انتخاب زبان

تحلیل تنش‌های پسماند الاستو-پلاستیک در مواد متخلخل تولید شده به روش تف جوشی لیزری انتخابی

تحلیل جامعی از تکامل تنش پسماند و کرنش پلاستیک در مواد متخلخل SLS با استفاده از شبیه‌سازی‌های سه‌بعدی چندلایه فاز-میدان حرارتی-ساختاری.
3ddayinji.com | PDF Size: 7.6 MB
امتیاز: 4.5/5
امتیاز شما
شما قبلاً به این سند امتیاز داده اید
جلد سند PDF - تحلیل تنش‌های پسماند الاستو-پلاستیک در مواد متخلخل تولید شده به روش تف جوشی لیزری انتخابی

فهرست مطالب

1. مقدمه

تولید افزایشی (AM)، به ویژه تکنیک‌های همجوشی بستر پودری (PBF) مانند تف جوشی لیزری انتخابی (SLS)، از یک ابزار نمونه‌سازی تخصصی به یک روش تولید اصلی تبدیل شده است که قادر به ایجاد قطعات پیچیده و با ارزش افزوده بالا است. یک چالش حیاتی در SLS، به ویژه برای مواد متخلخل مورد استفاده در داربست‌های زیست‌پزشکی یا اجزای عملکردی، ایجاد تنش‌های پسماند و کرنش‌های پلاستیک در سطح میکروسکوپی و مقیاس پودر است. این تنش‌ها ناشی از گرادیان‌های حرارتی موضعی پیچیده، دگرگونی‌های فازی (ذوب/انجماد جزئی) و پدیده‌های همجوشی بین لایه‌ای هستند. آن‌ها به طور قابل توجهی بر دقت ابعادی، یکپارچگی مکانیکی و عملکرد بلندمدت قطعه نهایی تأثیر می‌گذارند. این کار یک طرح شبیه‌سازی چندفیزیکی سه‌بعدی چندلایه جدید با وضوح پودری ارائه می‌دهد تا تکامل این تنش‌ها و کرنش‌ها را روشن کند و درکی بنیادی ارائه دهد که پارامترهای فرآیند را با حالت نهایی ماده پیوند می‌زند.

2. روش‌شناسی

هسته این پژوهش یک چارچوب شبیه‌سازی چندفیزیکی با اتصال تنگاتنگ است که برای ثبت فرآیند SLS در مقیاس میانی (پودر) طراحی شده است.

2.1. مدل سه‌بعدی چندلایه فاز-میدان حرارتی-ساختاری

یک مدل فاز-میدان غیرهم‌دما برای شبیه‌سازی تکامل ریزساختار پودر در حین اسکن لیزری به کار گرفته شده است. این مدل رابط فاز مایع/جامد و تخلخل/تراکم حاصل را بدون ردیابی صریح رابط، پیگیری می‌کند. این مدل ریخت‌شناسی بستر پودر، هدایت حرارت، آزادسازی گرمای نهان و جذب انرژی لیزر را در نظر می‌گیرد.

2.2. چارچوب شبیه‌سازی حرارتی-الاستو-پلاستیک

بر اساس تاریخچه حرارتی و ریزساختاری حاصل از شبیه‌سازی فاز-میدان، یک تحلیل حرارتی-الاستو-پلاستیک با روش المان محدود (FEM) انجام می‌شود. این چارچوب، خواص وابسته به دما و فاز ماده (مانند مدول یانگ، مقاومت تسلیم، ضریب انبساط حرارتی) را برای محاسبه تکامل تنش و کرنش در بر می‌گیرد. تغییر شکل پلاستیک مدل‌سازی شده است تا تجمع کرنش دائمی را ثبت کند.

2.3. تلفیق روش المان محدود و فاز-میدان

دو ماژول شبیه‌سازی به طور یکپارچه ادغام شده‌اند. میدان دمای گذرا و اطلاعات فاز (جامد/مایع) حاصل از شبیه‌سازی فاز-میدان در هر گام زمانی، به عنوان ورودی مستقیم به حل‌کننده حرارتی-الاستو-پلاستیک FEM خدمت می‌کنند. این اتصال یک‌طرفه، روایتی محاسباتی کارآمد و در عین حال فیزیکی دقیق از منشأ تنش در طی چرخه حرارتی پیچیده SLS ارائه می‌دهد.

3. نتایج و بحث

3.1. تکامل تنش و کرنش در مقیاس میانی

شبیه‌سازی‌ها یک نقشه وابسته به زمان با وضوح بالا از تنش و کرنش پلاستیک درون بستر پودر در حال تکامل ارائه می‌دهند. نتایج نشان می‌دهند که میدان‌های تنش بسیار ناهمگن هستند و هندسه زیرین پودر و تاریخچه حرارتی را بازتاب می‌دهند.

