arXiv 2204.015032022-04cs.CEcs.NAmath.NA

粉末床3D打印过程中球的随机堆积方法及其在键合建模中的应用

A Method for Random Packing of Spheres with Application to Bonding Modeling in Powder Bed 3D Printing Process

Travis J. Black, Alexei F. Cheviakov

摘要：

提出了一种基于Matlab的计算程序，以填充一个给定的体积与球的半径是随机挑选的任何指定的概率分布的\verb |Matlab|。一般程序序列和例子填充一个单位立方体，平行六面体，和凹域之间的两个半球形表面，球的半径从威布尔和伽玛分布，提出。考虑了在粉末床3D打印过程中由激光束加热的颗粒之间的键形成的数值模拟的示例应用。

英文摘要：

A Matlab-based computational procedure is proposed to fill a given volume with spheres whose radii are randomly picked from any specified probability distribution supported by \verb|Matlab|. The general program sequence and examples of filling a unit cube, a parallelepiped, and a concave domain between two hemispherical surfaces, with spheres whose radii are drawn from the Weibull and Gamma distributions, are presented. A sample application to the numerical modeling of bond formation between particles heated by a laser beam in powder bed 3D printing process is considered.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

基于高分辨率3D建模的粉末床混凝土打印中水驱动几何不确定性的量化

Quantifying water-driven geometric uncertainties in powder bed concrete printing using high-resolution 3D modeling

Bundesanstalt für Materialforschung und -prüfung (BAM)（联邦材料研究与测试研究所）

本研究通过高分辨率3D建模量化了粉末床混凝土打印中水含量对几何精度和各向异性偏差的影响，揭示了水含量变化导致的可重复性方向偏差，并提出了一种设计补偿概念以提高打印精度。

2026-05-18cs.CE

增材制造中微流体-粉末耦合动力学的通用SPH建模框架：粘结剂喷射、材料喷射、定向能量沉积和粉末床熔合

A Versatile SPH Modeling Framework for Coupled Microfluid-Powder Dynamics in Additive Manufacturing: Binder Jetting, Material Jetting, Directed Energy Deposition and Powder Bed Fusion

许多增材制造（AM）技术依赖于粉末原料，粉末原料通过熔化或通过化学结合与随后的烧结而熔融形成最终部件。在这两种情况下，工艺稳定性和所得零件质量取决于粉末颗粒和流体相之间的动态相互作用，即，熔融金属或液体粘合剂。目前的工作提出了一个通用的计算建模框架，用于模拟这种耦合的微流体粉末动力学问题，涉及热毛细流动和可逆相变。特别是，液相和气相与由基材和可移动粉末颗粒组成的固相相互作用，同时考虑温度依赖的表面张力和润湿效应。在激光-金属相互作用的情况下，通过附加的机械和热界面通量来合并快速蒸发的效果。所有的相域空间离散使用光滑粒子流体动力学。该方法的拉格朗日性质是有益的，在动态变化的接口拓扑结构的上下文中。特别注意的是在制定的相变，这是至关重要的计算方案的鲁棒性。虽然基本模式方程是一个非常一般的性质，建议的框架是特别适合于中尺度模拟各种AM过程。为此，计算建模框架的一般性和鲁棒性证明了几个应用程序的动机的例子，代表特定的AM工艺粘合剂喷射，材料喷射，定向能量沉积，和粉末床融合。除其他外，它示出了如何在粘合剂喷射或蒸发引起的反冲压力在粉末床融合液滴的动态影响导致粉末运动，变形的粉末包装结构，和粉末颗粒喷射。

2022-01-22cs.CE

激光粉末床熔合用CT测量和熔池信号强度的径向孔隙率分布中的边缘效应

Edge effects in radial porosity profiles from CT measurements and melt pool signal intensities for laser powder bed fusion

有限的工艺控制可能导致激光粉末床熔融制造的零件中形成冶金缺陷和不均匀的相对密度。在这项研究中，圆柱形15-5 PH不锈钢试样进行了研究，通过计算机断层扫描，它显示了边缘增强的相对密度分布。此外，轴上的监测信号，从记录的熔池的热辐射，被认为是。分析构建过程的整个持续时间的数据导致接近与密度分布相对应的边缘的统计上增加的熔池特征。通过无监督时间序列聚类发现轴上信号中的边缘特定模式。使用有限元法建模来解释观察结果：对于中心和边缘处的示例性点，其示出归因于所选择的激光扫描图案的不同的局部热历史。结果激励一条路线，对未来的设计与局部相关的材料参数的组件。

