Optimierung der Teileausrichtung für den additiven Draht- und Lichtbogenfertigungsprozess für konvexe und nicht

Wissenschaftliche Berichte Band 13, Artikelnummer: 2203 (2023) Diesen Artikel zitieren

1009 Zugriffe

1 Altmetrisch

Details zu den Metriken

Die Optimierung der Gebäudeausrichtung für den Prozess der additiven Fertigung (AM) ist ein entscheidender Schritt, da sie einen entscheidenden Einfluss auf die Genauigkeit und Leistung des hergestellten Teils hat. Der Arbeitsraum des Wire and Arc Additive Manufacturing (WAAM) ist weniger begrenzt und die Produktionszeit ist deutlich kürzer als bei anderen Metall-3D-Druckern. Eine der nachteiligen Auswirkungen von WAAM ist jedoch der Defekt an den Anfangs- und Endpunkten der Schweißraupen. In diesem Artikel wurde ein Algorithmus erfunden, um die optimale Druckposition zu definieren und die Anzahl dieser Fehler zu reduzieren, indem das 3D-Objekt in einer Schleife um die X- und Y-Achse um einen kleinen konstanten Grad gedreht und dann der Grad der Drehung ausgewählt wird die wenigsten ununterbrochenen Flächen und die größte Fläche der ersten Schicht. Der Schweißvorgang wird durch den Brenner möglichst wenig unterbrochen, wenn möglichst wenige ununterbrochene Flächen vorhanden sind. Dadurch kommt es zu weniger Fehlern bei der Herstellung und Veredelung der Schweißraupen. Um eine ausreichende Verbindungsfläche mit der Bauplattform zu haben, die den Halt des Werkstücks erleichtert, sollte auch die größte erste Schicht angestrebt werden. Daher wurde festgestellt, dass eine richtig definierte Ausrichtung relativ zur Bauplattform die Anzahl ununterbrochener Oberflächen innerhalb der Schichten reduzieren kann, was die erwartete Maßgenauigkeit der Teile verbessert. Die Effizienz des Prozesses wird stark von der Form des Teils beeinflusst, in den meisten Fällen können die Druckfehler jedoch drastisch minimiert werden.

In den letzten Jahren, als die additive Fertigung (AM) zu einem beliebten Thema bei Industrie und akademischen Forschern wurde, wurden viele Entwicklungsrichtungen aus verschiedenen Disziplinen eingeleitet. Fertigungsingenieure und Maschinenkonstrukteure entwickeln neuere Lösungen für die additive schichtweise Fertigung. Je nach spezifischem Bedarf, wie Mindestproduktionszeit, -volumen und -genauigkeit1,2,3,4, erstellen sie Untertypen von Prozessen wie Selective Laser Sintering (SLS) zur Herstellung hochpräziser Metallteile und Fused Deposition Modeling (FDM) zur Herstellung billige Kunststoffprodukte und additive Fertigung mit Drahtlichtbogen (WAAM), die einen großen Vorteil bei der Herstellung großformatiger Strukturen bietet. Gleichzeitig haben Materialwissenschaftler eine vielfältige Palette an Rohstoffen geschaffen, die für die Herstellung verwendet werden können3,5. So finden sich auf dem Markt robuste Betondrucker, Maschinen, die mit leitfähigen Rohstoffen arbeiten können, oder sogar biologische Stoffe. Designer entwickeln ihre Methoden zur Formoptimierung unter Nutzung der Freiheit 3D-gedruckter Geometrien unter Berücksichtigung des inhomogenen anisotropen mechanischen Verhaltens und anderer Aspekte, die sich aus den Schichtstrukturen ergeben6,7. Da AM die Anforderungen von Industrie 4.0 perfekt erfüllt, konzentrieren sich mehrere Forschungsarbeiten außerdem auf die Schaffung intelligenter Fertigungssysteme, die Einbindung von IoT-Geräten und die Verbesserung der Nutzung von CAD-CAM-Systemen8,9,10,11,12,13,14.