3.2. تأثیر پارامترهای فرآیند

مدل در طیفی از پارامترهای توان پرتو و سرعت اسکن (که به طور مؤثر چگالی انرژی حجمی را تغییر می‌دهد) ارزیابی شد. یافته‌های کلیدی شامل موارد زیر است:

  • ورودی انرژی بالا: منجر به تراکم بیشتر (تخلخل کمتر) می‌شود اما همچنین دمای اوج بالاتر و گرادیان‌های حرارتی تندتر را القا می‌کند که نتیجه آن افزایش بزرگی تنش کششی پسماند و کرنش پلاستیک است.
  • ورودی انرژی پایین: منجر به تخلخل بالاتر و اتصال بین ذره‌ای ضعیف‌تر می‌شود. در حالی که تنش‌های کلی ممکن است کمتر باشند، تمرکز شدید تنش می‌تواند در گردن ذرات نیمه ذوب شده رخ دهد که به عنوان مکان‌های بالقوه برای آغاز ترک عمل می‌کنند.

3.3. مکانیزم‌های تمرکز تنش

این مطالعه دو مکان اصلی برای تمرکز تنش را شناسایی می‌کند:

  1. مناطق گردنی ذرات نیمه ذوب شده: سطح مقطع کوچک و محدودیت از سوی مواد اطراف، یک تمرکز‌دهنده طبیعی تنش ایجاد می‌کند.
  2. اتصالات بین لایه‌های مختلف: گرمایش مجدد و محدودیت اعمال شده توسط یک لایه تازه رسوب داده شده بر روی ماده منجمد شده قبلی، منجر به حالت‌های تنش پیچیده می‌شود که اغلب نتیجه آن تنش کششی پسماند در بالای لایه قبلی است.
تجمع کرنش پلاستیک در این مکان‌ها، علت مستقیم ایجاد تنش پسماند است و می‌تواند منجر به اعوجاج ماکروسکوپی یا لایه‌لایه شدن شود.

مکان‌های اصلی تمرکز تنش

1. گردن ذرات
2. اتصالات بین لایه‌ای

محرک کلیدی

گرادیان‌های حرارتی موضعی و تغییرات فازی

خروجی

نقشه‌های تنش پسماند و کرنش پلاستیک

4. بینش‌های کلیدی

  • تنش پسماند در مواد متخلخل SLS ذاتاً میانی‌مقیاس و وابسته به تاریخچه فرآیند است.
  • مناطق گردنی بین ذرات و مرزهای بین لایه‌ای به دلیل تمرکز تنش، مناطق بحرانی مستعد شکست هستند.
  • یک مبادله بین تراکم (تخلخل) و بزرگی تنش پسماند وجود دارد که توسط ورودی انرژی پرتو کنترل می‌شود.
  • رویکرد تلفیقی فاز-میدان/FEM یک ابزار پیش‌بینی‌کننده ارائه می‌دهد که پارامترهای لیزر (P, v) را به حالت تنش نهایی پیوند می‌زند و امکان بهینه‌سازی فرآیند را فراهم می‌کند.

5. جزئیات فنی و فرمول‌بندی ریاضی

تکامل فاز-میدان توسط معادله آلن-کان با نیروی محرکه وابسته به دما اداره می‌شود: $$\frac{\partial \phi}{\partial t} = -M \frac{\delta F}{\delta \phi}$$ که در آن $\phi$ متغیر فاز-میدان است (0 برای جامد، 1 برای مایع)، $M$ تحرک است و $F$ تابعی انرژی آزاد کل است که انرژی گرادیان، پتانسیل دوچاه و گرمای نهان را در بر می‌گیرد. انتقال حرارت از طریق رابطه زیر حل می‌شود: $$\rho C_p \frac{\partial T}{\partial t} = \nabla \cdot (k \nabla T) + Q_{laser} + L \frac{\partial \phi}{\partial t}$$ که در آن $\rho$ چگالی، $C_p$ ظرفیت گرمایی، $k$ رسانایی گرمایی، $Q_{laser}$ منبع گرمای لیزر و $L$ گرمای نهان است. تعادل مکانیکی توسط رابطه زیر داده می‌شود: $$\nabla \cdot \boldsymbol{\sigma} = 0$$ که در آن تنش $\boldsymbol{\sigma}$ از یک مدل رفتاری حرارتی-الاستو-پلاستیک محاسبه می‌شود: $\boldsymbol{\sigma} = \mathbf{C}(T, \phi) : (\boldsymbol{\epsilon}_{total} - \boldsymbol{\epsilon}_{th} - \boldsymbol{\epsilon}_{pl})$، که در آن $\mathbf{C}$ تانسور سختی، $\boldsymbol{\epsilon}_{th}$ کرنش حرارتی و $\boldsymbol{\epsilon}_{pl}$ کرنش پلاستیک است.

