CN109703029B - 一种基于材料物理模型驱动的正向增材制造控制方法 - Google Patents
一种基于材料物理模型驱动的正向增材制造控制方法 Download PDFInfo
- Publication number
- CN109703029B CN109703029B CN201810302696.1A CN201810302696A CN109703029B CN 109703029 B CN109703029 B CN 109703029B CN 201810302696 A CN201810302696 A CN 201810302696A CN 109703029 B CN109703029 B CN 109703029B
- Authority
- CN
- China
- Prior art keywords
- manufacturing
- life
- standard
- additive manufacturing
- parameter combination
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 257
- 239000000463 material Substances 0.000 title claims abstract description 189
- 239000000654 additive Substances 0.000 title claims abstract description 100
- 230000000996 additive effect Effects 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000004458 analytical method Methods 0.000 claims abstract description 65
- 239000010421 standard material Substances 0.000 claims abstract description 51
- 238000013528 artificial neural network Methods 0.000 claims abstract description 17
- 230000006698 induction Effects 0.000 claims abstract description 6
- 238000013461 design Methods 0.000 claims description 77
- 238000009826 distribution Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 20
- 230000006378 damage Effects 0.000 claims description 18
- 230000007246 mechanism Effects 0.000 claims description 14
- 238000001228 spectrum Methods 0.000 claims description 9
- 238000012805 post-processing Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 230000000704 physical effect Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000013499 data model Methods 0.000 claims description 3
- 238000007493 shaping process Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000010146 3D printing Methods 0.000 description 14
- 238000005457 optimization Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 12
- 238000003908 quality control method Methods 0.000 description 12
- 238000007726 management method Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 239000013078 crystal Substances 0.000 description 6
- 238000007639 printing Methods 0.000 description 6
- ONQJETBPCNSDIF-UHFFFAOYSA-N 3,4-bis[(4-hydroxyphenyl)methyl]oxolan-2-one Chemical compound C1=CC(O)=CC=C1CC1C(CC=2C=CC(O)=CC=2)C(=O)OC1 ONQJETBPCNSDIF-UHFFFAOYSA-N 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000001939 inductive effect Effects 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 239000007769 metal material Substances 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 239000012620 biological material Substances 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000011960 computer-aided design Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 239000013081 microcrystal Substances 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 238000000016 photochemical curing Methods 0.000 description 1