Der wichtigste Faktor für jede der oben genannten Disziplinen ist das Verständnis der Randbedingungen und Grenzen der Technologien. Im Gegensatz zu traditionellen subtraktiven Verfahren weisen additive Verfahren andere technologische Eigenschaften auf. Eine der Hauptaufgaben bei der Herstellung eines AM-Teils besteht darin, die perfekte Druckausrichtung zu finden. Mit dieser einen Einstellung können viele herstellungstechnische Probleme beseitigt und die Eigenschaften des Endprodukts damit weitgehend bestimmt werden. Shim et al.15 Sie untersuchten die Druckgenauigkeit, die mechanischen Eigenschaften und die Oberflächenbeschaffenheit der in verschiedenen Ausrichtungen gedruckten Teile und fanden die optimalen Einstellungen wie folgt: Bei einer Schichtdicke von 100 μm druckten sie die Teile in 3 verschiedenen Druckausrichtungen ( 0, 45 und 90 Grad). Laut ihrer Analyse der Ergebnisse der endgültigen gedruckten Teile hatten die bei 0 Grad gedruckten Proben die höchste Biegefestigkeit, gefolgt von den bei 45 und 90 Grad gedruckten Proben. Die bei 45 und 90 Grad gedruckten Proben zeigten die niedrigsten Fehlerraten bei der Länge, und die bei 0 Grad gedruckten Proben wiesen die höchsten Fehlerraten bei der Dicke auf. Alharabi et al.16 untersuchten den Einfluss der Druckausrichtung und damit der Richtung der Schichten im Drucktest. Sie fanden heraus, dass die Druckfestigkeit höher ist, wenn die Schichten senkrecht zur Lastrichtung verlaufen, als parallel. Die Oberflächenrauheit als Funktion der Baurichtung wurde von Li et al.17 untersucht. Sie kamen zu dem Schluss, dass diese Eigenschaft hauptsächlich vom Bauwinkel und nicht von der AM-Methode beeinflusst wird und dass die beste Oberflächenrauheit auf den Flächen erreicht werden kann, die parallel oder senkrecht relativ zur Bauplattform gedruckt werden. Pandey et al.18,19 arbeiteten an der Minimierung dieser Effekte, indem sie ein System entwickelten, das die Oberflächenrauheit mathematisch mithilfe des multikriteriellen genetischen Algorithmus vorhersagt und die beste Druckausrichtung für Fused Deposition Modeling (FDM) bietet. Der Vorteil dieser Lösung besteht darin, dass sie erhalten haben die optimale Orientierung der Oberflächenrauheit; Sie berücksichtigten jedoch nicht alle einschränkenden Faktoren des 3D-Druck- und Herstellungsprozesses. Darüber hinaus sind Modelle des maschinellen Lernens (ML) ein neuer Modellierungstrend in AM. Grundsätzlich basieren ML-Modelle auf dem Grundsatz, den erwarteten Fehler mithilfe von Daten iterativ zu reduzieren. Sie haben sich als zuverlässige Vorhersagewerkzeuge erwiesen. Xia et al.19 modellierten und prognostizierten die Oberflächenrauheit von Metallen, die durch additive Fertigung mit Drahtlichtbogen hergestellt wurden, mithilfe von Methoden des maschinellen Lernens. Phatak und Pande20 haben außerdem eine Optimierungslösung mithilfe eines genetischen Algorithmus entwickelt, um die Bearbeitungszeit und Oberflächenfehler zu minimieren. Der generische Algorithmus wurde in der Studie von Masood et al.21 verwendet, um die beste Ausrichtung für komplex geformte Teile zu finden. Mit ihrem entwickelten System konnten sie die beste Ausrichtung bestimmen, bei der der gesamte volumetrische Fehler am geringsten ist. Padhye et al.22 verwendeten Multi-Ziel-Optimierung und Multi-Kriterien-Entscheidungsfindung, um das Optimum unter Berücksichtigung zweier Faktoren zu bestimmen: Druckzeit und Oberflächenrauheit. Ihre Arbeit weist darauf hin, dass die Entscheidungsfindung komplizierter wird, wenn der Orientierung mehrere Aspekte gleichzeitig genügen müssen. Darüber hinaus haben Morgan et al.23 Software speziell entwickelt, um den Supportbedarf für die additive Metallfertigung zu minimieren. Basierend auf den Untersuchungen in diesen Artikeln kann daher gesagt werden, dass eine scheinbar unbedeutende Einstellung, wie z. B. die Ausrichtung, auf verschiedene Weise einen erheblichen Einfluss auf die Qualität der Produktion haben kann, z. B. durch Beschleunigung des Druckprozesses, Verringerung der Oberflächenrauheit usw. oder Verbesserung der mechanischen Eigenschaften.

Eine der neuartigen AM-Techniken ist Wire and Arc Additive Manufacturing (WAAM), die das Problem der meisten AM-Lösungen löst, indem sie eine relativ kurze Fertigungszeit bietet und die Herstellung großvolumiger Metallteile ermöglicht24. Abb. 1 zeigt jedoch ein Formbildungsproblem, das zu Beginn und am Ende des Schweißprozesses auftritt. In diesem Artikel wurde gezeigt, wie dieses Problem durch Auswahl geeigneter Druckparameter gelöst werden kann.

Formgebungsproblem des Schweißprozesses.

Locket et al.25 kamen zu dem Schluss, welche Kriterien befolgt werden sollten. Demnach sind die Richtlinien: Mittelsteg auf einer Teilsymmetrieebene, ebene Außen- und Innenwände sowie die Symmetrieebene bzw. Teilsymmetrieebene. Dies sind die grundlegenden Aspekte, aber einige aus dem Schweißprozess resultierende Unvollkommenheiten bleiben auch dann bestehen, wenn das Teil entsprechend konstruiert wird. In den meisten verwandten Forschungsarbeiten26,27 kann ein herausragender Unterschied in der Perlengeometrie beobachtet werden. Aufgrund der Lichtbogenbildung haben die Anfangs- und Endpunkte der Perlen ein etwas größeres oder kleineres lokales Volumen als die Bereiche zwischen den Enden. Eine weitere bemerkenswerte Besonderheit ist die Anisotropie innerhalb des gedruckten Teils28. Während der additive Prozess das geschichtete Teil erzeugt, können in der Anzahl der Schichten abwechselnd harte und weiche Bereiche beobachtet werden. Beide nachteiligen Effekte können durch eine geeignete Auswahl der Druckausrichtung reduziert werden. Daher wird in diesem Artikel eine Teileoptimierungsmethode vorgestellt, die darauf abzielt, die Druckfehler von Teilen zu minimieren, die durch additive Fertigung mit Draht und Lichtbogen (WAAM) erzeugt werden. Darüber hinaus kann der vorgestellte Algorithmus für alle anderen abscheidungsbasierten Methoden verwendet werden, das vorgestellte Problem und seine Lösung sind jedoch bei WAAM-Technologien am ausgeprägtesten. Es wurde ein MATLAB-Code erstellt und eine Parametersensitivitätsprüfung durchgeführt, um die Leistung der vorgestellten Lösung zu untersuchen.

