<span class=“js_title_inner“>科学家对金属3D打印性能调控诞生新理解:无需后处理、不换成分,性能可调!</span>

美国能源部下属国家研究机构劳伦斯·利弗莫尔国家实验室(LLNL)的科学家们最近的一项研究表明,3D打印金属的性能 可以在制造过程中进行 精确调整。研究团队通过改变打印高熵合金时的激光扫描速度,揭示了 冷却速率如 何影响金属凝固过程中的原子结构。研究结果表明,无需进行后处理或合金重新设计,即可通过工艺参数直接调整材料性能。

研究结果直接解决了金属3D打印材料性能不确定造成的主要应用障碍,有助于这项技术获得更广泛的应用。

金属增材制造可预测面临的挑战

金属增材制造技术虽然能够制造用于航空航天和国防领域的复杂形状部件,但由于材料性能难以预测,因此仍旧难以被大胆用于对性能要求高的关键应用中。打印过程中快速的熔化和凝固会形成非平衡的微观结构,即使在相同的标准工艺参数下,也会导致强度、延展性和断裂韧性出现显著差异。

劳伦斯利弗莫尔国家实验室(LLNL)指出,高熵合金包含多种主要元素而非单一基体金属,因此比传统合金具有更广阔的设计空间。其复杂的化学成分使其能够展现出广泛的力学性能,但也使其对打印过程中的热历史高度敏感。因此,冷却速率的微小差异就可能显著改变原子排列和最终性能,进一步加剧了可预测性的挑战。

马萨诸塞大学团队制备出兼具超强强度和高延展性的高性能纳米结构合金

利用激光速度对原子结构进行编程

为了研究工艺参数如何影响材料性能,由LLNL领导的研究团队将热力学建模与金属增材制造的分子动力学模拟相结合。研究人员分析了激光扫描速度如何影响凝固过程中的冷却速率,进而影响原子在成分复杂的合金中的排列方式。

结果表明,更快的激光扫描速度会提高冷却速率,从而限制原子重排成低能构型的时间,这使得材料锁定在非平衡原子结构中。较慢的扫描速度则允许更多的原子重排,从而产生更接近热力学平衡的结构。

这种工艺级控制能够直接在同一合金体系内实现强度和延展性之间的调控。快速冷却可提高强度,但会增加脆性;而缓慢冷却则可获得更均衡的力学性能。该方法无需改变合金成分,只需修改单个打印参数即可调整性能。

利用增材制造技术高通量合成Mo-Nb-Ta-W高熵合金

“我们现在已经能够有效地设计出充分利用增材制造特性(例如极快的冷却速度)的新材料,”副组长托马斯·沃辛说道。

不同冷却速率下快速凝固的AlCrFe2Ni2高熵合金的室温截面图(300 K)下,冷却速率分别为10K/ps, 5K/ps,0.1K/ps,0.01K/ps.蓝色、绿色和白色球体分别对应BCC、FCC和非晶原子。中央方框代表初始晶格,作为BCC结构(以蓝色球体表示)

尽管LLNL的研究表明,在金属增材制造过程中,可以通过控制激光扫描速度来影响原子结构,但这些发现是基于高熵合金的热力学建模和分子动力学模拟,尚未在经过认证的大规模零件生产中得到验证。尽管如此,这项工作表明,工艺参数可以作为有意设计的手段来影响材料性能,而不是将微观结构变化视为不可避免的结果。

性能可调控在应用中至关重要

在金属增材制造过程中调整机械性能的能力解决了该领域面临的一个根本性难题:最终用途零件性能的不确定性。在航空航天、国防和能源等领域,工程师无法基于各种可能的材料结果来设计或认证零件。机械性能必须预先确定,才能满足认证、安全和可靠性要求。然而,传统的金属增材制造工艺往往会产生微观结构差异,因为热流的微小变化就可能导致原子结构的巨大差异。

通过增材制造制成的高熵合金

近期的研究反映出学界正努力减少这种不确定性。研究表明,激光粉末床熔融过程中的冷却速率会影响晶粒结构、韧性和耐腐蚀性;而其他研究团队则开发出一些工具,可以通过调整激光功率和扫描策略来预测和影响镍基高温合金的微观结构。这些方法旨在使打印材料的性能与设计意图相符,但通常需要进行大量的参数优化或针对特定合金的调整。 