2022-01-27cond-mat.mtrl-scics.CE

基于虚域近似的粉末床聚变传热数值模拟与实验验证

Numerical modelling of heat transfer and experimental validation in Powder-Bed Fusion with the Virtual Domain Approximation

在金属增材制造技术中，粉末床熔融具有非常薄的层和快速的凝固速率，导致长时间的建造工作和高度本地化的过程。人们正在努力加快实际工业应用的模拟时间。这里建议的新方法，虚拟域近似，是一个基于物理的基本原理，在热有限元分析中的域的空间减少在部分规模。计算实验解决，除其他外，验证对大型物理实验的17.5 $\mathrm{[cm^3]}$的沉积体积在647层。为了在这种复杂程度下快速和自动的参数估计，采用了高性能计算框架。它耦合FEMPAR-AM，一个专门的并行有限元软件，与达科他州，参数化探索。与以前的国家的最先进的，这种配方提供了更高的精度在相同的计算成本。这设置了一个完全虚拟化模型的路径，考虑到一个向上移动的域覆盖了最后打印的层。

2019-10-14cs.CE

基于物理的不同长度尺度粉末床熔融增材制造建模与预测仿真

Physics-Based Modeling and Predictive Simulation of Powder Bed Fusion Additive Manufacturing Across Length Scales

金属粉末床熔融增材制造（PBFAM）有可能实现产品设计、制造和供应链的新范式，同时加速医疗、航空航天和其他行业新技术的实现。目前，PBFAM的广泛采用受到部件鉴定困难、高生产成本和低生产率的阻碍，因为在最终部件可以生产和部署之前需要大量的工艺调整、后处理和检查。基于物理的建模和预测模拟PBFAM提供了潜在的推进物理机制，启动过程不稳定性和导致缺陷的基本理解。反过来，这些见解可以帮助将工艺和原料参数与所得零件和材料特性联系起来，从而预测最佳加工条件并激发改进加工硬件，策略和材料的开发。这项工作介绍了我们的研究团队在金属PBFAM过程建模跨越长度尺度，即介观尺度的粉末建模，介观尺度的熔池建模，宏观尺度的热-固-力学建模和微观结构建模的最新进展。这些模型的实验验证正在进行的工作也进行了总结。最后，我们讨论了这些单独的子模型在一个集成的整体建模方法的相互作用，以及未来的研究方向。

2021-07-29cs.CE

激光粉末床熔融中多道温度预测的物理信息代理模型

Physics-Informed Surrogates for Temperature Prediction of Multi-Tracks in Laser Powder Bed Fusion

本文提出结合DeepONet与序列化PINN的算子学习方法，用于预测激光粉末床熔融单道及多道三维温度场，并通过有限差分验证，实现对扫描路径与激光参数热影响的高效分析。

2025-02-03cs.CE

更多相关论文收起更多论文

激光粉末床熔融工艺的统计参数化基于物理的机器学习数字孪生模型

Statistical Parameterized Physics-Based Machine Learning Digital Twin Models for Laser Powder Bed Fusion Process

Northwestern University（西北大学）；University of Maryland Baltimore County（马里兰大学巴尔的摩县分校）

本文提出参数化基于物理的数字孪生模型，结合降阶随机校准与机器学习，实现对LPBF熔池几何的统计预测、缺陷诊断及过程控制，加速增材制造产品开发与认证。

2023-11-14cs.CEcs.LGcs.NA

一种激光粉末床熔融过程中路径级残余应力的模拟框架

A Framework for Simulating the Path-level Residual Stress in the Laser Powder Bed Fusion Process

针对激光粉末床熔融（LPBF）路径级残余应力模拟计算成本高的难题，提出基于路径级热历史、引入有效热应变概念的高效模拟框架，经高保真结果验证后，探究了热历史与层形状对残余应力的影响。

2024-04-10cs.CEphysics.app-ph

基于数据信息的激光粉末床熔融增材制造不确定性量化

Data-informed uncertainty quantification for laser-based powder bed fusion additive manufacturing

本研究提出一种基于数据信息的高效方法，用于量化金属激光粉末床熔融过程数值模拟的不确定性。该方法利用贝叶斯反演获取参数分布，并结合多指标随机配置多保真度代理模型，显著降低了残余应变预测的不确定性（33%），且预测结果与NIST实验数据高度吻合。

