Käytämme evästeitä parantaaksemme käyttökokemustasi.Jatkamalla tämän sivuston selaamista hyväksyt evästeiden käytön.Lisää tietoa.
Polymer Testing -lehden artikkelissa tutkitaan ja vertaillaan useiden 3D-tulostustekniikalla valmistettujen polymeerikomposiittimateriaalien laatua, kuten morfologiaa ja pintarakennetta, mekaanisia ominaisuuksia ja lämpöominaisuuksia.
Tutkimus: Nanohiukkasilla infusoidut muovituotteet, jotka on valmistettu koneoppimisen ohjaamilla 3D-tulostimilla.Kuvan lähde: Pixel B/Shutterstock.com
Valmistetut polymeerikomponentit vaativat käyttötarkoituksensa mukaan erilaisia laatuja, joista osa voidaan saada aikaan käyttämällä eri määristä useista materiaaleista koostuvia polymeerifilamentteja.
Additiivisen valmistuksen (AM) haara, nimeltään 3D-tulostus, on huipputeknologia, joka sekoittaa materiaaleja luodakseen tuotteita 3D-mallitietoihin perustuen.
Siksi tässä prosessissa syntyvä jäte on suhteellisen pieni.3D-tulostustekniikkaa käytetään tällä hetkellä erilaisissa sovelluksissa, mukaan lukien erilaisten esineiden laajamittaisessa valmistuksessa, ja käytön määrä tulee vain lisääntymään.
Tällä tekniikalla voidaan nyt valmistaa esineitä, joissa on monimutkaisia rakenteita, kevyitä materiaaleja ja muokattavissa olevia malleja.Lisäksi 3D-tulostuksen etuna on tehokkuus, kestävyys, monipuolisuus ja riskien minimointi.
Yksi tämän tekniikan tärkeimmistä näkökohdista on oikeiden parametrien valinta, koska niillä on suuri vaikutus tuotteeseen, kuten sen muotoon, kokoon, jäähdytysnopeuteen ja lämpögradienttiin.Nämä ominaisuudet vaikuttavat sitten mikrorakenteen kehittymiseen, sen ominaisuuksiin ja virheisiin.
Koneoppimisen avulla voidaan määrittää tietyn painotuotteen prosessiolosuhteiden, mikrorakenteen, komponenttien muodon, koostumuksen, vikojen ja mekaanisen laadun välinen suhde.Nämä liitännät voivat auttaa vähentämään korkealaatuisen tulosteen tuottamiseen vaadittavien kokeiden määrää.
Korkeatiheyspolyeteeni (HDPE) ja polymaitohappo (PLA) ovat kaksi yleisimmin käytettyä polymeeriä AM:ssä.PLA:ta käytetään päämateriaalina monissa sovelluksissa, koska se on kestävää, taloudellista, biohajoavaa ja sillä on erinomaiset ominaisuudet.
Muovin kierrätys on suuri ongelma maailmassa;Siksi olisi erittäin hyödyllistä sisällyttää kierrätettävää muovia 3D-tulostusprosessiin.
Koska tulostusmateriaalia syötetään jatkuvasti nesteyttimeen, lämpötila pidetään tasaisena sulatetun filamentin valmistusmenetelmän (FFF) saostuksen aikana (eräänlainen 3D-tulostus).
Siksi sula polymeeri työntyy ulos suuttimen läpi paineen alennuksen avulla.FFF-muuttujat vaikuttavat pinnan morfologiaan, saantoon, geometriseen tarkkuuteen, mekaanisiin ominaisuuksiin ja hintaan.
Veto-, puristusisku- tai taivutuslujuutta ja painosuuntaa pidetään tärkeimpinä FFF-näytteisiin vaikuttavina prosessimuuttujina.Tässä tutkimuksessa näytteiden valmistukseen käytettiin FFF-menetelmää;näytekerroksen rakentamiseen käytettiin kuutta eri filamenttia.
a: ML-ennusteparametrien optimointimalli 3D-tulostimista näytteissä 1 ja 2, b: ML-ennusteparametrien optimointimalli 3D-tulostimista näytteessä 3, c: ML-ennusteparametrien optimointimallit 3D-tulostimista näytteissä 4 ja 5. Kuvan lähde: Hossain , MI jne.
3D-tulostusteknologiassa voidaan yhdistää tulostusprojektien erinomainen laatu, jota ei voida saavuttaa perinteisillä tuotantomenetelmillä.3D-tulostuksen ainutlaatuisesta tuotantomenetelmästä johtuen suunnittelu- ja prosessimuuttujat vaikuttavat suuresti valmistettujen osien laatuun.
Koneoppimista (ML) on käytetty monin tavoin additiivisessa valmistuksessa tehostamaan koko kehitys- ja valmistusprosessia.FFF:lle on kehitetty tietopohjainen edistynyt suunnittelumenetelmä ja viitekehys FFF-komponenttien suunnittelun optimointiin.
Tutkijat arvioivat suuttimen lämpötilan koneoppimisehdotusten avulla.ML-tekniikkaa käytetään myös tulostusalustan lämpötilan ja tulostusnopeuden laskemiseen;kaikille näytteille on asetettu sama koko.
Tulokset osoittavat, että materiaalin juoksevuus vaikuttaa suoraan 3D-tulosteen laatuun.Vain oikea suuttimen lämpötila voi varmistaa materiaalin vaaditun juoksevuuden.
Tässä työssä PLA-, HDPE- ja kierrätetyt filamenttimateriaalit sekoitetaan TiO2-nanohiukkasten kanssa ja niistä valmistetaan edullisia 3D-tulostettuja esineitä kaupallisilla sulatettuja filamentteja valmistavilla 3D-tulostimilla ja filamenttiekstruudereilla.
Tyypilliset filamentit ovat uusia ja käyttävät grafeenia vedenpitävän pinnoitteen luomiseen, mikä voi vähentää muutoksia valmiin tuotteen mekaanisissa perusominaisuuksissa.3D-tulostetun komponentin ulkopinta voidaan myös käsitellä.
Tämän työn päätavoitteena on löytää keino saavuttaa luotettavampi ja rikkaampi mekaaninen ja fyysinen laatu 3D-tulostetuissa tuotteissa verrattuna perinteisiin 3D-tulostettuihin tuotteisiin, joita yleensä valmistetaan.Tämän tutkimuksen tulokset ja sovellukset voivat tasoittaa tietä lukuisten toimialaan liittyvien ohjelmien kehittämiselle.
Jatka lukemista: Mitkä nanohiukkaset sopivat parhaiten lisäainevalmistukseen ja 3D-tulostussovelluksiin?
Hossain, MI, Chowdhury, MA, Zahid, MS, Sakib-Uz-Zaman, C., Rahaman, ML, & Kowser, MA (2022) Koneoppimisen ohjaamana 3D-tulostimilla valmistettujen nanohiukkasilla infusoitujen muovituotteiden kehittäminen ja analysointi.Polymer testing, 106. Saatavilla seuraavasta URL-osoitteesta: https://www.sciencedirect.com/science/article/pii/S014294182100372X?via%3Dihub
Vastuuvapauslauseke: Tässä esitetyt näkemykset ovat kirjoittajan henkilökohtaisessa ominaisuudessa ilmaisemia näkemyksiä, eivätkä ne välttämättä edusta tämän verkkosivuston omistajan ja ylläpitäjän AZoM.com Limited T/A AZoNetworkin näkemyksiä.Tämä vastuuvapauslauseke on osa tämän verkkosivuston käyttöehtoja.
Kuuma hiki, Shahir.(5. joulukuuta 2021).Koneoppiminen optimoi muovia kierrättävät 3D-tulostetut tuotteet.AZoNano.Haettu osoitteesta https://www.azonano.com/news.aspx?newsID=38306 6. joulukuuta 2021.
Kuuma hiki, Shahir."Koneoppiminen optimoi 3D-tulostetut tuotteet kierrätysmuovista."AZoNano.6. joulukuuta 2021..
Kuuma hiki, Shahir."Koneoppiminen optimoi 3D-tulostetut tuotteet kierrätysmuovista."AZoNano.https://www.azonano.com/news.aspx?newsID=38306.(Käytetty 6. joulukuuta 2021).
Kuuma hiki, Shahir.2021. Koneoppiminen optimoi 3D-tulostetut tuotteet kierrätysmuovista.AZoNano, katsottu 6. joulukuuta 2021, https://www.azonano.com/news.aspx?newsID=38306.
AZoNano keskusteli tohtori Jinian Yangin kanssa hänen osallistumisestaan tutkimukseen, joka koski kukkamaisten nanohiukkasten etuja epoksihartsien suorituskykyyn.
Keskustelimme tohtori John Miaon kanssa, että tämä tutkimus on muuttanut ymmärrystämme amorfisista materiaaleista ja siitä, mitä ne merkitsevät ympärillämme olevalle fyysiselle maailmalle.
Keskustelimme NANO-LLPO:sta tri Dominik Rejmanin kanssa, nanomateriaaleihin perustuvasta haavasidoksesta, joka edistää paranemista ja ehkäisee infektioita.
P-17-stylusprofiler-pintamittausjärjestelmä tarjoaa erinomaisen mittauksen toistettavuuden tasaiseen 2D- ja 3D-topografian mittaukseen.
Profilm3D-sarja tarjoaa edullisia optisia pintaprofiloijia, jotka voivat luoda korkealaatuisia pintaprofiileja ja aitoja värikuvia rajoittamattomalla syväterävuudella.
Raithin EBPG Plus on korkearesoluutioisen elektronisuihkulitografian lopullinen tuote.EBPG Plus on nopea, luotettava ja tehokas, ihanteellinen kaikkiin litografiatarpeisiisi.
Postitusaika: 07.12.2021