- 238000001953 recrystallisation Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005245 sintering Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Abstract
本发明涉及一种基于材料物理模型驱动的正向增材制造控制方法,包括:构建基于材料微观结构物理模型的整体寿命分析模块;搜集整理增材制造设备范围内的材料微观结构数据库并进行归纳分析,得到标准的材料微观结构参数组合;采用人工神经网络建立制造控制参数组与标准的材料微观结构参数组合的对应关系;针对不同材料,依照标准的材料微观结构参数组合建立以微观结构物理模型为基准的材料整体寿命数据库;依照材料整体寿命数据库、标准的材料微观结构参数组合、制造控制参数组与标准的材料微观结构参数组合的对应关系数据链,采用人工神经网络建立正向驱动的增材制造逻辑模块;所述增材制造逻辑模块综合确定制造计划的优先顺序。
Description
技术领域
本发明涉及增材制造技术领域,尤其涉及一种基于材料物理模型驱动的正向增材制造控制方法。
背景技术
增材制造(AM,Additive Manufacturing),俗称3D打印,是融合了计算机辅助设计、材料加工与成形技术、以数字模型文件为基础,通过软件与数控系统将专用的金属材料、非金属材料以及医用生物材料,按照挤压、烧结、熔融、光固化、喷射等方式逐层堆积,制造出实体物品的制造技术。
3D打印晶体(金属、陶瓷等材料)零部件的应用前景广阔,主要集中在生物医学,航空航天领域等。从3D打印设备出来的晶体部件,多数都必须经过后处理的工序,主要包括热处理和表面加工。热处理是用来消除打印过程中导致的微观结构,相成分以及残余应力场的不利因素,如利用高温下金属晶体的再结晶降低有害析出相含量,提高强化相含量,消除内部残余应力等。表面加工是满足零部件的几何加工精度,提高表面光滑度和表面硬度等。
目前晶体(金属,陶瓷等)3D打印制造产业还处于制造摸索和经验积累的阶段。这主要是由于对设备打印出来的产品的质量缺少标准控制方法,因而导致打印出的零部件的机械性能和可靠性水平无法保证。一般地,3D打印设备制造商提供给设备用户的生产标准和操作规程非常有限,对3D打印设备的操作规范和控制参数无法和设计制造成品的质量标准量化地对应起来,导致制造过程本身和零件打印的工艺流程模糊而充满不确定性。
现有的3D打印零部件的质量和可靠性控制技术方案采用的是传统的“设计—经验或半经验型性能和可靠性分析—制造—使用—性能观察—失效现象—优化设计和制造—产品升级”的重复流程。在产品的生命周期管理上采用的基本的概念是“制造出来使用到破坏为止。”然而,现阶段3D晶体打印制造技术仅仅在工业生产中占据非常有限的地位,还没有积累到足够的工业成品验证数据,从而无法有效地将制造经验参数与性能和可靠性参数连接起来。
发明内容
针对上述现有技术的缺点,本发明的目的是提供一种基于材料物理模型驱动的正向增材制造控制方法,实现对3D打印材料零部件的质量控制、优化和可靠性管理。
本发明实施例提供的一种基于材料物理模型驱动的正向增材制造控制方法,该方法包括:
1)构建基于材料微观结构物理模型的整体寿命分析模块,以便寿命分析流程随时调用;
2)搜集整理增材制造设备范围内的材料微观结构数据库并进行归纳分析,得到标准的材料微观结构参数组合;
3)采用人工神经网络建立制造控制参数组与标准的材料微观结构参数组合的对应关系;
4)针对不同材料,依照标准的材料微观结构参数组合建立以微观结构物理模型为基准的材料整体寿命数据库;
5)依照材料整体寿命数据库、标准的材料微观结构参数组合、制造控制参数组与标准的材料微观结构参数组合的对应关系数据链,采用人工神经网络建立正向驱动的增材制造逻辑模块;
6)所述增材制造逻辑模块依照制造过程操作程序的便利性和工艺处理的经济性,在保证打印零部件强度和寿命可靠性的前提下,综合确定制造计划的优先顺序。
进一步地,上述方法中,通过下列方式构建基于材料微观结构物理模型的整体寿命分析模块:
依照材料的微观损伤原理,结合实验分析和验证,把物理数据模型数字化求解和模块化。
进一步地,上述方法中,通过下列方式搜集整理增材制造范围内的材料微观结构数据库并进行归纳分析,得到标准的材料微观结构参数组合:
1)依照不同材料的类别,结合增材制造设备的制造能力和可控制范围,对其制造的不同材料的微观结构参数划定变化区间;
2)依照增材制造设备的制造能力和可控制范围以及制造过程本身的经济性和效率,提供不同材料微观结构参数的分布描述;
3)对不同材料微观结构参数的分布描述进行统计分析,得到标准的材料微观结构参数组合。
进一步地,上述方法中,所述标准的材料微观结构参数组合具有最高概率分布点,用于作为材料本身涉及零部件可靠性分析的微观数据起始点以及特定增材制造设备的最高制造级别。
进一步地,上述方法中,所述增材制造逻辑模块根据下列方式确定制造计划的优先顺序:
1)标定标准的材料微观结构参数组合最高概率分布点对应的制造控制参数组为最高制造级别;
2)从标准的材料微观结构参数组合最高概率分布点向材料的高寿命区梯级或降级扩展,达到能够满足寿命要求的次级制造级别;
