosion protection in floodplain watersheds is the use of biological methods. The presence of vegetation in watersheds reduces the flow rate during floods and prevents soil erosion. The external organs of plants increase the roughness and decrease the velocity of water flow and thus reduce its shear stress energy. One of the important factors with which the hydraulic resistance of plants is expressed is the roughness coefficient. Measuring the roughness coefficient of plants and investigating their effect on reducing velocity and shear stress of flow is of special importance.
Roughness coefficients in canals are affected by two main factors, namely, flow conditions and vegetation characteristics [68]. So far, much research has been done on the effect of the roughness factor created by vegetation, but the issue of plant density has received less attention. For this purpose, this study was conducted to investigate the effect of vegetation density on flow velocity changes.
In a study conducted using a software model on three density modes in the submerged state effect on flow velocity changes in 48 different modes was investigated (Table 1).Table 1The studied models.
The number of cells used in this simulation is equal to 1955888 cells. The boundary conditions were introduced to the model as a constant speed and depth (Figure 1). At the output boundary, due to the presence of supercritical current, no parameter for the current is considered. Absolute roughness for floors and walls was introduced to the model (Figure 1). In this case, the flow was assumed to be nonviscous and air entry into the flow was not considered. After seconds, this model reached a convergence accuracy of .
Figure 1The simulated model and its boundary conditions.
Due to the fact that it is not possible to model the vegetation in FLOW-3D software, in this research, the vegetation of small soft plants was studied so that Manning’s coefficients can be entered into the canal bed in the form of roughness coefficients obtained from the studies of Chow [69] in similar conditions. In practice, in such modeling, the effect of plant height is eliminated due to the small height of herbaceous plants, and modeling can provide relatively acceptable results in these conditions.
48 models with input velocities proportional to the height of the regular semihexagonal canal were considered to create supercritical conditions. Manning coefficients were applied based on Chow [69] studies in order to control the canal bed. Speed profiles were drawn and discussed.
Any control and simulation system has some inputs that we should determine to test any technology [70–77]. Determination and true implementation of such parameters is one of the key steps of any simulation [23, 78–81] and computing procedure [82–86]. The input current is created by applying the flow rate through the VFR (Volume Flow Rate) option and the output flow is considered Output and for other borders the Symmetry option is considered.
Simulation of the models and checking their action and responses and observing how a process behaves is one of the accepted methods in engineering and science [87, 88]. For verification of FLOW-3D software, the results of computer simulations are compared with laboratory measurements and according to the values of computational error, convergence error, and the time required for convergence, the most appropriate option for real-time simulation is selected (Figures 2 and 3 ).
Figure 2Modeling the plant with cylindrical tubes at the bottom of the canal.
Figure 3Velocity profiles in positions 2 and 5.
The canal is 7 meters long, 0.5 meters wide, and 0.8 meters deep. This test was used to validate the application of the software to predict the flow rate parameters. In this experiment, instead of using the plant, cylindrical pipes were used in the bottom of the canal.
The conditions of this modeling are similar to the laboratory conditions and the boundary conditions used in the laboratory were used for numerical modeling. The critical flow enters the simulation model from the upstream boundary, so in the upstream boundary conditions, critical velocity and depth are considered. The flow at the downstream boundary is supercritical, so no parameters are applied to the downstream boundary.
The software well predicts the process of changing the speed profile in the open canal along with the considered obstacles. The error in the calculated speed values can be due to the complexity of the flow and the interaction of the turbulence caused by the roughness of the floor with the turbulence caused by the three-dimensional cycles in the hydraulic jump. As a result, the software is able to predict the speed distribution in open canals.
2. Modeling Results
After analyzing the models, the results were shown in graphs (Figures 4–14 ). The total number of experiments in this study was 48 due to the limitations of modeling. (a) (b) (c) (d) (a) (b) (c) (d)Figure 4Flow velocity profiles for canals with a depth of 1 m and flow velocities of 3–3.3 m/s. Canal with a depth of 1 meter and a flow velocity of (a) 3 meters per second, (b) 3.1 meters per second, (c) 3.2 meters per second, and (d) 3.3 meters per second.
Figure 5Canal diagram with a depth of 1 meter and a flow rate of 3 meters per second.
Figure 6Canal diagram with a depth of 1 meter and a flow rate of 3.1 meters per second.
Figure 7Canal diagram with a depth of 1 meter and a flow rate of 3.2 meters per second.
Figure 8Canal diagram with a depth of 1 meter and a flow rate of 3.3 meters per second. (a) (b) (c) (d) (a) (b) (c) (d)Figure 9Flow velocity profiles for canals with a depth of 2 m and flow velocities of 4–4.3 m/s. Canal with a depth of 2 meters and a flow rate of (a) 4 meters per second, (b) 4.1 meters per second, (c) 4.2 meters per second, and (d) 4.3 meters per second.
Figure 10Canal diagram with a depth of 2 meters and a flow rate of 4 meters per second.
Figure 11Canal diagram with a depth of 2 meters and a flow rate of 4.1 meters per second.
Figure 12Canal diagram with a depth of 2 meters and a flow rate of 4.2 meters per second.
Figure 13Canal diagram with a depth of 2 meters and a flow rate of 4.3 meters per second. (a) (b) (c) (d) (a) (b) (c) (d)Figure 14Flow velocity profiles for canals with a depth of 3 m and flow velocities of 5–5.3 m/s. Canal with a depth of 2 meters and a flow rate of (a) 4 meters per second, (b) 4.1 meters per second, (c) 4.2 meters per second, and (d) 4.3 meters per second.
To investigate the effects of roughness with flow velocity, the trend of flow velocity changes at different depths and with supercritical flow to a Froude number proportional to the depth of the section has been obtained.
According to the velocity profiles of Figure 5, it can be seen that, with the increasing of Manning’s coefficient, the canal bed speed decreases.
According to Figures 5 to 8, it can be found that, with increasing the Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of the models 1 to 12, which can be justified by increasing the speed and of course increasing the Froude number.
According to Figure 10, we see that, with increasing Manning’s coefficient, the canal bed speed decreases.
According to Figure 11, we see that, with increasing Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of Figures 5–10, which can be justified by increasing the speed and, of course, increasing the Froude number.
With increasing Manning’s coefficient, the canal bed speed decreases (Figure 12). But this deceleration is more noticeable than the deceleration of the higher models (Figures 5–8 and 10, 11), which can be justified by increasing the speed and, of course, increasing the Froude number.
According to Figure 13, with increasing Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of Figures 5 to 12, which can be justified by increasing the speed and, of course, increasing the Froude number.
According to Figure 15, with increasing Manning’s coefficient, the canal bed speed decreases.
Figure 15Canal diagram with a depth of 3 meters and a flow rate of 5 meters per second.
According to Figure 16, with increasing Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of the higher model, which can be justified by increasing the speed and, of course, increasing the Froude number.
Figure 16Canal diagram with a depth of 3 meters and a flow rate of 5.1 meters per second.
According to Figure 17, it is clear that, with increasing Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of the higher models, which can be justified by increasing the speed and, of course, increasing the Froude number.
Figure 17Canal diagram with a depth of 3 meters and a flow rate of 5.2 meters per second.
According to Figure 18, with increasing Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of the higher models, which can be justified by increasing the speed and, of course, increasing the Froude number.
Figure 18Canal diagram with a depth of 3 meters and a flow rate of 5.3 meters per second.
According to Figure 19, it can be seen that the vegetation placed in front of the flow input velocity has negligible effect on the reduction of velocity, which of course can be justified due to the flexibility of the vegetation. The only unusual thing is the unexpected decrease in floor speed of 3 m/s compared to higher speeds. (a) (b) (c) (a) (b) (c)Figure 19Comparison of velocity profiles with the same plant densities (depth 1 m). Comparison of velocity profiles with (a) plant densities of 25%, depth 1 m; (b) plant densities of 50%, depth 1 m; and (c) plant densities of 75%, depth 1 m.
According to Figure 20, by increasing the speed of vegetation, the effect of vegetation on reducing the flow rate becomes more noticeable. And the role of input current does not have much effect in reducing speed. (a) (b) (c) (a) (b) (c)Figure 20Comparison of velocity profiles with the same plant densities (depth 2 m). Comparison of velocity profiles with (a) plant densities of 25%, depth 2 m; (b) plant densities of 50%, depth 2 m; and (c) plant densities of 75%, depth 2 m.
According to Figure 21, it can be seen that, with increasing speed, the effect of vegetation on reducing the bed flow rate becomes more noticeable and the role of the input current does not have much effect. In general, it can be seen that, by increasing the speed of the input current, the slope of the profiles increases from the bed to the water surface and due to the fact that, in software, the roughness coefficient applies to the channel floor only in the boundary conditions, this can be perfectly justified. Of course, it can be noted that, due to the flexible conditions of the vegetation of the bed, this modeling can show acceptable results for such grasses in the canal floor. In the next directions, we may try application of swarm-based optimization methods for modeling and finding the most effective factors in this research [2, 7, 8, 15, 18, 89–94]. In future, we can also apply the simulation logic and software of this research for other domains such as power engineering [95–99]. (a) (b) (c) (a) (b) (c)Figure 21Comparison of velocity profiles with the same plant densities (depth 3 m). Comparison of velocity profiles with (a) plant densities of 25%, depth 3 m; (b) plant densities of 50%, depth 3 m; and (c) plant densities of 75%, depth 3 m.
3. Conclusion
The effects of vegetation on the flood canal were investigated by numerical modeling with FLOW-3D software. After analyzing the results, the following conclusions were reached:(i)Increasing the density of vegetation reduces the velocity of the canal floor but has no effect on the velocity of the canal surface.(ii)Increasing the Froude number is directly related to increasing the speed of the canal floor.(iii)In the canal with a depth of one meter, a sudden increase in speed can be observed from the lowest speed and higher speed, which is justified by the sudden increase in Froude number.(iv)As the inlet flow rate increases, the slope of the profiles from the bed to the water surface increases.(v)By reducing the Froude number, the effect of vegetation on reducing the flow bed rate becomes more noticeable. And the input velocity in reducing the velocity of the canal floor does not have much effect.(vi)At a flow rate between 3 and 3.3 meters per second due to the shallow depth of the canal and the higher landing number a more critical area is observed in which the flow bed velocity in this area is between 2.86 and 3.1 m/s.(vii)Due to the critical flow velocity and the slight effect of the roughness of the horseshoe vortex floor, it is not visible and is only partially observed in models 1-2-3 and 21.(viii)As the flow rate increases, the effect of vegetation on the rate of bed reduction decreases.(ix)In conditions where less current intensity is passing, vegetation has a greater effect on reducing current intensity and energy consumption increases.(x)In the case of using the flow rate of 0.8 cubic meters per second, the velocity distribution and flow regime show about 20% more energy consumption than in the case of using the flow rate of 1.3 cubic meters per second.
Nomenclature
n:
Manning’s roughness coefficient
C:
Chézy roughness coefficient
f:
Darcy–Weisbach coefficient
V:
Flow velocity
R:
Hydraulic radius
g:
Gravitational acceleration
y:
Flow depth
Ks:
Bed roughness
A:
Constant coefficient
:
Reynolds number
∂y/∂x:
Depth of water change
S0:
Slope of the canal floor
Sf:
Slope of energy line
Fr:
Froude number
D:
Characteristic length of the canal
G:
Mass acceleration
:
Shear stresses.
Data Availability
All data are included within the paper.
Conflicts of Interest
The authors declare that they have no conflicts of interest.
Acknowledgments
This work was partially supported by the National Natural Science Foundation of China under Contract no. 71761030 and Natural Science Foundation of Inner Mongolia under Contract no. 2019LH07003.
References
H. Yu, L. Jie, W. Gui et al., “Dynamic Gaussian bare-bones fruit fly optimizers with abandonment mechanism: method and analysis,” Engineering with Computers, vol. 20, pp. 1–29, 2020.View at: Publisher Site | Google Scholar
X. Zhao, D. Li, B. Yang, C. Ma, Y. Zhu, and H. Chen, “Feature selection based on improved ant colony optimization for online detection of foreign fiber in cotton,” Applied Soft Computing, vol. 24, pp. 585–596, 2014.View at: Publisher Site | Google Scholar
J. Hu, H. Chen, A. A. Heidari et al., “Orthogonal learning covariance matrix for defects of grey wolf optimizer: insights, balance, diversity, and feature selection,” Knowledge-Based Systems, vol. 213, Article ID 106684, 2021.View at: Publisher Site | Google Scholar
C. Yu, M. Chen, K. Chen et al., “SGOA: annealing-behaved grasshopper optimizer for global tasks,” Engineering with Computers, vol. 4, pp. 1–28, 2021.View at: Publisher Site | Google Scholar
W. Shan, Z. Qiao, A. A. Heidari, H. Chen, H. Turabieh, and Y. Teng, “Double adaptive weights for stabilization of moth flame optimizer: balance analysis, engineering cases, and medical diagnosis,” Knowledge-Based Systems, vol. 8, Article ID 106728, 2020.View at: Google Scholar
J. Tu, H. Chen, J. Liu et al., “Evolutionary biogeography-based whale optimization methods with communication structure: towards measuring the balance,” Knowledge-Based Systems, vol. 212, Article ID 106642, 2021.View at: Publisher Site | Google Scholar
Y. Zhang, R. Liu, X. Wang et al., “Towards augmented kernel extreme learning models for bankruptcy prediction: algorithmic behavior and comprehensive analysis,” Neurocomputing, vol. 430, 2020.View at: Google Scholar
H.-L. Chen, G. Wang, C. Ma, Z.-N. Cai, W.-B. Liu, and S.-J. Wang, “An efficient hybrid kernel extreme learning machine approach for early diagnosis of Parkinson׳s disease,” Neurocomputing, vol. 184, pp. 131–144, 2016.View at: Publisher Site | Google Scholar
J. Xia, H. Chen, Q. Li et al., “Ultrasound-based differentiation of malignant and benign thyroid Nodules: an extreme learning machine approach,” Computer Methods and Programs in Biomedicine, vol. 147, pp. 37–49, 2017.View at: Publisher Site | Google Scholar
C. Li, L. Hou, B. Y. Sharma et al., “Developing a new intelligent system for the diagnosis of tuberculous pleural effusion,” Computer Methods and Programs in Biomedicine, vol. 153, pp. 211–225, 2018.View at: Publisher Site | Google Scholar
X. Xu and H.-L. Chen, “Adaptive computational chemotaxis based on field in bacterial foraging optimization,” Soft Computing, vol. 18, no. 4, pp. 797–807, 2014.View at: Publisher Site | Google Scholar
M. Wang, H. Chen, B. Yang et al., “Toward an optimal kernel extreme learning machine using a chaotic moth-flame optimization strategy with applications in medical diagnoses,” Neurocomputing, vol. 267, pp. 69–84, 2017.View at: Publisher Site | Google Scholar
L. Chao, K. Zhang, Z. Li, Y. Zhu, J. Wang, and Z. Yu, “Geographically weighted regression based methods for merging satellite and gauge precipitation,” Journal of Hydrology, vol. 558, pp. 275–289, 2018.View at: Publisher Site | Google Scholar
F. J. Golrokh, G. Azeem, and A. Hasan, “Eco-efficiency evaluation in cement industries: DEA malmquist productivity index using optimization models,” ENG Transactions, vol. 1, 2020.View at: Google Scholar
D. Zhao, L. Lei, F. Yu et al., “Chaotic random spare ant colony optimization for multi-threshold image segmentation of 2D Kapur entropy,” Knowledge-Based Systems, vol. 8, Article ID 106510, 2020.View at: Google Scholar
Y. Zhang, R. Liu, X. Wang, H. Chen, and C. Li, “Boosted binary Harris hawks optimizer and feature selection,” Engineering with Computers, vol. 517, pp. 1–30, 2020.View at: Publisher Site | Google Scholar
L. Hu, G. Hong, J. Ma, X. Wang, and H. Chen, “An efficient machine learning approach for diagnosis of paraquat-poisoned patients,” Computers in Biology and Medicine, vol. 59, pp. 116–124, 2015.View at: Publisher Site | Google Scholar
L. Shen, H. Chen, Z. Yu et al., “Evolving support vector machines using fruit fly optimization for medical data classification,” Knowledge-Based Systems, vol. 96, pp. 61–75, 2016.View at: Publisher Site | Google Scholar
X. Zhao, X. Zhang, Z. Cai et al., “Chaos enhanced grey wolf optimization wrapped ELM for diagnosis of paraquat-poisoned patients,” Computational Biology and Chemistry, vol. 78, pp. 481–490, 2019.View at: Publisher Site | Google Scholar
Y. Xu, H. Chen, J. Luo, Q. Zhang, S. Jiao, and X. Zhang, “Enhanced Moth-flame optimizer with mutation strategy for global optimization,” Information Sciences, vol. 492, pp. 181–203, 2019.View at: Publisher Site | Google Scholar
M. Wang and H. Chen, “Chaotic multi-swarm whale optimizer boosted support vector machine for medical diagnosis,” Applied Soft Computing Journal, vol. 88, Article ID 105946, 2020.View at: Publisher Site | Google Scholar
Y. Chen, J. Li, H. Lu, and P. Yan, “Coupling system dynamics analysis and risk aversion programming for optimizing the mixed noise-driven shale gas-water supply chains,” Journal of Cleaner Production, vol. 278, Article ID 123209, 2020.View at: Google Scholar
H. Tang, Y. Xu, A. Lin et al., “Predicting green consumption behaviors of students using efficient firefly grey wolf-assisted K-nearest neighbor classifiers,” IEEE Access, vol. 8, pp. 35546–35562, 2020.View at: Publisher Site | Google Scholar
H.-J. Ma and G.-H. Yang, “Adaptive fault tolerant control of cooperative heterogeneous systems with actuator faults and unreliable interconnections,” IEEE Transactions on Automatic Control, vol. 61, no. 11, pp. 3240–3255, 2015.View at: Google Scholar
H.-J. Ma and L.-X. Xu, “Decentralized adaptive fault-tolerant control for a class of strong interconnected nonlinear systems via graph theory,” IEEE Transactions on Automatic Control, vol. 66, 2020.View at: Google Scholar
H. J. Ma, L. X. Xu, and G. H. Yang, “Multiple environment integral reinforcement learning-based fault-tolerant control for affine nonlinear systems,” IEEE Transactions on Cybernetics, vol. 51, pp. 1–16, 2019.View at: Publisher Site | Google Scholar
J. Hu, M. Wang, C. Zhao, Q. Pan, and C. Du, “Formation control and collision avoidance for multi-UAV systems based on Voronoi partition,” Science China Technological Sciences, vol. 63, no. 1, pp. 65–72, 2020.View at: Publisher Site | Google Scholar
C. Zhang, H. Li, Y. Qian, C. Chen, and X. Zhou, “Locality-constrained discriminative matrix regression for robust face identification,” IEEE Transactions on Neural Networks and Learning Systems, vol. 99, pp. 1–15, 2020.View at: Publisher Site | Google Scholar
X. Zhang, D. Wang, Z. Zhou, and Y. Ma, “Robust low-rank tensor recovery with rectification and alignment,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 43, no. 1, pp. 238–255, 2019.View at: Google Scholar
X. Zhang, J. Wang, T. Wang, R. Jiang, J. Xu, and L. Zhao, “Robust feature learning for adversarial defense via hierarchical feature alignment,” Information Sciences, vol. 560, 2020.View at: Google Scholar
X. Zhang, R. Jiang, T. Wang, and J. Wang, “Recursive neural network for video deblurring,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 03, p. 1, 2020.View at: Publisher Site | Google Scholar
X. Zhang, T. Wang, J. Wang, G. Tang, and L. Zhao, “Pyramid channel-based feature attention network for image dehazing,” Computer Vision and Image Understanding, vol. 197-198, Article ID 103003, 2020.View at: Publisher Site | Google Scholar
X. Zhang, T. Wang, W. Luo, and P. Huang, “Multi-level fusion and attention-guided CNN for image dehazing,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 3, p. 1, 2020.View at: Publisher Site | Google Scholar
L. He, J. Shen, and Y. Zhang, “Ecological vulnerability assessment for ecological conservation and environmental management,” Journal of Environmental Management, vol. 206, pp. 1115–1125, 2018.View at: Publisher Site | Google Scholar
Y. Chen, W. Zheng, W. Li, and Y. Huang, “Large group Activity security risk assessment and risk early warning based on random forest algorithm,” Pattern Recognition Letters, vol. 144, pp. 1–5, 2021.View at: Publisher Site | Google Scholar
J. Hu, H. Zhang, Z. Li, C. Zhao, Z. Xu, and Q. Pan, “Object traversing by monocular UAV in outdoor environment,” Asian Journal of Control, vol. 25, 2020.View at: Google Scholar
P. Tian, H. Lu, W. Feng, Y. Guan, and Y. Xue, “Large decrease in streamflow and sediment load of Qinghai-Tibetan Plateau driven by future climate change: a case study in Lhasa River Basin,” Catena, vol. 187, Article ID 104340, 2020.View at: Publisher Site | Google Scholar
A. Stokes, C. Atger, A. G. Bengough, T. Fourcaud, and R. C. Sidle, “Desirable plant root traits for protecting natural and engineered slopes against landslides,” Plant and Soil, vol. 324, no. 1, pp. 1–30, 2009.View at: Publisher Site | Google Scholar
T. B. Devi, A. Sharma, and B. Kumar, “Studies on emergent flow over vegetative channel bed with downward seepage,” Hydrological Sciences Journal, vol. 62, no. 3, pp. 408–420, 2017.View at: Google Scholar
G. Ireland, M. Volpi, and G. Petropoulos, “Examining the capability of supervised machine learning classifiers in extracting flooded areas from Landsat TM imagery: a case study from a Mediterranean flood,” Remote Sensing, vol. 7, no. 3, pp. 3372–3399, 2015.View at: Publisher Site | Google Scholar
L. Goodarzi and S. Javadi, “Assessment of aquifer vulnerability using the DRASTIC model; a case study of the Dezful-Andimeshk Aquifer,” Computational Research Progress in Applied Science & Engineering, vol. 2, no. 1, pp. 17–22, 2016.View at: Google Scholar
K. Zhang, Q. Wang, L. Chao et al., “Ground observation-based analysis of soil moisture spatiotemporal variability across a humid to semi-humid transitional zone in China,” Journal of Hydrology, vol. 574, pp. 903–914, 2019.View at: Publisher Site | Google Scholar
L. De Doncker, P. Troch, R. Verhoeven, K. Bal, P. Meire, and J. Quintelier, “Determination of the Manning roughness coefficient influenced by vegetation in the river Aa and Biebrza river,” Environmental Fluid Mechanics, vol. 9, no. 5, pp. 549–567, 2009.View at: Publisher Site | Google Scholar
M. Fathi-Moghadam and K. Drikvandi, “Manning roughness coefficient for rivers and flood plains with non-submerged vegetation,” International Journal of Hydraulic Engineering, vol. 1, no. 1, pp. 1–4, 2012.View at: Google Scholar
F.-C. Wu, H. W. Shen, and Y.-J. Chou, “Variation of roughness coefficients for unsubmerged and submerged vegetation,” Journal of Hydraulic Engineering, vol. 125, no. 9, pp. 934–942, 1999.View at: Publisher Site | Google Scholar
M. K. Wood, “Rangeland vegetation-hydrologic interactions,” in Vegetation Science Applications for Rangeland Analysis and Management, vol. 3, pp. 469–491, Springer, 1988.View at: Publisher Site | Google Scholar
C. Wilson, O. Yagci, H.-P. Rauch, and N. Olsen, “3D numerical modelling of a willow vegetated river/floodplain system,” Journal of Hydrology, vol. 327, no. 1-2, pp. 13–21, 2006.View at: Publisher Site | Google Scholar
R. Yazarloo, M. Khamehchian, and M. R. Nikoodel, “Observational-computational 3d engineering geological model and geotechnical characteristics of young sediments of golestan province,” Computational Research Progress in Applied Science & Engineering (CRPASE), vol. 03, 2017.View at: Google Scholar
G. E. Freeman, W. H. Rahmeyer, and R. R. Copeland, “Determination of resistance due to shrubs and woody vegetation,” International Journal of River Basin Management, vol. 19, 2000.View at: Google Scholar
N. Kouwen and T. E. Unny, “Flexible roughness in open channels,” Journal of the Hydraulics Division, vol. 99, no. 5, pp. 713–728, 1973.View at: Publisher Site | Google Scholar
S. Hosseini and J. Abrishami, Open Channel Hydraulics, Elsevier, Amsterdam, Netherlands, 2007.
C. S. James, A. L. Birkhead, A. A. Jordanova, and J. J. O’Sullivan, “Flow resistance of emergent vegetation,” Journal of Hydraulic Research, vol. 42, no. 4, pp. 390–398, 2004.View at: Publisher Site | Google Scholar
F. Huthoff and D. Augustijn, “Channel roughness in 1D steady uniform flow: Manning or Chézy?,,” NCR-days, vol. 102, 2004.View at: Google Scholar
M. S. Sabegh, M. Saneie, M. Habibi, A. A. Abbasi, and M. Ghadimkhani, “Experimental investigation on the effect of river bank tree planting array, on shear velocity,” Journal of Watershed Engineering and Management, vol. 2, no. 4, 2011.View at: Google Scholar
A. Errico, V. Pasquino, M. Maxwald, G. B. Chirico, L. Solari, and F. Preti, “The effect of flexible vegetation on flow in drainage channels: estimation of roughness coefficients at the real scale,” Ecological Engineering, vol. 120, pp. 411–421, 2018.View at: Publisher Site | Google Scholar
S. E. Darby, “Effect of riparian vegetation on flow resistance and flood potential,” Journal of Hydraulic Engineering, vol. 125, no. 5, pp. 443–454, 1999.View at: Publisher Site | Google Scholar
V. Kutija and H. Thi Minh Hong, “A numerical model for assessing the additional resistance to flow introduced by flexible vegetation,” Journal of Hydraulic Research, vol. 34, no. 1, pp. 99–114, 1996.View at: Publisher Site | Google Scholar
T. Fischer-Antze, T. Stoesser, P. Bates, and N. R. B. Olsen, “3D numerical modelling of open-channel flow with submerged vegetation,” Journal of Hydraulic Research, vol. 39, no. 3, pp. 303–310, 2001.View at: Publisher Site | Google Scholar
U. Stephan and D. Gutknecht, “Hydraulic resistance of submerged flexible vegetation,” Journal of Hydrology, vol. 269, no. 1-2, pp. 27–43, 2002.View at: Publisher Site | Google Scholar
F. G. Carollo, V. Ferro, and D. Termini, “Flow resistance law in channels with flexible submerged vegetation,” Journal of Hydraulic Engineering, vol. 131, no. 7, pp. 554–564, 2005.View at: Publisher Site | Google Scholar
W. Fu-sheng, “Flow resistance of flexible vegetation in open channel,” Journal of Hydraulic Engineering, vol. S1, 2007.View at: Google Scholar
P.-f. Wang, C. Wang, and D. Z. Zhu, “Hydraulic resistance of submerged vegetation related to effective height,” Journal of Hydrodynamics, vol. 22, no. 2, pp. 265–273, 2010.View at: Publisher Site | Google Scholar
J. K. Lee, L. C. Roig, H. L. Jenter, and H. M. Visser, “Drag coefficients for modeling flow through emergent vegetation in the Florida Everglades,” Ecological Engineering, vol. 22, no. 4-5, pp. 237–248, 2004.View at: Publisher Site | Google Scholar
G. J. Arcement and V. R. Schneider, Guide for Selecting Manning’s Roughness Coefficients for Natural Channels and Flood Plains, US Government Printing Office, Washington, DC, USA, 1989.