Beim WAAM handelt es sich um eine 3D-Drucklösung, bei der es nicht möglich ist, eine einzelne Schweißraupe zu initialisieren und fertigzustellen. Zu Beginn nähert sich der Schweißbrenner der Bauplattenschicht (oder der vorherigen Schicht), bis das Ausgangsmaterial bei der Erzeugung des Lichtbogens die Oberfläche erreicht und der Schweißvorgang beginnt. Der anschließende Prozess ähnelt den anderen extrusionsbasierten AM-Technologien. Die Schichten werden durch „Zeichnen“ der Schichten anhand der „Schweißlinie“ erstellt. Aufgrund der verzögerten Reaktion des Schweißgeräts, das die notwendigen elektrischen Bedingungen für das Schweißen schafft, und des Roboters, der für die Bewegung des Brenners verantwortlich ist, weisen das allererste und das letzte Segment der Schweißraupen immer einige Unvollkommenheiten auf. Daher können an diesen Stellen geometrische Ungenauigkeiten und Oberflächenfehler beobachtet werden. Diese Ungenauigkeit ist bei Teilen zu beobachten, die mit anderen abscheidungsbasierten 3D-Drucktechnologien erstellt wurden, bei denen eine Schicht „gezeichnet“ werden muss. Wenn sich dieser geometrische Fehler außerdem bei mehreren Playern an derselben Stelle befindet, kann dies zu einem Packfehler führen und den gesamten Druck ruinieren. Außerdem zeigt die Schichtstruktur ein anisotropes Verhalten, das entlang der Aufbaurichtung, also zwischen zwei Schichten, am deutlichsten ist. Beide Probleme lassen sich mit speziellen Schweißlösungen, wie zum Beispiel Kraterfüllung oder Versatz von Anfangs- und Endpunkten, lösen. Eine gewisse Maßhaltigkeit und mikrostrukturelle Unvollkommenheiten werden jedoch immer vorhanden sein. Da es nicht vollständig beseitigt werden kann, wäre die sekundäre Richtlinie, die Anzahl lokaler Fehler zu minimieren. Daher muss die Kontinuität des Schweißens so weit wie möglich gewährleistet werden, indem in der gedruckten Schicht eine lange Schweißnaht anstelle vieler kleinerer Abschnitte erzeugt wird. Bei einfachen Geometrien kann dies durch Verfolgen einer spiralförmigen Flugbahn, einer Hilbert-Kurve oder durch Ausfüllen der Ebene mit einem Zick-Zack-Pfad erfolgen. Bei komplexeren Bauteilen ist dies aufgrund der unterbrochenen Flächen nicht immer möglich. Im Allgemeinen kann durch die Vergrößerung der Oberfläche jeder Schicht und die Verringerung der Anzahl der Schichten die Notwendigkeit, eine neue Raupe zu initialisieren, deutlich reduziert werden.

AM-Systeme basieren auf einem über Slicing-Software generierten Werkzeugweg, bei dem die Modellgeometrie importiert und die Druckparameter eingestellt werden müssen. Die Modellgeometrie wird üblicherweise in einer CAD-Software (Computer Aided Design) erstellt oder als Reverse Engineering aus einem 3D-Scan abgebildet. In beiden Fällen sollte das Dateiformat eine Standard Triangle Language (STL)-Datei sein, die für die meisten 3D-Drucklösungen29 verwendet wird. Dieses Format liefert das Oberflächenmodell der virtuellen Geometrie, indem es die Oberfläche eines Körpers in viele miteinander verbundene Dreiecke unterteilt. Die generierte Datei enthält den Scheitelpunkt jedes Dreiecks, wie in Abb. 2 dargestellt, und kann anschließend problemlos bearbeitet werden.

STL-Darstellung eines Würfels mit Verrundungen an den Kanten.

Um die beste Ausrichtung für ein Teil zu finden, das die oben genannten Kriterien erfüllt, muss das Modell des Teils im Raum gedreht werden. Hier wurde die bekannte Euler-Transformation verwendet30. Damit kann die Ausrichtung eines beliebigen starren Körpers auf das anfängliche feste Descartes-Koordinatensystem beschrieben werden. Der Prozess besteht aus drei aufeinanderfolgenden Elementardrehungen gemäß den Eigenen Euler-Winkeln (z–x–z, x–y–x, y–z–y, z–y–z, x–z–x, y–x–y). ) oder die Tait-Bryan-Winkel (x–y–z, y–z–x, z–x–y, x–z–y, z–y–x, y–x–z). Da die Winkelposition normal zur Bauplatte in diesem Fall keinen Einfluss hat, ist die Drehung entlang dieser Achse, in dieser Studie nämlich der Z-Achse, irrelevant. Somit sind nur zwei Drehungen erforderlich (x–y oder y–x). Die Darstellung der Euler-Transformation in positiver Richtung bzw. zur x-y-Ordnung ist in Abb. 3 zu sehen. Es ist zu erkennen, dass nach der ersten Drehung um die X-Achse die Richtung der neuen Y'- und Z'-Richtungen übereinstimmt gegenüber den Originalen (Y und Z) um den Winkel α verändert. Währenddessen blieb die X'-Richtung gleich (X). Nach der zweiten Drehung, dieses Mal um die Y'-Achse des zuvor erstellten Koordinatensystems, wurde die Richtung von X'' und Z'' um den Winkel β geändert, während Y'' gleich blieb (Y'). Daraus lässt sich schließen, dass auf diese Weise jede Druckausrichtung mit einer gegebenen Winkelauflösung überprüft werden kann.