3)最后得到满足设计安全可靠性的制造计划。
进一步地,上述方法中,所述建立以微观结构物理模型为基准的材料整体寿命数据库,包括:
1)结合不同材料的强度和物理性能,编制材料标准寿命分析载荷谱;
2)依照不同材料的变形机制调用微观结构物理模型的整体寿命分析模块,计算得到标准载荷谱下材料的变形损伤机制图。
进一步地,上述方法中,当所述材料为设计定型的工业部件时,还包括:
1)将设计定形的工业部件采用计算机建模划网格,并直接采用该工业部件材料最高概率分布点对应的标准的材料微观结构参数组合作为起始点分析的材料数据;
2)输入上述标准的材料微观结构参数组合并进行载荷分析,得到工业部件材料的载荷状况,并调用整体寿命分析模块进行结构有限元分析,得到工业部件材料的结构变形量;
3)将上述得到的工业部件的载荷状况和结构变形量输入整体寿命分析模块,计算得到设计工作状况下的工业部件预期临界寿命;
4)将计算得到的工业部件预期临界寿命和设计的寿命标准阈值进行比较,若工业部件预期临界寿命大于设计的寿命标准阈值,则按照增材制造逻辑模块制定最终制造计划;
5)若工业部件预期临界寿命小于设计的寿命标准阈值,则表明该工业部件寿命不具有使用可靠性,此时进入材料的变形损伤机制图搜索满足同载荷下设计寿命要求的下一级标准的材料微观结构参数组合;
6)将搜索的下一级标准的材料微观结构参数组合作为预定的材料微观结构参数组合,并结合增材制造设备的制造控制参数组和标准的材料微观结构参数组合,确定预定的材料微观结构参数组合是否在增材制造设备的制造库存标准的材料微观结构参数组合范围内;
7)若预定的材料微观结构参数组合在增材制造设备的制造库存标准的材料微观结构参数组合范围以内,则采用该材料微观结构参数组合作为输入,重复执行上述步骤2)-5),直至工业部件预期临界寿命在材料微观结构参数组合范围内满足设计需求,最后经由增材制造逻辑模块制定最终制造计划。
进一步地,上述方法中,若预定的材料微观结构参数组合超出了增材制造设备的制造库存标准的材料微观结构参数组合范围,则表明工业部件的定型设计超出了增材制造设备的制造能力范围,确定修改设计或者重新选材。
进一步地,上述方法中,若增材制造设备和后处理流程具有局部控制功能,则在工业部件不同部位采用不同的制造控制参数组进行控制。
进一步地,上述方法中,所述在工业部件不同部位采用不同的制造控制参数组进行控制,包括下列方式:
在工业部件的预期临界寿命部位采用满足该部位设计寿命的低级的制造控制参数组,在工业部件的所有其他部位仍采用满足部位设计寿命的最高级制造控制参数组进行制造。
进一步地,上述方法中,当所述材料为模糊设计的工业部件时,还包括:
1)将模糊设计的工业部件按照设计定形的工业部件的步骤1-6进行操作,若预定的材料微观结构参数组合超出增材制造设备的制造库存标准的材料微观结构参数组合范围,则该设计方案淘汰出局,若所有的设计方案都被淘汰,则确定基于工业部件最高预期临界寿命对应的设计方案进行修改或重新选材;
2)将通过增材制造设备的制造库存标准的材料微观结构参数组合范围的设计方案分别按照工业部件的预期临界寿命和制造控制参数组从高到低排序,然后综合计算每种设计方案的优先系数,通过优先系数的高低得到综合增材制造设备制造等级和产品寿命的最优设计;
3)按照选取的最优设计对应的增材制造设备的最终制造计划进行制造。
进一步地,上述方法中,若增材制造设备和后处理流程具有局部控制功能,则在工业部件不同部位采用不同的制造控制参数组进行控制。
进一步地,上述方法中,所述在工业部件不同部位采用不同的制造控制参数组进行控制,包括下列方式:
在工业部件的预期临界寿命部位采用满足该部位设计寿命的低级的制造控制参数组,在工业部件的所有其他部位仍采用满足部位设计寿命的最高级制造控制参数组进行制造。
与现有技术相比,本发明基于材料物理模型驱动的正向增材制造控制方法包括:构建基于材料微观结构物理模型的整体寿命分析模块,以便寿命分析流程随时调用;搜集整理增材制造设备范围内的材料微观结构数据库并进行归纳分析,得到标准的材料微观结构参数组合;采用人工神经网络建立制造控制参数组与标准的材料微观结构参数组合的对应关系,使得用户在一个零部件的设计之初就真正将使用的可靠性以可控参数的形式反馈在制造设备使用流程中,从而达到了“制造出来的就是具有指定可靠性的产品”的目的;针对不同材料,依照标准的材料微观结构参数组合建立以微观结构物理模型为基准的材料整体寿命数据库;依照材料整体寿命数据库、标准的材料微观结构参数组合、制造控制参数组与标准的材料微观结构参数组合的对应关系数据链,采用人工神经网络建立正向驱动的增材制造逻辑模块;所述增材制造逻辑模块依照制造过程操作程序的便利性和工艺处理的经济性,在保证打印零部件强度和寿命可靠性的前提下,综合确定制造计划的优先顺序。本发明依靠基于材料微观物理模型的强度和寿命分析技术和人工神经网络技术,将产品性能和可靠性分析直接带入设计优化流程,能够实现设计、制造、质量控制和优化的一体化闭环控制,在严格保证质量的前提下大大加速了产品的工业设计流程和生产过程。相对于现有的依靠使用数据积累进行逆向循环优化的质量控制方法和思路,本发明采用基于材料微观物理模型驱动的正向3D打印制造控制技术,实现对3D打印材料零部件的质量控制,优化和可靠性管理。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种基于材料物理模型驱动的正向增材制造控制方法流程图;
图2为本发明提供的一种针对设计定形工业部件的正向增材制造控制方法流程图;
图3为本发明提供的一种针对设计定形工业部件的正向增材制造控制逻辑示意图;
图4为本发明提供的一种针对模糊设计工业部件的正向增材制造控制方法流程图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部份实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