6. نتایج آزمایشی و توصیف نمودارها

نمودارهای خروجی شبیه‌سازی (توصیف شده):

  • شکل 1: میدان دمای گذرا و فاز: یک مقطع سه‌بعدی که تکامل حوضچه مذاب و خطوط هم‌دما را در چندین لایه پودر در طول زمان نشان می‌دهد.
  • شکل 2: توزیع تنش پسماند ($\sigma_{xx}$): یک رندر حجمی که تنش کششی بالا (قرمز) را در گردن ذرات و رابط‌های لایه‌ای و تنش فشاری (آبی) را در مناطق خنک‌تر و منجمد شده برجسته می‌کند.
  • شکل 3: نقشه کرنش پلاستیک تجمع یافته ($\epsilon_{pl}^{eq}$): مناطق تغییر شکل پلاستیک موضعی را نشان می‌دهد که با مکان‌های تمرکز تنش هم‌پوشانی دارند.
  • شکل 4: تخلخل و حداکثر تنش پسماند در مقابل چگالی انرژی حجمی: یک نمودار پراکندگی با خطوط روند. این نمودار یک رابطه معکوس بین تخلخل و چگالی انرژی و یک رابطه مستقیم و غیرخطی بین تنش پسماند اوج و چگالی انرژی را نشان می‌دهد.
  • شکل 5: برازش مدل رگرسیون: معادلات پدیده‌شناختی پیشنهادی (مانند $\sigma_{res} = A \cdot E_v^B + C$) را نشان می‌دهد که نقاط داده شبیه‌سازی را برای تنش پسماند و کرنش پلاستیک به عنوان توابعی از ورودی انرژی $E_v$ برازش می‌دهند.

7. چارچوب تحلیل: یک مطالعه موردی نمونه

مورد: بهینه‌سازی پارامترهای SLS برای یک داربست متخلخل تیتانیوم.

  1. هدف: دستیابی به 50% تخلخل در حالی که تنش پسماند برای جلوگیری از اعوجاج و بهبود عمر خستگی به حداقل رسیده باشد.
  2. ورودی‌ها: توزیع اندازه پودر، خواص ماده Ti-6Al-4V، هندسه CAD داربست.
  3. کاربرد چارچوب:
    • اجرای شبیه‌سازی تلفیقی برای یک المان حجم نماینده (RVE) از بستر پودر برای جفت‌های مختلف (توان لیزر، سرعت اسکن): (P1,v1), (P2,v2), ...
    • استخراج برای هر اجرا: تخلخل نهایی، حداکثر تنش پسماند فون مایز و توزیع فضایی کرنش پلاستیک.
    • ترسیم نتایج بر روی یک نقشه فرآیند (توان در مقابل سرعت)، با خطوط تراز برای تخلخل و تنش.
  4. خروجی: شناسایی پنجره فرآیند "نقطه شیرین" که در آن خط تراز 50% تخلخل با منطقه کمترین تنش پسماند تقاطع می‌یابد. این ترکیب (P*, v*) مجموعه پارامتر توصیه شده است.
توجه: این یک حلقه بهینه‌سازی مبتنی بر شبیه‌سازی است؛ هیچ کد صریحی ارائه نشده است زیرا چارچوب یک مجموعه چندفیزیکی اختصاصی/پیچیده است.

8. چشم‌انداز کاربرد و جهت‌گیری‌های آینده

کاربردهای فوری:

  • بهینه‌سازی فرآیند برای ایمپلنت‌های زیست‌پزشکی: طراحی پارامترهای SLS برای داربست‌های استخوانی با تخلخل تنظیم شده و تنش پسماند به حداقل رسیده برای بهبود استخوان‌سازی و پایداری مکانیکی.
  • تضمین کیفیت و پیش‌بینی: استفاده از شبیه‌سازی به عنوان یک دوقلوی دیجیتال برای پیش‌بینی نقاط داغ تنش و مکان‌های بالقوه شکست در قطعات حیاتی (مانند سازه‌های شبکه‌ای هوافضا).
جهت‌گیری‌های پژوهشی آینده:
  • مدل‌سازی چندمقیاسی: اتصال این مدل میانی‌مقیاس با مدل‌های حرارتی-مکانیکی در مقیاس قطعه برای پیش‌بینی اعوجاج کلی.
  • گنجاندن فیزیک اضافی: تلفیق دینامیک سیالات برای جریان حوضچه مذاب در SLM، یا مدل‌سازی دگرگونی‌های فازی (مانند مارتنزیت در فولادها) که تغییر شکل پلاستیک ناشی از دگرگونی (TRIP) را القا می‌کنند.
  • تقویت با یادگیری ماشین: استفاده از داده‌های شبیه‌سازی برای آموزش مدل‌های جایگزین (مانند شبکه‌های عصبی) برای بهینه‌سازی پارامتر فوق‌سریع، مشابه رویکردهای مورد استفاده در انفورماتیک مواد. منابعی مانند پایگاه داده پروژه مواد می‌توانند ورودی‌های خواص ماده را اطلاع‌رسانی کنند.
  • اعتبارسنجی آزمایشی با تکنیک‌های با وضوح بالا: همبستگی شبیه‌سازی‌ها با اندازه‌گیری‌های حاصل از پراش پرتو ایکس سینکروترون یا همبستگی تصویر دیجیتال (DIC) برای اعتبارسنجی مستقیم میدان‌های تنش/کرنش پیش‌بینی شده.