Euler-Transformation.

Die resultierende Rotationsmatrix ist die folgende (1,2):

Mit dieser Transformation kann die Position jeder untersuchten Instanz mit einem einzigen Vektor ausgedrückt und die Eckpunkte der STL-Datei entsprechend geändert werden. Der nächste Schritt besteht darin, den besten Rotationsvektor zu bestimmen, der alle im Abschnitt „WAAM-Startproblem“ genannten Bedingungen erfüllt. Daher muss die Teilegeometrie an jeder gedrehten Position geschnitten werden, um die Schichtgrenzen zu erhalten. Um jedoch den Abstand zwischen den Schichten zu bestimmen, sollte die Schichtdicke entsprechend den Möglichkeiten der Fertigungstechnologie festgelegt werden. Die Schnitte lassen sich aus den Schnittpunkten der Objektoberfläche und der Ebene interpretieren, die sich aus dem Versatz der X-Y-Ebene in der untersuchten Schichthöhe bilden lässt.

Der Unterschied zwischen dem Konzept der einzelnen ununterbrochenen Oberflächen und der Anzahl der Schichten ist in Abb. 4 zu sehen. Wie hervorgehoben wird, kann es je nach Komplexität der Geometrie mehrere separate Oberflächenelemente innerhalb einer Schicht geben. Diese Artikulation kann jedoch durch die Druckausrichtung beeinflusst werden, d. h. durch die Art und Weise, wie jede Ebene das Teil aufteilt.

Darstellung der Bedeutung „ununterbrochene Flächen“ auf den Schichten.

Bei der vorgeschlagenen Methode wird das 3D-Objekt in einer Schleife um die X- und Y-Achse um einen kleinen konstanten Grad gedreht, bis es auf beiden Achsen 180 Grad erreicht. Bei jeder Drehung wird die Anzahl der ununterbrochenen Flächen und die Fläche der ersten Schicht berechnet und zusammen mit den betrachteten Graden der X- und Y-Achse gespeichert.

Die Berechnung der Schichtfläche ist besonders bei nicht konvexen Formen eine große Herausforderung. Um dieses Problem zu lösen, haben wir die folgende genaue Technik vorgeschlagen: Zunächst wird die binäre STL-Datei gelesen und dann Dreiecke erstellt, die dann in Schichten mit vordefinierten Höhen geschnitten werden, um eine Koordinatenliste bereitzustellen. Zunächst müssen wir die Dreiecke lokalisieren, die die Schnittebene schneiden. Anschließend berechnet es mithilfe eines DFS-Algorithmus (Graph Depth First Search) die durch den Schnittpunkt auf der Dreiecksfläche erzeugten Linien und erstellt einen kontinuierlichen Pfad, der die Linien verbindet. Abbildung 5 zeigt einen Schnitt und einige seiner Koordinaten. Tatsächlich ist jedes Segment ein Polygon, das durch zweidimensionale Eckpunkte definiert wird. Die Oberfläche eines 2D-Polygons wird durch die Eckpunkte in den Vektoren x und y definiert.

Beispiel einer Ebene mit einigen ihrer 2D-Scheitelpunkte.

Der Unterschied zwischen den beiden Platzierungen desselben 3D-Objekts ist in Abb. 6a,b dargestellt; Im ersten Szenario liegt das Objekt horizontal auf dem Bett. Das Objekt wurde zu diesem Zeitpunkt mit einer Schnitthöhe von 10 geschnitten, was zu 8 Schichten ohne unterbrochene Oberflächen führte. Im anderen Szenario wurde das Objekt um 90 Grad um die Y-Achse gedreht und mit denselben Einstellungen geschnitten, was zu 39 Schichten mit 68 ununterbrochenen Oberflächen führte.

Darstellung von Scheiben eines 3D-Objekts (a) liegend und (b) aufrecht.

Schließlich wird der Rotationsgrad ausgewählt, der die geringste Anzahl ununterbrochener Flächen und die größte Fläche der ersten Schicht aufweist. Die geringste Anzahl ununterbrochener Flächen bedeutet, dass der Brenner den Schweißprozess so wenig wie möglich unterbrechen muss, sodass die Anzahl der Fehler bei der Bildung und Fertigstellung der Schweißraupen minimiert werden kann. Darüber hinaus ist die ordnungsgemäße Haftung der ersten Schicht erforderlich, um eine Verformung des Teils während des Druckvorgangs oder einen tatsächlichen Bruch des Teils zu verhindern. Daher sollte die größte erste Schicht angestrebt werden, um eine ausreichend große Verbindungsfläche mit der Bauplattform zu haben, die dabei hilft, das Werkstück an Ort und Stelle zu halten. Der vorgeschlagene Algorithmus entspricht Tabelle 1.