下面结合说明书附图对本发明实施例作进一步详细描述。
如图1所示,本发明实施例公开了一种基于材料物理模型驱动的正向增材制造控制方法,该方法包括:
S101,构建基于材料微观结构物理模型的整体寿命分析模块,以便寿命分析流程随时调用;
S102,搜集整理增材制造设备范围内的材料微观结构数据库并进行归纳分析,得到标准的材料微观结构参数组合;
S103,采用人工神经网络建立制造控制参数组与标准的材料微观结构参数组合的对应关系;
S104,针对不同材料,依照标准的材料微观结构参数组合建立以微观结构物理模型为基准的材料整体寿命数据库;
S105,依照材料整体寿命数据库、标准的材料微观结构参数组合、制造控制参数组与标准的材料微观结构参数组合的对应关系数据链,采用人工神经网络建立正向驱动的增材制造逻辑模块;
S106,所述增材制造逻辑模块依照制造过程操作程序的便利性和工艺处理的经济性,在保证打印零部件强度和寿命可靠性的前提下,综合确定制造计划的优先顺序。
相对于现有的依靠使用数据积累进行逆向循环优化的质量控制方法和思路,本发明采用基于材料微观物理模型驱动的正向增材制造控制技术,实现对3D打印材料零部件的质量控制,优化和可靠性管理,使得用户在一个零部件的设计之初就真正将使用的可靠性以可控参数的形式反馈在制造设备使用流程中,从而达到了“制造出来的就是具有指定可靠性的产品”的目的。本发明实施例基于材料物理模型驱动的正向增材制造控制方法具备了一个基于材料和增材制造设备的质量控制体系,这种质量控制、优化和可靠性管理的一体化体系可以定制到任何具备一定材料处理范围的3D打印设备。
优选的,上述方法中,通过下列方式构建基于材料微观结构物理模型的整体寿命分析模块:
依照材料的微观损伤原理,结合实验分析和验证,把物理数据模型数字化求解和模块化。
本发明实施例基于材料微观结构物理模型的整体寿命分析模块(PHLM,PHYSICS-BASED HOLISTIC LIFE MODULE)的构建,编程调试和模块化,是依照材料的微观损伤理论,结合一定的实验分析和验证,把数理模型数字化求解和模块化,以便寿命分析流程随时调用。
进一步地,上述方法中,通过下列方式搜集整理增材制造范围内的材料微观结构数据库并进行归纳分析,得到标准的材料微观结构参数组合:
1)依照不同材料的类别,结合增材制造设备的制造能力和可控制范围,对其制造的不同材料的微观结构参数划定变化区间;
2)依照增材制造设备的制造能力和可控制范围以及制造过程本身的经济性和效率,提供不同材料微观结构参数的分布描述;
3)对不同材料微观结构参数的分布描述进行统计分析,得到标准的材料微观结构参数组合。
本发明实施例材料微观结构数据库的整理和归纳分析,是依照不同材料的类别,结合3D打印设备的制造能力和可控制范围,对其制造的不同材料的微观结构参数划定变化区间,并依照制造能力和可控制水平以及制造过程本身的经济性和效率,提供制造过程导致的不同微观参数的分布描述,统计分析得到标准的材料微观结构参数组合(SMP,STANDARD MICRO PATTERN),同时采用人工神经网络技术建立制造控制参数组(MCPU,MANUFACTURING CONTROL PARAMETER UNIT)与SMP的对应关系。
本发明实施例采用人工神经网络建立制造控制参数组与标准的材料微观结构参数组合的对应关系,其对应制造参数和材料的微观物理参数梯级配置标准化的制造控制参数组,已基本具备了通过参数化控制打印过程和后处理程序,再结合用户对特定材料和成品的制造经验积累,从而达到在宏观部件特征到微观晶体结构上的有效控制能力。
进一步地,上述方法中,所述标准的材料微观结构参数组合具有最高概率分布点SMP-MAX,用于作为材料本身涉及零部件可靠性分析的微观数据起始点以及特定增材制造设备的最高制造级别。实施中,最高概率分布点通常落在增材制造设备的最高效率点上。
进一步地,上述方法中,所述建立以微观结构物理模型为基准的材料整体寿命数据库,包括:
1)结合不同材料的强度和物理性能,编制材料标准寿命分析载荷谱;
2)依照不同材料的变形机制调用微观结构物理模型的整体寿命分析模块,计算得到标准载荷谱下材料的变形损伤机制图。
实施中,本发明实施例针对不同材料,依照SMP建立其以微观结构物理模型为基准的材料整体寿命数据库。首先结合材料的强度和物理性能,编制标准寿命分析载荷谱(SLP,STANDARD LOAD PATTERN);依照晶体的变形机制调用微观结构物理整体寿命分析模型,计算得到标准载荷谱下材料的变形损伤机制图(DDMM,DEFORMATION DAMAGE MECHANISMMAP)。
本发明实施例按照材料的机械性能编制标准寿命分析载荷谱SLP,按照材料微观物理模型编制变形损伤机制图DDMM,采用材料微观物理模型进行部件水平的性能和寿命分析,将可靠的寿命预测数据和材料的微观结构建立了对应关系。具体的,本发明实施例采用人工神经网络构建寿命数据库和设备制造流程控制参数的逻辑对应关系,采用材料微观物理模型性能寿命分析数据正向控制加工制造过程。
本发明实施例避开了传统的“制造出来,使用破坏,寻求优化升级”的耗时费力的过程,在最早的阶段就借助物理模型给出的材料损伤机制和分析结果,直接考虑使用寿命和进行质量控制并制定可靠性管理方案,大大缩短了产品的设计生产和优化周期。
进一步地,上述方法中,所述增材制造逻辑模块根据下列方式确定制造计划的优先顺序:
1)标定标准的材料微观结构参数组合最高概率分布点对应的制造控制参数组为最高制造级别;
2)从标准的材料微观结构参数组合最高概率分布点向材料的高寿命区梯级或降级扩展,达到能够满足寿命要求的次级制造级别;
3)最后得到满足设计安全可靠性的制造计划。
本发明实施例依照DDMM,SMP和MCPU数据链,采用人工神经网络建立正向驱动的可靠性控制和优化增材制造逻辑模块(DCM,DOWNSTREAM CONTROL MODULE)。增材制造逻辑模块依照制造过程操作程序的便利性和工艺处理的经济型综合考虑制造计划的优先顺序。