2024-03-20cs.CE

基于电子束的粉末床增材制造孵化工艺策略的数值研究

Numerical Investigations on Hatching Process Strategies for Powder Bed Based Additive Manufacturing using an Electron Beam

本文通过数值模拟研究了电子束增材制造的孵化工艺策略。简要介绍了模拟软件的物理模型和相应的三维热自由表面格子Boltzmann方法。模拟软件已经验证了高达1.2千瓦的光束功率的实验的基础上，通过孵化一个长方体与基本的工艺策略，其中的结果分为“多孔”，“良好”和“不均匀”，这取决于它们的相对密度和顶面光滑度。在本文中，我们研究的局限性，这一基本的工艺策略，在更高的束功率和扫描速度，以利用未来的潜力，高功率电子束枪高达10千瓦。随后，我们引入了修改后的工艺策略，规避了这些限制，以便在具有光滑顶面的完全致密零件的限制下尽可能快地构建零件。这些工艺策略适合于减少构建时间和成本，最大化射束功率使用，从而利用高功率电子束枪的潜力。

2015-03-30cs.CE

激光粉末床熔融增材制造碲化铋热电功率因数的预测

Predicting Thermoelectric Power Factor of Bismuth Telluride During Laser Powder Bed Fusion Additive Manufacturing

Wright State University（莱特州立大学）；Colorado School of Mines（科罗拉多矿业大学）；The George Washington University（乔治·华盛顿大学）；Open Additive, LLC（Open Additive 有限责任公司）

增材制造（AM）工艺，如激光粉末床熔合，允许通过分层散布和熔化粉末直到创建自由成形的零件形状来制造物体。为了提高AM工艺中所涉及的材料的性能，预测材料表征性能随加工条件的变化非常重要。在热电材料中，功率因数是衡量材料将热量转化为电能的效率的指标。虽然早期的工作已经使用各种技术预测了不同热电材料的材料表征特性，但是尚未探索在AM过程期间实施机器学习模型来预测碲化铋（Bi2Te3）的功率因数。这是重要的，因为Bi2Te3是用于低温应用的标准材料。因此，我们使用关于所涉及的制造工艺参数的数据和在Bi 2 Te 3的AM期间收集的原位传感器监测数据来训练不同的机器学习模型，以便预测其热电功率因数。我们使用80%的训练数据和20%的测试数据实施了有监督的机器学习技术，并进一步使用排列特征重要性方法来识别重要的工艺参数和最适合预测材料功率因数的原位传感器特征。基于集成的方法，如随机森林，AdaBoost分类器和装袋分类器在预测功率因数方面表现最好，其中装袋分类器模型的准确率最高，达到90%。此外，我们发现了前15个工艺参数和原位传感器特征，以表征材料的制造特性，如功率因数。这些特征可以进一步优化，以最大化热电材料的功率因数，并提高使用这种材料制造的产品的质量。

2023-03-28cs.CEcs.LG

激光粉末床熔融中熔池缺陷分类的数据高效序列学习框架

A Data-Efficient Sequential Learning Framework for Melt Pool Defect Classification in Laser Powder Bed Fusion

West Virginia University（西弗吉尼亚大学）；University of South Carolina（南卡罗来纳大学）

提出SL-RF+框架，结合随机森林、最小置信度采样和Sobol序列合成采样，在数据稀缺环境下高效选择信息样本细化决策边界，提升激光粉末床熔融熔池缺陷分类性能。

2024-11-16cond-mat.mtrl-scics.CEcs.LG

用包括相变的非线性温度方程精确预测激光粉末床熔合中的熔池形状-各向同性与各向异性电导率

Accurate prediction of melt pool shapes in laser powder bed fusion by the non-linear temperature equation including phase changes - isotropic versus anisotropic conductivity

在这方面的贡献，我们验证的物理模型的基础上瞬态温度方程（包括潜热）w.r.t. AMB 2018 -02是在美国国家标准与技术研究所建立的增材制造基准系列中提供的实验装置。我们的目标是预测以下感兴趣的量：宽度，深度和长度的熔池的数值模拟和报告也可获得的数值结果的冷却速率。我们首先假设激光器的双椭球形，并证明了一个良好的校准，纯热模型的基础上各向同性的热导率是能够预测所有感兴趣的数量，从实验测量值的最大偏差为7.3%。然而，有趣的是观察到，如果我们在模型中直接引入测量的激光轮廓（而不是双椭球形状），则所研究的模型返回与实验值的19.3%的偏差。这促使通过引入各向异性传导率来更新模型，该各向异性传导率旨在成为熔池内热材料对流的简化模型。这种各向异性模型能够预测上述所有感兴趣的量，与实验值的最大偏差为6.5%。我们注意到，虽然更具有预测性，但各向异性模型仅引起计算复杂性的边际增加。