Übliche technische Praxis besteht darin, ein Teil als Kombination repräsentativer Formgrundelemente wie Kugeln, Blöcke, Würfel, Zylinder, Torus usw. aufzubauen. Daher werden als erste Untersuchung der Softwarefunktion die in Abb. 7, wurden getestet. Zur Erstellung dieser Formen wurde Autodesk Inventor Professional 2018 verwendet und die Dateien wurden im .stl-Format gespeichert, das vom Matlab-Algorithmus gelesen wurde.

Konvexe Formen (a) quadratisches Prisma und (b) Kugel.

Diese Formen (Abb. 7) sind alle konvex, was bedeutet, dass jede Linie innerhalb der Form verbunden werden kann, während diese Linie innerhalb der Form bleibt. In einigen Fällen kann es jedoch vorkommen, dass in komplexeren Teilen eine geschnittene Schicht mehrere nicht verbundene Oberflächen enthält. Daher ist der Algorithmus in der Lage, auch nicht konvexe Formen zu verarbeiten (Abb. 8).

Nicht konvexe Formen (a) U-Form und (b) spezielle Kugel.

Der entwickelte Algorithmus wurde auf die vier im vorherigen Abschnitt vorgestellten Formen angewendet. Die anfängliche Ausrichtung ist in den Abbildungen dargestellt. 7 und 8, und die entsprechenden Winkel beziehen sich auf diese Koordinatensysteme. Die konvexen Formen (kubisches Prisma und Kugel) können als Testvorgang betrachtet werden, da das Ergebnis ohne Verwendung des erstellten Matlab-Codes vorhergesagt werden kann. Es wurde festgestellt, dass mehrere Positionen die beste Aufbauausrichtung für das Prisma mit der geringsten Anzahl ununterbrochener Flächen sind, wie in Tabelle 2 angegeben, wobei α und β Drehwinkel um die X- und Y-Achse sind. In der Tabelle wird nur die geringste Anzahl ununterbrochener Flächen angezeigt; die anderen Drehungen führten zu einer größeren Anzahl ununterbrochener Flächen. Die Geometrie hat in diesem Fall 3 Symmetrieebenen. Daher hat jede gedrehte Position 6 Äquivalente.

Die Kugel hat eine unendliche Symmetrieebene. Tabelle 3 zeigt das erzielte Ergebnis, das in allen denkbaren Ausrichtungen gleich war, was darauf hinweist, dass die Anzahl der Gesamtflächen unabhängig von der Ausrichtung gleich ist, was bedeutet, dass keine optimale Ausrichtung ermittelt werden kann. Diese beiden einfachen Formen (Prisma und Kugel) können als Testelemente des Algorithmus betrachtet werden, da die Anzahl der Schichten und Oberflächen, die jeder Ausrichtung in jeder Schicht zugeordnet sind, vom Benutzer ebenfalls leicht abgeschätzt werden kann.

Für die nicht konvexen Formen wurde zunächst die U-Form untersucht. Aus den Ergebnissen in Tabelle 4 ist ersichtlich, dass durch die Drehung um die X- und Y-Achse die Anzahl der Flächen, die während des Druckvorgangs erzeugt werden müssen, zunimmt. Für diese Geometrie lassen sich vier optimale Orientierungen finden, die einander ähnlich sind, genau wie im Fall des Prismas. Von diesen erfüllen jedoch nur zwei die sekundäre Optimierungsbedingung, die später in diesem Abschnitt erläutert wird.

Zuletzt wurde der spezielle Kugelstumpf überprüft. Hierbei handelt es sich um ein repräsentatives Teil, dessen Herstellung mit herkömmlicher subtraktiver Bearbeitung erheblich teuer wäre und somit die Fähigkeiten des WAAM-Prozesses ausreichend repräsentiert. Aufgrund der komplexeren geometrischen Merkmale, aus denen sich der Körper zusammensetzt, wäre es eine ziemliche Herausforderung, die korrekte Druckposition allein aufgrund der Entscheidung des Benutzers anzugeben. Die Ergebnisse ergaben nur eine optimale Ausrichtung, wie in Tabelle 5 dargestellt, die die primäre Bedingung erfüllt.

Als sekundäre Optimierungsbedingung wurde der Bereich der ersten Schichten untersucht. Die Ergebnisse für die vier Formen sind in den Abbildungen dargestellt. 9, 10, 11, 12.

Fläche der ersten Schicht (Prisma).

Fläche der ersten Schicht (Kugel).

Bereich der ersten Schicht (U-Form).

Fläche der ersten Schicht (spezielle Kugel).

In den Abbildungen. 9, 10, 11, 12 lässt sich erkennen, dass bei drei der vier Formen einige Muster entstanden sind. Da jede Geometrie außer der Spezialkugel eine oder mehrere Symmetrieebenen besitzt, kann die gleiche Fläche in verschiedenen gedrehten Orientierungen gemessen werden, da diese aus Sicht der Untersuchung die identische Orientierung bedeuten.

Wie erwartet treffen beim Prisma die 6 besten Orientierungen gemäß der primären Optimierungsbedingung auf die 6 größte Fläche der ersten Schicht. Daher kann festgestellt werden, dass diese Positionen gleichermaßen die bestmöglichen sind, da sie für die Studie identisch sind.