优选的,本发明实施例标定SMP-MAX对应的MCPU为最高制造级别,从SMP-MAX向材料的高寿命区梯级降级扩展,最后得到满足设计安全可靠性的最经济的最终制造计划(FMP,FINAL MANUFACTURING PLAN)。
综上,本发明具体实施中,应首先建立PHLM模块,然后针对不同的增材制造设备和工艺按照上述S101到S106的方法步骤建立增材制造设备制造范围内对应的每种材料的SMP,SLP,DDMM,MCPU和 DCM数据库,以及增材制造逻辑模块。
本发明在一个典型的零部件涉及制造流程中按照不同的应用场合可以分为以下两个方面。
实施例一:
如图2和图3所示,当所述材料为设计定型的工业部件时,正向增材制造控制方法还包括:
S201,将设计定形的工业部件采用计算机建模划网格,并直接采用该工业部件材料最高概率分布点SMP-MAX对应的标准的材料微观结构参数组合作为起始点分析的材料数据;
S202,输入上述标准的材料微观结构参数组合并进行载荷分析(如CFD流体力学分析),得到工业部件材料的载荷状况(LD,LOAD),并调用整体寿命分析模块PHLM进行结构有限元分析FEA,得到工业部件材料的结构变形量DEFORMATION;
S203,将上述得到的工业部件的载荷状况LOAD和结构变形量DEFORMATION输入整体寿命分析模块PHLM,计算得到设计工作状况下的工业部件预期临界寿命HLP;
S204,将计算得到的工业部件预期临界寿命HLP和设计的寿命标准阈值(DL,DESIGN LIFE)进行比较,若工业部件预期临界寿命HLP大于设计的寿命标准阈值DL,则按照增材制造逻辑模块DCM制定最终制造计划FMP;
S205,若工业部件预期临界寿命HLP小于设计的寿命标准阈值DL,则表明该工业部件寿命不具有使用可靠性,此时进入材料的变形损伤机制图DDMM搜索满足同载荷下设计寿命要求的下一级标准的材料微观结构参数组合SMP;
S206,将搜索的下一级标准的材料微观结构参数组合作为预定的材料微观结构参数组合SMP,并结合增材制造设备的制造控制参数组MCPU和标准的材料微观结构参数组合SMP,确定预定的材料微观结构参数组合是否在增材制造设备的制造库存标准的材料微观结构参数组合范围内;
S207若预定的材料微观结构参数组合SMP在增材制造设备的制造库存标准的材料微观结构参数组合范围以内,则采用该材料微观结构参数组合作为输入,重复执行上述步骤S202-S205,直至工业部件预期临界寿命HLP在材料微观结构参数组合范围内满足设计需求,最后经由增材制造逻辑模块DCM制定最终制造计划FMP;
S208,若预定的材料微观结构参数组合SMP超出了增材制造设备的制造库存标准的材料微观结构参数组合范围,则表明工业部件的定型设计超出了增材制造设备的制造能力范围,确定修改设计或者重新选材。
进一步地,上述方法中,若增材制造设备和后处理流程具有局部控制功能,则在工业部件不同部位采用不同的制造控制参数组进行控制。
进一步地,上述方法中,所述在工业部件不同部位采用不同的制造控制参数组进行控制,包括下列方式:
在工业部件的预期临界寿命部位采用满足该部位设计寿命的低级的制造控制参数组,在工业部件的所有其他部位仍采用满足部位设计寿命的最高级制造控制参数组进行制造。
本发明实施例通过参数化控制打印过程和后处理程序,结合用户对特定材料和成品的制造经验积累,从而达到在宏观部件特征到微观晶体结构上的有效控制能力。
可选的,实施中,如果设备和后处理流程具有局部控制能力,可以在部件不同部位采用不同的MCPU进行控制,即仅仅在寿命临界部位采用满足该部位设计寿命的低级的MCPU,而在所有其他部位仍旧采用满足设计寿命的最高级MCPU进行制造。
实施例二:
如图4所示,当所述材料为模糊设计的工业部件时,正向增材制造控制方法还包括:
S401,将模糊设计的工业部件按照设计定形的工业部件的步骤S201-S206进行操作,若预定的材料微观结构参数组合超出增材制造设备的制造库存标准的材料微观结构参数组合范围,则该设计方案淘汰出局,若所有的设计方案都被淘汰,则确定基于工业部件最高预期临界寿命对应的设计方案进行修改或重新选材;
S402,将通过增材制造设备的制造库存标准的材料微观结构参数组合范围的设计方案分别按照工业部件的预期临界寿命和制造控制参数组从高到低排序(用户可以按照自己的需求提供两个标准的权重),然后综合计算每种设计方案的优先系数,通过优先系数的高低得到综合增材制造设备制造等级和产品寿命的最优设计;
S403,按照选取的最优设计对应的增材制造设备的最终制造计划进行制造。
本发明实施例通过从材料的微观结构入手,按照材料的物理损伤机制模型进行预测计算和寿命分析,从而将可靠的寿命预测数据和材料的微观结构对应起来。另外本发明通过建立材料微观结构物理模型的整体寿命分析模块并结合数据计算技术,依照材料试棒实验数据和微观结构的观察验证数据进行模型校准,然后就可以针对处于设计阶段乃至概念阶段的产品进行使用寿命预测。由于寿命预测满足了对部件水平的应用环境模拟,以及基于材料微观结构损伤理论的物理机制,寿命预测的准确性是完全可以得到保障的,因此,本发明就避开了传统的“制造出来,使用破坏,寻求优化升级”的耗时费力的过程。
进一步地,上述方法中,若增材制造设备和后处理流程具有局部控制功能,则在工业部件不同部位采用不同的制造控制参数组进行控制。
进一步地,上述方法中,所述在工业部件不同部位采用不同的制造控制参数组进行控制,包括下列方式:
在工业部件的预期临界寿命部位采用满足该部位设计寿命的低级的制造控制参数组,在工业部件的所有其他部位仍采用满足部位设计寿命的最高级制造控制参数组进行制造。
可选的,实施中,如果设备和后处理流程具有局部控制能力,可以在部件不同部位采用不同的MCPU进行控制,即仅仅在寿命临界部位采用满足该部位设计寿命的低级的MCPU,而在所有其他部位仍旧采用满足设计寿命的最高级MCPU进行制造。