3D打印技术参考查询到,LLNL的这项研究以“Unravelling Microstructure Selection in an Additively Manufactured Eutectic High-Entropy Alloy”为题发表在Advanced Materials。

注:本文由3D打印技术参考创作,未经联系授权,谢绝转载。#增材制造 #3D打印 

欢迎转发

延伸阅读:

1.将金属3D打印玩出差异化!西空智造展示“智能三打”技术在商业航天具体能做什么

2.“真正进入欧美市场”,中国增材制造企业还缺什么?

3.金属3D打印“局部微观结构精准编程”—多体积激光能量密度控制技术

4.重大突破:我国多金属3D打印航空发动机整体涡轮叶盘,首次通过试车考核!

内容概要:本文提出了一种基于非合作博弈理论的居民负荷分层调度模型,并结合双层鲸鱼优化算法(Two-level Whale Optimization Algorithm)进行高效求解,模型与算法均通过Matlab代码实现。研究针对电力系统中居民侧用电负荷的复杂调度问题,引入非合作博弈机制刻画各用户之间的利益竞争关系,实现负荷的分层优化分配;同时设计双层优化架构,上层优化资源配置,下层模拟用户自主决策行为,提升了模型的实用性与合理性。通过智能优化算法求解多层级、非凸非线性的博弈模型,有效提高了调度方案的收敛性与全局寻优能力,适用于现代智能电网中的需求侧管理与能源优化场景。; 适合人群:具备电力系统基础理论知识和Matlab编程能力,从事智能电网、能源优化调度、需求侧管理、博弈论应用等方向的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①应用于居民区电力负荷的分层优化调度系统设计与仿真分析;②为非合作博弈在多主体能源系统建模中的应用提供方法论支持;③利用双层鲸鱼算法解决具有嵌套结构的复杂双层优化问题,提升求解效率与调度方案的可行性。; 阅读建议:建议读者结合提供的Matlab代码深入理解模型构建逻辑与算法实现流程,重点关注博弈模型的效用函数设计、纳什均衡求解思路以及双层优化结构的迭代机制,宜配合实际用电数据开展复现实验以验证模型有效性与鲁棒性。
内容概要:本文围绕基于自适应神经模糊推理系统(ANFIS)智能控制器的可再生能源微电网功率管理系统展开研究,结合Simulink仿真实现,深入探讨了微电网中功率的智能调控与经济机组组合调度问题。通过引入ANFIS控制器,有效应对风能、光伏等可再生能源出力的波动性与不确定性,提升系统运行的稳定性与电能质量。研究内容涵盖微电网多源协调控制策略、功率平衡管理、优化调度模型构建及仿真验证,实现了对分布式电源、储能系统和负荷的协同优化,兼顾经济性与可靠性目标,并通过仿真平台验证了所提方法的有效性与优越性。; 适合人群:具备电力系统、自动化或能源相关专业背景,熟悉Matlab/Simulink仿真环境,从事微电网能量管理、智能控制、能源优化等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于高比例可再生能源接入场景下的微电网能量管理系统研发与教学实践;②为实现微电网功率稳定控制与经济高效运行提供先进的智能控制解决方案;③支撑高水平学术论文复现、科研课题攻关及实际工程项目的仿真验证与方案优化。; 阅读建议:建议结合提供的Simulink模型与相关代码进行动手实践,重点关注ANFIS控制器的设计流程、规则库构建与参数调优方法,并通过与传统PID或MPC控制策略的对比实验,深入理解其在动态响应与鲁棒性方面的优势。同时可进一步拓展文中提出的优化调度逻辑,应用于多目标、多约束的复杂实际应用场景中。
内容概要:本文档聚焦于“直流电机双闭环控制Matlab仿真”,系统阐述了基于Matlab/Simulink平台实现直流电机双闭环控制系统(主要包括速度环与电流环)的设计与仿真全过程。通过构建直流电机的数学模型,结合PI控制器进行调控,实现对电机转速和电枢电流的高精度动态控制,验证控制策略的稳定性与响应性能。文档详细介绍了仿真模型的搭建流程、关键参数的整定方法、系统动态波形的分析手段以及仿真结果的有效性验证,体现了经典自动控制理论在实际电机系统中的工程应用,是电机控制与电力电子技术相结合的典型研究案例。; 适合人群:具备自动控制原理、电机与拖动基础、电力电子技术和Matlab/Simulink仿真能力的电气工程、自动化、机电一体化等专业的本科生、研究生及从事电机驱动系统研发的工程技术人员。; 使用场景及目标:①作为高校课程设计或实验教学材料,帮助学生深入理解双闭环调速系统的工作机理与工程实现;②服务于科研项目,为型电机控制算法(如滑模、模糊PID等)的开发与性能对比提供基础仿真验证平台;③作为工业界产品前期设计的仿真工具,用于评估不同控制策略在动态响应、抗干扰能力和稳态精度方面的可行性。; 阅读建议:建议读者在学习过程中紧密结合自动控制理论知识,亲手在Simulink环境中搭建完整的双闭环仿真模型,通过反复调整PI控制器的比例与积分参数,观察并分析转速、电流的阶跃响应曲线,从而深刻理解反馈控制的本质、系统稳定性条件以及参数整定对动态性能的影响,进而掌握电机控制系统的设计精髓。
内容概要:本文研究了基于Benders分解与输电网运营商(TSO)和配电网运营商(DSO)协调机制的不确定环境下输配电网双层优化模型,旨在提升高比例可再生能源接入背景下电网系统的协调性与鲁棒性。模型上层以系统整体经济性为目标进行优化调度,下层采用Benders分解实现TSO与DSO之间的信息交互与协同决策,通过引入割平面迭代机制保障求解的收敛性与全局最优性。研究充分考虑能源出力与负荷需求的不确定性,构建了具有强适应性的双层优化框架,并基于Matlab完成了模型的编程实现与仿真验证,有效解决了多主体、多层级、多不确定性因素耦合下的电力系统优化调度难题。; 适合人群:具备电力系统分析、运筹学与优化理论基础,熟悉Matlab编程环境,从事智能电网、能源互联网、分布式能源集成、电力市场等方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①研究高渗透率可再生能源条件下输配电网协同优化调度策略;②掌握Benders分解在电力系统双层优化建模中的应用方法与实现技巧;③构建TSO-DSO多主体协调机制,实现跨层级电网资源的高效互动与决策解耦;④提升对不确定性建模、分解算法设计及大规模优化问题求解能力。; 阅读建议:建议读者结合Matlab代码逐模块剖析模型构建流程,重点理解Benders割的生成逻辑、主从问题的信息传递机制及收敛判据设定,推荐在标准IEEE测试系统上复现实验以深入掌握模型特性与算法性能
内容概要:本文系统研究了基于灰狼优化算法(GWO)优化Elman神经网络的方法,并提供了完整的Matlab代码实现。研究重点在于利用灰狼优化算法强大的全局搜索能力,对Elman神经网络的关键参数进行智能优化,从而克服传统训练方法易陷入局部最优的缺陷,显著提升模型在时序预测与非线性系统建模任务中的精度与稳定性。文章详细阐述了Elman网络的动态反馈机制及其在处理时间序列数据方面的优势,构建了GWO与Elman相结合的混合预测框架,涵盖了从模型搭建、参数寻优、仿真测试到结果分析的全流程,特别适用于风电功率预测、电力负荷预测等具有强时变性和不确定性的工程应用场景。; 适合人群:具备一定Matlab编程能力和神经网络基础知识,从事智能优化算法、时间序列预测、电力系统分析或能源出力预测等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握灰狼优化算法在神经网络超参数优化中的具体实施路径与技术细节;②深入理解Elman递归神经网络与群体智能优化算法融合的建模范式;③将其应用于风电、光伏等能源发电功率预测及复杂动态系统的建模与仿真,提升预测性能。; 阅读建议:建议读者结合所提供的Matlab代码进行动手实践,重点关注GWO算法与Elman网络的接口设计、适应度函数构建及参数优化迭代过程,可通过调整数据集或迁移至其他预测场景以深化理解和验证模型泛化能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值