2019-03-21cs.CE

基于深度强化学习的激光粉末床熔融过程热均匀性刀具路径生成

Deep Reinforcement Learning Based Toolpath Generation for Thermal Uniformity in Laser Powder Bed Fusion Process

The Chinese University of Hong Kong（香港中文大学）；The University of Manchester（曼彻斯特大学）

针对激光粉末床熔融过程中残余应力累积、传统扫描路径及现有自适应算法热分布效果不佳的问题，提出基于深度强化学习的刀具路径生成框架，通过设计动作空间与奖励函数实现热均匀分布，经数值模拟和薄板样本对比验证了有效性。

2024-02-17cs.CEcs.LG

利用可迁移且可扩展的图神经网络预测激光粉末床熔融中的温度分布

Temperature Distribution Prediction in Laser Powder Bed Fusion using Transferable and Scalable Graph Neural Networks

Pennsylvania State University（宾夕法尼亚州立大学）

本研究提出基于图神经网络的替代模型，从小规模有限元模拟学习物理规律，实现激光粉末床熔融温度分布的快速准确预测，显著降低计算成本并展现可扩展性。

2024-07-18cs.CEcs.LG

基于物理和数据支持的Ti-6Al-4V激光粉末床熔合微观组织模型

A Novel Physics-Based and Data-Supported Microstructure Model for Part-Scale Simulation of Laser Powder Bed Fusion of Ti-6Al-4V

通过增材制造技术制造的金属的弹塑性材料行为、材料强度和失效模式在很大程度上取决于底层特定工艺的微观结构演变。本文提出了一种基于物理和数据支持的Ti-6Al-4V合金微观组织唯象模型，该模型适用于选择性激光熔化过程的局部模拟。该模型预测的空间均匀的相分数的最相关的微观结构的物种，即稳定的$β$相，稳定的$α_{\text{s}}$相，以及亚稳马氏体$α_{\text{m}}$相，在物理上一致的方式。特别是，建模的微观结构的演变，在形式上的扩散为基础的和非扩散的转换，是一个纯粹的结果，不同的物种之间的能量和流动性的竞争，而不需要启发式的转换标准，经常应用在现有的模型。速率形式的演化方程的数学上一致的制定使得该模型适合于实际相关的情况下的温度或时间依赖的扩散系数，任意的温度分布，和多个共存的阶段。由于其物理动机的基础上，所提出的模型只需要一个最小数量的自由参数，这是确定在一个逆识别过程中考虑了广泛的实验数据基础上的时间-温度转换图的形式。随后，该模型的预测能力证明了通过连续冷却转变图，表明实验观察到的特性，如临界冷却速率自然出现从拟议的微观结构模型，而不是强制执行的启发式转换标准。

2021-06-29cs.CE

用于预测金属3D打印变形的数据驱动参数化降阶模型

Data-Driven, Parameterized Reduced-order Models for Predicting Distortion in Metal 3D Printing

The University of British Columbia（不列颠哥伦比亚大学）；Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室）

针对LPBF金属3D打印的零件变形预测问题，提出结合POD与GPR的参数化ROM框架，并与GCA对比，实现±0.001mm精度和约1800倍加速。

2024-12-05cs.CEcs.LG

随机增材制造模拟：从实验到表面粗糙度和孔隙率预测

Stochastic additive manufacturing simulation: from experiment to surface roughness and porosity prediction

激光粉末床熔化（LPBF）过程的确定性计算建模无法捕获扫描轨迹的不规则性和粗糙度，除非使用昂贵的粉末尺度分析。在这项工作中，我们开发了一个随机计算建模框架的基础上，马尔可夫链蒙特卡罗（MCMC）能够捕捉LPBF扫描的不规则性。使用专门设计的张量分解方法，即，高阶固有广义分解（HOPGD）依赖于非侵入式数据学习和降阶代理模型的构造。一旦校准，随机模型可以用于预测粗糙度和孔隙度在一个显着降低计算成本相比，详细的粉末规模的确定性模拟。随机模拟预测验证对AFRL多层和多轨实验和定期确定性模拟结果相比，更准确的报告。

2022-08-02cs.CEcs.NAmath.NA

可控耗散的粉末包裹体增材制造超材料：堆积密度的关键影响

Towards Additively Manufactured Metamaterials with Powder Inclusions for Controllable Dissipation: The Critical Influence of Packing Density