本发明针对定型的产品设计可以直接将可靠性和优化带入制造工艺和流程(除非材料和基本设计不能满足设计要求才进行设计和制造更改)。针对比较模糊的设计概念,可以从性能的优越性比较以及制造经济性和效率角度,提供多个预设计方案中的可行者并做出最优选择,然后执行最优方案的打印。
本发明实施例依靠基于材料微观物理模型的强度和寿命分析技术和人工神经网络技术,将产品性能和可靠性分析直接带入设计优化流程,实现设计,制造,质量控制和优化的一体化闭环控制,在严格保证质量的前提下大大加速了产品的工业设计流程和生产过程,最终在工业生产过程中,实现通过制定标准化的操作程序和工艺流程从而得到满足使用可靠性要求或者得到最优化的产品。
综上,本发明实施例基于材料物理模型驱动的正向增材制造控制方法,可以在最早的阶段就借助物理模型给出的材料损伤机制和分析结果,直接考虑使用寿命和进行质量控制并制定可靠性管理方案,大大缩短了产品的设计生产和优化周期。本发明建立了基于材料微观损伤机制物理模型的预期临界寿命,从物理本质上解决了材料从微观结构到寿命的逻辑对应关系。本发明采用人工神经网络构建寿命数据库和设备制造流程控制参数的逻辑对应关系,通过材料微观物理模型性能寿命分析数据正向控制加工制造过程。本发明采用基于材料微观物理模型驱动的正向增材制造控制技术,实现了对增材制造材料零部件的质量控制,优化和可靠性管理。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于材料物理模型驱动的正向增材制造控制方法,其特征在于,该方法包括:
1)构建基于材料微观结构物理模型的整体寿命分析模块,以便寿命分析流程随时调用;
2)搜集整理增材制造设备范围内的材料微观结构数据库并进行归纳分析,得到标准的材料微观结构参数组合;
3)采用人工神经网络建立制造控制参数组与标准的材料微观结构参数组合的对应关系;
4)针对不同材料,依照标准的材料微观结构参数组合建立以微观结构物理模型为基准的材料整体寿命数据库;
5)依照材料整体寿命数据库、标准的材料微观结构参数组合、制造控制参数组与标准的材料微观结构参数组合的对应关系数据链,采用人工神经网络建立正向驱动的增材制造逻辑模块;
6)所述增材制造逻辑模块依照制造过程操作程序的便利性和工艺处理的经济性,在保证打印零部件强度和寿命可靠性的前提下,综合确定制造计划的优先顺序;
通过下列方式构建基于材料微观结构物理模型的整体寿命分析模块:
依照材料的微观损伤原理,结合实验分析和验证,把物理数据模型数字化求解和模块化;
通过下列方式搜集整理增材制造范围内的材料微观结构数据库并进行归纳分析,得到标准的材料微观结构参数组合:
1)依照不同材料的类别,结合增材制造设备的制造能力和可控制范围,对其制造的不同材料的微观结构参数划定变化区间;
2)依照增材制造设备的制造能力和可控制范围以及制造过程本身的经济性和效率,提供不同材料微观结构参数的分布描述;
3)对不同材料微观结构参数的分布描述进行统计分析,得到标准的材料微观结构参数组合;
所述建立以微观结构物理模型为基准的材料整体寿命数据库,包括:
1)结合不同材料的强度和物理性能,编制材料标准寿命分析载荷谱;
2)依照不同材料的变形机制调用微观结构物理模型的整体寿命分析模块,计算得到标准载荷谱下材料的变形损伤机制图。
2.根据权利要求1所述的方法,其特征在于,所述标准的材料微观结构参数组合具有最高概率分布点,用于作为材料本身涉及零部件可靠性分析的微观数据起始点以及特定增材制造设备的最高制造级别。
3.根据权利要求2所述的方法,其特征在于,所述增材制造逻辑模块根据下列方式确定制造计划的优先顺序:
1)标定标准的材料微观结构参数组合最高概率分布点对应的制造控制参数组为最高制造级别;
2)从标准的材料微观结构参数组合最高概率分布点向材料的高寿命区梯级或降级扩展,达到能够满足寿命要求的次级制造级别;
3)最后得到满足设计安全可靠性的制造计划。
4.根据权利要求3所述的方法,其特征在于,当所述材料为设计定型的工业部件时,还包括:
1)将设计定形的工业部件采用计算机建模划网格,并直接采用该工业部件材料最高概率分布点对应的标准的材料微观结构参数组合作为起始点分析的材料数据;
2)输入上述标准的材料微观结构参数组合并进行载荷分析,得到工业部件材料的载荷状况,并调用整体寿命分析模块进行结构有限元分析,得到工业部件材料的结构变形量;
3)将上述得到的工业部件的载荷状况和结构变形量输入整体寿命分析模块,计算得到设计工作状况下的工业部件预期临界寿命;
4)将计算得到的工业部件预期临界寿命和设计的寿命标准阈值进行比较,若工业部件预期临界寿命大于设计的寿命标准阈值,则按照增材制造逻辑模块制定最终制造计划;
5)若工业部件预期临界寿命小于设计的寿命标准阈值,则表明该工业部件寿命不具有使用可靠性,此时进入材料的变形损伤机制图搜索满足同载荷下设计寿命要求的下一级标准的材料微观结构参数组合;
6)将搜索的下一级标准的材料微观结构参数组合作为预定的材料微观结构参数组合,并结合增材制造设备的制造控制参数组和标准的材料微观结构参数组合,确定预定的材料微观结构参数组合是否在增材制造设备的制造库存标准的材料微观结构参数组合范围内;
7)若预定的材料微观结构参数组合在增材制造设备的制造库存标准的材料微观结构参数组合范围以内,则采用该材料微观结构参数组合作为输入,重复执行上述步骤2)-6),直至工业部件预期临界寿命在材料微观结构参数组合范围内满足设计需求,最后经由增材制造逻辑模块制定最终制造计划。
5.根据权利要求4所述的方法,其特征在于,若预定的材料微观结构参数组合超出了增材制造设备的制造库存标准的材料微观结构参数组合范围,则表明工业部件的定型设计超出了增材制造设备的制造能力范围,确定修改设计或者重新选材。
6.根据权利要求5所述的方法,其特征在于,若增材制造设备和后处理流程具有局部控制功能,则在工业部件不同部位采用不同的制造控制参数组进行控制。