Im Falle der Kugelform sollte es theoretisch keinen Unterschied zur ersten Schicht geben. Aufgrund der Auflösung der STL-Datei kann es jedoch sein, dass das umhüllende Dreieck an manchen Positionen senkrecht zur Druckrichtung liegt, was zu einer etwas größeren Ebenenfläche führt. Das Ausmaß der Abweichung ist nicht signifikant, und da eine perfekte Kugel in Wirklichkeit nur an einem Punkt mit der Bauplattform verbunden wäre, kann der Wert der Fläche der ersten Schicht vernachlässigt werden. Hier ist es erwähnenswert, dass das Teil nach dem Schweißvorgang mithilfe einer Zerspanungstechnologie von der Bauplattform entfernt werden muss. Um die Sicherheit des hergestellten Produkts zu gewährleisten, muss daher eine stützenartige Struktur zwischen dem Teil und dem platziert werden Tablett. Das Konzept des maximalen First-Layer-Bereichs zur Optimierung soll lediglich eine zusätzliche Orientierungshilfe für den Designer bieten. Der Benutzer kann die Bedeutung dieser Bedingung berücksichtigen.

Wie in Tabelle 4 zu sehen ist, ergab die U-Form vier identische optimale Positionen, und durch Beurteilung der Flächen kann sie auf zwei begrenzt werden. Die Ausrichtungen 0–0 und 180–180 liegen beide auf der unteren flachen Oberfläche, wie in Abb. 6 zu sehen ist.

Die Ergebnisse der Spezialkugelform bieten einen weiteren Ansatz zur Bewertung und Bestimmung dessen, was wir optimale Orientierung nennen. Dabei ist die minimale Flächenanzahl nicht mit der maximalen Fläche der ersten Schicht verknüpft. Hinsichtlich der Proportionen fällt der Unterschied nicht ins Gewicht, es ist jedoch davon auszugehen, dass bei einigen hochkomplexen Formen die Etablierung problematisch sein kann. Die folgende Gl. (3) kann dem Benutzer dabei helfen, zu bestimmen, welche Bedingung für die Optimierung am dringendsten benötigt wird.

Dabei ist O(alpha, beta) die gedrehte Ausrichtung, Afirst die Fläche der ersten Schicht, Nsurf die Anzahl der ununterbrochenen Flächen und w = (0,…, 1) ein konstanter Wert, der durch festgelegt werden kann der Benutzer basierend auf seinen Vorlieben. Wenn der Benutzer beispielsweise davon ausgeht, dass die Fläche der ersten Schicht keine große Bedeutung hat, kann der Wert von w als relativ größere Zahl gewählt werden und der Algorithmus wird sich hauptsächlich darauf konzentrieren, die Ausrichtung zu finden, bei der die Anzahl der Oberflächen beträgt minimal.

Die ermittelte optimale Ausrichtung würde, wie in den Ergebnissen und Erläuterungen gezeigt, den besten Minimalwert der Anzahl der Einzelflächen ergeben, was zu weniger Schweißdefiziten führen würde, wie in Abb. 1 dargestellt. Die Lücke zwischen dem erreichbaren Minimum und dem Worst-Case Die maximale Situation hängt jedoch stark von der Komplexität der Geometrie ab. Im Fall einer Kugel beispielsweise führt jede gedruckte Ausrichtung zum gleichen Ergebnis, da das Objekt über eine endlose Anzahl symmetrischer Projektionen verfügt. Im Fall einer speziellen Kugel kann jedoch bereits ein geringfügiger Winkelunterschied die erzeugte Anzahl erheblich beeinflussen einzelner Flächen.

Es wurde ein Algorithmus entwickelt, um die optimale Druckausrichtung zu ermitteln und WAAM-spezifische Herstellungsfehler zu minimieren. Die Untersuchung wurde an der STL-Datei einiger repräsentativer Teilegeometrien durchgeführt und zur Erstellung des Algorithmus wurde die MATLAB-Software verwendet. An den Anfangs- und Endpunkten der Schweißraupen können erhebliche geometrische Ungenauigkeiten und mechanische Eigenschaftsfehler wie inhomogene Härte- und Zugeigenschaften innerhalb des Teils beobachtet werden. Da dieser Effekt technologiebedingt ist, lässt er sich zwar nicht vollständig eliminieren, aber minimieren. Dies kann durch eine geeignete Auswahl der Aufbauausrichtung der Geometrie im Hinblick auf den Druckprozess erreicht werden. In diesem Artikel konnte der vorgeschlagene Algorithmus die optimale Build-Ausrichtung mit sehr geringer Komplexität finden. Außerdem wurden die folgenden zwei Parameter in der Reihenfolge ihrer Priorität betrachtet:

Mit dem vorgeschlagenen Ansatz wird der Drucker im Begriff sein, weniger ununterbrochene Flächen herzustellen, sodass die Wahrscheinlichkeit des Auftretens eines solchen geometrischen Mangels geringer ist.

Bei mehreren optimalen Befunden sollte derjenige ausgewählt werden, der die maximale Anfangsschicht aufweist, damit eine ausreichende Bauplattenverbindung erreicht werden kann.

Die während der aktuellen Studie verwendeten und/oder analysierten Datensätze sind auf begründete Anfrage beim entsprechenden Autor erhältlich.

De Ciurana, J., Guerra, A., Roca, A. & De Ciurana, J. Eine neuartige 3D-Additive-Fertigungsmaschine für biologisch abbaubare Stents. Fortgeführte Manufaktur. 13, 718–723. https://doi.org/10.1016/j.promfg.2017.09.118 (2017).