颗粒阻尼器代表了一种简单而有效的方法，以减少不必要的振动时，连接到结构部件。金属的粉末床熔融增材制造允许将任意形状、尺寸和空间分布的颗粒夹杂物直接集成到块状材料中，从而产生具有可控耗散的新型超材料，而不需要额外的外部阻尼装置。然而，目前还没有很好地理解耗散的程度是如何受到封闭的粉末填料的性质的影响的。在目前的工作中，提出了一个双向耦合的离散元-有限元模型，允许第一次一致地描述振荡变形结构和封闭的粉末填料之间的相互作用。作为基本的测试情况下，自由振荡的空心悬臂梁填充不同的填充密度，颗粒大小，和表面性质的粉末填料被认为是系统地研究这些因素的影响。关键的是，它被发现的阻尼特性强烈地依赖于封装的粉末的堆积密度，并存在一个最佳的堆积密度在该耗散最大化。此外，发现（绝对）颗粒尺寸对耗散的影响相当小。一阶解析模型，这种粉末腔的不同变形模式的推导来阐明这一观察。

2023-02-16cs.CE

金属增材制造中颗粒尺寸和附着力对粉末层均匀性的关键影响

Critical Influences of Particle Size and Adhesion on the Powder Layer Uniformity in Metal Additive Manufacturing

粉末层的质量，特别是它们的堆积密度和表面均匀性，是影响通过粉末床金属增材制造（AM）工艺（包括选择性激光熔化、电子束熔化和粘合剂喷射）生产的部件的质量的关键因素。本文采用计算模型研究了粉末粘结性对AM涂层过程的关键影响。该模型是基于离散元法（DEM）与颗粒颗粒和颗粒与壁的相互作用，涉及摩擦接触，滚动阻力和凝聚力。定量指标，即空间平均值和标准偏差的包装分数和表面轮廓字段，定义，以评估粉末层的质量。基于这些度量，研究了示例性等离子体雾化Ti-6Al-4V粉末在再涂覆过程期间的尺寸依赖性行为。据发现，减小的颗粒尺寸/增加的内聚性导致相当大地降低粉末层质量方面的低，强烈变化的填充分数和高度不均匀的表面轮廓。对于相对细粒度的粉末（平均粒径$17 μm$），它表明，凝聚力占主导地位的重力两个数量级，导致低质量的粉末层不适合随后的激光熔化，没有额外的层/表面精加工步骤。除了颗粒对颗粒的粘附力，这一贡献量化的机械散装粉末材料参数的影响，标称层厚度，叶片速度以及颗粒对壁的粘附力。最后，由此产生的粉末层特性对随后的熔化过程的影响进行了讨论，并给出了实际的建议，为选择粉末重涂工艺参数。

2018-05-25cs.CE

精细金属粉末内聚性的建模和表征，重点关注增材制造过程模拟

Modeling and Characterization of Cohesion in Fine Metal Powders with a Focus on Additive Manufacturing Process Simulations

细金属粉末颗粒之间的内聚相互作用对它们的流动行为有着至关重要的影响，这反过来对许多基于粉末的制造工艺（包括用于基于粉末的金属增材制造（AM）的新兴方法）很重要。目前的工作提出了一种新的建模和表征微米级金属粉末的方法，特别关注的重要性，粉末床AM的特性。该模型是基于离散元法（DEM），并考虑颗粒与颗粒和颗粒与壁的相互作用，包括摩擦接触，滚动阻力和凝聚力。特别强调的是衔接的建模。所提出的粘附力定律由粉末颗粒的表面能结合范德华力曲线正则化产生的拉脱力定义。该模型被应用于预测的示例性球形Ti-6Al-4V粉末的休止角（AOR），并通过拟合相应的休止角值从数值和实验漏斗测试的粘附力定律的表面能值进行校准。据作者所知，这是第一个工作提供了一个实验估计的有效表面能的考虑类的金属粉末。通过这种方法，$0.1mJ/m^2$的有效表面能被发现的研究Ti-6Al-4V粉末。该值显著低于$30-50 mJ/m^2$范围内的平坦金属接触表面的典型实验值，表明诸如表面粗糙度和化学表面污染等因素对精细金属粉末的重要影响。更重要的是，本研究表明，忽略相关的凝聚力导致一个严重低估的AOR，因此，到散装粉末行为的代表性不足。

2018-05-25cs.CE