7.根据权利要求6所述的方法,其特征在于,所述在工业部件不同部位采用不同的制造控制参数组进行控制,包括下列方式:
在工业部件的预期临界寿命部位采用满足该部位设计寿命的低级的制造控制参数组,在工业部件的所有其他部位仍采用满足部位设计寿命的最高级制造控制参数组进行制造。
8.根据权利要求4所述的方法,其特征在于,当所述材料为模糊设计的工业部件时,还包括:
1)将模糊设计的工业部件按照设计定形的工业部件的步骤1-6进行操作,若预定的材料微观结构参数组合超出增材制造设备的制造库存标准的材料微观结构参数组合范围,则该设计方案淘汰出局,若所有的设计方案都被淘汰,则确定基于工业部件最高预期临界寿命对应的设计方案进行修改或重新选材;
2)将通过增材制造设备的制造库存标准的材料微观结构参数组合范围的设计方案分别按照工业部件的预期临界寿命和制造控制参数组从高到低排序,然后综合计算每种设计方案的优先系数,通过优先系数的高低得到综合增材制造设备制造等级和产品寿命的最优设计;
3)按照选取的最优设计对应的增材制造设备的最终制造计划进行制造。
9.根据权利要求8所述的方法,其特征在于,若增材制造设备和后处理流程具有局部控制功能,则在工业部件不同部位采用不同的制造控制参数组进行控制。
10.根据权利要求9所述的方法,其特征在于,所述在工业部件不同部位采用不同的制造控制参数组进行控制,包括下列方式:
在工业部件的预期临界寿命部位采用满足该部位设计寿命的低级的制造控制参数组,在工业部件的所有其他部位仍采用满足部位设计寿命的最高级制造控制参数组进行制造。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810302696.1A CN109703029B (zh) | 2018-04-05 | 2018-04-05 | 一种基于材料物理模型驱动的正向增材制造控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810302696.1A CN109703029B (zh) | 2018-04-05 | 2018-04-05 | 一种基于材料物理模型驱动的正向增材制造控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109703029A CN109703029A (zh) | 2019-05-03 |
| CN109703029B true CN109703029B (zh) | 2021-03-26 |
Family
ID=66253629
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810302696.1A Active CN109703029B (zh) | 2018-04-05 | 2018-04-05 | 一种基于材料物理模型驱动的正向增材制造控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109703029B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111151752B (zh) * | 2020-01-09 | 2020-12-08 | 西安交通大学 | 面向增材修复的原位合金化现场调控合金力学性能的方法 |
| CN114357723A (zh) * | 2021-12-10 | 2022-04-15 | 江苏中利集团股份有限公司 | 多组分聚合物生产中辅料对材料结构的评估方法和系统 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7987099B2 (en) * | 2004-02-27 | 2011-07-26 | Align Technology, Inc. | Dental data mining |
| LT6298B (lt) * | 2014-10-28 | 2016-08-25 | UAB "Phantom Group" | Trimačių objektų spausdinimo įtaisas, turintis bent dvi spausdinimo galvutes ir padėklą sujungtus bent septynioms ašims ir jų valdymo būdas |
| CN104799924B (zh) * | 2015-04-28 | 2017-03-15 | 黄若景 | 一种3d打印骨科固定器械的制备方法 |
| CN104999078A (zh) * | 2015-07-16 | 2015-10-28 | 广州中国科学院先进技术研究所 | 基于3d打印激光立体成型技术制造义齿支架的方法 |
| CN106926465A (zh) * | 2015-12-31 | 2017-07-07 | 周宏志 | 一种控制增材制造应力变形的分段扫描路径生成方法 |
| CN105643937B (zh) * | 2016-01-04 | 2018-04-03 | 金陵科技学院 | 一种3d打印技术衍生的一体式服务管理系统 |
| US20170220946A1 (en) * | 2016-02-02 | 2017-08-03 | Shane Ray Thielen | Additive print success probability estimation |
| JP6877993B2 (ja) * | 2016-05-18 | 2021-05-26 | 三菱重工業株式会社 | データ作成装置、3次元積層システム、制御方法及びプログラム |
| US10596754B2 (en) * | 2016-06-03 | 2020-03-24 | The Boeing Company | Real time inspection and correction techniques for direct writing systems |