Artikel Google Scholar

Venturi, F., Gilfillan, N. & Hussain, T. Ein faltungsbasierter Ansatz für die additive Fertigung durch Kaltspritzen. Zusatz. Hersteller Lette. 1, 100014. https://doi.org/10.1016/j.addlet.2021.100014 (2021).

Artikel Google Scholar

Pragana, JPM, Sampaio, RFV, Bragança, IMF, Silva, CMA & Martins, PAF Hybride additive Metallfertigung: Ein Überblick über den neuesten Stand der Technik. Adv. Ind. Hersteller Ing. 2, 100032. https://doi.org/10.1016/j.aime.2021.100032 (2021).

Artikel Google Scholar

Singh, SR & Khanna, P. Wire Arc Additive Manufacturing (WAAM): Ein neues Verfahren zur Formung technischer Materialien. Mater. Heute Proc. https://doi.org/10.1016/j.matpr.2020.08.030 (2020).

Artikel Google Scholar

Mohan, MK, Rahul, AV, Van Tittelboom, K. & De Schutter, G. Extrusionsbasierter 3D-Betondruck aus Materialperspektive: Ein Überblick über den neuesten Stand der Technik. Cem Concr Compos. https://doi.org/10.1016/j.cemconcomp.2020.103855 (2020).

Artikel Google Scholar

Li, S., Xin, Y., Yu, Y. & Wang, Y. Design für die additive Fertigung aus der Kraftflussperspektive. Mater. Des. 204, 109664. https://doi.org/10.1016/j.matdes.2021.109664 (2021).

Artikel ADS Google Scholar

Zhang, J. & Yanagimoto, J. Dichtebasierte Topologieoptimierung, integriert mit genetischem Algorithmus zur Optimierung der Formbarkeit und Biegesteifigkeit von 3D-gedruckten CFRP-Kern-Sandwichblechen. Kompositionen. Teil B. 225, 109248. https://doi.org/10.1016/j.compositesb.2021.109248 (2021).

Artikel CAS Google Scholar

Jandyal, A. et al. 3D-Druck – ein Überblick über Prozesse, Materialien und Anwendungen in der Industrie 4.0. Aufrechterhalten. Oper. Berechnen. 3, 33–42. https://doi.org/10.1016/j.susoc.2021.09.004 (2022).

Artikel Google Scholar

Fox, B. & Subic, A. Ein Industrie-4.0-Ansatz für den 3D-Druck von Verbundwerkstoffen. Ingenieurwesen 5, 621–623. https://doi.org/10.1016/j.eng.2019.06.003 (2019).

Artikel CAS Google Scholar

Olsson, NOE, Arica, E., Woods, R. & Alonso, J. Industrie 4.0 im Projektkontext: Einführung des 3D-Drucks in Bauprojekten. Projektleitung Soc. 2, 100033. https://doi.org/10.1016/j.plas.2021.100033 (2021).

Artikel Google Scholar

Matta, AK, Raju, DR & Suman, KNS Die Integration von CAD/CAM und Rapid Prototyping in der Produktentwicklung: Ein Rückblick. Mater. Heute Proc. https://doi.org/10.1016/j.matpr.2015.07.319 (2015).

Artikel Google Scholar

Xia, C. et al. Ein Überblick über die additive Fertigung mit Drahtlichtbogen: Überwachung, Steuerung und ein Rahmen für automatisierte Systeme. J. Manufaktur Syst. 57, 31–45. https://doi.org/10.1016/j.jmsy.2020.08.008 (2020).

Artikel Google Scholar

C. Xia, Z. Stephen Pan, S. Zhang, H. Jun Li, Y. Xu, Z. Stephen, H. Jun, A. Autoren Chunyang Xia, S. Chen, Z. Pan und H. Li, empfohlen Zitierempfehlung Empfohlene Zitierung Veröffentlichungsdetails Veröffentlichungsdetails Modellfreie adaptive iterative Lernsteuerung der Schmelzbadbreite in der additiven Drahtlichtbogenfertigung, 2020.

Li, Y. et al. Auf dem Weg zu einem intelligenten Überwachungssystem in der additiven Fertigung mit Drahtlichtbogen: Ein Oberflächenanomaliedetektor für einen kleinen Datensatz. Int. J. Adv. Hersteller Technol. 120, 5225–5242. https://doi.org/10.1007/s00170-022-09076-5 (2022).

Artikel Google Scholar

Shim, JS, Kim, J., Jeong, H. & Choi, J. Druckgenauigkeit, mechanische Eigenschaften, Oberflächeneigenschaften und mikrobielle Haftung von 3D-gedruckten Harzen mit verschiedenen Druckausrichtungen. J. Prothet. Delle. https://doi.org/10.1016/j.prosdent.2019.05.034 (2022).

Artikel Google Scholar

Alharbi, N., Osman, R. & Wismeijer, D. Auswirkungen der Aufbaurichtung auf die mechanischen Eigenschaften von 3D-gedruckten, vollständig abdeckenden provisorischen Zahnrestaurationen. J. Prothet. Delle. 115, 760–767 (2016).

Artikel Google Scholar

Li, P. et al. Einfluss der additiven Fertigungsmethode und des Bauwinkels auf die Oberflächeneigenschaften und die Haftung von Candida albicans an 3D-gedruckten Prothesenbasispolymeren. J. Dent. 116, 899. https://doi.org/10.1016/j.jdent.2021.103889 (2022).

Artikel CAS Google Scholar

Pandey, PM, Thrimurthulu, K. & Reddy, NV Optimale Teileablagerungsorientierung in FDM durch Verwendung eines multikriteriellen genetischen Algorithmus. Int. J. Prod. Res. 42, 4069–4089. https://doi.org/10.1080/00207540410001708470 (2004).

Artikel MATH Google Scholar

Xia, C. et al. Modellierung und Vorhersage der Oberflächenrauheit in der additiven Fertigung mit Drahtlichtbogen mittels maschinellem Lernen. J. Intell. Hersteller 33, 1467–1482. https://doi.org/10.1007/s10845-020-01725-4 (2022).

Artikel Google Scholar

Phatak, AM & Pande, SS Optimale Teileausrichtung beim Rapid Prototyping mithilfe eines genetischen Algorithmus. J. Manufaktur Syst. 31, 395–402. https://doi.org/10.1016/j.jmsy.2012.07.001 (2012).

Artikel Google Scholar

Masood, SH, Rattanawong, W. & Iovenitti, P. Ein generischer Algorithmus für ein optimales Teileorientierungssystem für komplexe Teile im Rapid Prototyping. J. Mater. Verfahren. Technol. 139, 110–116. https://doi.org/10.1016/S0924-0136(03)00190-0 (2003).

Artikel Google Scholar

Padhye, N. & Deb, K. Multi-Ziel-Optimierung und Multi-Kriterien-Entscheidungsfindung in SLS unter Verwendung evolutionärer Ansätze. Schneller Prototyp. J. 17, 458–478. https://doi.org/10.1108/13552541111184198 (2011).

Artikel Google Scholar

Morgan, HD, Cherry, JA, Jonnalagadda, S., Edwing, D. & Sienz, J. Optimierung der Teileorientierung für die additive Schichtfertigung von Metallkomponenten. Int. J. Adv. Hersteller Technol. https://doi.org/10.1007/s00170-015-8151-6 (2016).

Artikel Google Scholar

Gardner, L., Kyvelou, P., Herbert, G. & Buchanan, C. Tests und erste Verifizierung der weltweit ersten 3D-gedruckten Metallbrücke. Wissenschaft https://doi.org/10.1016/j.jcsr.2020.106233 (2020).

Artikel Google Scholar

Lockett, H., Ding, J., Williams, S., Martina, F. & Lockett, H. Design for Wire + Arc Additive Manufacture: Designregeln und Auswahl der Bauausrichtung. J. Eng. Des. https://doi.org/10.1080/09544828.2017.1365826 (2017).

Artikel Google Scholar

Venturini, G., Montevecchi, F., Scippa, A. & Campatelli, G. Optimierung von WAAM-Ablagerungsmustern für T-Kreuzungsmerkmale. Fahren Sie mit CIRP fort. 55, 95–100. https://doi.org/10.1016/j.procir.2016.08.043 (2016).

Artikel Google Scholar

Singh, S., Sharma, S. & Rathod, DW Ein Überblick über Prozessplanungsstrategien und Herausforderungen von WAAM. Mater. Heute Proc. https://doi.org/10.1016/j.matpr.2021.02.632 (2021).

Artikel Google Scholar

Lyu, Z. et al. Mikrostrukturverteilung und anisotropes Zugverhalten in einer dünnen Wand aus martensitischem 2Cr13-Edelstahl, hergestellt durch additive Fertigung mit Drahtlichtbogen. Mater. Heute Komm. 29, 102870. https://doi.org/10.1016/j.mtcomm.2021.102870 (2021).

Artikel CAS Google Scholar

Zhang, Y. & Shi, X. Forschung zur dreidimensionalen Darstellung von STL-ASCII- und Binärdateien. Wissenschaft 940, 433–436. https://doi.org/10.4028/www.scientific.net/AMR.940.433 (2014).

Artikel Google Scholar

T. Milligan, CD-ROM-Projektbericht, nd

Referenzen herunterladen

Das Projekt „Application Domain Specific Highly Reliable IT Solutions“ wurde mit Unterstützung des Nationalen Forschungs-, Entwicklungs- und Innovationsfonds Ungarns umgesetzt und im Rahmen des Förderprogramms „Thematische Exzellenzprogramm TKP2020-NKA-06“ (Unterprogramm „Nationale Herausforderungen“) finanziert.

Open-Access-Finanzierung durch die Eötvös-Loránd-Universität.

Fakultät für Informatik, Eötvös-Loránd-Universität, Savaria Institute of Technology, Szombathely, Ungarn

Yazan Alomari, Márton Tamás Birosz & Andó Mátyás

Sie können diesen Autor auch in PubMed Google Scholar suchen

Alle Autoren haben das Manuskript überprüft.

Korrespondenz mit Yazan Alomari.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die Originalautor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Alomari, Y., Birosz, MT & Andó, M. Optimierung der Teileausrichtung für den additiven Draht- und Lichtbogenfertigungsprozess für konvexe und nicht konvexe Formen. Sci Rep 13, 2203 (2023). https://doi.org/10.1038/s41598-023-29272-x

Zitat herunterladen

Eingegangen: 18. November 2022

Angenommen: 01. Februar 2023

Veröffentlicht: 07. Februar 2023

DOI: https://doi.org/10.1038/s41598-023-29272-x

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.