Y. Ding and S. S. Y. Wang, “Identification of Manning’s roughness coefficients in channel network using adjoint analysis,” International Journal of Computational Fluid Dynamics, vol. 19, no. 1, pp. 3–13, 2005.View at: Publisher Site | Google Scholar
E. T. Engman, “Roughness coefficients for routing surface runoff,” Journal of Irrigation and Drainage Engineering, vol. 112, no. 1, pp. 39–53, 1986.View at: Publisher Site | Google Scholar
M. Feizbahr, C. Kok Keong, F. Rostami, and M. Shahrokhi, “Wave energy dissipation using perforated and non perforated piles,” International Journal of Engineering, vol. 31, no. 2, pp. 212–219, 2018.View at: Publisher Site | Google Scholar
M. Farzadkhoo, A. Keshavarzi, H. Hamidifar, and M. Javan, “Sudden pollutant discharge in vegetated compound meandering rivers,” Catena, vol. 182, Article ID 104155, 2019.View at: Publisher Site | Google Scholar
V. T. Chow, Open-channel Hydraulics, Mcgraw-Hill Civil Engineering Series, Chennai, TN, India, 1959.
X. Zhang, R. Jing, Z. Li, Z. Li, X. Chen, and C.-Y. Su, “Adaptive pseudo inverse control for a class of nonlinear asymmetric and saturated nonlinear hysteretic systems,” IEEE/CAA Journal of Automatica Sinica, vol. 8, no. 4, pp. 916–928, 2020.View at: Google Scholar
C. Zuo, Q. Chen, L. Tian, L. Waller, and A. Asundi, “Transport of intensity phase retrieval and computational imaging for partially coherent fields: the phase space perspective,” Optics and Lasers in Engineering, vol. 71, pp. 20–32, 2015.View at: Publisher Site | Google Scholar
C. Zuo, J. Sun, J. Li, J. Zhang, A. Asundi, and Q. Chen, “High-resolution transport-of-intensity quantitative phase microscopy with annular illumination,” Scientific Reports, vol. 7, no. 1, pp. 7654–7722, 2017.View at: Publisher Site | Google Scholar
B.-H. Li, Y. Liu, A.-M. Zhang, W.-H. Wang, and S. Wan, “A survey on blocking technology of entity resolution,” Journal of Computer Science and Technology, vol. 35, no. 4, pp. 769–793, 2020.View at: Publisher Site | Google Scholar
Y. Liu, B. Zhang, Y. Feng et al., “Development of 340-GHz transceiver front end based on GaAs monolithic integration technology for THz active imaging array,” Applied Sciences, vol. 10, no. 21, p. 7924, 2020.View at: Publisher Site | Google Scholar
J. Hu, H. Zhang, L. Liu, X. Zhu, C. Zhao, and Q. Pan, “Convergent multiagent formation control with collision avoidance,” IEEE Transactions on Robotics, vol. 36, no. 6, pp. 1805–1818, 2020.View at: Publisher Site | Google Scholar
M. B. Movahhed, J. Ayoubinejad, F. N. Asl, and M. Feizbahr, “The effect of rain on pedestrians crossing speed,” Computational Research Progress in Applied Science & Engineering (CRPASE), vol. 6, no. 3, 2020.View at: Google Scholar
A. Li, D. Spano, J. Krivochiza et al., “A tutorial on interference exploitation via symbol-level precoding: overview, state-of-the-art and future directions,” IEEE Communications Surveys & Tutorials, vol. 22, no. 2, pp. 796–839, 2020.View at: Publisher Site | Google Scholar
W. Zhu, C. Ma, X. Zhao et al., “Evaluation of sino foreign cooperative education project using orthogonal sine cosine optimized kernel extreme learning machine,” IEEE Access, vol. 8, pp. 61107–61123, 2020.View at: Publisher Site | Google Scholar
G. Liu, W. Jia, M. Wang et al., “Predicting cervical hyperextension injury: a covariance guided sine cosine support vector machine,” IEEE Access, vol. 8, pp. 46895–46908, 2020.View at: Publisher Site | Google Scholar
Y. Wei, H. Lv, M. Chen et al., “Predicting entrepreneurial intention of students: an extreme learning machine with Gaussian barebone harris hawks optimizer,” IEEE Access, vol. 8, pp. 76841–76855, 2020.View at: Publisher Site | Google Scholar
A. Lin, Q. Wu, A. A. Heidari et al., “Predicting intentions of students for master programs using a chaos-induced sine cosine-based fuzzy K-Nearest neighbor classifier,” Ieee Access, vol. 7, pp. 67235–67248, 2019.View at: Publisher Site | Google Scholar
Y. Fan, P. Wang, A. A. Heidari et al., “Rationalized fruit fly optimization with sine cosine algorithm: a comprehensive analysis,” Expert Systems with Applications, vol. 157, Article ID 113486, 2020.View at: Publisher Site | Google Scholar
E. Rodríguez-Esparza, L. A. Zanella-Calzada, D. Oliva et al., “An efficient Harris hawks-inspired image segmentation method,” Expert Systems with Applications, vol. 155, Article ID 113428, 2020.View at: Publisher Site | Google Scholar
S. Jiao, G. Chong, C. Huang et al., “Orthogonally adapted Harris hawks optimization for parameter estimation of photovoltaic models,” Energy, vol. 203, Article ID 117804, 2020.View at: Publisher Site | Google Scholar
Z. Xu, Z. Hu, A. A. Heidari et al., “Orthogonally-designed adapted grasshopper optimization: a comprehensive analysis,” Expert Systems with Applications, vol. 150, Article ID 113282, 2020.View at: Publisher Site | Google Scholar
A. Abbassi, R. Abbassi, A. A. Heidari et al., “Parameters identification of photovoltaic cell models using enhanced exploratory salp chains-based approach,” Energy, vol. 198, Article ID 117333, 2020.View at: Publisher Site | Google Scholar
M. Mahmoodi and K. K. Aminjan, “Numerical simulation of flow through sukhoi 24 air inlet,” Computational Research Progress in Applied Science & Engineering (CRPASE), vol. 03, 2017.View at: Google Scholar
F. J. Golrokh and A. Hasan, “A comparison of machine learning clustering algorithms based on the DEA optimization approach for pharmaceutical companies in developing countries,” ENG Transactions, vol. 1, 2020.View at: Google Scholar
H. Chen, A. A. Heidari, H. Chen, M. Wang, Z. Pan, and A. H. Gandomi, “Multi-population differential evolution-assisted Harris hawks optimization: framework and case studies,” Future Generation Computer Systems, vol. 111, pp. 175–198, 2020.View at: Publisher Site | Google Scholar
J. Guo, H. Zheng, B. Li, and G.-Z. Fu, “Bayesian hierarchical model-based information fusion for degradation analysis considering non-competing relationship,” IEEE Access, vol. 7, pp. 175222–175227, 2019.View at: Publisher Site | Google Scholar
J. Guo, H. Zheng, B. Li, and G.-Z. Fu, “A Bayesian approach for degradation analysis with individual differences,” IEEE Access, vol. 7, pp. 175033–175040, 2019.View at: Publisher Site | Google Scholar
M. M. A. Malakoutian, Y. Malakoutian, P. Mostafapour, and S. Z. D. Abed, “Prediction for monthly rainfall of six meteorological regions and TRNC (case study: north Cyprus),” ENG Transactions, vol. 2, no. 2, 2021.View at: Google Scholar
H. Arslan, M. Ranjbar, and Z. Mutlum, “Maximum sound transmission loss in multi-chamber reactive silencers: are two chambers enough?,,” ENG Transactions, vol. 2, no. 1, 2021.View at: Google Scholar
N. Tonekaboni, M. Feizbahr, N. Tonekaboni, G.-J. Jiang, and H.-X. Chen, “Optimization of solar CCHP systems with collector enhanced by porous media and nanofluid,” Mathematical Problems in Engineering, vol. 2021, Article ID 9984840, 12 pages, 2021.View at: Publisher Site | Google Scholar
Z. Niu, B. Zhang, J. Wang et al., “The research on 220GHz multicarrier high-speed communication system,” China Communications, vol. 17, no. 3, pp. 131–139, 2020.View at: Publisher Site | Google Scholar
B. Zhang, Z. Niu, J. Wang et al., “Four‐hundred gigahertz broadband multi‐branch waveguide coupler,” IET Microwaves, Antennas & Propagation, vol. 14, no. 11, pp. 1175–1179, 2020.View at: Publisher Site | Google Scholar
Z.-Q. Niu, L. Yang, B. Zhang et al., “A mechanical reliability study of 3dB waveguide hybrid couplers in the submillimeter and terahertz band,” Journal of Zhejiang University Science, vol. 1, no. 1, 1998.View at: Google Scholar
B. Zhang, D. Ji, D. Fang, S. Liang, Y. Fan, and X. Chen, “A novel 220-GHz GaN diode on-chip tripler with high driven power,” IEEE Electron Device Letters, vol. 40, no. 5, pp. 780–783, 2019.View at: Publisher Site | Google Scholar
M. Taleghani and A. Taleghani, “Identification and ranking of factors affecting the implementation of knowledge management engineering based on TOPSIS technique,” ENG Transactions, vol. 1, no. 1, 2020.View at: Google Scholar
레이저 사인파 진동(사인) 용접 및 레이저 용접(SLW)에서 1.5mm 6061/5182 알루미늄 합금 박판 랩 조인트의 수치 모델이 온도 분포와 용융 흐름을 시뮬레이션하기 위해 개발되었습니다.
SLW의 일반적인 에너지 분포와 달리 레이저 빔의 사인파 진동은 에너지 분포를 크게 균질화하고 에너지 피크를 줄였습니다. 에너지 피크는 사인 용접의 양쪽에 위치하여 톱니 모양의 단면이 형성되었습니다. 이 논문은 시뮬레이션을 통해 응고 미세구조에 대한 온도 구배(G)와 응고 속도(R)의 영향을 설명했습니다.
결과는 사인 용접의 중심이 낮은 G/R로 더 넓은 영역을 가짐으로써 더 넓은 등축 결정립 영역의 형성을 촉진하고 더 큰 GR로 인해 주상 결정립이 더 가늘다는 것을 나타냅니다. 다공성 및 비관통 용접은 레이저 사인파 진동에 의해 얻어졌습니다.
그 이유는 용융 풀의 부피가 확대되고 열쇠 구멍의 부피 비율이 감소하며 용융 풀의 난류가 완만해졌기 때문이며, 이는 용융 흐름의 고속 이미징 및 시뮬레이션 결과에서 관찰되었습니다. 두 용접부의 인장시험에서 융착선을 따라 인장파괴 형태를 보였고 사인 용접부의 인장강도가 SLW 용접부보다 유의하게 우수하였습니다.
이는 등축 결정립 영역이 넓을수록 균열 경향이 감소하고 파단 위치에 근접한 입자 크기가 미세하기 때문입니다. 결함이 없고 우수한 용접은 신에너지 자동차 산업에 매우 중요합니다.
A numerical model of 1.5 mm 6061/5182 aluminum alloys thin sheets lap joints under laser sinusoidal oscillation (sine) welding and laser welding (SLW) weld was developed to simulate temperature distribution and melt flow. Unlike the common energy distribution of SLW, the sinusoidal oscillation of laser beam greatly homogenized the energy distribution and reduced the energy peak. The energy peaks were located at both sides of the sine weld, resulting in the tooth-shaped sectional formation. This paper illustrated the effect of the temperature gradient (G) and solidification rate (R) on the solidification microstructure by simulation. Results indicated that the center of the sine weld had a wider area with low G/R, promoting the formation of a wider equiaxed grain zone, and the columnar grains were slenderer because of greater GR. The porosity-free and non-penetration welds were obtained by the laser sinusoidal oscillation. The reasons were that the molten pool volume was enlarged, the volume proportion of keyhole was reduced and the turbulence in the molten pool was gentled, which was observed by the high-speed imaging and simulation results of melt flow. The tensile test of both welds showed a tensile fracture form along the fusion line, and the tensile strength of sine weld was significantly better than that of the SLW weld. This was because that the wider equiaxed grain area reduced the tendency of cracks and the finer grain size close to the fracture location. Defect-free and excellent welds are of great significance to the new energy vehicles industry.
Keywords
Laser weldingSinusoidal oscillatingEnergy distributionNumerical simulationMolten pool flowGrain structure
Figures-Effects of sinusoidal oscillating laser beam on weld formation, melt flow and grain structure during aluminum alloys lap welding
적층 제조(AM) 기술은 복잡한 형상의 3D 부품을 쉽게 만들고 미세 구조 제어를 통해 재료 특성을 크게 제어할 수 있기 때문에 많은 관심을 받았습니다. PBF(Powderbed fusion) 방식의 AM 공정에서는 금속 분말을 레이저나 전자빔으로 녹이고 응고시키는 과정을 반복하여 3D 부품을 제작합니다.
일반적으로 응고 미세구조는 Hunt[Mater. 과학. 영어 65, 75(1984)]. 그러나 CET 이론이 일반 316L 스테인리스강에서도 높은 G와 R로 인해 PBF형 AM 공정에 적용될 수 있을지는 불확실하다.
본 연구에서는 미세구조와 응고 조건 간의 관계를 밝히기 위해 전자빔 조사에 의해 유도된 316L 강의 응고 미세구조를 분석하고 CtFD(Computational Thermal-Fluid Dynamics) 방법을 사용하여 고체/액체 계면에서의 응고 조건을 평가했습니다.
CET 이론과 반대로 높은 G 조건에서 등축 결정립이 종종 형성되는 것으로 밝혀졌다. CtFD 시뮬레이션은 약 400 mm s-1의 속도까지 유체 흐름이 있음을 보여 주며 수상 돌기의 파편 및 이동의 영향으로 등축 결정립이 형성됨을 시사했습니다.
Additive manufacturing（AM）technologies have attracted much attention because it enables us to build 3D parts with complicated geometry easily and control material properties significantly via the control of microstructures. In the powderbed fusion（PBF）type AM process, 3D parts are fabricated by repeating a process of melting and solidifying metal powders by laser or electron beams. In general, the solidification microstructures can be predicted from solidification conditions defined by the combination of temperature gradient G and solidification rate R on the basis of columnar-equiaxed transition（CET）theory proposed by Hunt [Mater. Sci. Eng. 65, 75（1984）]. However, it is unclear whether the CET theory can be applied to the PBF type AM process because of the high G and R, even for general 316L stainless steel. In this study, to reveal relationships between microstructures and solidification conditions, we have analyzed solidification microstructures of 316L steel induced by electronbeam irradiation and evaluated solidification conditions at the solid/liquid interface using a computational thermal-fluid dynamics （CtFD）method. It was found that equiaxed grains were often formed under high G conditions contrary to the CET theory. CtFD simulation revealed that there is a fluid flow up to a velocity of about 400 mm s-1, and suggested that equiaxed grains are formed owing to the effect of fragmentations and migrations of dendrites.
Keywords
Additive Manufacturing, 316L Stainless Steel, Powder Bed Fusion, Electron Beam Melting, Computational Thermal Fluid Dynamics Simulation
Fig. 1 Width, height, and height differences calculated from laser
microscope analysis of melt tracks formed by scanning electron
beam.
Fig. 2（a）Scanning electron microscope（SEM）image and（b）
corresponding electron back-scattering diffraction（EBSD）
IPF-map taken from the electron-beam irradiated region in
P900-V100 sample.
Fig. 3 Average grain size and their aspect ratio calculated from EBSD
IPF-map taken from the electron-beam irradiated region.Fig. 4 Comparison of experimental SEM image and computational
thermal fluid dynamics（CtFD）simulated melt pool with a beam
diameter of 700 μm and absorption rates of（a）0.3,（b）0.5, and
（c）0.7. Electron beam power and scan speed are 900 W and
100 mm s-1, respectively.
Fig. 5 Comparison of experimental SEM image and CtFD simulated
melt pool with beam diameters of（a）700 μm,（b）1000 μm,
and（c）1300 μm and an absorption rate of 0.3. Electron beam
power and scan speed are 900 W and 100 mm s-1, respectivelyFig. 6 Depth of melt tracks calculated from experimental SEM image
and CtFD simulation results.Fig. 7 G-R plots of 316L steel colored by（a）aspect ratio of crystalline
grains and（b）fluid velocity. Fig. 8 Comparison of solidification microstructure（EBSD IPF-map）of
melt region formed by scanning electron beam and corresponding
snap shot of CtFD simulation colored by fluid velocity
References
1） M.C. Sow, T. De Terris, O. Castelnau, Z. Hamouche, F. Coste, R. Fabbro and P. Peyre: “Influence of beam diameter on Laser Powder
Bed Fusion（L-PBF）process”, Addit. Manuf. 36（2020）, 101532. 2） J.C. Simmons, X. Chen, A. Azizi, M.A. Daeumer, P.Y. Zavalij, G. Zhou and S.N. Schiffres: “Influence of processing and microstructure on the local and bulk thermal conductivity of selective laser melted 316L stainless steel”, Addit. Manuf. 32（2020）, 100996. 3） S. Dryepondt, P. Nandwana, P. Fernandez-Zelaia and F. List: “Microstructure and High Temperature Tensile properties of 316L Fabricated by Laser Powder-Bed Fusion”, Addit. Manuf. 37（2020）, 101723. 4） S.H. Sun, T. Ishimoto, K. Hagihara, Y. Tsutsumi, T. Hanawa and T. Nakano: “Excellent mechanical and corrosion properties of austenitic stainless steel with a unique crystallographic lamellar microstructure via selective laser melting”, Scr. Mater. 159（2019）, 89-93. 5） T. Ishimoto, S. Wu, Y. Ito, S.H. Sun, H. Amano and T. Nakano: “Crystallographic orientation control of 316L austenitic stainless steel via selective laser melting”, ISIJ Int. 60（2020）, 1758-1764. 6） T. Ishimoto, K. Hagihara, K. Hisamoto, S.H. Sun and T. Nakano: “Crystallographic texture control of beta-type Ti-15Mo-5Zr3Al alloy by selective laser melting for the development of novel implants with a biocompatible low Young’s modulus”, Scr. Mater. 132（2017）, 34-38. 7） X. Ding, Y. Koizumi, D. Wei and A. Chiba: “Effect of process parameters on melt pool geometry and microstructure development for electron beam melting of IN718: A systematic single bead analysis study”, Addit. Manuf. 26（2019）, 215-226. 8） K. Karayagiz, L. Johnson, R. Seede, V. Attari, B. Zhang, X. Huang, S. Ghosh, T. Duong, I. Karaman, A. Elwany and R. Arróyave: “Finite interface dissipation phase field modeling of Ni-Nb under additive manufacturing conditions”, Acta Mater. 185（2020）, 320-339. 9） M.M. Kirka, Y. Lee, D.A. Greeley, A. Okello, M.J. Goin, M.T. Pearce and R.R. Dehoff: “Strategy for Texture Management in Metals Additive Manufacturing”, JOM, 69（2017）, 523-531. 10） S.S. Babu, N. Raghavan, J. Raplee, S.J. Foster, C. Frederick, M. Haines, R. Dinwiddie, M.K. Kirka, A. Plotkowski, Y. Lee and R.R. Dehoff: “Additive Manufacturing of Nickel Superalloys: Opportunities for Innovation and Challenges Related to Qualification”, Metall. Mater. Trans. A. 49（2018）, 3764-3780. 11） M.R. Gotterbarm, A.M. Rausch and C. Körner: “Fabrication of Single Crystals through a μ-Helix Grain Selection Process during Electron Beam Metal Additive Manufacturing”, Metals, 10（2020）, 313. 12） J.D.D. Hunt: “Steady state columnar and equiaxed growth of dendrites and eutectic”, Mater. Sci. Eng. 65（1984）, 75-83. 13） S. Bontha, N.W. Klingbeil, P.A. Kobryn and H.L. Fraser: “Effects of process variables and size-scale on solidification microstructure in beam-based fabrication of bulky 3D structures”, Mater. Sci. Eng. A. 513-514（2009）, 311-318. 14） J. Gockel and J. Beuth: “Understanding Ti-6Al-4V microstructure control in additive manufacturing via process maps”, 24th Int. SFF Symp. – An Addit. Manuf. Conf. SFF 2013.（2013）, 666-674. 15） B. Schoinochoritis, D. Chantzis and K. Salonitis: “Simulation of metallic powder bed additive manufacturing processes with the finite element method: A critical review”, Proc. of Instit. Mech. Eng., Part B: J. Eng. Manuf. 231（2017）, 96-117. 16）小泉雄一郎: “計算機シミュレーションを用いたAdditive Manufacturing プロセス最適化予測”, スマートプロセス学会誌， 8-4（2019）, 132-138. 17） Y. Zhao, Y. Koizumi, K. Aoyagi, D. Wei, K. Yamanaka and A. Chiba: “Molten pool behavior and effect of fluid flow on solidification conditions in selective electron beam melting（SEBM）of a biomedical Co-Cr-Mo alloy”, Addit. Manuf. 26（2019）, 202-214. 18） C. Tang, J.L. Tan and C.H. Wong: “A numerical investigation on the physical mechanisms of single track defects in selective laser melting”, Int. J. Heat Mass Transf. 126（2018）, 957-968. 19） Technical data for Iron, [Online]. Available: http://periodictable.com/ Elements/026/data.html. [Accessed: 8-Feb-2021]. 20） N. Raghavan, R. Dehoff, S. Pannala, S. Simunovic, M. Kirka, J. Turner, N. Carl-son and S.S. Babu: “Numerical modeling of heattransfer and the influence of process parameters on tailoring the grain morphology of IN718 in electron beam additive manufacturing”, Acta Mater. 112（2016）, 303-314. 21） S. Morita, Y. Miki and K. Toishi: “Introduction of Dendrite Fragmentation to Microstructure Calculation by Cellular Automaton Method”, Tetsu-to-Hagane. 104（2018）, 559-566. 22） H. Esaka and M. Tamura: “Model Experiment Using Succinonitrile on the Formation of Equiaxed Grains caused by Forced Convection”, Tetsu-to-Hagane. 86（2000）, 252-258.
17-4 PH 스테인리스강의 레이저 분말 베드 융합: 열처리가 미세조직의 진화 및 기계적 특성에 미치는 영향에 대한 비교 연구
panelS.Saboonia, A.Chaboka, S.Fenga,e, H.Blaauwb, T.C.Pijperb,c, H.J.Yangd, Y.T.Peia aDepartment of Advanced Production Engineering, Engineering and Technology Institute Groningen, University of Groningen, Nijenborgh 4, 9747 AG, Groningen, The Netherlands bPhilips Personal Care, Oliemolenstraat 5, 9203 ZN, Drachten, The Netherlands cInnovation Cluster Drachten, Nipkowlaan 5, 9207 JA, Drachten, The Netherlands dShi-changxu Innovation Center for Advanced Materials, Institute of Metal Research, Chinese Academy of Sciences, 72 Wenhua Road, Shenyang 110016, P. R. China eSchool of Mechanical Engineering, University of Science and Technology Beijing, Beijing, 100083, P.R. China
Abstract
17-4 PH (precipitation hardening) stainless steel is commonly used for the fabrication of complicated molds with conformal cooling channels using laser powder bed fusion process (L-PBF). However, their microstructure in the as-printed condition varies notably with the chemical composition of the feedstock powder, resulting in different age-hardening behavior. In the present investigation, 17-4 PH stainless steel components were fabricated by L-PBF from two different feedstock powders, and subsequently subjected to different combinations of post-process heat treatments. It was observed that the microstructure in as-printed conditions could be almost fully martensitic or ferritic, depending on the ratio of Creq/Nieq of the feedstock powder. Aging treatment at 480 °C improved the yield and ultimate tensile strengths of the as-printed components. However, specimens with martensitic structures exhibited accelerated age-hardening response compared with the ferritic specimens due to the higher lattice distortion and dislocation accumulation, resulting in the “dislocation pipe diffusion mechanism”. It was also found that the martensitic structures were highly susceptible to the formation of reverted austenite during direct aging treatment, where 19.5% of austenite phase appeared in the microstructure after 15 h of direct aging. Higher fractions of reverted austenite activates the transformation induced plasticity and improves the ductility of heat treated specimens. The results of the present study can be used to tailor the microstructure of the L-PBF printed 17-4 PH stainless steel by post-process heat treatments to achieve a good combination of mechanical properties.