| US20190188346A1 (en) * | 2016-09-19 | 2019-06-20 | Siemens Product Lifecycle Management Software Inc. | System and method for modeling characteristics of a melt pool that forms during an additive manufacturing process |
| CN106947856A (zh) * | 2017-04-06 | 2017-07-14 | 广东工业大学 | 一种延长构件服役寿命的制造方法及强化方法 |
-
2018
- 2018-04-05 CN CN201810302696.1A patent/CN109703029B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109703029A (zh) | 2019-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Holmström et al. | Sustainability outcomes through direct digital manufacturing-based operational practices: A design theory approach | |
| KR102171807B1 (ko) | 공정 중 생산품 불량 예측시스템 및 불량 예측을 위한 학습모델 생성방법 | |
| CN109870903B (zh) | 参数优化方法、装置以及非瞬时计算机可读取介质 | |
| CN118849364B (zh) | 一种生产6g天线带孔零部件的注塑冲压成型方法 | |
| Suresh et al. | Particle swarm optimization over back propagation neural network for length of stay prediction | |
| Mourtzis et al. | Knowledge-based estimation of manufacturing lead time for complex engineered-to-order products | |
| CN113469241A (zh) | 基于工艺网络模型与机器学习算法的产品质量控制方法 | |
| Zhuang et al. | Digital twin-based quality management method for the assembly process of aerospace products with the grey-markov model and apriori algorithm | |
| CN106649579A (zh) | 一种用于管网建模的时序数据清洗方法 | |
| CN109703029B (zh) | 一种基于材料物理模型驱动的正向增材制造控制方法 | |
| Lambiase | Optimization of shape rolling sequences by integrated artificial intelligent techniques | |
| EP3928267B1 (en) | Systems and methods for modeling a manufacturing assembly line | |
| US12436518B2 (en) | Method, device, equipment, and storage medium for aircraft tooling modification | |
| CN109086936B (zh) | 一种智能车间的生产系统资源配置方法、装置及设备 | |
| CN118839580A (zh) | 一种冷冲压6g天线零部件用模具生产方法 | |
| CN114168318B (zh) | 存储释放模型的训练方法、存储释放方法及设备 | |
| Zeng et al. | An effective strategy for improving the precision and computational efficiency of statistical tolerance optimization | |
| CN117610341A (zh) | 一种航空管件弯曲成形回弹优化方法、系统、设备及介质 | |
| Kim et al. | Die-casting defect prediction and diagnosis system using process condition data | |
| CN117389209A (zh) | 目标补偿值确定方法、装置、电子设备及可读存储介质 | |
| CN119416376B (zh) | 一种基于有限元分析的镗床主轴设计方法及系统 | |
| CN119831233A (zh) | 高密封性pvc一体式球阀的制造方法及系统 | |
| CN113435080A (zh) | 一种预测核电设备接管应力的方法及系统 | |
| CN119439893A (zh) | 用于生产过程的多层次仿真优化与质量控制方法及系统 | |
| Azizi et al. | Modelling production uncertainties using the adaptive neuro-fuzzy inference system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |