首页/文章/ 详情

美国奥本大学Nature子刊丨金属增材制造中基于特征的体积缺陷分类研究

1年前浏览1187
                     
                             

在增材制造零件中常见的体积缺陷类型在形态上有所不同,归因于其形成机制。本研究采用高分辨率X射线计算机断层扫描技术,分析了激光熔融Ti-6Al-4V中体积缺陷的形态特征及其统计分布。常见体积缺陷的几何形状有三种,即缺乏融合、气体夹带孔和锁孔,通过使用包括最大尺寸、圆度、稀疏度、纵横比等在内的九个参数,进行量化。结果表明,3种缺陷类型在形态参数范围内存在不同程度的重叠;因此,仅使用一个或两个参数不能确定唯一的缺陷类型。为了克服这一挑战,提出了一种包含多个形态参数的缺陷分类方法。在这项工作中,通过使用最具辨别力的参数,该方法在实施到决策树(>98%准确率)和人工神经网络(>99%准确率)前已被证明是有效的。

L-PBF过程缺陷形成的示意图:a. LoFGEP的形成,b. KHGEP的形成

L-PBF试样中体积缺陷的可视化:制造试样的XCT扫描区域的正面、顶部和等距视图 a. P−20%V0%和b. P+20%V−40%参数。三维空间中尺寸、纵横比和球度的散点图显示了在c. P−20%V0%和d. P+20%V−40%取样中观察到的体积缺陷。还显示了所选缺陷的外观,e. a LoF、f. a GEP和g. a KH                              

LoF、GEP和KH的形态参数分布:参数包括a. 最大轴、b. 纵横比、c. 球度、d. 实度、e. 稀疏度、f. 围、g. 圆度、h. 延伸率和i. 平面度。每种类型的缺陷的示例也显示在面板中,其形态参数的值由各自颜色的三角形指示                              

用于缺陷分类的人工神经网络:a. 通过PFI分析获得的形态学参数的重要性排名,b. ANN模型的结构:仅显示ANN中具有相对较大权重(即较大绝对值)的连接。l、 L1、L2和O分别表示ANN的输入层、第一隐藏层、第二隐藏层和输出层                              

相关研究成果以题 “Feature-based volumetric defect classification in metal additive manufacturing” 发表《Nature Communications》期刊上。

论文原文链接:

https://www.nature.com/articles/s41467-022-34122-x

https://doi.org/10.1038/s41467-022-34122-x

论文引用:                              

Poudel, A., Yasin, M.S., Ye, J. et al. Feature-based volumetric defect classification in metal additive manufacturing. Nat Commun 13, 6369 (2022).                         

  来源:增材制造硕博联盟

航空航天增材
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2023-03-19
最近编辑:1年前
增材制造博硕联盟
硕士 聚焦增材制造科研与工程应用,致...
获赞 118粉丝 62文章 521课程 0
点赞
收藏
未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习 福利任务 兑换礼品
下载APP
联系我们
帮助与反馈