17-4 PH(석출 경화) 스테인리스강은 레이저 분말 베드 융합 공정(L-PBF)을 사용하여 등각 냉각 채널이 있는 복잡한 금형 제작에 일반적으로 사용됩니다. 그러나 인쇄된 상태의 미세 구조는 공급원료 분말의 화학적 조성에 따라 크게 달라지므로 시효 경화 거동이 다릅니다.
현재 조사에서 17-4 PH 스테인리스강 구성요소는 L-PBF에 의해 두 가지 다른 공급원료 분말로 제조되었으며, 이후에 다양한 조합의 후처리 열처리를 거쳤습니다. 인쇄된 상태의 미세구조는 공급원료 분말의 Creq/Nieq 비율에 따라 거의 완전히 마르텐사이트 또는 페라이트인 것으로 관찰되었습니다.
480 °C에서 노화 처리는 인쇄된 구성 요소의 수율과 극한 인장 강도를 개선했습니다. 그러나 마텐자이트 구조의 시편은 격자 변형 및 전위 축적이 높아 페라이트 시편에 비해 시효 경화 반응이 가속화되어 “전위 파이프 확산 메커니즘”이 발생합니다.
또한 마르텐사이트 구조는 직접 시효 처리 중에 복귀된 오스테나이트의 형성에 매우 민감한 것으로 밝혀졌으며, 여기서 15시간의 직접 시효 후 미세 조직에 19.5%의 오스테나이트 상이 나타났습니다.
복귀된 오스테나이트의 비율이 높을수록 변형 유도 가소성이 활성화되고 열처리된 시편의 연성이 향상됩니다. 본 연구의 결과는 기계적 특성의 우수한 조합을 달성하기 위해 후처리 열처리를 통해 L-PBF로 인쇄된 17-4 PH 스테인리스강의 미세 구조를 조정하는 데 사용할 수 있습니다.
Fig. 1. Schematic of (a) geometry of the simulation model, (b) A-A cross-section presenting the locations of point probes for recording temperature history (unit: µm).Fig. 2. Optical (a, b) and TEM (c) micrographs of the wrought 17-4 PH stainless steel.Fig. 3. EBSD micrographs of the as-printed 17-4 PH steel fabricated with “powder A” (a, b) and “powder B” (c, d) on two different cross sections: (a, c) perpendicular to the building direction, and (b, d) parallel to the building direction.Fig. 4. Microstructure of the as-printed 17-4 PH stainless steel fabricated with “powder A” (a) and “powder B” (b).Fig. 5. Simulated temperature history of the probes located at the cross section of the L-PBF 17-4 PH steel sample.Fig. 6. Dependency of the volume fraction of delta ferrite in the final microstructure of L-PBF printed 17-4 PH steel as a function of Creq/Nieq.Fig. 7. IQ + IPF (left column), parent austenite grain maps (middle column) and phase maps (right column, green color = martensite, red color = austenite) of the post-process heat treated 17-4 PH stainless steel: (a-c) direct aged, (d-f) HIP + aging, (g-i) SA + Aging, and (j-l) HIP + SA + aging (all sample were printed with “powder A”).Fig. 8. TEM micrographs of the post process heat treated 17-4 PH stainless steel: (a) direct aging and (b) HIP + aging (printed with “powder A”).Fig. 9. XRD patterns of the post-process heat treated 17-4 PH stainless steel printed with “powder A”.Fig. 10. (a) Volume fraction of reverted austenite as a function of aging time for “direct aging” condition, (b) phase map (green color = martensite, red color = austenite) of the 15 h direct aged specimen printed with “powder A”.Fig. 11. Microhardness variations of the “direct aged” specimens as a function of aging time at 480 °C.Fig. 12. Kernel average misorientation graphs of the as-printed 17-4 PH steel with (a) martensitic structure (printed with “powder A”) and (b) ferritic structure (printed with “powder b”).Fig. 13. Typical stress-strain curves (a) along with the yield and ultimate tensile strengths (b) and elongation (c) of the as-printed and post-process heat treated 17-4 PH stainless steel (all sample are fabricated with “powder A”).Fig. 14. (a) IQ + IPF and (b) phase map (green color = martensite, red color = austenite) of the “direct aged” specimen after tensile test at a location nearby the rupture point (tension direction from left to right).
Atom Probe Tomographic Characterization of nanoscale cu-rich Precipitates in 17-4 precipitate hardened stainless steel tempered at different temperatures
An analytical method to predict and compensate for residual stress-induced deformation in overhanging regions of internal channels fabricated using powder bed fusion
Nano/ultrafine grained austenitic stainless steel through the formation and reversion of deformation-induced martensite: Mechanisms, microstructures, mechanical properties, and TRIP effect
J.B. Ferguson, Benjamin F. Schultz, Dev Venugopalan1, Hugo F. Lopez, Pradeep K. Rohatgi, Kyu Cho, Chang-Soo Kim
On the Superposition of Strengthening Mechanisms in Dispersion Strengthened Alloys and Metal-Matrix Nanocomposites: Considerations of Stress and Energy
J.B. Speed School of Engineering, University of Louisville, Louisville, KY 40292, United States
Abstract
The surface morphology of parts made by the laser powder bed fusion (L-PBF) process is governed by the flow of the melt pool. The nature of the molten metal flow depends on the material properties, process parameters, and powder-bed particles, etc., and may result in potentially significant variations along a laser scanning path.
This study investigates the formation of transient and steady-state zones through a single-track l-PBF experiment using Inconel 625 powder. Single tracks with lengths of 1 mm and 2 mm were fabricated using 195 W laser power and scan speeds of 400 mm/s or 800 mm/s. The surface morphology of the track was analyzed using a white light interferometer (WLI), and an individual single track can be divided into three distinct zones based on the track width and height.
The initial transient region has a wider and taller solidified track geometry, the region near the end of a scan has a tapered profile with a decreasing track width and height, while the steady-state region in the middle has a smaller variation in the width and height.
A mesoscale numerical model was further developed using FLOW-3D to examine the formation of the transient and steady-state zones. At the start of a scan, strong flow occurs outward and backward, leading to the formation of a wider track with a bump. As the scan continues, the thermal gradient stabilizes, leading to a steady state, which resulted in a very small fluctuation in the width. Furthermore, the tapered end of the scan track is due to the half-lemniscate shape of the melt pool during laser scanning.
L-PBF(Laser Powder Bed fusion) 공정으로 만든 부품의 표면 형태는 용융 풀의 흐름에 따라 결정됩니다. 용융 금속 흐름의 특성은 재료 특성, 공정 매개변수 및 분말층 입자 등에 따라 달라지며 레이저 스캐닝 경로를 따라 잠재적으로 상당한 변동이 발생할 수 있습니다.
이 연구는 Inconel 625 분말을 사용하여 단일 트랙 l-PBF 실험을 통해 과도 및 정상 상태 영역의 형성을 조사합니다. 1 mm 및 2 mm 길이의 단일 트랙은 195 W 레이저 출력과 400 mm/s 또는 800 mm/s의 스캔 속도를 사용하여 제작되었습니다. 트랙의 표면 형태는 백색광 간섭계(WLI)를 사용하여 분석되었으며 개별 단일 트랙은 트랙 너비와 높이에 따라 3개의 별개 영역으로 나눌 수 있습니다.
초기 과도 영역은 더 넓고 더 높은 응고된 트랙 형상을 가지며, 스캔 끝 근처의 영역은 트랙 너비와 높이가 감소하는 테이퍼 프로파일을 갖는 반면, 중간의 정상 상태 영역은 너비와 높이에서 더 작은 변동을 가집니다. 신장. 중간 규모 수치 모델은 과도 및 정상 상태 영역의 형성을 조사하기 위해 FLOW-3D를 사용하여 추가로 개발되었습니다.
스캔이 시작될 때 강한 흐름이 바깥쪽과 뒤쪽으로 발생하여 범프가 있는 더 넓은 트랙이 형성됩니다. 스캔이 계속됨에 따라 열 구배가 안정화되어 정상 상태로 이어지며 폭의 변동이 매우 작습니다. 또한 스캔 트랙의 끝이 가늘어지는 것은 레이저 스캔 중 용융 풀의 반-렘니케이트 모양 때문입니다.
A study of transient and steady-state regions from single-track deposition in laser powder bed fusion
Keywords
Additive manufacturing, Laser powder bed fusion, Numerical modelling, Transient region
냉각 속도 및 온도 구배와 같은 FLOW-3D AM 데이터를 미세 구조 모델에 입력하여 결정 성장 및 수상 돌기 암 간격을 예측할 수 있습니다.
레이저 파우더 베드 융합으로 제작 된 니켈 기반 초합금의 열전달, 유체 흐름 및 응고 미세 구조 모델링
오하이오 주립 대학의 연구원들은 니켈 기반 초합금의 미세 구조 진화를 예측하기 위해 용융 풀과 고체 / 액체 인터페이스의 적절한 위치에서 열 구배 및 냉각 속도 데이터를 추출했습니다.
참조 : YS Lee and W. Zhang, Modeling of heat transfer, fluid flow and solidification microstructure of nickel-base superalloy fabricated by laser powder bed fusion , S2214-8604 (16) 30087-2, doi.org/10.1016/j.addma .2016.05.003 , ADDMA 86.
열 응력 | Thermal Stresses
FLOW-3D AM 시뮬레이션의 결과를 ABAQUS 또는 MSC NASTRAN과 같은 FEA 소프트웨어에 입력하여 추가 열 응력 분석을 실행할 수 있습니다. 여기에서 T- 조인트의 레이저 용접 시뮬레이션 결과를 추가 응력 분석을 위해 ABAQUS로 가져 오는 방법을 볼 수 있습니다. 마찬가지로 LPBF 시뮬레이션에서 응고 된 용융 풀 데이터의 결과를 사용하여 다른 FEA 소프트웨어에서 열 응력 및 왜곡 분석을 연구 할 수 있습니다.
DED (Directed Energy Deposition)는 레이저 또는 전자 빔과 같은 에너지 소스를 사용하여 가열 및 융합되는 와이어 또는 분말을 증착하여 부품을 만드는 적층 제조 공정입니다. FLOW-3D AM 은 분말 또는 와이어 이송 속도 및 크기 특성, 레이저 출력 및 스캔 속도와 같은 공정 매개 변수를 고려하여 DED 공정을 시뮬레이션 할 수 있습니다. 또한, 기판과 분말 재료의 서로 다른 합금에 대해 독립적 인 열 물리적 재료 특성을 정의하여 다중 재료 DED 프로세스를 시뮬레이션 할 수 있습니다.
레이저 물리학의 구현과 열 전달, 응고, 표면 장력, 차폐 가스 효과 및 반동 압력을 포함한 압력 효과를 통해 연구원은 결과 용접 비드의 강도 및 균일성에 대한 공정 매개 변수의 영향을 정확하게 분석 할 수 있습니다. 또한 이러한 시뮬레이션을 여러 레이어로 확장하여 후속 레이어 간의 융합을 분석 할 수 있습니다.
일부 연구자들은 부품을 만들기 위해 더 넓은 범위의 처리 조건을 사용하여 하이브리드 와이어 분말 기반 DED 시스템을 찾고 있습니다. 예를 들어, 이 시뮬레이션은 다양한 분말 및 와이어 이송 속도를 가진 하이브리드 시스템을 살펴봅니다.
와이어 기반 DED | Wire Based DED
와이어 기반 DED는 분말 기반 DED보다 처리량이 높고 낭비가 적지만 재료 구성 및 증착 방향 측면에서 유연성이 떨어집니다. FLOW-3D AM 은 와이어 기반 DED의 처리 결과를 이해하는데 유용하며 최적화 연구를 통해 빌드에 대한 와이어 이송 속도 및 직경과 같은 최상의 처리 매개 변수를 찾을 수 있습니다.
FLOW-3D AM은 레이저 파우더 베드 융합 (L-PBF), 바인더 제트 및 DED (Directed Energy Deposition)와 같은 적층 제조 공정 ( additive manufacturing )을 시뮬레이션하고 분석하는 CFD 소프트웨어입니다. FLOW-3D AM 의 다중 물리 기능은 공정 매개 변수의 분석 및 최적화를 위해 분말 확산 및 압축, 용융 풀 역학, L-PBF 및 DED에 대한 다공성 형성, 바인더 분사 공정을 위한 수지 침투 및 확산에 대해 매우 정확한 시뮬레이션을 제공합니다.
3D 프린팅이라고도하는 적층 제조(additive manufacturing)는 일반적으로 층별 접근 방식을 사용하여, 분말 또는 와이어로 부품을 제조하는 방법입니다. 금속 기반 적층 제조 공정에 대한 관심은 지난 몇 년 동안 시작되었습니다. 오늘날 사용되는 3 대 금속 적층 제조 공정은 PBF (Powder Bed Fusion), DED (Directed Energy Deposition) 및 바인더 제트 ( Binder jetting ) 공정입니다. FLOW-3D AM 은 이러한 각 프로세스에 대한 고유 한 시뮬레이션 통찰력을 제공합니다.
파우더 베드 융합 및 직접 에너지 증착 공정에서 레이저 또는 전자 빔을 열원으로 사용할 수 있습니다. 두 경우 모두 PBF용 분말 형태와 DED 공정용 분말 또는 와이어 형태의 금속을 완전히 녹여 융합하여 층별로 부품을 형성합니다. 그러나 바인더 젯팅(Binder jetting)에서는 결합제 역할을 하는 수지가 금속 분말에 선택적으로 증착되어 층별로 부품을 형성합니다. 이러한 부품은 더 나은 치밀화를 달성하기 위해 소결됩니다.
FLOW-3D AM 의 자유 표면 추적 알고리즘과 다중 물리 모델은 이러한 각 프로세스를 높은 정확도로 시뮬레이션 할 수 있습니다. 레이저 파우더 베드 융합 (L-PBF) 공정 모델링 단계는 여기에서 자세히 설명합니다. DED 및 바인더 분사 공정에 대한 몇 가지 개념 증명 시뮬레이션도 표시됩니다.
레이저 파우더 베드 퓨전 (L-PBF)
LPBF 공정에는 유체 흐름, 열 전달, 표면 장력, 상 변화 및 응고와 같은 복잡한 다중 물리학 현상이 포함되어 공정 및 궁극적으로 빌드 품질에 상당한 영향을 미칩니다. FLOW-3D AM 의 물리적 모델은 질량, 운동량 및 에너지 보존 방정식을 동시에 해결하는 동시에 입자 크기 분포 및 패킹 비율을 고려하여 중규모에서 용융 풀 현상을 시뮬레이션합니다.
FLOW-3D DEM 및 FLOW-3D WELD 는 전체 파우더 베드 융합 공정을 시뮬레이션하는 데 사용됩니다. L-PBF 공정의 다양한 단계는 분말 베드 놓기, 분말 용융 및 응고,이어서 이전에 응고 된 층에 신선한 분말을 놓는 것, 그리고 다시 한번 새 층을 이전 층에 녹이고 융합시키는 것입니다. FLOW-3D AM 은 이러한 각 단계를 시뮬레이션하는 데 사용할 수 있습니다.
파우더 베드 부설 공정
FLOW-3D DEM을 통해 분말 크기 분포, 재료 특성, 응집 효과는 물론 롤러 또는 블레이드 움직임 및 상호 작용과 같은 기하학적 효과와 관련된 분말 확산 및 압축을 이해할 수 있습니다. 이러한 시뮬레이션은 공정 매개 변수가 후속 인쇄 공정에서 용융 풀 역학에 직접적인 영향을 미치는 패킹 밀도와 같은 분말 베드 특성에 어떻게 영향을 미치는지에 대한 정확한 이해를 제공합니다.
다양한 파우더 베드 압축을 달성하는 한 가지 방법은 베드를 놓는 동안 다양한 입자 크기 분포를 선택하는 것입니다. 아래에서 볼 수 있듯이 세 가지 크기의 입자 크기 분포가 있으며, 이는 가장 높은 압축을 제공하는 Case 2와 함께 다양한 분말 베드 압축을 초래합니다.
세 가지 다른 입자 크기 분포를 사용하여 파우더 베드 배치세 가지 다른 입자 크기 분포를 사용한 분말 베드 압축
입자-입자 상호 작용, 유체-입자 결합 및 입자 이동 물체 상호 작용은 FLOW-3D DEM을 사용하여 자세히 분석 할 수도 있습니다 . 또한 입자간 힘을 지정하여 분말 살포 응용 분야를 보다 정확하게 연구 할 수도 있습니다.
이 FLOW-3D AM 시뮬레이션은 이산 요소 방법 (DEM)을 사용하여 역 회전하는 원통형 롤러로 인한 분말 확산을 연구합니다. 비디오 시작 부분에서 빌드 플랫폼이 위로 이동하는 동안 분말 저장소가 아래로 이동합니다. 그 직후, 롤러는 분말 입자 (초기 위치에 따라 색상이 지정됨)를 다음 층이 녹고 구축 될 준비를 위해 구축 플랫폼으로 펼칩니다. 이러한 시뮬레이션은 저장소에서 빌드 플랫폼으로 전송되는 분말 입자의 선호 크기에 대한 추가 통찰력을 제공 할 수 있습니다.
Melting | 파우더 베드 용해
DEM 시뮬레이션에서 파우더 베드가 생성되면 STL 파일로 추출됩니다. 다음 단계는 CFD를 사용하여 레이저 용융 공정을 시뮬레이션하는 것입니다. 여기서는 레이저 빔과 파우더 베드의 상호 작용을 모델링 합니다. 이 프로세스를 정확하게 포착하기 위해 물리학에는 점성 흐름, 용융 풀 내의 레이저 반사 (광선 추적을 통해), 열 전달, 응고, 상 변화 및 기화, 반동 압력, 차폐 가스 압력 및 표면 장력이 포함됩니다. 이 모든 물리학은 이 복잡한 프로세스를 정확하게 시뮬레이션하기 위해 TruVOF 방법을 기반으로 개발되었습니다.
레이저 출력 200W, 스캔 속도 3.0m / s, 스폿 반경 100μm에서 파우더 베드의 용융 풀 분석.
용융 풀이 응고되면 FLOW-3D AM 압력 및 온도 데이터를 Abaqus 또는 MSC Nastran과 같은 FEA 도구로 가져와 응력 윤곽 및 변위 프로파일을 분석 할 수도 있습니다.
Multilayer | 다층 적층 제조
용융 풀 트랙이 응고되면 DEM을 사용하여 이전에 응고된 층에 새로운 분말 층의 확산을 시뮬레이션 할 수 있습니다. 유사하게, 레이저 용융은 새로운 분말 층에서 수행되어 후속 층 간의 융합 조건을 분석 할 수 있습니다.
해석 진행 절차는 첫 번째 용융층이 응고되면 입자의 두 번째 층이 응고 층에 증착됩니다. 새로운 분말 입자 층에 레이저 공정 매개 변수를 지정하여 용융 풀 시뮬레이션을 다시 수행합니다. 이 프로세스를 여러 번 반복하여 연속적으로 응고된 층 간의 융합, 빌드 내 온도 구배를 평가하는 동시에 다공성 또는 기타 결함의 형성을 모니터링 할 수 있습니다.
LPBF의 키홀 링 | Keyholing in LPBF
키홀링 중 다공성은 어떻게 형성됩니까? 이것은 TU Denmark의 연구원들이 FLOW-3D AM을 사용하여 답변한 질문이었습니다. 레이저 빔의 적용으로 기판이 녹으면 기화 및 상 변화로 인한 반동 압력이 용융 풀을 압박합니다. 반동 압력으로 인한 하향 흐름과 레이저 반사로 인한 추가 레이저 에너지 흡수가 공존하면 폭주 효과가 발생하여 용융 풀이 Keyholing으로 전환됩니다. 결국, 키홀 벽을 따라 온도가 변하기 때문에 표면 장력으로 인해 벽이 뭉쳐져서 진행되는 응고 전선에 의해 갇힐 수 있는 공극이 생겨 다공성이 발생합니다. FLOW-3D AM 레이저 파우더 베드 융합 공정 모듈은 키홀링 및 다공성 형성을 시뮬레이션 하는데 필요한 모든 물리 모델을 보유하고 있습니다.
바인더 분사 (Binder jetting)
Binder jetting 시뮬레이션은 모세관 힘의 영향을받는 파우더 베드에서 바인더의 확산 및 침투에 대한 통찰력을 제공합니다. 공정 매개 변수와 재료 특성은 증착 및 확산 공정에 직접적인 영향을 미칩니다.
Scan Strategy | 스캔 전략
스캔 전략은 온도 구배 및 냉각 속도에 영향을 미치기 때문에 미세 구조에 직접적인 영향을 미칩니다. 연구원들은 FLOW-3D AM 을 사용하여 결함 형성과 응고된 금속의 미세 구조에 영향을 줄 수 있는 트랙 사이에서 발생하는 재 용융을 이해하기 위한 최적의 스캔 전략을 탐색하고 있습니다. FLOW-3D AM 은 하나 또는 여러 레이저에 대해 시간에 따른 방향 속도를 구현할 때 완전한 유연성을 제공합니다.
Beam Shaping | 빔 형성
레이저 출력 및 스캔 전략 외에도 레이저 빔 모양과 열유속 분포는 LPBF 공정에서 용융 풀 역학에 큰 영향을 미칩니다. AM 기계 제조업체는 공정 안정성 및 처리량에 대해 다중 코어 및 임의 모양의 레이저 빔 사용을 모색하고 있습니다. FLOW-3D AM을 사용하면 멀티 코어 및 임의 모양의 빔 프로파일을 구현할 수 있으므로 생산량을 늘리고 부품 품질을 개선하기 위한 최상의 구성에 대한 통찰력을 제공 할 수 있습니다.
이 시뮬레이션에서 스테인리스 강 및 알루미늄 분말은 FLOW-3D AM 이 용융 풀 역학을 정확하게 포착하기 위해 추적하는 독립적으로 정의 된 온도 의존 재료 특성을 가지고 있습니다. 시뮬레이션은 용융 풀에서 재료 혼합을 이해하는 데 도움이됩니다.
다중 재료 용접 사례 연구
이종 금속의 레이저 키홀 용접에서 금속 혼합 조사
GM과 University of Utah의 연구원들은 FLOW-3D WELD 를 사용 하여 레이저 키홀 용접을 통한 이종 금속의 혼합을 이해했습니다. 그들은 반동 압력 및 Marangoni 대류와 관련하여 구리와 알루미늄의 혼합 농도에 대한 레이저 출력 및 스캔 속도의 영향을 조사했습니다. 그들은 시뮬레이션을 실험 결과와 비교했으며 샘플 내의 절단 단면에서 재료 농도 사이에 좋은 일치를 발견했습니다.
이종 금속의 레이저 키홀 용접에서 금속 혼합 조사참조 : Wenkang Huang, Hongliang Wang, Teresa Rinker, Wenda Tan, 이종 금속의 레이저 키홀 용접에서 금속 혼합 조사 , Materials & Design, Volume 195, (2020). https://doi.org/10.1016/j.matdes.2020.109056
방향성 에너지 증착
FLOW-3D AM 의 내장 입자 모델 을 사용하여 직접 에너지 증착 프로세스를 시뮬레이션 할 수 있습니다. 분말 주입 속도와 고체 기질에 입사되는 열유속을 지정함으로써 고체 입자는 용융 풀에 질량, 운동량 및 에너지를 추가 할 수 있습니다. 다음 비디오에서 고체 금속 입자가 용융 풀에 주입되고 기판에서 용융 풀의 후속 응고가 관찰됩니다.
Surface roughness of laser powder bed fusion (L-PBF) printed overhang regions is a major contributor to deteriorated shape accuracy/surface quality. This study investigates the mechanisms behind the evolution of surface roughness (Ra) in overhang regions. The evolution of surface morphology is the result of a combination of border track contour, powder adhesion, warp deformation, and dross formation, which is strongly related to the overhang angle (θ). When 0° ≤ θ ≤ 15°, the overhang angle does not affect Ra significantly since only a small area of the melt pool boundaries contacts the powder bed resulting in slight powder adhesion. When 15° < θ ≤ 50°, powder adhesion is enhanced by the melt pool sinking and the increased contact area between the melt pool boundary and powder bed. When θ > 50°, large waviness of the overhang contour, adhesion of powder clusters, severe warp deformation and dross formation increase Ra sharply.
레이저 파우더 베드 퓨전 (L-PBF) 프린팅 오버행 영역의 표면 거칠기는 형상 정확도 / 표면 품질 저하의 주요 원인입니다. 이 연구 는 오버행 영역에서 표면 거칠기 (Ra ) 의 진화 뒤에 있는 메커니즘을 조사합니다 . 표면 형태의 진화는 오버행 각도 ( θ ) 와 밀접한 관련이있는 경계 트랙 윤곽, 분말 접착, 뒤틀림 변형 및 드로스 형성의 조합의 결과입니다 . 0° ≤ θ ≤ 15° 인 경우 , 용융풀 경계의 작은 영역 만 분말 베드와 접촉하여 약간의 분말 접착이 발생하기 때문에 오버행 각도가 R a에 큰 영향을 주지 않습니다 . 15° < θ 일 때 ≤ 50°, 용융 풀 싱킹 및 용융 풀 경계와 분말 베드 사이의 증가된 접촉 면적으로 분말 접착력이 향상됩니다. θ > 50° 일 때 오버행 윤곽의 큰 파형, 분말 클러스터의 접착, 심한 휨 변형 및 드 로스 형성이 Ra 급격히 증가 합니다.
KEYWORDS: Laser powder bed fusion (L-PBF), melt pool dynamics, overhang region, shape deviation, surface roughness
1. Introduction
레이저 분말 베드 융합 (L-PBF)은 첨단 적층 제조 (AM) 기술로, 집중된 레이저 빔을 사용하여 금속 분말을 선택적으로 융합하여 슬라이스 된 3D 컴퓨터 지원에 따라 층별로 3 차원 (3D) 금속 부품을 구축합니다. 설계 (CAD) 모델 (Chatham, Long 및 Williams 2019 ; Tan, Zhu 및 Zhou 2020 ). 재료가 인쇄 층 아래에 존재하는지 여부에 따라 인쇄 영역은 각각 솔리드 영역 또는 돌출 영역으로 분류 될 수 있습니다. 따라서 오버행 영역은 고체 기판이 아니라 분말 베드 바로 위에 건설되는 특수 구조입니다 (Patterson, Messimer 및 Farrington 2017). 오버행 영역은지지 구조를 포함하거나 포함하지 않고 구축 할 수 있으며, 지지대가있는 돌출 영역의 L-PBF는 지지체가 더 낮은 밀도로 구축된다는 점을 제외 하고 (Wang and Chou 2018 ) 고체 기판의 공정과 유사합니다 (따라서 기계적 강도가 낮기 때문에 L-PBF 공정 후 기계적으로 쉽게 제거 할 수 있습니다. 따라서지지 구조로 인쇄 된 오버행 영역은 L-PBF 공정 후 지지물 제거, 연삭 및 연마와 같은 추가 후 처리 단계가 필요합니다.
수평 내부 채널의 제작과 같은 일부 특정 경우에는 공정 후 지지대를 제거하기가 어려우므로 채널 상단 절반의 돌출부 영역을 지지대없이 건설해야합니다 (Hopkinson and Dickens 2000 ). 수평 내부 채널에 사용할 수없는지지 구조 외에도 내부 표면, 특히 등각 냉각 채널 (Feng, Kamat 및 Pei 2021 ) 에서 발생하는 복잡한 3D 채널 네트워크의 경우 표면 마감 프로세스를 구현하는 것도 어렵습니다 . 결과적으로 오버행 영역은 (i) 잔류 응력에 의한 변형, (ii) 계단 효과 (Kuo et al. 2020 ; Li et al. 2020 )로 인해 설계된 모양에서 벗어날 수 있습니다 .) 및 (iii) 원하지 않는 분말 소결로 인한 향상된 표면 거칠기; 여기서, 앞의 두 요소는 일반적으로 mm 길이 스케일에서 ‘매크로’편차로 분류되고 후자는 일반적으로 µm 길이 스케일에서 ‘마이크로’편차로 인식됩니다.
열 응력에 의한 변형은 오버행 영역에서 발생하는 중요한 문제입니다 (Patterson, Messimer 및 Farrington 2017 ). 국부적 인 용융 / 냉각은 용융 풀 내부 및 주변에서 큰 온도 구배를 유도하여 응고 된 층에 집중적 인 열 응력을 유발합니다. 열 응력에 의한 뒤틀림은 고체 영역을 현저하게 변형하지 않습니다. 이러한 영역은 아래의 여러 레이어에 의해 제한되기 때문입니다. 반면에 오버행 영역은 구속되지 않고 공정 중 응력 완화로 인해 상당한 변형이 발생합니다 (Kamat 및 Pei 2019 ). 더욱이 용융 깊이는 레이어 두께보다 큽니다 (이전 레이어도 재용 해되어 빌드 된 레이어간에 충분한 결합을 보장하기 때문입니다 [Yadroitsev et al. 2013 ; Kamath et al.2014 ]),응고 된 두께가 설계된 두께보다 크기 때문에형태 편차 (예 : 드 로스 [Charles et al. 2020 ; Feng et al. 2020 ])가 발생합니다. 마이크로 스케일에서 인쇄 된 표면 (R a 및 S a ∼ 10 μm)은 기계적으로 가공 된 표면보다 거칠다 (Duval-Chaneac et al. 2018 ; Wen et al. 2018 ). 이 문제는고형화 된 용융 풀의 가장자리에 부착 된 용융되지 않은 분말의 결과로 표면 거칠기 (R a )가 일반적으로 약 20 μm인 오버행 영역에서 특히 심각합니다 (Mazur et al. 2016 ; Pakkanen et al. 2016 ).
오버행 각도 ( θ , 빌드 방향과 관련하여 측정)는 오버행 영역의 뒤틀림 편향과 표면 거칠기에 영향을 미치는 중요한 매개 변수입니다 (Kamat and Pei 2019 ; Mingear et al. 2019 ). θ ∼ 45 ° 의 오버행 각도 는 일반적으로지지 구조없이 오버행 영역을 인쇄 할 수있는 임계 값으로 합의됩니다 (Pakkanen et al. 2016 ; Kadirgama et al. 2018 ). θ 일 때이 임계 값보다 크면 오버행 영역을 허용 가능한 표면 품질로 인쇄 할 수 없습니다. 오버행 각도 외에도 레이저 매개 변수 (레이저 에너지 밀도와 관련된)는 용융 풀의 모양 / 크기 및 용융 풀 역학에 영향을줌으로써 오버행 영역의 표면 거칠기에 영향을줍니다 (Wang et al. 2013 ; Mingear et al . 2019 ).
용융 풀 역학은 고체 (Shrestha 및 Chou 2018 ) 및 오버행 (Le et al. 2020 ) 영역 모두에서 수행되는 L-PBF 공정을 포함한 레이저 재료 가공의 일반적인 물리적 현상입니다 . 용융 풀 모양, 크기 및 냉각 속도는 잔류 응력으로 인한 변형과 표면 거칠기에 모두 영향을 미치므로 처리 매개 변수와 표면 형태 / 품질 사이의 다리 역할을하며 용융 풀을 이해하기 위해 수치 시뮬레이션을 사용하여 추가 조사를 수행 할 수 있습니다. 거동과 표면 거칠기에 미치는 영향. 현재까지 고체 영역의 L-PBF 동안 용융 풀 동작을 시뮬레이션하기 위해 여러 연구가 수행되었습니다. 유한 요소 방법 (FEM)과 같은 시뮬레이션 기술 (Roberts et al. 2009 ; Du et al.2019 ), 유한 차분 법 (FDM) (Wu et al. 2018 ), 전산 유체 역학 (CFD) (Lee and Zhang 2016 ), 임의의 Lagrangian-Eulerian 방법 (ALE) (Khairallah and Anderson 2014 )을 사용하여 증발 반동 압력 (Hu et al. 2018 ) 및 Marangoni 대류 (Zhang et al. 2018 ) 현상을포함하는 열 전달 (온도 장) 및 물질 전달 (용융 흐름) 프로세스. 또한 이산 요소법 (DEM)을 사용하여 무작위 분산 분말 베드를 생성했습니다 (Lee and Zhang 2016 ; Wu et al. 2018 ). 이 모델은 분말 규모의 L-PBF 공정을 시뮬레이션했습니다 (Khairallah et al. 2016) 메조 스케일 (Khairallah 및 Anderson 2014 ), 단일 트랙 (Leitz et al. 2017 )에서 다중 트랙 (Foroozmehr et al. 2016 ) 및 다중 레이어 (Huang, Khamesee 및 Toyserkani 2019 )로.
그러나 결과적인 표면 거칠기를 결정하는 오버행 영역의 용융 풀 역학은 문헌에서 거의 관심을받지 못했습니다. 솔리드 영역의 L-PBF에 대한 기존 시뮬레이션 모델이 어느 정도 참조가 될 수 있지만 오버행 영역과 솔리드 영역 간의 용융 풀 역학에는 상당한 차이가 있습니다. 오버행 영역에서 용융 금속은 분말 입자 사이의 틈새로 아래로 흘러 용융 풀이 다공성 분말 베드가 제공하는 약한 지지체 아래로 가라 앉습니다. 이것은 중력과 표면 장력의 영향이 용융 풀의 결과적인 모양 / 크기를 결정하는 데 중요하며, 결과적으로 오버행 영역의 마이크로 스케일 형태의 진화에 중요합니다. 또한 분말 입자 사이의 공극, 열 조건 (예 : 에너지 흡수,2019 ; Karimi et al. 2020 ; 노래와 영 2020 ). 표면 거칠기는 (마이크로) 형상 편차를 증가시킬뿐만 아니라 주기적 하중 동안 미세 균열의 시작 지점 역할을함으로써 기계적 강도를 저하시킵니다 (Günther et al. 2018 ). 오버행 영역의 높은 표면 거칠기는 (마이크로) 정확도 / 품질에 대한 엄격한 요구 사항이있는 부품 제조에서 L-PBF의 적용을 제한합니다.
본 연구는 실험 및 시뮬레이션 연구를 사용하여 오버행 영역 (지지물없이 제작)의 미세 형상 편차 형성 메커니즘과 표면 거칠기의 기원을 체계적이고 포괄적으로 조사합니다. 결합 된 DEM-CFD 시뮬레이션 모델은 경계 트랙 윤곽, 분말 접착 및 뒤틀림 변형의 효과를 고려하여 오버행 영역의 용융 풀 역학과 표면 형태의 형성 메커니즘을 나타 내기 위해 개발되었습니다. 표면 거칠기 R의 시뮬레이션 및 단일 요인 L-PBF 인쇄 실험을 사용하여 오버행 각도의 함수로 연구됩니다. 용융 풀의 침몰과 관련된 오버행 영역에서 분말 접착의 세 가지 메커니즘이 식별되고 자세히 설명됩니다. 마지막으로, 인쇄 된 오버행 영역에서 높은 표면 거칠기 문제를 완화 할 수 있는 잠재적 솔루션에 대해 간략하게 설명합니다.
The shape and size of the L-PBF printed samples are illustrated in Figure 1Figure 2. Borders in the overhang region depending on the overhang angle θFigure 3. (a) Profile of the volumetric heat source, (b) the model geometry of single-track printing on a solid substrate (unit: µm), and (c) the comparison of melt pool dimensions obtained from the experiment (right half) and simulation (left half) for a calibrated optical penetration depth of 110 µm (laser power 200 W and scan speed 800 mm/s, solidified layer thickness 30 µm, powder size 10–45 µm).Figure 4. The model geometry of an overhang being L-PBF processed: (a) 3D view and (b) right view.Figure 5. The cross-sectional contour of border tracks in a 45° overhang region.Figure 6. Evolution of melt pool in the overhang region (θ = 45°, P = 100 W, v = 1000 mm/s, the streamlines are shown by arrows).Figure 7. The overhang contour is contributed by (a) only outer borders when θ ≤ 60° (b) both inner borders and outer borders when θ > 60°.Figure 8. Schematic of powder adhesion on a 45° overhang region.Figure 9. The L-PBF printed samples with various overhang angle (a) θ = 0° (cube), (b) θ = 30°, (c) θ = 45°, (d) θ = 55° and (e) θ = 60°.Figure 10. Two mechanisms of powder adhesion related to the overhang angle: (a) simulation-predicted, θ = 45°; (b) simulation-predicted, θ = 60°; (c, e) optical micrographs, θ = 45°; (d, f) optical micrographs, θ = 60°. (e) and (f) are partial enlargement of (c) and (d), respectively.Figure 11. Simulation-predicted surface morphology in the overhang region at different overhang angle: (a) θ = 15°, (b) θ = 30°, (c) θ = 45°, (d) θ = 60° and (e) θ = 80° (Blue solid lines: simulation-predicted contour; red dashed lines: the planar profile of designed overhang region specified by the overhang angles).Figure 12. Effect of overhang angle on surface roughness Ra in overhang regionsFigure 13. Surface morphology of L-PBF printed overhang regions with different overhang angle: (a) θ = 15°, (b) θ = 30°, (c) θ = 45° and (d) θ = 60° (overhang border parameters: P = 100 W, v = 1000 mm/s).Figure 14. Effect of (a) laser power (scan speed = 1000 mm/s) and (b) scan speed (lase power = 100 W) on surface roughness Ra in overhang regions (θ = 45°, laser power and scan speed referred to overhang border parameters, and the other process parameters are listed in Table 2).
References
Cai, Chao, Chrupcala Radoslaw, Jinliang Zhang, Qian Yan, Shifeng Wen, Bo Song, and Yusheng Shi. 2019. “In-Situ Preparation and Formation of TiB/Ti-6Al-4V Nanocomposite via Laser Additive Manufacturing: Microstructure Evolution and Tribological Behavior.” Powder Technology 342: 73–84. doi:10.1016/j.powtec.2018.09.088. [Crossref], [Web of Science ®], [Google Scholar]
Cai, Chao, Wei Shian Tey, Jiayao Chen, Wei Zhu, Xingjian Liu, Tong Liu, Lihua Zhao, and Kun Zhou. 2021. “Comparative Study on 3D Printing of Polyamide 12 by Selective Laser Sintering and Multi Jet Fusion.” Journal of Materials Processing Technology 288 (August 2020): 116882. doi:10.1016/j.jmatprotec.2020.116882. [Crossref], [Web of Science ®], [Google Scholar]
Cai, Chao, Xu Wu, Wan Liu, Wei Zhu, Hui Chen, Jasper Dong Qiu Chua, Chen Nan Sun, Jie Liu, Qingsong Wei, and Yusheng Shi. 2020. “Selective Laser Melting of Near-α Titanium Alloy Ti-6Al-2Zr-1Mo-1V: Parameter Optimization, Heat Treatment and Mechanical Performance.” Journal of Materials Science and Technology 57: 51–64. doi:10.1016/j.jmst.2020.05.004. [Crossref], [Web of Science ®], [Google Scholar]
Charles, Amal, Ahmed Elkaseer, Lore Thijs, and Steffen G. Scholz. 2020. “Dimensional Errors Due to Overhanging Features in Laser Powder Bed Fusion Parts Made of Ti-6Al-4V.” Applied Sciences 10 (7): 2416. doi:10.3390/app10072416. [Crossref], [Google Scholar]
Chatham, Camden A., Timothy E. Long, and Christopher B. Williams. 2019. “A Review of the Process Physics and Material Screening Methods for Polymer Powder Bed Fusion Additive Manufacturing.” Progress in Polymer Science 93: 68–95. doi:10.1016/j.progpolymsci.2019.03.003. [Crossref], [Web of Science ®], [Google Scholar]
Du, Yang, Xinyu You, Fengbin Qiao, Lijie Guo, and Zhengwu Liu. 2019. “A Model for Predicting the Temperature Field during Selective Laser Melting.” Results in Physics 12 (November 2018): 52–60. doi:10.1016/j.rinp.2018.11.031. [Crossref], [Web of Science ®], [Google Scholar]
Duval-Chaneac, M. S., S. Han, C. Claudin, F. Salvatore, J. Bajolet, and J. Rech. 2018. “Experimental Study on Finishing of Internal Laser Melting (SLM) Surface with Abrasive Flow Machining (AFM).” Precision Engineering 54 (July 2017): 1–6. doi:10.1016/j.precisioneng.2018.03.006. [Crossref], [Web of Science ®], [Google Scholar]
Feng, Shaochuan, Shijie Chen, Amar M. Kamat, Ru Zhang, Mingji Huang, and Liangcai Hu. 2020. “Investigation on Shape Deviation of Horizontal Interior Circular Channels Fabricated by Laser Powder Bed Fusion.” Additive Manufacturing 36 (December): 101585. doi:10.1016/j.addma.2020.101585. [Crossref], [Web of Science ®], [Google Scholar]
Feng, Shaochuan, Chuanzhen Huang, Jun Wang, Hongtao Zhu, Peng Yao, and Zhanqiang Liu. 2017. “An Analytical Model for the Prediction of Temperature Distribution and Evolution in Hybrid Laser-Waterjet Micro-Machining.” Precision Engineering 47: 33–45. doi:10.1016/j.precisioneng.2016.07.002. [Crossref], [Web of Science ®], [Google Scholar]
Feng, Shaochuan, Amar M. Kamat, and Yutao Pei. 2021. “Design and Fabrication of Conformal Cooling Channels in Molds: Review and Progress Updates.” International Journal of Heat and Mass Transfer. doi:10.1016/j.ijheatmasstransfer.2021.121082. [Crossref], [PubMed], [Web of Science ®], [Google Scholar]
Flow-3D V11.2 Documentation. 2016. Flow Science, Inc. [Crossref], [Google Scholar]
Foroozmehr, Ali, Mohsen Badrossamay, Ehsan Foroozmehr, and Sa’id Golabi. 2016. “Finite Element Simulation of Selective Laser Melting Process Considering Optical Penetration Depth of Laser in Powder Bed.” Materials and Design 89: 255–263. doi:10.1016/j.matdes.2015.10.002. [Crossref], [Web of Science ®], [Google Scholar]
“Geometrical Product Specifications (GPS) — Surface Texture: Profile Method — Rules and Procedures for the Assessment of Surface Texture (ISO 4288).” 1996. International Organization for Standardization. https://www.iso.org/standard/2096.html. [Google Scholar]
Günther, Johannes, Stefan Leuders, Peter Koppa, Thomas Tröster, Sebastian Henkel, Horst Biermann, and Thomas Niendorf. 2018. “On the Effect of Internal Channels and Surface Roughness on the High-Cycle Fatigue Performance of Ti-6Al-4V Processed by SLM.” Materials & Design 143: 1–11. doi:10.1016/j.matdes.2018.01.042. [Crossref], [Web of Science ®], [Google Scholar]
Hopkinson, Neil, and Phill Dickens. 2000. “Conformal Cooling and Heating Channels Using Laser Sintered Tools.” In Solid Freeform Fabrication Conference, 490–497. Texas. doi:10.26153/tsw/3075. [Crossref], [Google Scholar]
Hu, Zhiheng, Haihong Zhu, Changchun Zhang, Hu Zhang, Ting Qi, and Xiaoyan Zeng. 2018. “Contact Angle Evolution during Selective Laser Melting.” Materials and Design 139: 304–313. doi:10.1016/j.matdes.2017.11.002. [Crossref], [Web of Science ®], [Google Scholar]
Hu, Cheng, Kejia Zhuang, Jian Weng, and Donglin Pu. 2019. “Three-Dimensional Analytical Modeling of Cutting Temperature for Round Insert Considering Semi-Infinite Boundary and Non-Uniform Heat Partition.” International Journal of Mechanical Sciences 155 (October 2018): 536–553. doi:10.1016/j.ijmecsci.2019.03.019. [Crossref], [Web of Science ®], [Google Scholar]
Huang, Yuze, Mir Behrad Khamesee, and Ehsan Toyserkani. 2019. “A New Physics-Based Model for Laser Directed Energy Deposition (Powder-Fed Additive Manufacturing): From Single-Track to Multi-Track and Multi-Layer.” Optics & Laser Technology 109 (August 2018): 584–599. doi:10.1016/j.optlastec.2018.08.015. [Crossref], [Web of Science ®], [Google Scholar]
Kadirgama, K., W. S. W. Harun, F. Tarlochan, M. Samykano, D. Ramasamy, Mohd Zaidi Azir, and H. Mehboob. 2018. “Statistical and Optimize of Lattice Structures with Selective Laser Melting (SLM) of Ti6AL4V Material.” International Journal of Advanced Manufacturing Technology 97 (1–4): 495–510. doi:10.1007/s00170-018-1913-1. [Crossref], [Web of Science ®], [Google Scholar]
Kamat, Amar M, and Yutao Pei. 2019. “An Analytical Method to Predict and Compensate for Residual Stress-Induced Deformation in Overhanging Regions of Internal Channels Fabricated Using Powder Bed Fusion.” Additive Manufacturing 29 (March): 100796. doi:10.1016/j.addma.2019.100796. [Crossref], [Web of Science ®], [Google Scholar]
Kamath, Chandrika, Bassem El-Dasher, Gilbert F. Gallegos, Wayne E. King, and Aaron Sisto. 2014. “Density of Additively-Manufactured, 316L SS Parts Using Laser Powder-Bed Fusion at Powers up to 400 W.” International Journal of Advanced Manufacturing Technology 74 (1–4): 65–78. doi:10.1007/s00170-014-5954-9. [Crossref], [Web of Science ®], [Google Scholar]
Karimi, J., C. Suryanarayana, I. Okulov, and K. G. Prashanth. 2020. “Selective Laser Melting of Ti6Al4V: Effect of Laser Re-Melting.” Materials Science and Engineering A (July): 140558. doi:10.1016/j.msea.2020.140558. [Crossref], [Web of Science ®], [Google Scholar]
Khairallah, Saad A., and Andy Anderson. 2014. “Mesoscopic Simulation Model of Selective Laser Melting of Stainless Steel Powder.” Journal of Materials Processing Technology 214 (11): 2627–2636. doi:10.1016/j.jmatprotec.2014.06.001. [Crossref], [Web of Science ®], [Google Scholar]
Khairallah, Saad A., Andrew T. Anderson, Alexander Rubenchik, and Wayne E. King. 2016. “Laser Powder-Bed Fusion Additive Manufacturing: Physics of Complex Melt Flow and Formation Mechanisms of Pores, Spatter, and Denudation Zones.” Edited by Adedeji B. Badiru, Vhance V. Valencia, and David Liu. Acta Materialia 108 (April): 36–45. doi:10.1016/j.actamat.2016.02.014. [Crossref], [Web of Science ®], [Google Scholar]
Kuo, C. N., C. K. Chua, P. C. Peng, Y. W. Chen, S. L. Sing, S. Huang, and Y. L. Su. 2020. “Microstructure Evolution and Mechanical Property Response via 3D Printing Parameter Development of Al–Sc Alloy.” Virtual and Physical Prototyping 15 (1): 120–129. doi:10.1080/17452759.2019.1698967. [Taylor & Francis Online], [Web of Science ®], [Google Scholar]
Le, K. Q., C. H. Wong, K. H. G. Chua, C. Tang, and H. Du. 2020. “Discontinuity of Overhanging Melt Track in Selective Laser Melting Process.” International Journal of Heat and Mass Transfer 162 (December): 120284. doi:10.1016/j.ijheatmasstransfer.2020.120284. [Crossref], [Web of Science ®], [Google Scholar]
Lee, Y. S., and W. Zhang. 2016. “Modeling of Heat Transfer, Fluid Flow and Solidification Microstructure of Nickel-Base Superalloy Fabricated by Laser Powder Bed Fusion.” Additive Manufacturing 12: 178–188. doi:10.1016/j.addma.2016.05.003. [Crossref], [Web of Science ®], [Google Scholar]
Leitz, K. H., P. Singer, A. Plankensteiner, B. Tabernig, H. Kestler, and L. S. Sigl. 2017. “Multi-Physical Simulation of Selective Laser Melting.” Metal Powder Report 72 (5): 331–338. doi:10.1016/j.mprp.2016.04.004. [Crossref], [Google Scholar]
Li, Jian, Jing Hu, Yi Zhu, Xiaowen Yu, Mengfei Yu, and Huayong Yang. 2020. “Surface Roughness Control of Root Analogue Dental Implants Fabricated Using Selective Laser Melting.” Additive Manufacturing 34 (September 2019): 101283. doi:10.1016/j.addma.2020.101283. [Crossref], [Web of Science ®], [Google Scholar]
Li, Yingli, Kun Zhou, Pengfei Tan, Shu Beng Tor, Chee Kai Chua, and Kah Fai Leong. 2018. “Modeling Temperature and Residual Stress Fields in Selective Laser Melting.” International Journal of Mechanical Sciences 136 (February): 24–35. doi:10.1016/j.ijmecsci.2017.12.001. [Crossref], [Web of Science ®], [Google Scholar]
Mazur, MacIej, Martin Leary, Matthew McMillan, Joe Elambasseril, and Milan Brandt. 2016. “SLM Additive Manufacture of H13 Tool Steel with Conformal Cooling and Structural Lattices.” Rapid Prototyping Journal 22 (3): 504–518. doi:10.1108/RPJ-06-2014-0075. [Crossref], [Web of Science ®], [Google Scholar]
Mingear, Jacob, Bing Zhang, Darren Hartl, and Alaa Elwany. 2019. “Effect of Process Parameters and Electropolishing on the Surface Roughness of Interior Channels in Additively Manufactured Nickel-Titanium Shape Memory Alloy Actuators.” Additive Manufacturing 27 (October 2018): 565–575. doi:10.1016/j.addma.2019.03.027. [Crossref], [Web of Science ®], [Google Scholar]
Pakkanen, Jukka, Flaviana Calignano, Francesco Trevisan, Massimo Lorusso, Elisa Paola Ambrosio, Diego Manfredi, and Paolo Fino. 2016. “Study of Internal Channel Surface Roughnesses Manufactured by Selective Laser Melting in Aluminum and Titanium Alloys.” Metallurgical and Materials Transactions A 47 (8): 3837–3844. doi:10.1007/s11661-016-3478-7. [Crossref], [Web of Science ®], [Google Scholar]
Patterson, Albert E., Sherri L. Messimer, and Phillip A. Farrington. 2017. “Overhanging Features and the SLM/DMLS Residual Stresses Problem: Review and Future Research Need.” Technologies 5 (4): 15. doi:10.3390/technologies5020015. [Crossref], [Web of Science ®], [Google Scholar]
Roberts, I. A., C. J. Wang, R. Esterlein, M. Stanford, and D. J. Mynors. 2009. “A Three-Dimensional Finite Element Analysis of the Temperature Field during Laser Melting of Metal Powders in Additive Layer Manufacturing.” International Journal of Machine Tools and Manufacture 49 (12–13): 916–923. doi:10.1016/j.ijmachtools.2009.07.004. [Crossref], [Web of Science ®], [Google Scholar]
Shrestha, Subin, and Kevin Chou. 2018. “Computational Analysis of Thermo-Fluid Dynamics with Metallic Powder in SLM.” In CFD Modeling and Simulation in Materials Processing 2018, edited by Laurentiu Nastac, Koulis Pericleous, Adrian S. Sabau, Lifeng Zhang, and Brian G. Thomas, 85–95. Cham, Switzerland: Springer Nature. doi:10.1007/978-3-319-72059-3_9. [Crossref], [Google Scholar]
Sing, S. L., and W. Y. Yeong. 2020. “Laser Powder Bed Fusion for Metal Additive Manufacturing: Perspectives on Recent Developments.” Virtual and Physical Prototyping 15 (3): 359–370. doi:10.1080/17452759.2020.1779999. [Taylor & Francis Online], [Web of Science ®], [Google Scholar]
Šmilauer, Václav, Emanuele Catalano, Bruno Chareyre, Sergei Dorofeenko, Jérôme Duriez, Nolan Dyck, Jan Eliáš, et al. 2015. Yade Documentation. 2nd ed. The Yade Project. doi:10.5281/zenodo.34073. [Crossref], [Google Scholar]
Tan, Pengfei, Fei Shen, Biao Li, and Kun Zhou. 2019. “A Thermo-Metallurgical-Mechanical Model for Selective Laser Melting of Ti6Al4V.” Materials & Design 168 (April): 107642. doi:10.1016/j.matdes.2019.107642. [Crossref], [Web of Science ®], [Google Scholar]
Tan, Lisa Jiaying, Wei Zhu, and Kun Zhou. 2020. “Recent Progress on Polymer Materials for Additive Manufacturing.” Advanced Functional Materials 30 (43): 1–54. doi:10.1002/adfm.202003062. [Crossref], [Web of Science ®], [Google Scholar]
Wang, Xiaoqing, and Kevin Chou. 2018. “Effect of Support Structures on Ti-6Al-4V Overhang Parts Fabricated by Powder Bed Fusion Electron Beam Additive Manufacturing.” Journal of Materials Processing Technology 257 (February): 65–78. doi:10.1016/j.jmatprotec.2018.02.038. [Crossref], [Web of Science ®], [Google Scholar]
Wang, Di, Yongqiang Yang, Ziheng Yi, and Xubin Su. 2013. “Research on the Fabricating Quality Optimization of the Overhanging Surface in SLM Process.” International Journal of Advanced Manufacturing Technology 65 (9–12): 1471–1484. doi:10.1007/s00170-012-4271-4. [Crossref], [Web of Science ®], [Google Scholar]
Wen, Peng, Maximilian Voshage, Lucas Jauer, Yanzhe Chen, Yu Qin, Reinhart Poprawe, and Johannes Henrich Schleifenbaum. 2018. “Laser Additive Manufacturing of Zn Metal Parts for Biodegradable Applications: Processing, Formation Quality and Mechanical Properties.” Materials and Design 155: 36–45. doi:10.1016/j.matdes.2018.05.057. [Crossref], [Web of Science ®], [Google Scholar]
Wu, Yu-che, Cheng-hung San, Chih-hsiang Chang, Huey-jiuan Lin, Raed Marwan, Shuhei Baba, and Weng-Sing Hwang. 2018. “Numerical Modeling of Melt-Pool Behavior in Selective Laser Melting with Random Powder Distribution and Experimental Validation.” Journal of Materials Processing Technology 254 (November 2017): 72–78. doi:10.1016/j.jmatprotec.2017.11.032. [Crossref], [Web of Science ®], [Google Scholar]
Yadroitsev, I., P. Krakhmalev, I. Yadroitsava, S. Johansson, and I. Smurov. 2013. “Energy Input Effect on Morphology and Microstructure of Selective Laser Melting Single Track from Metallic Powder.” Journal of Materials Processing Technology 213 (4): 606–613. doi:10.1016/j.jmatprotec.2012.11.014. [Crossref], [Web of Science ®], [Google Scholar]
Yu, Wenhui, Swee Leong Sing, Chee Kai Chua, and Xuelei Tian. 2019. “Influence of Re-Melting on Surface Roughness and Porosity of AlSi10Mg Parts Fabricated by Selective Laser Melting.” Journal of Alloys and Compounds 792: 574–581. doi:10.1016/j.jallcom.2019.04.017. [Crossref], [Web of Science ®], [Google Scholar]
Zhang, Dongyun, Pudan Zhang, Zhen Liu, Zhe Feng, Chengjie Wang, and Yanwu Guo. 2018. “Thermofluid Field of Molten Pool and Its Effects during Selective Laser Melting (SLM) of Inconel 718 Alloy.” Additive Manufacturing 21 (100): 567–578. doi:10.1016/j.addma.2018.03.031. [Crossref], [Web of Science ®], [Google Scholar]
State Key Laboratory for Mechanical Behavior of Materials, Xi’an Jiaotong University, Xi’an 710049, China
Received 22 January 2021, Revised 6 April 2021, Accepted 6 May 2021, Available online 2 June 2021.
Abstract
Ti-6Al-4V alloys mad by additive manufacturing (AM) with slower cooling rate (e. g., direct energy deposition (DED)) generally have the problem of severe coarsening of α phase. This study presents a method to refine the microstructure of the primary β phase formed during the solid–liquid transformation, microstructures formed during the β → α + β transformation, and recrystallized microstructures formed during the repeated heating cycles encountered in AM processes. This is accomplished by the in situ precipitation of nano-sized dispersed high-melting-point yttria Y2O3 particles. The addition of micron-sized particles with high melting points can refine primary crystallized grains and transformed grains corresponding to the secondary phase in Ti-6Al-4V alloys. In addition, they can effectively inhibit the recrystallization and growth of prior-deposited metal grains. The microstructural and tensile properties of laser additive manufactured with filler wire Ti-6Al-4V components with different amounts of Y2O3 (0, 0.12, and 0.22 wt%) were investigated. The refining effect of Y2O3 was significant and the tensile strength of Ti-6Al-4V containing 0.22 wt% Y2O3 in the longitudinal and transverse directions was greater than that of Ti-6Al-4V by approximately 12% and 9%, respectively. Concurrently, there was no loss in the elongation of the material in either direction. The strategy of using micron-sized refractory particles to control phase transformation (primary crystallization, solid-state phase transformation, and recrystallization) can be applied to the AM of different metals, in which microstructures are susceptible to coarsening.
Korea Abstract
더 느린 냉각 속도 (예를 들어, 직접 에너지 증착 (DED))를 가진 적층 제조 (AM)에 의해 미친 Ti-6Al-4V 합금은 일반적으로 α상의 심한 조 대화 문제가 있습니다. 이 연구는 고체-액체 변환 중에 형성된 1 차 β상의 미세 구조, β → α + β 변환 중에 형성된 미세 구조, AM 공정에서 발생하는 반복되는 가열주기 동안 형성된 재결정 화 된 미세 구조를 정제하는 방법을 제시합니다.
이는 나노 크기의 분산 된 고 융점이 트리아 Y2O3 입자의 현장 침전에 의해 달성됩니다. 녹는 점이 높은 미크론 크기의 입자를 추가하면 Ti-6Al-4V 합금의 2 차 상에 해당하는 1 차 결정 입자 및 변형 된 입자를 정제 할 수 있습니다. 또한 사전에 증착 된 금속 입자의 재결정 화 및 성장을 효과적으로 억제 할 수 있습니다.
Y2O3 (0, 0.12, 0.22 wt %)의 양이 다른 필러 와이어 Ti-6Al-4V 성분으로 제조 된 레이저 첨가제의 미세 구조 및 인장 특성을 조사했습니다. Y2O3의 정제 효과는 유의미했으며, Y2O3 0.22 wt %를 세로 및 가로 방향으로 포함하는 Ti-6Al-4V의 인장 강도는 Ti-6Al-4V보다 각각 약 12 % 및 9 % 더 컸습니다.
동시에 어느 방향으로도 재료의 연신율에 손실이 없었습니다. 미크론 크기의 내화 입자를 사용하여 상 변환 (1 차 결정화, 고체 상 변환 및 재결정 화)을 제어하는 전략은 미세 구조가 거칠어지기 쉬운 다양한 금속의 AM에 적용될 수 있습니다.
Hierarchical grain refinement during the laser additive manufacturing of Ti-6Al-4V alloys by the addition of micron-sized refractory particlesHierarchical grain refinement during the laser additive manufacturing of Ti-6Al-4V alloys by the addition of micron-sized refractory particles Fig1Hierarchical grain refinement during the laser additive manufacturing of Ti-6Al-4V alloys by the addition of micron-sized refractory particles Fig2Hierarchical grain refinement during the laser additive manufacturing of Ti-6Al-4V alloys by the addition of micron-sized refractory particles Fig3Hierarchical grain refinement during the laser additive manufacturing of Ti-6Al-4V alloys by the addition of micron-sized refractory particles Fig4Hierarchical grain refinement during the laser additive manufacturing of Ti-6Al-4V alloys by the addition of micron-sized refractory particles Fig5Hierarchical grain refinement during the laser additive manufacturing of Ti-6Al-4V alloys by the addition of micron-sized refractory particles Fig6Hierarchical grain refinement during the laser additive manufacturing of Ti-6Al-4V alloys by the addition of micron-sized refractory particles Fig7
Won-Ik Cho, Peer Woizeschke Bremer Institut für angewandte Strahltechnik GmbH, Klagenfurter Straße 5, Bremen 28359, Germany
Received 30 July 2020, Revised 3 October 2020, Accepted 18 October 2020, Available online 1 November 2020.
Abstract
Molten pool flow and heat transfer in a laser welding process using beam oscillation and filler wire feeding were calculated using computational fluid dynamics (CFD). There are various indirect methods used to analyze the molten pool dynamics in fusion welding. In this work, based on the simulation results, the surface fluctuation was directly measured to enable a more intuitive analysis, and then the signal was analyzed using the Fourier transform and wavelet transform in terms of the beam oscillation frequency and buttonhole formation. The 1st frequency (2 x beam oscillation frequency, the so-called chopping frequency), 2nd frequency (4 x beam oscillation frequency), and beam oscillation frequency components were the main components found. The 1st and 2nd frequency components were caused by the effect of the chopping process and lumped line energy. The beam oscillation frequency component was related to rapid, unstable molten pool behavior. The wavelet transform effectively analyzed the rapid behaviors based on the change of the frequency components over time.
Korea Abstract
빔 진동 및 필러 와이어 공급을 사용하는 레이저 용접 공정에서 용융 풀 흐름 및 열 전달은 CFD (전산 유체 역학)를 사용하여 계산되었습니다. 용융 용접에서 용융 풀 역학을 분석하는 데 사용되는 다양한 간접 방법이 있습니다.
본 연구에서는 시뮬레이션 결과를 바탕으로 보다 직관적 인 분석이 가능하도록 표면 변동을 직접 측정 한 후 빔 발진 주파수 및 버튼 홀 형성 측면에서 푸리에 변환 및 웨이블릿 변환을 사용하여 신호를 분석했습니다.
1 차 주파수 (2 x 빔 발진 주파수, 이른바 초핑 주파수), 2 차 주파수 (4 x 빔 발진 주파수) 및 빔 발진 주파수 성분이 발견 된 주요 구성 요소였습니다. 1 차 및 2 차 주파수 성분은 쵸핑 공정과 집중 라인 에너지의 영향으로 인해 발생했습니다.
빔 진동 주파수 성분은 빠르고 불안정한 용융 풀 동작과 관련이 있습니다. 웨이블릿 변환은 시간 경과에 따른 주파수 구성 요소의 변화를 기반으로 빠른 동작을 효과적으로 분석했습니다.
1 . 소개
융합 용접에서 용융 풀 역학은 용접 결함과 시각적 이음새 품질에 직접적인 영향을 미칩니다. 이러한 역학을 연구하기 위해 고속 카메라를 사용하는 직접 방법과 광학 또는 음향 신호를 사용하는 간접 방법과 같은 다양한 측정 방법을 사용하여 여러 실험 방법을 고려했습니다. 시간 도메인의 원래 신호는 특별히 주파수 도메인에서 변환 된 신호로 변환되어 용융 풀 동작에 영향을 미치는 주파수 성분을 분석합니다. Kotecki et al. (1972)는 고속 카메라를 사용하여 가스 텅스텐 아크 용접에서 용융 풀을 관찰했습니다. [1]. 그들은 120Hz 리플 DC 출력을 가진 용접 전원을 사용할 때 용융 풀 진동 주파수가 120Hz임을 보여주었습니다. 전원을 끈 후 진동 주파수는 용융 풀의 고유 주파수를 나타내는 용융 풀 크기와 관련이 있습니다. 진동은 응고 중에 용접 표면 스케일링을 생성했습니다. Zacksenhouse and Hardt (1983)는 레이저 섀도 잉 동작 측정 기술을 사용하여 가스 텅스텐 아크 용접에서 완전히 관통 된 용융 풀의 동작을 측정했습니다 [2] . 그들은 2.5mm 두께의 강판에서 6mm 풀 반경 (고정 용접)에 대해 용융 풀의 고유 주파수가 18.9Hz라는 것을 발견했습니다. Semak et al. (1995) 고속 카메라를 사용하여 레이저 스폿 용접에서 용융 풀 및 키홀 역학 조사 [3]. 그들은 깊이가 약 3mm이고 반경이 약 3mm 인 용융 풀에서 200Hz의 낮은 체적 진동 주파수를 관찰했습니다. 0.45mm Aendenroomer와 den Ouden (1998)은 강철의 펄스 가스 텅스텐 아크 용접에서 용융 풀 진동을보고했습니다 [4] . 그들은 침투 깊이에 따라 진동 모드 변화를 보였고 주파수는 50Hz에서 150Hz 사이에서 변화했습니다. 주파수는 완전히 침투 된 용융 풀에서 더 낮았습니다. Hermans와 den Ouden (1999)은 단락 가스 금속 아크 용접에서 용융 풀 진동을 분석했습니다. [5]. 그들은 용융 풀의 단락 주파수와 고유 주파수가 같을 때 부분적으로 침투 된 용융 풀의 경우 공정 안정성이 향상되었음을 보여주었습니다. Yudodibroto et al. (2004)는 가스 텅스텐 아크 용접에서 용융 풀 진동에 대한 필러 와이어의 영향을 조사했습니다 [6] . 그들은 금속 전달이 특히 부분적으로 침투 된 용융 풀에서 진동 거동을 방해한다는 것을 보여주었습니다. Geiger et al. (2009) 레이저 키홀 용접에서 발광 분석 [7]. 신호의 주파수 분석을 사용하여 용융 풀 (1.5kHz 미만)과 키홀 (약 3kHz)에 해당하는 진동 주파수 범위를 찾았습니다. Kägeler와 Schmidt (2010)는 레이저 용접에서 용융 풀 크기의 변화를 관찰하기 위해 고속 카메라를 사용했습니다 [8] . 그들은 용융 풀에서 지배적 인 저주파 진동 성분 (100Hz 미만)을 발견했습니다. Shi et al. (2015) 고속 카메라를 사용하여 펄스 가스 텅스텐 아크 용접에서 용융 풀 진동 주파수 분석 [9]. 그들은 용접 침투 깊이가 작을수록 용융 풀의 진동 빈도가 더 높다는 것을 보여주었습니다. 추출 된 진동 주파수는 완전 용입 용접의 경우 85Hz 미만 이었지만 부분 용입 용접의 경우 110Hz에서 125Hz 사이였습니다. Volpp와 Vollertsen (2016)은 레이저 키홀 역학을 분석하기 위해 광학 신호를 사용했습니다 [10] . 그들은 공간 레이저 강도 분포로 인해 0.8에서 154 kHz 사이의 고주파 범위에서 피크를 발견했습니다. 위에서 언급 한 실험적 접근법은 공정 조건, 측정 방법 및 측정 된 위치에 따라 수십 Hz에서 수십 kHz까지 광범위한 용융 풀 역학에 대한 결과를 보여 주었다는 점에 유의해야합니다.
융합 용접에서 용융 풀 역학을 연구하기 위해 분석 접근 방식도 사용되었습니다. Zacksenhouse와 Hardt (1983)는 2.5mm 두께의 강판에서 대칭형 완전 관통 용융 풀의 고유 진동수를 계산했습니다 [2] . 매스 스프링 해석 모델을 사용하여 용융 풀 반경 6mm (고정 용접)에 대해 20.4Hz (실험에서 18.9Hz)의 고유 진동수와 3mm 풀 반경 (연속 용접)에 대해 40Hz의 고유 진동수를 예측했습니다. ). Postacioglu et al. (1989)는 원통형 용융 풀과 키홀을 가정하여 레이저 용접의 용융 풀에서 키홀 진동의 고유 진동수를 계산했습니다 .. 특정 열쇠 구멍 모양의 경우 약 900Hz의 기본 주파수가 계산되었습니다. Postacioglu et al. (1991)은 또한 레이저 용접에서 용접 속도를 고려하기 위해 타원형 용융 풀의 고유 진동수를 계산했습니다 [12] . 그들은 타원형 용융 풀의 모양이 고유 진동수에 영향을 미친다는 것을 보여주었습니다. 고유 진동수는 축의 길이 비율이 낮았으며, 즉 타원의 반장 축과 반 단축의 비율이 낮았습니다. Kroos et al. (1993)은 축 대칭 용융 풀과 키홀을 가정하여 레이저 키홀 용접의 동적 거동에 대한 이론적 모델을 개발했습니다 .. 키홀 폐쇄 시간은 0.1ms였으며 안정성 분석은 약 500Hz의 주파수에서 공진과 같은 진동을 예측했습니다. Maruo와 Hirata (1993)는 완전 관통 아크 용접에서 용융 풀을 모델링했습니다 [14] . 그들은 녹은 웅덩이가 정적 타원 모양을 가지고 있다고 가정했습니다. 그들은 고유 진동수와 진동 모드 사이의 관계를 조사하고 용융 풀 크기가 감소함에 따라 고유 진동수가 증가한다는 것을 보여주었습니다. Klein et al. (1994)는 원통형 키홀 모양을 사용하여 완전 침투 레이저 용접에서 키홀 진동을 연구했습니다 [15] . 그들은 점성 감쇠로 인해 키홀 진동이 낮은 kHz 범위로 제한된다는 것을 보여주었습니다. Klein et al. (1996)은 또한 레이저 출력의 작은 변동이 강한 키홀 진동으로 이어질 수 있음을 보여주었습니다[16] . 그들은 키홀 진동의 주요 공진 주파수 범위가 500 ~ 3500Hz라는 것을 발견했습니다. Andersen et al. (1997)은 고정 가스 텅스텐 아크 용접 [17] 에서 고정 된 원통형 모양을 가정하여 용융 풀의 고유 진동수를 예측 했으며 완전 용입 용접에서 용융 풀 폭이 증가함에 따라 감소하는 것으로 나타났습니다. 3.175mm 두께의 강판의 경우 주파수는 20Hz ~ 100Hz 범위였습니다. 위에 표시된 분석 방법은 일반적으로 단순한 용융 풀 모양을 가정하고 고유 진동수를 계산했습니다. 이것은 단순한 용융 풀 모양으로 고정 용접 공정을 분석하는 데 충분하지만 대부분의 용접 사례를 설명하는 과도 용접 공정에서 용융 풀 역학 분석에는 적합하지 않습니다.
반면에 수치 접근 방식은 고온 및 강한 빛과 같은 실험적 제한없이 자세한 정보를 제공하기 때문에 용융 풀 역학을 분석하는 이점이 있습니다. 전산 유체 역학 (CFD)의 수치 시뮬레이션 기술이 발전함에 따라 용융 풀 역학 분석에 대한 많은 연구가 수행되었습니다. 실제 용융 표면 변화는 VOF (체적 부피) 방법을 사용하여 계산할 수 있습니다. Cho et al. (2010) CO 2 레이저-아크 하이브리드 용접 공정을 위한 수학적 모델 개발 [18], 구형 방울이 생성 된 금속 와이어의 용융 과정이 와이어 공급 속도와 일치한다고 가정합니다. 그들은 필러 와이어가 희석되는 용융 풀 동작을 보여주었습니다. Cho et al. (2012)는 높은 빔 품질과 높은 금속 흡수율로 인해 업계에서 널리 사용되는 디스크 레이저 키홀 용접으로 수학적 모델을 확장했습니다 [19] . 그들은 열쇠 구멍에서 레이저 광선 번들의 다중 반사를 고려하고 용융 풀에서 keyholing과 같은 빠른 표면 변화를 자세히보고했습니다. 최근 CFD 시뮬레이션은 험핑 (Otto et al., 2016 [20] ) 및 기공 (Lin et al., 2017 [21] )과 같은보다 구체적인 현상을 분석하는데도 사용되었습니다 .) 레이저 용접에서. 그러나 용융 풀 역학과 관련된 연구는 거의 수행되지 않았습니다. Ko et al. (2000)은 수치 시뮬레이션을 사용하여 가스 텅스텐 아크 용접 풀의 동적 거동을 조사했습니다 [22] . 그들은 완전히 침투 된 용융 풀이 부분적으로 침투 된 풀보다 낮은 주파수에서 진동한다는 것을 보여주었습니다. 진동은 수십 분의 1 초 내에 무시할 수있는 크기로 감쇠되었습니다. Geiger et al. (2009)는 또한 수치 시뮬레이션을 사용하여 레이저 용접에서 용융 풀 거동을 보여주었습니다 [7]. 그들은 계산 된 증발 속도를 주파수 분석에 사용하여 공정에서 나오는 빛의 실험 결과와 비교했습니다. 판금 레이저 용접에서 중요한 공간 빔 진동 및 추가 필러 재료가있는 공정에 대한 용융 풀 역학에 대한 연구도 불충분합니다. Hu et al. (2018)은 금속 전달 메커니즘을 밝히기 위해 전자빔 3D 프린팅에서 와이어 공급 모델링을 수행했습니다. 그들은 주로 열 입력에 의해 결정되는 액체 브리지 전이, 액적 전이 및 중간 전이의 세 가지 유형의 금속 전달 모드를 보여주었습니다 .. Meng et al. (2020)은 레이저 빔 용접에서 용융 풀에 필러 와이어에 의해 추가 된 추가 요소의 전자기 교반 효과를 모델링했습니다. 용가재의 연속적인 액체 브릿지 이동이 가정되었고, 그 결과 전자기 교반의 영향이 키홀 깊이에 미미한 반면 필러 와이어 혼합을 향상 시켰습니다 [24] . Cho et al. (2017) 용접 방향에 수직 인 1 차원 빔 진동과 용접 라인을 따라 공급되는 필러 와이어를 사용하여 레이저 용접을위한 시뮬레이션 모델 개발 [25]. 그들은 시뮬레이션을 사용하여 특정 용접 현상, 즉 용융 풀의 단추 구멍 형성을 보여주었습니다. Cho et al. (2018)은 다중 반사 수와 전력 흡수량의 푸리에 변환을 사용하여 주파수 영역에서 소위 쵸핑 주파수 (2 x 빔 발진 주파수) 성분을 발견했습니다 [26] . 그러나 그들은 용융 풀 역학을 분석하기 위해 간접 신호를 사용했습니다. 따라서보다 직관적 인 분석을 위해서는 표면의 변동을 직접 측정해야합니다.
이 연구는 이전 연구에서 개발 된 레이저 용접 모델을 사용하여 3 차원 과도 CFD 시뮬레이션을 수행하여 빔 진동 및 필러 와이어 공급을 포함한 레이저 용접 공정에서 용융 풀 역학을 조사합니다. 용융 된 풀 표면의 시간적 변화는 시뮬레이션 결과에서 추출되었습니다. 추출 된 데이터는 주파수 영역뿐만 아니라 시간-주파수 영역에서도 분석되었습니다. 신호 처리를 통해 도출 된 결과는 특징적인 용융 풀 역학을 나타내며 빔 진동 주파수 및 단추 구멍 형성 측면에서 레이저 용접의 역학을 줄일 수있는 잠재력을 제공합니다.
2 . 방법론
그림 1도 1은 용접 방향에 수직 인 1 차원 빔 진동과 용접 라인을 따라 공급되는 필러 와이어를 사용하는 레이저 용접 프로세스의 개략적 설명을 보여줍니다. 1mm 두께의 알루미늄 합금 (AlSi1MgMn) 시트는 시트 표면에 초점을 맞춘 멀티 kW 파이버 레이저 (YLR-8000S, IPG Photonics, USA)를 사용하여 용접되었습니다. 시트는 에어 갭이있는 맞대기 이음으로 정렬되었습니다. 1 차원 스캐너 (ILV DC-Scanner, Ingenieurbüro für Lasertechnik + Verschleiss-Schutz (ILV), 독일)를 사용하여 레이저 빔의 1 차원 정현파 진동을 실현했습니다. 이 스캔 시스템에서 최대 진동 폭은 250Hz의 진동 주파수에서 1.4mm입니다. 오정렬에 대한 공차를 개선하기 위해 동일한 최대 너비 값이 사용되었습니다. 와이어 공급 시스템은 1을 공급했습니다. 2mm 직경의 알루미늄 합금 (AlSi5) 필러 와이어를 일정한 공급 속도로 에어 갭을 채 웁니다. 1mm 에어 갭의 경우 와이어 이송 속도는 용접 속도의 1.5 배 값으로 설정되었으며 참조 실험 조건은 문헌에서 얻었습니다 (Schultz, 2015 참조).[27] ).
CFD 시뮬레이션은 레이저 용접에서 열 전달 및 용융 풀 동작을 계산하기 위해 수행되었습니다. 그림 2 는 CFD 시뮬레이션을위한 계산 영역을 보여줍니다. 실온에서 1.2mm 직경의 필러 와이어가 공급되고 레이저 빔이 진동했습니다. 1mm 두께의 공작물이 용접 속도로 왼쪽에서 오른쪽으로 이동했습니다. 0.1mm의 최소 메쉬 크기가 도메인에서 생성되었습니다. 침투 깊이가 더 깊은 이전 연구의 메쉬 테스트 결과는 0.2mm 이하의 메쉬 크기로 시뮬레이션 정확도가 확보 된 것으로 나타 났으므로 [28] 본 연구에서 사용 된 메쉬 크기가 적절할 수 있습니다. 도메인을 구성하는 세포의 수는 약 120 만 개였습니다. 1 번 테이블사용 된 레이저 용접 매개 변수를 보여줍니다. 용융 풀 역학 측면에서 다양한 진동 주파수와 에어 갭 크기가 고려되었으며 12 개의 용접 사례가 표 2 에 나와 있습니다. 표 3 은 시뮬레이션에 사용 된 알루미늄 합금과 순수 알루미늄 (Cho et al., 2018 [26] )의 표면 장력 계수를 제외하고 온도와 무관 한 열-물리적 재료 특성을 보여줍니다 . 여기서 표면 장력 계수는 액체 온도에서 온도와 표면 장력 계수 사이의 선형 관계를 가진 유일한 온도 의존적 특성이었습니다.
시뮬레이션을 위해 단상 뉴턴 유체와 비압축성 층류가 가정되었습니다. 질량, 운동량 및 에너지 보존의 지배 방정식을 해결하여 계산 영역에서 속도, 압력 및 온도 분포를 얻었습니다. VOF 방법은 자유 표면 경계를 찾는 데 사용되었습니다. 스칼라 보존 방정식을 추가로 도입하여 용융 풀에서 충전재의 부피 분율을 계산했습니다. 시뮬레이션에 사용 된 레이저 용접의 수학적 모델은 다음과 같습니다. 레이저 빔은 가우스와 같은 전력 밀도 분포를 기반으로 697 개의 광선 에너지 번들로 나뉩니다. 광선 추적 방법을 사용하여 다중 반사를 고려했습니다. 재료에 대한 레이저 빔의 반사 (또는 흡수) 에너지는 프레 넬 반사 모델을 사용하여 계산되었습니다. 온도에 따른 흡수율의 변화를 고려 하였다. 혼합물의 흡수율은베이스 및 충전제 물질 분획의 가중 평균을 사용하여 계산되었습니다. 반동 압력과 부력도 고려되었습니다. 경계 조건으로 에너지와 압력의 균형은 VOF 방법으로 계산 된 자유 표면에서 고려되었습니다. 레이저 용접 모델과 지배 방정식은 FLOW-3D v.11.2 (2017), Flow Science, Inc.에서 유한 차분 방법과 유한 체적 방법을 사용하여 이산화되고 해결되었습니다. 경계 조건으로 에너지와 압력의 균형은 VOF 방법으로 계산 된 자유 표면에서 고려되었습니다. 레이저 용접 모델과 지배 방정식은 FLOW-3D v.11.2 (2017), Flow Science, Inc.에서 유한 차분 방법과 유한 체적 방법을 사용하여 이산화되고 해결되었습니다. 경계 조건으로 에너지와 압력의 균형은 VOF 방법으로 계산 된 자유 표면에서 고려되었습니다. 레이저 용접 모델과 지배 방정식은 FLOW-3D v.11.2 (2017), Flow Science, Inc.에서 유한 차분 방법과 유한 체적 방법을 사용하여 이산화되고 해결되었습니다.[29] . 계산에는 48GB RAM이 장착 된 Intel® Xeon® 프로세서 E5649로 구성된 워크 스테이션이 사용되었습니다. 계산 시스템을 사용하여 0.2 초 레이저 용접을 시뮬레이션하는 데 약 18 시간이 걸렸습니다. 지배 방정식 (Cho and Woizeschke, 2020 [30] ) 및 레이저 용접 모델 (Cho et al., 2018 [26] )에 대한 자세한 설명은 부록 A 에서 확인할 수 있습니다 .
그림 3 은 용융 풀 변동의 직접 측정에 대한 개략적 설명을 보여줍니다. 용융 풀의 역학을 분석하기 위해 시뮬레이션 중에 용융 풀 표면의 시간적 변동 운동을 측정했습니다. 상단 및 하단 표면 모두에서 10kHz의 샘플링 주파수로 변동을 측정 한 반면, 측정 위치는 X 축의 레이저 빔 위치에서 2mm 떨어진 용접 중심선에있었습니다. 그림 4시간 신호를 분석하는 데 사용되는 푸리에 변환 및 웨이블릿 변환의 개략적 설명을 보여줍니다. 측정 된 시간 신호는 고속 푸리에 변환 (FFT) 방법을 사용하여 주파수 영역으로 변환되었습니다. 결과는 측정 기간 동안 평균화 된 주파수 성분의 크기를 보여줍니다. 웨이블릿 변환 방법은 시간-주파수 영역에서 국부적 인 특성을 찾는 데 사용되었습니다. 결과는 주파수 구성 요소의 크기뿐만 아니라 시간 변화도 보여줍니다.
3 . 결과
이 연구 에서는 표 2에 표시된 12 가지 용접 사례 를 시뮬레이션했습니다. 그림 5 는 3 차원 시뮬레이션 결과를 평면도 와 바닥면으로 보여줍니다. 결과는 용융 된 풀의 거동에 따라 분류 할 수 있습니다 : 단추 구멍 형성 없음 (녹색), 안정 또는 불안정 단추 구멍 있음 (파란색), 불안정한 단추 구멍으로 인한 구멍 결함 (빨간색). 일반적인 열쇠 구멍보다 훨씬 큰 직경을 가진 단추 구멍은 레이저 용접의 특정 진동 조건에서 나타날 수 있습니다 (Vollertsen, 2016 [31]). 진동 주파수가 증가함에 따라 용접 이음 부 코스 및 스케일링 측면에서 시각적 이음새 품질이 향상되었습니다. 고주파에서 스케일링은 무시할 수있을 정도 였고 코스는 균질했습니다. 언더컷 결함의 발생도 감소했습니다. 그러나 관통 결함 부족 (case 7, case 10)이 나타났다. 에어 갭은 단추 구멍 형성에 중요했습니다. 에어 갭 크기가 증가함에 따라 단추 구멍이 더 쉽게 형성되었지만 구멍 결함으로 더 쉽게 남아 있습니다. 안정적인 단추 구멍 형성은 고려 된 공극 조건의 좁은 영역에서만 나타납니다.
그림 6 은 시뮬레이션과 실험에서 융합 영역의 모양을 보여줍니다. 버튼 홀이없는 경우 1, 불안정한 버튼 홀 형성이있는 경우 8, 안정적인 버튼 홀 형성이있는 경우 11의 3 가지 경우에 대해 시뮬레이션 결과와 실험 결과를 비교하여 유사성을 나타냈다. 본 연구에서 고려한 용접 조건의 경우 표면 품질 결과는 Fig. 5 와 같이 큰 차이를 보였으 나 단면 융착 영역 [26] 과 형상은 큰 차이를 보이지 않았다.
무화과. 7 과 8 은 각각 100Hz와 250Hz의 진동 주파수에서 시뮬레이션 결과를 기반으로 분석 된 용융 풀 역학과 시뮬레이션 및 실험 결과를 보여줍니다. 이전 연구에서 볼 수 있듯이 레이저 빔의 진동 주파수는 단추 구멍 형성과 밀접한 관련이 있습니다 (Cho et al., 2018 [26] 참조 ). 그림 7 (a) 및 (b)는 각각 시뮬레이션 및 실험을 기반으로 한 진동 주파수 100Hz에서 대표적인 용융 풀 동작을 보여줍니다. 완전히 관통 된 키홀 및 버튼 홀 형성은 관찰되지 않았으며 응고 후 거친 비드 표면이 남았습니다. 그림 7(c)와 (d)는 각각 윗면과 바닥면의 표면 변동에 대한 시뮬레이션 결과를 기반으로 한 용융 풀 역학 분석을 보여줍니다. 샘플링 데이터는 상단 표면이 공작물의 상단 표면 위치에서 평균적으로 변동하는 반면 하단 표면은 공작물의 하단 표면 위치에서 평균적으로 변동하는 것으로 나타났습니다. 표면 변동의 푸리에 변환 및 웨이블릿 변환 결과는 명확한 1 차 주파수 (2 x 빔 발진 주파수, 이른바 초핑 주파수, Cho et al., 2018 [26] 참조 ) 및 2 차 주파수 (4 x 빔 발진)를 보여줍니다. 주파수) 두 표면의 구성 요소, 그러나 바닥 표면과 첫 번째에 대한 결과주파수 성분이 더 강합니다. 반면 그림 8 (a)와 (b)에서 보는 바와 같이 250Hz의 진동 주파수에서 시뮬레이션과 실험 결과는 안정된 버튼 홀 형성과 응고 후 매끄러운 비드 표면을 나타냈다. 그림 8 의 샘플링 신호의 진폭은 그림 7 의 진폭 보다 작으며 푸리에 변환 및 웨이블릿 변환의 결과에서 중요한 주파수 성분이 발견되지 않았습니다.
Fig. 9 는 진동 주파수 200Hz에서 시뮬레이션 결과를 바탕으로 분석 된 용융 풀 역학과 시뮬레이션 및 실험 결과를 보여준다. 이 주파수에서 Fig. 9 (a)와 (b) 에서 보는 바와 같이 , 시뮬레이션과 실험 모두에서 불안정한 buttonhole 거동이 관찰되었다. 바닥면에서 샘플링 데이터의 푸리에 변환 및 웨이블릿 변환의 결과 빔 발진 주파수 성분이 발견되었습니다.
4 . 토론
시뮬레이션 및 실험 결과는 비드 표면 품질이 향상되고 빔 진동 주파수가 증가함에 따라 버튼 홀이 형성되는 것으로 나타났습니다. 표면의 변동 데이터에 대한 푸리에 변환 및 웨이블릿 변환의 결과에 따라 다음과 같은 주요 주파수 구성 요소가 발견되었습니다. 1 차 및 2 차버튼 홀 형성이없는 주파수, 불안정한 용융 풀 거동이있는 빔 진동 주파수, 안정적인 버튼 홀 형성이있는 중요한 주파수 성분이 없습니다. 이들 중 불안정한 용융 풀 동작과 관련된 빔 진동 주파수 성분은 완전히 관통 된 키홀과 반복적으로 생성 및 붕괴되는 불안정한 버튼 홀의 특성으로 인해 웨이블릿 변환 결과에서 명확한 실선 형태로 나타나지 않았습니다. 분석 결과는 윗면보다 바닥면에서 더 분명했습니다. 이는 필러 와이어 공급 및 키홀 링 공정에서 강한 하향 흐름으로 인해 용융 풀 역학이 바닥 표면 영역에서 더 강했기 때문입니다. 진동 주파수가 증가함에 따라 용융 풀 역학과 상단 표면과 하단 표면 간의 차이가 감소했습니다.
첫 번째 주파수 (2 x 빔 진동 주파수)는이 연구에서 관찰 된 가장 분명한 구성 요소였습니다. Schultz et al. (2018)은 또한 실험을 통해 동일한 성분을 발견했습니다 [32] , 용융 풀 표면 운동에 대한 푸리에 분석을 수행했습니다. 첫 번째 주파수 성분은 빔 발진주기 당 두 개의 주요 이벤트가 있음을 의미합니다. 이것은 레이저 빔이 빔 진동주기 당 두 번 와이어를 절단하거나 절단하는 프로세스와 일치합니다. 용융 된 와이어 팁은 낮은 진동 주파수에서 고르지 않고 날카로운 모서리를 갖는 것으로 나타났습니다 (Cho et al., 2018 [26] ). 이것은 첫 번째 원인이 될 수 있습니다.용융 된 풀에서 지배적이되는 주파수 성분. 진동 주파수가 증가하면 용융 된 와이어 팁이 더 균일 해 지므로 효과가 감소합니다. 용접 방향으로의 정현파 횡 방향 빔 진동을 통한 에너지 집중도 빔 진동주기 당 두 번 발생합니다. 그림 10 은 발진 주파수에 따른 레이저 빔의 라인 에너지 (단위 길이 당 에너지)의 변화를 보여줍니다. 그림 10 b) 의 라인 에너지 는 레이저 출력을 공정 속도로 나누어 계산했습니다. 여기서 처리 속도는(w이자형엘디나는엔지에스피이자형이자형디)2+(디(에스나는엔유에스영형나는디ㅏ엘wㅏV이자형나는엔에프나는지.10ㅏ))디티)2. 낮은 발진 주파수에서 라인 에너지는 발진 폭의 양쪽 끝에 과도하게 집중됩니다. 이러한 집중된 에너지는 과도한 키홀 링 프로세스를 초래하므로 언더컷 결함이 나타날 수있는 높은 흐름 역학이 발생합니다. 진동 주파수가 증가함에 따라 집중 에너지는 더 작은 조각으로 나뉩니다. 따라서 높은 진동 주파수에서 과도한 키홀 링 및 수반되는 언더컷 결함의 발생이 감소되었습니다. 위에서 언급 한 두 가지 현상 (불균일 한 와이어 팁과 집중된 라인 에너지)은 빔 발진주기 당 두 번 발생하며 발진 주파수가 증가하면 그 효과가 감소합니다. 따라서 저주파 에서 2 차 주파수 성분 (4 x 빔 발진 주파수)이 나타나는 것은이 두 현상의 동시 작용입니다.
두 가지 현상 중 첫 번째 주파수 에 대한 주된 효과 는 집중된 라인 에너지입니다. Cho et al. (2018)은 전력 흡수 데이터를 푸리에 변환을 사용하여 분석했을 때 1 차 주파수 성분이 더 우세 해졌고, 2 차 주파수 성분은 발진 주파수가 증가함에 따라 상대적으로 약화 되었음을 보여주었습니다 [26] . 용융 된 와이어 팁은 또한 빈도가 증가함에 따라 더욱 균일 해졌습니다. 결과는 진동 주파수의 증가가 용융 풀에 대한 와이어의 영향을 제거하는 것으로 나타났습니다. 따라서 발진 주파수가 증가함에 따라 라인 에너지 집중의 영향 만 남을 수 있습니다. 그림 10 과 같이, 집중 선 에너지가 작은 조각으로 분할되기 때문에 효과도 감소하지만 최대 값이 변경되지 않았기 때문에 여전히 효과적입니다.
빔 진동 주파수 성분은 불안정한 단추 구멍 및 열쇠 구멍 붕괴를 수반하는 불안정한 용융 풀 동작과 관련이 있습니다. 언더컷 결함이있는 케이스 8 (발진 주파수 200Hz)에서 발진 주파수 성분이 관찰되었습니다. 이것은 특히 완전히 관통 된 열쇠 구멍과 불안정한 단추 구멍에서 불안정한 용융 풀 동작을 보여주었습니다. 경우 10 (진동 주파수 250Hz)의 경우 상대적으로 건강한 비드가 형성 되었으나, 도 11 (a) 와 같이 웨이블릿 변환 결과에서 t1의 시간 간격으로 진동 주파수 성분이 관찰되었다 . 이 시간 간격 t1의 용융 풀 거동은 그림 11에 나와 있습니다.(비). 완전히 관통 된 열쇠 구멍이 즉시 무너지는 것이 분명하게 관찰되었습니다. 이것은 진동 주파수 성분이 불안정한 용융 풀 거동과 밀접한 관련이 있음을 보여줍니다. 발견 된 주파수 성분으로부터 완전히 관통 된 열쇠 구멍과 같은 불안정한 용융 풀 거동을 예측할 수 있습니다. 완전히 관통 된 키홀이 반복적으로 붕괴되기 때문에 빔 진동 주파수 성분은 그림 9 (d) 와 같이 웨이블릿 변환 결과에서 명확한 실선 형태로 보이지 않습니다 .
Cho and Woizeschke (2020)에 따르면 단추 구멍 형성은 자체 지속 가능한 카테 노이드처럼 작용하기 때문에 용융 풀 역학을 감소시킬 수 있습니다 [30] . 그림 12 는 버튼 홀 형성 측면에서 t2의 시간 간격에서 용융 풀 거동의 변화를 보여줍니다. 단추 구멍은 t2의 간헐적 인 부분에만 형성되었습니다. 1st 이후이 시간 동안 웨이블릿 변환의 결과로 주파수 성분이 사라졌고, 버튼 홀 형성은 용융 풀 역학을 줄이는 데 효과적이었습니다. 따라서, 웨이블릿 변환의 결과로 주파수 성분이 지워지는 것을 관찰함으로써 버튼 홀 형성을 예측할 수있다. 이와 관련하여 웨이블릿 변환 기술은 시간에 따른 용융 풀 변화를 나타낼 수 있습니다. 이 기술은 향후 용융 풀 동작을 모니터링하는 데 사용될 수 있습니다.
5 . 결론
CFD 시뮬레이션 결과를 사용하여 빔 진동 및 필러 와이어 공급을 통한 레이저 용접에서 용융 풀 역학을 분석 할 수있었습니다. 용융 풀 표면의 변동 데이터의 푸리에 변환 및 웨이블릿 변환은 여기서 용융 풀 역학을 분석하는 데 사용되었습니다. 결과는 다음과 같은 결론으로 이어집니다.1.
1 차 주파수 (2 x 빔 발진 주파수, 이른바 초핑 주파수), 2 차 주파수 (4 x 빔 발진 주파수) 및 빔 발진 주파수 성분은 푸리에 변환 및 웨이블릿 변환 분석에서 발견 된 주요 성분이었습니다.2.
1 차 주파수와 2 차 주파수 성분 의 출현은 두 가지 사건, 즉 레이저 빔에 의한 필러 와이어의 절단 공정과 집중된 레이저 라인 에너지의 효과의 결과였습니다. 이는 빔 진동주기 당 두 번 발생했습니다. 따라서 두 번째 주파수 성분은 동시 작용으로 인해 발생했습니다. 빔 진동 주파수 성분은 불안정한 용융 풀 동작과 관련이 있습니다. 구성 요소는 열쇠 구멍과 단추 구멍의 붕괴와 함께 나타났습니다.삼.
낮은 발진 주파수에서는 1 차 주파수와 2 차 주파수 성분이 함께 나타 났지만 발진 주파수가 증가함에 따라 그 크기가 함께 감소했습니다. 집중 선 에너지는 주파수가 증가함에 따라 최대 값이 변하지 않는 반면, 잘게 잘린 선단이 평평 해져 그 효과가 사라졌기 때문에 쵸핑 프로세스보다 더 큰 영향을 미쳤습니다.4.
용융 풀 거동의 빠른 시간적 변화는 웨이블릿 변환 방법을 사용하여 분석되었습니다. 따라서이 방법은 열쇠 구멍 및 단추 구멍의 형성 및 붕괴와 같은 일시적인 용융 풀 변화를 해석하는 데 사용할 수 있습니다.
CRediT 저자 기여 성명
조원익 : 개념화, 방법론, 소프트웨어, 검증, 형식 분석, 조사, 데이터 큐 레이션, 글쓰기-원고, 글쓰기-검토 및 편집. Peer Woizeschke : 감독, 프로젝트 관리, 작문-검토 및 편집.
경쟁 관심의 선언
저자는이 논문에보고 된 작업에 영향을 미칠 수있는 경쟁적인 재정적 이해 관계 나 개인적 관계가 없다고 선언합니다.
감사의 말
이 작업은 알루미늄 합금 용접 역량 센터 (Centr-Al)에서 수행되었습니다. Deutsche Forschungsgemeinschaft (DFG, 프로젝트 번호 290705638 , “용접 풀 캐비티를 생성하여 레이저 깊은 용입 용접에서 매끄러운 이음매 표면”) 의 자금은 감사하게도 인정됩니다.
-대량 보존 방정식,(A1)∇·V→=미디엄˙에스ρ어디, V→속도 벡터입니다. ρ밀도이고 미디엄˙에스필러 와이어를 공급하여 질량 소스의 비율입니다. 단위미디엄에스단위 부피당 질량입니다. WFS (와이어 공급 속도) 및 필러 와이어의 직경과 같은 매스 소스 및 필러 와이어 조건,디w계산 영역에서 다음과 같은 관계가 있습니다.(A2)미디엄=∫미디엄에스디V=미디엄0+씨×ρ×W에프에스×π디w24×티어디, 미디엄총 질량, 미디엄0초기 총 질량, V볼륨입니다.씨단위 변환 계수입니다. 티시간입니다.
-운동량 보존 방정식,(A3)∂V→∂티+V→·∇V→=−1ρ∇피+ν∇2V→−케이V→+미디엄˙에스ρ(V에스→−V→)+지어디, 피압력입니다. ν동적 점도입니다. 케이뭉툭한 영역의 다공성 매체 모델에 대한 항력 계수, V에스→질량 소스에 대한 속도 벡터입니다. 지신체 힘으로 인한 신체 가속도입니다.
-에너지 절약 방정식,(A4)∂h∂티+V→·∇h=1ρ∇·(케이∇티)+h˙에스어디, h특정 엔탈피입니다. 케이열전도율, 티온도이고 h˙에스특정 엔탈피 소스로, Eq 의 질량 소스와 연관됩니다 . (A1) . 계산 영역의 총 에너지,이자형다음과 같이 계산됩니다.(A5)이자형=∫미디엄에스h에스디V=∫미디엄에스씨Vw티w디V어디, 씨Vw질량 원의 비열, 티w질량 소스의 온도입니다.
또한, 엔탈피 기반 연속체 모델을 사용하여 고체-액체 상 전이를 고려했습니다.
-VOF 방정식,(A6)∂에프∂티+∇·(V→에프)=에프˙에스어디, 에프유체가 차지하는 부피 분율이며 0과 1 사이의 값을 가지며 에프˙에스질량의 소스와 연결된 유체의 체적 분율의 비율 식. (A1) . 질량 공급원에 해당하는 부피 분율은 다음에 할당됩니다.에프에스.
-스칼라 보존 방정식,(A7)∂Φ∂티+∇·(V→Φ)=Φ˙에스어디, Φ필러 와이어의 스칼라 값입니다. 셀의 유체가 전적으로 필러 와이어로 구성된 경우Φ1이고 유체에 대한 필러 와이어의 부피 분율에 따라 0과 1 사이에서 변경됩니다. Φ˙에스Eq 에서 질량 소스에 연결된 스칼라 소스의 비율입니다 . (A1) . 스칼라 소스는 전적으로 필러 와이어이기 때문에 1에 할당됩니다. 확산 효과는 고려되지 않았습니다.
흡수율을 계산하기 위해 프레 넬 반사 모델을 사용했습니다. ㅏ=1−ρ씨재료의 표면 상에 도시 된 바와 같이 수학 식. (A8) 원 편광 빔의 경우.(A8)ㅏ=1−ρ씨=1−12(ρ에스+ρ피)어디,ρ에스=(엔1씨영형에스θ−피)2+큐2(엔1씨영형에스θ+피)2+큐2,ρ에스=(피−엔1에스나는엔θ티ㅏ엔θ)2+큐2(피+엔1에스나는엔θ티ㅏ엔θ)2+큐2,피2=12{[엔22−케이22−(엔1에스나는엔θ)2]2+2엔22케이22+[엔22−케이22−(엔1에스나는엔θ)2]},큐2=12{[엔22−케이22−(엔1에스나는엔θ)2]2+2엔22케이22−[엔22−케이22−(엔1에스나는엔θ)2]}.어디, 복잡한 인덱스 엔1과 케이1반사 지수와 공기의 흡수 지수이며 엔2과 케이2공작물을위한 것입니다. θ입사각입니다. 도시 된 바와 같이 수학 식. (A9)에서 , 혼합물의 흡수율은 식에서 얻은 모재 및 필러 와이어 분획의 가중 평균이됩니다 . (A7) .(A9)ㅏ미디엄나는엑스티유아르 자형이자형=Φㅏw나는아르 자형이자형+(1−Φ)ㅏ비ㅏ에스이자형어디, ㅏ비ㅏ에스이자형과 ㅏw나는아르 자형이자형각각 비금속과 필러 와이어의 흡수율입니다.
자유 표면 경계에서의 반동 압력 에이 싱은 Eq. (A10) .(A10)피아르 자형(티)≅0.54피에스ㅏ티(티)=0.54피0이자형엑스피(엘V티−티비아르 자형¯티티비)어디, 피에스ㅏ티포화 압력, 피0대기압입니다. 엘V기화의 잠열, 티비끓는 온도이고 아르 자형¯보편적 인 기체 상수입니다.
참고 문헌
D.J. Kotecki, D.L. Cheever, D.G. Howden Mechanism of ripple formation during weld solidification Weld. J., 51 (8) (1972), pp. 386s-391s Google Scholar [2] M. Zacksenhouse, D.E. Hardt Weld pool impedance identification for size measurement and control J. Dyn. Syst. Meas. Control, 105 (3) (1983), pp. 179-184 CrossRefView Record in ScopusGoogle Scholar [3] V.V. Semak, J.A. Hopkins, M.H. McCay, T.D. McCay Melt pool dynamics during laser welding J. Phys. D, 28 (1995), pp. 2443-2450 CrossRefView Record in ScopusGoogle Scholar [4] A.J.R. Aendenroomer, G. den Ouden Weld pool oscillation as a tool for penetration sensing during pulsed GTA welding Weld. J., 77 (5) (1998), pp. 181s-187s Google Scholar [5] M.J.M. Hermans, G. den Ouden Process behavior and stability in short circuit gas metal arc welding Weld. J., 78 (4) (1999), pp. 137-141 View Record in ScopusGoogle Scholar [6] B.Y.B. Yudodibroto, M.J.M. Hermans, Y. Hirata, G. den Ouden Influence of filler wire addition on weld pool oscillation during gas tungsten arc welding Sci. Technol. Weld. Join., 9 (2) (2004), pp. 163-168 View Record in ScopusGoogle Scholar [7] M. Geiger, K.-H. Leitz, H. Koch, A. Otto A 3D transient model of keyhole and melt pool dynamics in laser beam welding applied to the joining of zinc coated sheets Prod. Eng. Res. Dev., 3 (2009), pp. 127-136 CrossRefView Record in ScopusGoogle Scholar [8] C. Kägeler, M. Schmidt Frequency-based analysis of weld pool dynamics and keyhole oscillations at laser beam welding of galvanized steel sheets Phys. Procedia, 5 (2010), pp. 447-453 ArticleDownload PDFView Record in ScopusGoogle Scholar [9] Y. Shi, G. Zhang, X.J. Ma, Y.F. Gu, J.K. Huang, D. Fan Laser-vision-based measurement and analysis of weld pool oscillation frequency in GTAW-P Weld. J., 94 (2015), pp. 176s-187s Google Scholar [10] J. Volpp, F. Vollertsen Keyhole stability during laser welding—part I: modelling and evaluation Prod. Eng.-Res. Dev., 10 (2016), pp. 443-457 CrossRefView Record in ScopusGoogle Scholar [11] N. Postacioglu, P. Kapadia, J. Dowden Capillary waves on the weld pool in penetration welding with a laser J. Phys. D, 22 (1989), pp. 1050-1061 CrossRefView Record in ScopusGoogle Scholar [12] N. Postacioglu, P. Kapadia, J. Dowden Theory of the oscillations of an ellipsoidal weld pool in laser welding J. Phys. D, 24 (1991), pp. 1288-1292 CrossRefView Record in ScopusGoogle Scholar [13] J. Kroos, U. Gratzke, M. Vicanek, G. Simon Dynamic behaviour of the keyhole in laser welding J. Phys. D, 26 (1993), pp. 481-486 View Record in ScopusGoogle Scholar [14] H. Maruo, Y. Hirata Natural frequency and oscillation modes of weld pools. 1st Report: weld pool oscillation in full penetration welding of thin plate Weld. Int., 7 (8) (1993), pp. 614-619 CrossRefView Record in ScopusGoogle Scholar [15] T. Klein, M. Vicanek, J. Kroos, I. Decker, G. Simon Oscillations of the keyhole in penetration laser beam welding J. Phys. D, 27 (1994), pp. 2023-2030 CrossRefView Record in ScopusGoogle Scholar [16] T. Klein, M. Vicanek, G. Simon Forced oscillations of the keyhole in penetration laser beam welding J. Phys. D, 29 (1996), pp. 322-332 View Record in ScopusGoogle Scholar [17] K. Andersen, G.E. Cook, R.J. Barnett, A.M. Strauss Synchronous weld pool oscillation for monitoring and control IEEE Trans. Ind. Appl., 33 (2) (1997), pp. 464-471 View Record in ScopusGoogle Scholar [18] W.-I. Cho, S.-J. Na, M.-H. Cho, J.-S. Lee Numerical study of alloying element distribution in CO2 laser-GMA hybrid welding Comput. Mater. Sci., 49 (2010), pp. 792-800 ArticleDownload PDFView Record in ScopusGoogle Scholar [19] W.-I. Cho, S.-J. Na, C. Thomy, F. Vollertsen Numerical simulation of molten pool dynamics in high power disk laser welding J. Mater. Process. Technol., 212 (2012), pp. 262-275 ArticleDownload PDFView Record in ScopusGoogle Scholar [20] A. Otto, A. Patschger, M. Seiler Numerical and experimental investigations of humping phenomena in laser micro welding Phys. Procedia, 83 (2016), pp. 1415-1423 ArticleDownload PDFView Record in ScopusGoogle Scholar [21] R. Lin, H.-P. Wang, F. Lu, J. Solomon, B.E. Carlson Numerical study of keyhole dynamics and keyhole-induced porosity formation in remote laser welding of Al alloys Int. J. Heat Mass Trans., 108 (2017), pp. 244-256 ArticleDownload PDFView Record in ScopusGoogle Scholar [22] S.H. Ko, C.D. Yoo, D.F. Farson, S.K. Choi Mathematical modeling of the dynamic behavior of gas tungsten arc weld pools Metall. Mater. Trans. B., 31B (2000), pp. 1465-1473 CrossRefView Record in ScopusGoogle Scholar [23] R. Hu, X. Chen, G. Yang, S. Gong, S. Pang Metal transfer in wire feeding-based electron beam 3D printing: modes, dynamics, and transition criterion Int. J. Heat Mass Transf., 126 (2018), pp. 877-887 ArticleDownload PDFView Record in ScopusGoogle Scholar [24] X. Meng, A. Artinov, M. Bachmann, M. Rethmeier Theoretical study of influence of electromagnetic stirring on transport phenomena in wire feed laser beam welding J. Laser Appl., 32 (2020), Article 022026 CrossRefGoogle Scholar [25] W.-I. Cho, V. Schultz, F. Vollertsen Simulation of the buttonhole formation during laser welding with wire feeding and beam oscillation L. Overmeyer, U. Reisgen, A. Ostendorf, M. Schmidt (Eds.), Proceedings of the Lasers in Manufacturing, German Scientific Laser Society, Munich, Germany (2017) Google Scholar [26] W.-I. Cho, V. Schultz, P. Woizeschke Numerical study of the effect of the oscillation frequency in buttonhole welding J. Mater. Process. Technol., 261 (2018), pp. 202-212 ArticleDownload PDFView Record in ScopusGoogle Scholar [27] V. Schultz, T. Seefeld, F. Vollertsen Bridging Large Air Gaps by Laser Welding with Beam Oscillation International Conference on Application of Lasers in Manufacturing, New Delhi, India (2015), pp. 31-32 CrossRefGoogle Scholar [28] W.-I. Cho, S.-J. Na Impact of wavelengths of CO2, disk, and green lasers on fusion zone shape in laser welding of steel J. Weld. Join., 38 (3) (2020), pp. 235-240 CrossRefView Record in ScopusGoogle Scholar [29] FLOW-3D User Manual. 2017. Version 11.2.1.06, Flow Science Inc. Google Scholar [30] W.-I. Cho, P. Woizeschke Analysis of molten pool behavior with buttonhole formation in laser keyhole welding of sheet metal Int. J. Heat Mass Transf., 152 (2020), Article 119528 ArticleDownload PDFView Record in ScopusGoogle Scholar [31] F. Vollertsen Loopless production: definition and examples from joining 69th IIW Annual Assembly and International Conference, Melbourne, Australia (2016) Google Scholar [32] V. Schultz, W.-I. Cho, A. Merkel, P. Woizeschke Deep penetration laser welding with high seam surface quality due to buttonhole welding Proc. of the IIW Annual Assembly, Com. IV, Bali, Indonesia (2018) IIW-Doc. IV-1390-18
레이저 조사 및 silanization 공정으로 제작된 micro-pillar arrays를 사용하여 초 소수성 표면에 대한 액적 영향 시뮬레이션
ZhenyanXiaa YangZhaoa ZhenYangabc ChengjuanYangab LinanLia ShibinWanga MengWangab aSchool of Mechanical Engineering, Tianjin University, Tianjin, 300054, China bKey Laboratory of Mechanism Theory and Equipment Design of Ministry of Education, Tianjin, 300072, Chinac School of Engineering, University of Warwick, Coventry, CV4 7AL, UK
Received 23 September 2020, Revised 17 November 2020, Accepted 26 November 2020, Available online 11 December 2020.
Abstract
Super-hydrophobicity is one of the significant natural phenomena, which has inspired researchers to fabricate artificial smart materials using advanced manufacturing techniques. In this study, a super-hydrophobic aluminum surface was prepared by nanosecond laser texturing and FAS modification in sequence. The surface wettability turned from original hydrophilicity to super-hydrophilicity immediately after laser treatment. Then it changed to super-hydrophobicity showing a WCA of 157.6 ± 1.2° with a SA of 1.7 ± 0.7° when the laser-induced rough surface being coated with a layer of FAS molecules. The transforming mechanism was further explored from physical and chemical aspects based on the analyses of surface morphology and surface chemistry. Besides, the motion process of droplet impacting super-hydrophobic surface was systematically analyzed via the optimization of simulation calculation grid and the simulation method of volume of fluid (VOF). Based on this simulation method, the morphological changes, the inside pressure distribution and velocity of the droplet were further investigated. And the motion mechanism of the droplet on super-hydrophobic surface was clearly revealed in this paper. The simulation results and the images captured by high-speed camera were highly consistent, which indicated that the computational fluid dynamics (CFD) is an effective method to predict the droplet motion on super- hydrophobic surfaces. This paper can provide an explicit guidance for the selection of suitable methods for functional surfaces with different requirements in the industry.
Korea Abstract
초 소수성은 연구원들이 첨단 제조 기술을 사용하여 인공 스마트 재료를 제작하도록 영감을 준 중요한 자연 현상 중 하나 입니다. 이 연구에서 초 소수성 알루미늄 표면은 나노초 레이저 텍스처링과 FAS 수정에 의해 순서대로 준비되었습니다.
레이저 처리 직후 표면 습윤성은 원래의 친수성에서 초 친수성으로 바뀌 었습니다. 그런 다음 레이저 유도 거친 표면을 FAS 분자 층으로 코팅했을 때 WCA가 157.6 ± 1.2 °이고 SA가 1.7 ± 0.7 ° 인 초 소수성으로 변경되었습니다.
변형 메커니즘은 표면 형태 및 표면 화학 분석을 기반으로 물리적 및 화학적 측면에서 추가로 탐구 되었습니다. 또한, 초 소수성 표면에 영향을 미치는 물방울의 운동 과정은 시뮬레이션 계산 그리드의 최적화와 유체 부피 (VOF) 시뮬레이션 방법을 통해 체계적으로 분석되었습니다.
이 시뮬레이션 방법을 바탕으로 형태학적 변화, 내부 압력 분포 및 액 적의 속도를 추가로 조사했습니다. 그리고 초 소수성 표면에 있는 물방울의 운동 메커니즘이 이 논문에서 분명하게 드러났습니다.
시뮬레이션 결과와 고속 카메라로 캡처한 이미지는 매우 일관적 이었습니다. 이는 전산 유체 역학 (CFD)이 초 소수성 표면에서 액적 움직임을 예측하는 효과적인 방법임을 나타냅니다.
이 백서는 업계의 다양한 요구 사항을 가진 기능 표면에 적합한 방법을 선택하기 위한 명시적인 지침을 제공 할 수 있습니다.
서식지에 적응하기 위해 많은 자연 식물과 동물에서 특별한 습윤 표면이 진화되었습니다 [1-3]. 연잎은 먼지에 의한 오염으로부터 스스로를 보호하기 위해 우수한 자가 청소 특성을 나타냅니다 [4]. 사막 딱정벌레는 공기에서 물을 수확할 수 있는 기능적 표면 때문에 건조한 사막에서 생존 할 수 있습니다 [5].
자연 세계에서 영감을 받아 고체 기질의 표면 습윤성을 수정하는데 더 많은 관심이 집중되었습니다 [6-7]. 기능성 표면의 우수한 성능은 고유 한 표면 습윤성에 기인하며, 이는 고체 표면에서 액체의 확산 능력을 반영하는 중요한 특성 중 하나입니다 [8].
일반적으로 물 접촉각 (WCA) 값에 따라 90 °는 친수성과 소수성의 경계로 간주됩니다. WCA가 90 ° 이상인 소수성 표면, WCA가 90 ° 미만인 친수성 표면 [9 ]. 특히 고체 표면은 WCA가 10 ° 미만의 슬라이딩 각도 (SA)에서 150 °를 초과 할 때 특별한 초 소수성을 나타냅니다 [10-11].
<내용 중략> ……
The Simulation of Droplet Impact on the Super-Hydrophobic
Surface with Micro-Pillar Arrays Fabricated by Laser Irradiation
and Silanization Processes
References
[1] H.W. Chen, P.F. Zhang, L.W. Zhang, Y. Jiang, H.L. Liu, D.Y. Zhang, Z.W. Han, L. Jiang, Continuous directional water transport on the peristome surface of Nepenthes alata, Nature 532 (2016) 85-89. [2] Y. Liu, K.T. Zhang, W.G. Yao, J.A. Liu, Z.W. Han, L.Q. Ren, Bioinspired structured superhydrophobic and superoleophilic stainless steel mesh for efficient oilwater separation, Colloids Surf., A 500 (2016) 54-63. [3] Y.X. Liu, W.L. Liu, G.L. Wang, J.C. Hou, H. Kong, W.L. Wang, A facile one-step approach to superhydrophilic silica film with hierarchical structure using fluoroalkylsilane, Colloids Surf., A 539 (2018) 109-115. [4] F.P. Wang, S. Li, L. Wang, Fabrication of artificial super-hydrophobic lotus-leaflike bamboo surfaces through soft lithography, Colloids Surf., A 513 (2017) 389-395. [5] W. Huang, X.Y. Tang, Z. Qiu, W.X. Zhu, Y.G. Wang, Y.L. Zhu, Z.F. Xiao, H.G. Wang, D.X. Liang, Jian, L. Y.J Xie, Cellulose-based Superhydrophobic Surface Decorated with Functional Groups Showing Distinct Wetting Abilities to Manipulate Water Harvesting, ACS Appl. Mater. Interfaces DOI: 10.1021/acsami.0c12504. [6] M.Y. Zhang, L.J. Ma, Q. Wang, P. Hao, X. Zheng, Wettability behavior of nanodroplets on copper surfaces with hierarchical nanostructures, Colloids Surf., A 604 (2020) 125291. [7] A.F. Pan, W.J. Wang, X.S. Mei, K.D. Wang, X.B. Yang, Rutile TiO2 flocculent ripples with high antireflectivity and superhydrophobicity on the surface of titanium under 10 ns laser irradiation without focusing, Langmuir 33 (2017) 9530-9538. [8] M. Li, X.H. Liu, N. Liu, Z.H. Guo, P.K. Singh, S.Y. Fu, Effect of surface wettability on the antibacterial activity of nanocellulose-based material with quaternary ammonium groups, Colloids Surf., A 554 (2018) 122-128. [9] T.C. Chen, H.T. Liu, H.F. Yang, W. Yan, W. Zhu, H. Liu, Biomimetic fabrication of robust self-assembly superhydrophobic surfaces with corrosion resistance properties on stainless steel substrate, RSC Adv. 6 (2016) 43937-43949. [10] P. Zhang, F.Y. Lv, A review of the recent advances in superhydrophobic surfaces and the emerging energy-related applications, Energy 82 (2015) 1068-1087. [11] Z. Yang, X.P. Liu, Y.L. Tian, Novel metal-organic super-hydrophobic surface fabricated by nanosecond laser irradiation in solution, Colloids Surf., A 587 (2020) 124343. [12] J.Y. Peng, X.J. Zhao, W.F. Wang, X. Gong, Durable Self-Cleaning Surfaces with Superhydrophobic and Highly Oleophobic Properties, Langmuir, 35 (2019) 8404- 8412. [13] Z. Yang, X.P. Liu, Y.L. Tian, A contrastive investigation on anticorrosive performance of laser-induced super-hydrophobic and oil-infused slippery coatings, Prog. Org. Coat. 138 (2020) 105313. [14] J.L. Yong, F. Chen, Q. Yang, J.L. Huo, X. Hou, Superoleophobic Surfaces, Chem. Soc. Rev. 46 (2017) 4168-4217. [15] D.W. Li, H.Y. Wang, Y. Liu, D.S. Wei, Z.X. Zhao, Large-Scale Fabrication of Durable and Robust Super-Hydrophobic Spray Coatings with Excellent Repairable and Anti-Corrosion Performance, Chem. Eng. J. 367 (2019) 169-179. [16] R.J. Liao, Z.P. Zuo, C. Guo, Y. Yuan, A.Y. Zhuang, Fabrication of superhydrophobic surface on aluminum by continuous chemical etching and its antiicing property, Appl. Surf. Sci. 317 (2014) 701-709. [17] Z. Yang. X.P. Liu, Y.L. Tian, Hybrid laser ablation and chemical modification for fast fabrication of bio-inspired super-hydrophobic surface with excellent selfcleaning, stability and corrosion resistance, J Bionic Eng 16 (2019) 13-26. [18] Z. Yang, Y.L. Tian, Y.C. Zhao, C.J. Yang, Study on the fabrication of superhydrophobic surface on Inconel alloy via nanosecond laser ablation, Materials 12 (2019) 278. [19] Y. Wang, X. Gong, Superhydrophobic Coatings with Periodic Ring Structured Patterns for Self-Cleaning and Oil-Water Separation, Adv. Mater. Interfaces 4 (2017) 1700190. [20] N. Chik, W.S.W.M. Zain, A.J. Mohamad, M.Z. Sidek, W.H.W. Ibrahim, A. Reif, J.H. Rakebrandt, W. Pfleging, X. Liu, Bacterial adhesion on the titanium and stainless-steel surfaces undergone two different treatment methods: Polishing and ultrafast laser treatment, IOP Conf. Ser.: Mater. Sci. Eng.358 (2018) 012034. [21] N.K.K. Win, P. Jitareerat, S. Kanlayanarat, S. Sangchote, Effects of cinnamon extract, chitosan coating, hot water treatment and their combinations on crown rot disease and quality of banana fruit, Postharvest Biol. Technol. 45 (2007) 333–340. [22] A. Yarin, Drop impact dynamics: splashing, spreading, receding, bouncing, Annu. Rev. Fluid Mech. 38 (2006) 159–192. [23] N. Wang, L.L. Tang, Y.F. Cai, W. Tong, D.S. Xiong, Scalable superhydrophobic coating with controllable wettability and investigations of its drag reduction, Colloids Surf. A 555 (2018) 290–295. [24] R. Fürstner, W. Barthlott, C. Neinhuis, P. Walzel, Wetting and self-cleaning properties of artificial superhydrophobic surfaces, Langmuir 21 (2005) 956–61. [25] U. Trdan, M. Hočevar, P. Gregorčič, Transition from superhydrophilic to superhydrophobic state of laser textured stainless steel surface and its effect on corrosion resistance, Corros. Sci. 123 (2017) 21–44. [26] A.L. Biance, C. Clanet, D. Quere, First steps in the spreading of a liquid droplet, Phys. Rev. E 69 (2004) 016301. [27] S. Kulju, L. Riegger, P. Koltay et al, Fluid flow simulations meet high-speed video: computer vision comparison of droplet dynamics, J. Colloid Interface Sci. 522 (2018) 48. [28] C.J. Yong, B. Bhushan, Dynamic effects of bouncing water droplets on superhydrophobic surfaces, Langmuir 24.12 (2008) 6262–6269. [29] G. Karapetsas, N.T. Chamakos, A.G. Papathanasiou, Efficient modelling of droplet dynamics on complex surfaces, J. Phys.: Condens. Matter 28.8 (2016) 085101. [30] D. Khojasteh, N.M. Kazerooni, S. Salarian et al, Droplet impact on superhydrophobic surfaces: a review of recent developments, J. Ind. Eng. Chem. 42 (2016) 1–14. [31] S.H. Kim, Y. Jiang, H. Kim, Droplet impact and LFP on wettability and nanostructured surface, Exp. Therm. Fluid Sci. 99 (2018) 85–93. [32] M. Rudman, Volume‐Tracking Methods for Interfacial Flow Calculations, Int. J. Numer. Methods Fluids 24.7 (1997) 671-691.
Department of mechanical engineering, Technical University of Denmark (DTU), Building 425, 2800 Kgs., Lyngby, Denmark
Received 21 August 2020, Revised 18 November 2020, Accepted 25 November 2020, Available online 15 December 2020.
Abstract
Several different interfacial forces affect the free surface of liquid metals during metal additive manufacturing processes. One of these is thermo-capillarity or the so-called Marangoni effect. In this work, a novel framework is introduced for unraveling the effects of thermo-capillarity on the melt pool morphology/size and its thermo-fluid conditions during the Laser Powder Bed Fusion (L-PBF) process. In this respect, a multi-physics numerical model is developed based on the commercial software package Flow-3D. The model is verified and validated via mesh-independency analysis and by comparison of the predicted melt pool profile with those from lab-scale single-track experiments. Two sets of parametric studies are carried out to find the role of both positive and inverse thermo-capillarity on the melt pool shape and its thermal and fluid dynamics conditions. The thermo-fluid conditions of the melt pool are further investigated using appropriate dimensionless numbers. The results show that for the higher Marangoni number cases, the melt pool temperature drops, and at the same time, the temperature field becomes more uniform. Also, it is shown that at higher Marangoni numbers, temperature gradients decrease, thus reducing the role of conduction in the heat transfer from the melt pool. Furthermore, for the first time, a novel methodology is introduced for the calculation of the melt pool’s average Nusselt number. The average Nusselt numbers calculated for the positive and inverse thermo-capillarity are then used for finding the effective liquid conductivity required for a computationally cheaper pure heat conduction simulation. The results show that the deviation between the average melt pool temperature, using the pure conduction model with effective conductivity, and the one obtained from the advanced fluid dynamics model is less than 2%.
Keywords
Thermo-capillarity, Melt pool, Heat and fluid flow, Numerical model, L-PBF
Korea Abstract
금속 적층 제조 공정 중 액체 금속의 자유 표면에 여러 가지 다른 계면력이 영향을 미칩니다. 이들 중 하나는 열 모세관 또는 소위 Marangoni 효과입니다.
이 작업에서는 L-PBF (Laser Powder Bed Fusion) 공정 중 용융 풀 형태 / 크기 및 열 유동 조건에 대한 열 모세관의 영향을 밝히기 위한 새로운 프레임워크가 도입되었습니다.
이러한 점에서 상용 소프트웨어 패키지 Flow-3D를 기반으로 다중 물리 수치 모델이 개발되었습니다. 모델은 메쉬 독립 분석을 통해 그리고 예측 된 용융 풀 프로필을 실험실 규모의 단일 트랙 실험에서 얻은 프로필과 비교하여 검증 및 검증됩니다.
용융 풀 모양과 열 및 유체 역학 조건에 대한 양 및 역 열 모세관의 역할을 찾기 위해 두 세트의 매개 변수 연구가 수행됩니다. 용융 풀의 열 유동 조건은 적절한 무 차원 숫자를 사용하여 추가로 조사됩니다.
결과는 Marangoni 수가 더 높은 경우 용융 풀 온도가 떨어지고 동시에 온도 필드가 더 균일 해짐을 보여줍니다. 또한 Marangoni 수가 높을수록 온도 구배가 감소하여 용융 풀에서 열 전달에서 전도의 역할이 감소하는 것으로 나타났습니다.
또한 용융 풀의 평균 Nusselt 수를 계산하기위한 새로운 방법론이 처음으로 도입되었습니다. 그런 다음 양수 및 역 열 모세관에 대해 계산 된 평균 Nusselt 수는 계산적으로 더 저렴한 순수 열 전도 시뮬레이션에 필요한 효과적인 액체 전도도를 찾는 데 사용됩니다. 결과는 유효 전도도가 있는 순수 전도 모델을 사용한 평균 용융 풀 온도와 고급 유체 역학 모델에서 얻은 편차가 2 % 미만임을 보여줍니다.
A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig1A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig2A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig3A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig4A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig5A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig6A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig7A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig8A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig9A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig10A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig11
미크론 크기의 내화물 입자를 추가하여 Ti-6Al-4V 합금의 레이저 적층 제조중 계층적 입자 미세 조정
Xiang Wang, Lin-Jie Zhang, Jie Ning, Sen Li, Liang-Liang Zhang, Jian Long State Key Laboratory for Mechanical Behavior of Materials, Xi’an Jiaotong University, Xi’an 710049, China
Abstract
Ti-6Al-4V alloys mad by additive manufacturing (AM) with slower cooling rate (e. g., direct energy deposition (DED)) generally have the problem of severe coarsening of α phase. This study presents a method to refine the microstructure of the primary β phase formed during the solid–liquid transformation, microstructures formed during the β → α + β transformation, and recrystallized microstructures formed during the repeated heating cycles encountered in AM processes. This is accomplished by the in situ precipitation of nano-sized dispersed high-melting-point yttria Y2O3 particles. The addition of micron-sized particles with high melting points can refine primary crystallized grains and transformed grains corresponding to the secondary phase in Ti-6Al-4V alloys. In addition, they can effectively inhibit the recrystallization and growth of prior-deposited metal grains. The microstructural and tensile properties of laser additive manufactured with filler wire Ti-6Al-4V components with different amounts of Y2O3 (0, 0.12, and 0.22 wt%) were investigated. The refining effect of Y2O3 was significant and the tensile strength of Ti-6Al-4V containing 0.22 wt% Y2O3 in the longitudinal and transverse directions was greater than that of Ti-6Al-4V by approximately 12% and 9%, respectively. Concurrently, there was no loss in the elongation of the material in either direction. The strategy of using micron-sized refractory particles to control phase transformation (primary crystallization, solid-state phase transformation, and recrystallization) can be applied to the AM of different metals, in which microstructures are susceptible to coarsening.
냉각 속도가 느린 적층 제조(AM)에 의해 제조된 Ti-6Al-4V 합금은 일반적으로 α상(예: 직접 에너지 증착(DED)의 심각한 응고 문제를 가지고 있습니다. 이 연구는 고체-액체 변환 중에 형성된 1 차 β상의 미세 구조, β → α + β 변환 중에 형성된 미세 구조, AM 공정에서 발생하는 반복되는 가열주기 동안 형성된 재 결정화된 미세 구조를 정제하는 방법을 제시합니다.
이것은 나노 크기의 분산된 고 융점이 트리아 Y2O3 입자의 현장 침전에 의해 달성됩니다. 녹는 점이 높은 미크론 크기의 입자를 추가하면 Ti-6Al-4V 합금의 2 차 상에 해당하는 1차 결정 입자 및 변형된 입자를 정제 할 수 있습니다.
또한 사전에 증착된 금속 입자의 재 결정화 및 성장을 효과적으로 억제 할 수 있습니다. Y2O3 (0, 0.12, 0.22 wt %)의 양이 다른 필러 와이어 Ti-6Al-4V 성분으로 제조 된 레이저 첨가제의 미세 구조 및 인장 특성을 조사했습니다.
Y2O3의 정제 효과는 유의미했으며, Y2O3 0.22 wt %를 세로 및 가로 방향으로 포함하는 Ti-6Al-4V의 인장 강도는 Ti-6Al-4V보다 각각 약 12 % 및 9 % 더 컸습니다. 동시에 어느 방향으로도 재료의 연신율에 손실이 없었습니다.
미크론 크기의 내화 입자를 사용하여 상 변환 (1 차 결정화, 고체 상 변환 및 재결정 화)을 제어하는 전략은 미세 구조가 거칠어지기 쉬운 다양한 금속의 AM에 적용될 수 있습니다.
DNA 프린팅 통합 멀티플렉서 드라이버 Microelectronic Mechanical System Head (IDMH) 및 Microfluidic Flow Estimation
by Jian-Chiun Liou 1,*,Chih-Wei Peng 1,Philippe Basset 2 andZhen-Xi Chen 11School of Biomedical Engineering, Taipei Medical University, Taipei 11031, Taiwan2ESYCOM, Université Gustave Eiffel, CNRS, CNAM, ESIEE Paris, F-77454 Marne-la-Vallée, France*Author to whom correspondence should be addressed.
Abstract
The system designed in this study involves a three-dimensional (3D) microelectronic mechanical system chip structure using DNA printing technology. We employed diverse diameters and cavity thickness for the heater. DNA beads were placed in this rapid array, and the spray flow rate was assessed. Because DNA cannot be obtained easily, rapidly deploying DNA while estimating the total amount of DNA being sprayed is imperative. DNA printings were collected in a multiplexer driver microelectronic mechanical system head, and microflow estimation was conducted. Flow-3D was used to simulate the internal flow field and flow distribution of the 3D spray room. The simulation was used to calculate the time and pressure required to generate heat bubbles as well as the corresponding mean outlet speed of the fluid. The “outlet speed status” function in Flow-3D was used as a power source for simulating the ejection of fluid by the chip nozzle. The actual chip generation process was measured, and the starting voltage curve was analyzed. Finally, experiments on flow rate were conducted, and the results were discussed. The density of the injection nozzle was 50, the size of the heater was 105 μm × 105 μm, and the size of the injection nozzle hole was 80 μm. The maximum flow rate was limited to approximately 3.5 cc. The maximum flow rate per minute required a power between 3.5 W and 4.5 W. The number of injection nozzles was multiplied by 100. On chips with enlarged injection nozzle density, experiments were conducted under a fixed driving voltage of 25 V. The flow curve obtained from various pulse widths and operating frequencies was observed. The operating frequency was 2 KHz, and the pulse width was 4 μs. At a pulse width of 5 μs and within the power range of 4.3–5.7 W, the monomer was injected at a flow rate of 5.5 cc/min. The results of this study may be applied to estimate the flow rate and the total amount of the ejection liquid of a DNA liquid.
이 연구에서 설계된 시스템은 DNA 프린팅 기술을 사용하는 3 차원 (3D) 마이크로 전자 기계 시스템 칩 구조를 포함합니다. 히터에는 다양한 직경과 캐비티 두께를 사용했습니다. DNA 비드를 빠른 어레이에 배치하고 스프레이 유속을 평가했습니다.
DNA를 쉽게 얻을 수 없기 때문에 DNA를 빠르게 배치하면서 스프레이 되는 총 DNA 양을 추정하는 것이 필수적입니다. DNA 프린팅은 멀티플렉서 드라이버 마이크로 전자 기계 시스템 헤드에 수집되었고 마이크로 플로우 추정이 수행되었습니다.
Flow-3D는 3D 스프레이 룸의 내부 유동장과 유동 분포를 시뮬레이션 하는데 사용되었습니다. 시뮬레이션은 열 거품을 생성하는데 필요한 시간과 압력뿐만 아니라 유체의 해당 평균 출구 속도를 계산하는데 사용되었습니다.
Flow-3D의 “출구 속도 상태”기능은 칩 노즐에 의한 유체 배출 시뮬레이션을 위한 전원으로 사용되었습니다. 실제 칩 생성 프로세스를 측정하고 시작 전압 곡선을 분석했습니다. 마지막으로 유속 실험을 하고 그 결과를 논의했습니다. 분사 노즐의 밀도는 50, 히터의 크기는 105μm × 105μm, 분사 노즐 구멍의 크기는 80μm였다. 최대 유량은 약 3.5cc로 제한되었습니다. 분당 최대 유량은 3.5W에서 4.5W 사이의 전력이 필요했습니다. 분사 노즐의 수에 100을 곱했습니다. 분사 노즐 밀도가 확대 된 칩에 대해 25V의 고정 구동 전압에서 실험을 수행했습니다. 얻은 유동 곡선 다양한 펄스 폭과 작동 주파수에서 관찰되었습니다. 작동 주파수는 2KHz이고 펄스 폭은 4μs입니다. 5μs의 펄스 폭과 4.3–5.7W의 전력 범위 내에서 단량체는 5.5cc / min의 유속으로 주입되었습니다. 이 연구의 결과는 DNA 액체의 토 출액의 유량과 총량을 추정하는 데 적용될 수 있습니다.
잉크젯 프린트 헤드 기술은 매우 중요하며, 잉크젯 기술의 거대한 발전은 주로 잉크젯 프린트 헤드 기술의 원리 개발에서 시작되었습니다. 잉크젯 인쇄 연구를 위한 대규모 액적 생성기 포함 [ 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8]. 연속 식 잉크젯 시스템은 고주파 응답과 고속 인쇄의 장점이 있습니다. 그러나이 방법의 잉크젯 프린트 헤드의 구조는 더 복잡하고 양산이 어려운 가압 장치, 대전 전극, 편향 전계가 필요하다. 주문형 잉크젯 시스템의 잉크젯 프린트 헤드는 구조가 간단하고 잉크젯 헤드의 다중 노즐을 쉽게 구현할 수 있으며 디지털화 및 색상 지정이 쉽고 이미지 품질은 비교적 좋지만 일반적인 잉크 방울 토출 속도는 낮음 [ 9 , 10 , 11 ].
핫 버블 잉크젯 헤드의 총 노즐 수는 수백 또는 수천에 달할 수 있습니다. 노즐은 매우 미세하여 풍부한 조화 색상과 부드러운 메쉬 톤을 생성할 수 있습니다. 잉크 카트리지와 노즐이 일체형 구조를 이루고 있으며, 잉크 카트리지 교체시 잉크젯 헤드가 동시에 업데이트되므로 노즐 막힘에 대한 걱정은 없지만 소모품 낭비가 발생하고 상대적으로 높음 비용. 주문형 잉크젯 기술은 배출해야 하는 그래픽 및 텍스트 부분에만 잉크 방울을 배출하고 빈 영역에는 잉크 방울이 배출되지 않습니다. 이 분사 방법은 잉크 방울을 충전할 필요가 없으며 전극 및 편향 전기장을 충전할 필요도 없습니다. 노즐 구조가 간단하고 노즐의 멀티 노즐 구현이 용이하며, 출력 품질이 더욱 개선되었습니다. 펄스 제어를 통해 디지털화가 쉽습니다. 그러나 잉크 방울의 토출 속도는 일반적으로 낮습니다. 열 거품 잉크젯, 압전 잉크젯 및 정전기 잉크젯의 세 가지 일반적인 유형이 있습니다. 물론 다른 유형이 있습니다.
압전 잉크젯 기술의 실현 원리는 인쇄 헤드의 노즐 근처에 많은 소형 압전 세라믹을 배치하면 압전 크리스탈이 전기장의 작용으로 변형됩니다. 잉크 캐비티에서 돌출되어 노즐에서 분사되는 패턴 데이터 신호는 압전 크리스탈의 변형을 제어한 다음 잉크 분사량을 제어합니다. 압전 MEMS 프린트 헤드를 사용한 주문형 드롭 하이브리드 인쇄 [ 12]. 열 거품 잉크젯 기술의 실현 원리는 가열 펄스 (기록 신호)의 작용으로 노즐의 발열체 온도가 상승하여 근처의 잉크 용매가 증발하여 많은 수의 핵 형성 작은 거품을 생성하는 것입니다. 내부 거품의 부피는 계속 증가합니다. 일정 수준에 도달하면 생성된 압력으로 인해 잉크가 노즐에서 분사되고 최종적으로 기판 표면에 도달하여 패턴 정보가 재생됩니다 [ 13 , 14 , 15 , 16 , 17 , 18 ].
“3D 제품 프린팅”및 “증분 빠른 제조”의 의미는 진화했으며 모든 증분 제품 제조 기술을 나타냅니다. 이는 이전 제작과는 다른 의미를 가지고 있지만, 자동 제어 하에 소재를 쌓아 올리는 3D 작업 제작 과정의 공통적 인 특징을 여전히 반영하고 있습니다 [ 19 , 20 , 21 , 22 , 23 , 24 ].
이 개발 시스템은 열 거품 분사 기술입니다. 이 빠른 어레이에 DNA 비드를 배치하고 스프레이 유속을 평가하기 위해 다른 히터 직경과 캐비티 두께를 설계하는 것입니다. DNA 제트 칩의 부스트 회로 시스템은 큰 흐름을 구동하기위한 신호 소스입니다. 목적은 분사되는 DNA 용액의 양과 출력을 조정하는 것입니다. 입력 전압을 더 높은 출력 전압으로 변환해야 하는 경우 부스트 컨버터가 유일한 선택입니다. 부스트 컨버터는 내부 금속 산화물 반도체 전계 효과 트랜지스터 (MOSFET)를 통해 전압을 충전하여 부스트 출력의 목적을 달성하고, MOSFET이 꺼지면 인덕터는 부하 정류를 통해 방전됩니다.
인덕터의 충전과 방전 사이의 변환 프로세스는 인덕터를 통한 전압의 방향을 반대로 한 다음 점차적으로 입력 작동 전압보다 높은 전압을 증가시킵니다. MOSFET의 스위칭 듀티 사이클은 확실히 부스트 비율을 결정합니다. MOSFET의 정격 전류와 부스트 컨버터의 부스트 비율은 부스트 컨버터의 부하 전류의 상한을 결정합니다. MOSFET의 정격 전압은 출력 전압의 상한을 결정합니다. 일부 부스트 컨버터는 정류기와 MOSFET을 통합하여 동기식 정류를 제공합니다. 통합 MOSFET은 정확한 제로 전류 턴 오프를 달성하여 부스트 변압기를 보다 효율적으로 만듭니다. 최대 전력 점 추적 장치를 통해 입력 전력을 실시간으로 모니터링합니다. 입력 전압이 최대 입력 전력 지점에 도달하면 부스트 컨버터가 작동하기 시작하여 부스트 컨버터가 최대 전력 출력 지점으로 유리 기판에 DNA 인쇄를 하는 데 적합합니다. 일정한 온 타임 생성 회로를 통해 온 타임이 온도 및 칩의 코너 각도에 영향을 받지 않아 시스템의 안정성이 향상됩니다.
잉크젯 프린트 헤드에 사용되는 기술은 매우 중요합니다. 잉크젯 기술의 엄청난 발전은 주로 잉크젯 프린팅에 사용되는 대형 액적 이젝터 [ 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 ]를 포함하여 잉크젯 프린트 헤드 기술의 이론 개발에서 시작되었습니다 . 연속 잉크젯 시스템은 고주파 응답과 고속 인쇄의 장점을 가지고 있습니다. 잉크젯 헤드의 총 노즐 수는 수백 또는 수천에 달할 수 있으며 이러한 노즐은 매우 복잡합니다. 노즐은 풍부하고 조화로운 색상과 부드러운 메쉬 톤을 생성할 수 있습니다 [ 9 , 10 ,11 ]. 잉크젯은 열 거품 잉크젯, 압전 잉크젯 및 정전 식 잉크젯의 세 가지 주요 유형으로 분류할 수 있습니다. 다른 유형도 사용 중입니다. 압전 잉크젯의 기능은 다음과 같습니다. 많은 소형 압전 세라믹이 잉크젯 헤드 노즐 근처에 배치됩니다. 압전 결정은 전기장 아래에서 변형됩니다. 그 후, 잉크는 잉크 캐비티에서 압착되어 노즐에서 배출됩니다. 패턴의 데이터 신호는 압전 결정의 변형을 제어한 다음 분사되는 잉크의 양을 제어합니다. 압전 마이크로 전자 기계 시스템 (MEMS) 잉크젯 헤드는 하이브리드 인쇄에 사용됩니다. [ 12]. 열 버블 잉크젯 기술은 다음과 같이 작동합니다. 가열 펄스 (즉, 기록 신호) 하에서 노즐의 가열 구성 요소의 온도가 상승하여 근처의 잉크 용매를 증발시켜 많은 양의 작은 핵 기포를 생성합니다. 내부 기포의 부피가 지속적으로 증가합니다. 압력이 일정 수준에 도달하면 노즐에서 잉크가 분출되고 잉크가 기판 표면에 도달하여 패턴과 메시지가 표시됩니다 [ 13 , 14 , 15 , 16 , 17 , 18 ].
3 차원 (3D) 제품 프린팅 및 빠른 프로토 타입 기술의 발전에는 모든 빠른 프로토 타입의 생산 기술이 포함됩니다. 래피드 프로토 타입 기술은 기존 생산 방식과는 다르지만 3D 제품 프린팅 생산 과정의 일부 특성을 공유합니다. 구체적으로 자동 제어 [ 19 , 20 , 21 , 22 , 23 , 24 ] 하에서 자재를 쌓아 올립니다 .
이 연구에서 개발된 시스템은 열 기포 방출 기술을 사용했습니다. 이 빠른 어레이에 DNA 비드를 배치하기 위해 히터에 대해 다른 직경과 다른 공동 두께가 사용되었습니다. 그 후, 스프레이 유속을 평가했다. DNA 제트 칩의 부스트 회로 시스템은 큰 흐름을 구동하기위한 신호 소스입니다. 목표는 분사되는 DNA 액체의 양과 출력을 조정하는 것입니다. 입력 전압을 더 높은 출력 전압으로 수정해야하는 경우 승압 컨버터가 유일한 옵션입니다. 승압 컨버터는 내부 금속 산화물 반도체 전계 효과 트랜지스터 (MOSFET)를 충전하여 출력 전압을 증가시킵니다. MOSFET이 꺼지면 부하 정류를 통해 인덕턴스가 방전됩니다. 충전과 방전 사이에서 인덕터를 변경하는 과정은 인덕터를 통과하는 전압의 방향을 변경합니다. 전압은 입력 작동 전압을 초과하는 지점까지 점차적으로 증가합니다. MOSFET 스위치의 듀티 사이클은 부스트 비율을 결정합니다. MOSFET의 승압 컨버터의 정격 전류와 부스트 비율은 승압 컨버터의 부하 전류의 상한을 결정합니다. MOSFET의 정격 전류는 출력 전압의 상한을 결정합니다. 일부 승압 컨버터는 정류기와 MOSFET을 통합하여 동기식 정류를 제공합니다. 통합 MOSFET은 정밀한 제로 전류 셧다운을 실현할 수 있으므로 셋업 컨버터의 효율성을 높일 수 있습니다. 최대 전력 점 추적 장치는 입력 전력을 실시간으로 모니터링하는 데 사용되었습니다. 입력 전압이 최대 입력 전력 지점에 도달하면 승압 컨버터가 작동을 시작합니다. 스텝 업 컨버터는 DNA 프린팅을 위한 최대 전력 출력 포인트가 있는 유리 기판에 사용됩니다.
MEMS Chip Design for Bubble Jet
이 연구는 히터 크기, 히터 번호 및 루프 저항과 같은 특정 매개 변수를 조작하여 5 가지 유형의 액체 배출 챔버 구조를 설계했습니다. 표 1 은 측정 결과를 나열합니다. 이 시스템은 다양한 히터의 루프 저항을 분석했습니다. 100 개 히터 설계를 완료하기 위해 2 세트의 히터를 사용하여 각 단일 회로 시리즈를 통과하기 때문에 100 개의 히터를 설계할 때 총 루프 저항은 히터 50 개의 총 루프 저항보다 하나 더 커야 합니다. 이 연구에서 MEMS 칩에서 기포를 배출하는 과정에서 저항 층의 면저항은 29 Ω / m 2입니다. 따라서 모델 A의 총 루프 저항이 가장 컸습니다. 일반 사이즈 모델 (모델 B1, C, D, E)의 두 배였습니다. 모델 B1, C, D 및 E의 총 루프 저항은 약 29 Ω / m 2 입니다. 표 1 에 따르면 오류 범위는 허용된 설계 값 이내였습니다. 따라서야 연구에서 설계된 각 유형의 단일 칩은 동일한 생산 절차 결과를 가지며 후속 유량 측정에 사용되었습니다.
Table 1. List of resistance measurement of single circuit resistance.
DNA를 뿌린 칩의 파워가 정상으로 확인되면 히터 버블의 성장 특성을 테스트하고 검증했습니다. DNA 스프레이 칩의 필름 두께와 필름 품질은 히터의 작동 조건과 스프레이 품질에 영향을 줍니다. 따라서 기포 성장 현상과 그 성장 특성을 이해하면 본 연구에서 DNA 스프레이 칩의 특성과 작동 조건을 명확히 하는 데 도움이 됩니다.
설계된 시스템은 기포 성장 조건을 관찰하기 위해 개방형 액체 공급 방법을 채택했습니다. 이미지 관찰을 위해 발광 다이오드 (LED, Nichia NSPW500GS-K1, 3.1V 백색 LED 5mm)를 사용하는 동기식 플래시 방식을 사용하여 동기식 지연 광원을 생성했습니다. 이 시스템은 또한 전하 결합 장치 (CCD, Flir Grasshopper3 GigE GS3-PGE-50S5C-C)를 사용하여 이미지를 캡처했습니다. 그림 1핵 형성, 성장, 거품 생성에서 소산에 이르는 거품의 과정을 보여줍니다. 이 시스템은 기포의 성장 및 소산 과정을 확인하여 시작 전압을 관찰하는 데 사용할 수 있습니다. 마이크로 채널의 액체 공급 방법은 LED가 깜빡이는 시간을 가장 큰 기포 발생에 필요한 시간 (15μs)으로 설정했습니다. 이 디자인은 부적합한 깜박임 시간으로 인한 잘못된 판단과 거품 이미지 캡처 불가능을 방지합니다.
Figure 1. The system uses CCD to capture images.
<내용 중략>…….
Table 2. Open pool test starting voltage results.Figure 2. Serial input parallel output shift registers forms of connection.Figure 3. The geometry of the jet cavity. (a) The actual DNA liquid chamber, (b) the three-dimensional view of the microfluidic single channel. A single-channel jet cavity with 60 μm diameter and 50 μm thickness, with an operating frequency of 5 KHz, in (a) three-dimensional side view (b) X-Z two-dimensional cross-sectional view, at 10, 20, 30, 40 and 200 μs injection conditions.Figure 4. Calculate and simulate the injection of water in a single-channel injection chamber with a nozzle diameter of 60 μm and a thickness of 50 μm, at an operating frequency of 5 KHz, in the X-Y two-dimensional cross-sectional view, at 10, 20, 30, 40 and 200 μs.Figure 5 depicts the calculation results of the 2D X-Z cross section. At 100 μs and 200 μs, the fluid injection orifice did not completely fill the chamber. This may be because the size of the single-channel injection cavity was unsuitable for the highest operating frequency of 10 KHz. Thus, subsequent calculation simulations employed 5 KHz as the reference operating frequency. The calculation simulation results were calculated according to the operating frequency of the impact. Figure 6 illustrates the injection cavity height as 60 μm and 30 μm and reveals the 2D X-Y cross section. At 100 μs and 200 μs, the fluid injection orifice did not completely fill the chamber. In those stages, the fluid was still filling the chamber, and the flow field was not yet stable.Figure 6. Calculate and simulate water in a single-channel spray chamber with a spray hole diameter of 60 μm and a thickness of 50 μm, with an operating frequency of 10 KHz, in an XY cross-sectional view, at 10, 20, 30, 40, 100, 110, 120, 130, 140 and 200 μs injection situation.Figure 7. The DNA printing integrated multiplexer driver MEMS head (IDMH).Figure 8. The initial voltage diagrams of chip number A,B,C,D,E type.Figure 9. The initial energy diagrams of chip number A,B,C,D,E type.Figure 10. A Type-Sample01 flow test.Figure 11. A Type-Sample01 drop volume.Figure 12. A Type-Sample01 flow rate.Figure 13. B1-00 flow test.Figure 14. C Type-01 flow test.Figure 15. D Type-02 flow test.Figure 16. E1 type flow test.Figure 17. E1 type ejection rate relationship.
Conclusions
이 연구는 DNA 프린팅 IDMH를 제공하고 미세 유체 흐름 추정을 수행했습니다. 설계된 DNA 스프레이 캐비티와 20V의 구동 전압에서 다양한 펄스 폭의 유동 성능이 펄스 폭에 따라 증가하는 것으로 밝혀졌습니다.
E1 유형 유량 테스트는 해당 유량이 3.1cc / min으로 증가함에 따라 유량이 전력 변화에 영향을 받는 것으로 나타났습니다. 동력이 증가함에 따라 유량은 0.75cc / min에서 3.5cc / min으로 최대 6.5W까지 증가했습니다. 동력이 더 증가하면 유량은 에너지와 함께 증가하지 않습니다. 이것은 이 테이블 디자인이 가장 크다는 것을 보여줍니다. 유속은 3.5cc / 분이었다. 작동 주파수가 2KHz이고 펄스 폭이 4μs 및 5μs 인 특수 설계된 DNA 스프레이 룸 구조에서 다양한 전력 조건 하에서 유량 변화를 관찰했습니다. 4.3–5.87 W의 출력 범위 내에서 주입 된 모노머의 유속은 5.5cc / 분이었습니다. 이것은 힘이 증가해도 변하지 않았습니다. DNA는 귀중하고 쉽게 얻을 수 없습니다. 이 실험을 통해 우리는 DNA가 뿌려진 마이크로 어레이 바이오칩의 수천 개의 지점에 필요한 총 DNA 양을 정확하게 추정 할 수 있습니다.
<내용 중략>…….
References
Pydar, O.; Paredes, C.; Hwang, Y.; Paz, J.; Shah, N.; Candler, R. Characterization of 3D-printed microfluidic chip interconnects with integrated O-rings. Sens. Actuators Phys.2014, 205, 199–203. [Google Scholar] [CrossRef]
Ohtani, K.; Tsuchiya, M.; Sugiyama, H.; Katakura, T.; Hayakawa, M.; Kanai, T. Surface treatment of flow channels in microfluidic devices fabricated by stereolitography. J. Oleo Sci.2014, 63, 93–96. [Google Scholar] [CrossRef]
Castrejn-Pita, J.R.; Martin, G.D.; Hoath, S.D.; Hutchings, I.M. A simple large-scale droplet generator for studies of inkjet printing. Rev. Sci. Instrum.2008, 79, 075108. [Google Scholar] [CrossRef] [PubMed]
Asai, A. Application of the nucleation theory to the design of bubble jet printers. Jpn. J. Appl. Phys. Regul. Rap. Short Notes1989, 28, 909–915. [Google Scholar] [CrossRef]
Aoyama, R.; Seki, M.; Hong, J.W.; Fujii, T.; Endo, I. Novel Liquid Injection Method with Wedge-shaped Microchannel on a PDMS Microchip System for Diagnostic Analyses. In Transducers’ 01 Eurosensors XV; Springer: Berlin, Germany, 2001; pp. 1204–1207. [Google Scholar]
Xu, B.; Zhang, Y.; Xia, H.; Dong, W.; Ding, H.; Sun, H. Fabrication and multifunction integration of microfluidic chips by femtosecond laser direct writing. Lab Chip2013, 13, 1677–1690. [Google Scholar] [CrossRef] [PubMed]
Nayve, R.; Fujii, M.; Fukugawa, A.; Takeuchi, T.; Murata, M.; Yamada, Y. High-Resolution long-array thermal ink jet printhead fabricated by anisotropic wet etching and deep Si RIE. J. Microelectromech. Syst.2004, 13, 814–821. [Google Scholar] [CrossRef]
O’Connor, J.; Punch, J.; Jeffers, N.; Stafford, J. A dimensional comparison between embedded 3D: Printed and silicon microchannesl. J. Phys. Conf. Ser.2014, 525, 012009. [Google Scholar] [CrossRef]
Fang, Y.J.; Lee, J.I.; Wang, C.H.; Chung, C.K.; Ting, J. Modification of heater and bubble clamping behavior in off-shooting inkjet ejector. In Proceedings of the IEEE Sensors, Irvine, CA, USA, 30 October–3 November 2005; pp. 97–100. [Google Scholar]
Lee, W.; Kwon, D.; Choi, W.; Jung, G.; Jeon, S. 3D-Printed microfluidic device for the detection of pathogenic bacteria using size-based separation in helical channel with trapezoid cross-section. Sci. Rep.2015, 5, 7717. [Google Scholar] [CrossRef] [PubMed]
Shin, D.Y.; Smith, P.J. Theoretical investigation of the influence of nozzle diameter variation on the fabrication of thin film transistor liquid crystal display color filters. J. Appl. Phys.2008, 103, 114905-1–114905-11. [Google Scholar] [CrossRef]
Kim, Y.; Kim, S.; Hwang, J.; Kim, Y. Drop-on-Demand hybrid printing using piezoelectric MEMS printhead at various waveforms, high voltages and jetting frequencies. J. Micromech. Microeng.2013, 23, 8. [Google Scholar] [CrossRef]
Shin, S.J.; Kuka, K.; Shin, J.W.; Lee, C.S.; Oha, Y.S.; Park, S.O. Thermal design modifications to improve firing frequency of back shooting inkjet printhead. Sens. Actuators Phys.2004, 114, 387–391. [Google Scholar] [CrossRef]
Rose, D. Microfluidic Technologies and Instrumentation for Printing DNA Microarrays. In Microarray Biochip Technology; Eaton Publishing: Norwalk, CT, USA, 2000; p. 35. [G
![Fig. 3 2D melt pool contours from the numerical model compared to experiments [16] for (a) VED = 65 J/mm3 at 7 mm from the beginning of the single track (b) VED = 103 J/mm3 at 3 mm from the beginning of the single track (c) VED = 103 J/mm3 at 7 mm from the beginning of the single track. In the 2D contour, the non-melted region is indicated in blue, and the melted region is indicated by red and green when the VED is 65 J/mm3 and 103 J/mm3 respectively.](https://flow3d.co.kr/wp-content/uploads/Fig.-3-2D-melt-pool-contours-from-the-numerical-model-compared-to-experiments.png)
![Figure 1.1: Schematic Overview of Metal Laser Powder Bed Fusion Process [2]](https://flow3d.co.kr/wp-content/uploads/Figure-1.1-Schematic-Overview-of-Metal-Laser-Powder-Bed-Fusion-Process-2.png)
![Figure 11. A comparison among experiments [49], CFD and analytical simulations for deep keyhole top width and bottom width](https://flow3d.co.kr/wp-content/uploads/Figure-11.-A-comparison-among-experiments-49-CFD-and-analytical-simulations-for-deep-keyhole-top-width-and-bottom-width.png)