9. مراجع

  1. Mercelis, P., & Kruth, J. P. (2006). Residual stresses in selective laser sintering and selective laser melting. Rapid Prototyping Journal.
  2. King, W. E., et al. (2015). Laser powder bed fusion additive manufacturing of metals; physics, computational, and materials challenges. Applied Physics Reviews.
  3. Khorasani, A. M., et al. (2022). A review of residual stress in metal additive manufacturing: mechanisms, measurement, and modeling. Journal of Materials Research and Technology.
  4. Zhu, Y., et al. (2019). Phase-field modeling of microstructure evolution in additive manufacturing. Annual Review of Materials Research.
  5. National Institute of Standards and Technology (NIST). (2022). Additive Manufacturing Metrology. [Online] Available: https://www.nist.gov/amo/additive-manufacturing-metrology
  6. Isola, P., Zhu, J.-Y., Zhou, T., & Efros, A. A. (2017). Image-to-Image Translation with Conditional Adversarial Networks. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR). (به عنوان نمونه‌ای از یک چارچوب قدرتمند و داده‌محور در پژوهش محاسباتی ذکر شده است).

10. تحلیل اصیل: دیدگاه صنعتی

بینش هسته‌ای: این مقاله فقط یک مطالعه شبیه‌سازی افزایشی دیگر نیست؛ بلکه یک ضربه هدفمند به هسته "جعبه سیاه" SLS برای مواد متخلخل است. نویسندگان به درستی شناسایی کرده‌اند که شیطان واقعی در جزئیات میانی‌مقیاس—مقیاس پودر—نهفته است، جایی که گرادیان‌های حرارتی تیزترین هستند و رفتار ماده بیشترین غیرخطی بودن را دارد. رویکرد تلفیقی فاز-میدان/FEM آن‌ها یک چارچوب عمل‌گرا و قدرتمند برای رمزگشایی منشأ تنش پسماند است که از توصیفات کیفی فراتر رفته و به پیش‌بینی‌های کمی و وابسته به پارامتر می‌رسد. این امر حیاتی است زیرا، همانطور که برنامه مترولوژی AM موسسه ملی استاندارد و فناوری (NIST) تأکید می‌کند، قابلیت پیش‌بینی، محور اصلی صلاحیت‌دهی قطعات AM برای کاربردهای حیاتی است.

جریان منطقی: منطق آن قوی است: 1) ثبت تکامل ریزساختار (فاز-میدان)، 2) اعمال تاریخچه حرارتی حاصل بر یک مدل مکانیکی (FEM)، 3) استخراج تنش/کرنش. اتصال یک‌طرفه یک مصالحه هوشمندانه بین دقت و هزینه محاسباتی است. جریان از مکانیزم (تمرکز تنش در گردن/لایه) به نتیجه (تجمع کرنش پلاستیک) و سپس به اثر کلان (اعوجاج) به وضوح بیان شده و توسط نتایج بصری آن‌ها پشتیبانی می‌شود.

نقاط قوت و ضعف: نقاط قوت: جنبه با وضوح پودری و سه‌بعدی چندلایه، گامی قابل توجه فراتر از مدل‌های رایج دو بعدی یا تک مسیره است. شناسایی مکان‌های شکست خاص (گردن‌ها، لایه‌ها) اطلاعات عملی مستقیم ارائه می‌دهد. تلاش برای ایجاد مدل‌های رگرسیون از داده‌های شبیه‌سازی قابل تقدیر است و به سمت یک جعبه ابزار تجربی آگاه از شبیه‌سازی اشاره می‌کند. نقاط ضعف: فیل بزرگی که در اتاق است، فقدان اعتبارسنجی آزمایشی مستقیم و کمی در مقابل میدان‌های تنش پسماند اندازه‌گیری شده است—یک شکاف رایج اما حیاتی در مقالات محاسباتی. دقت مدل به خواص ماده ورودی (وابسته به دما و فاز) وابسته است که به طور بدنامی برای حالت‌های نیمه جامد به دست آوردن آن‌ها دشوار است. علاوه بر این، فرض بسته‌بندی کامل بستر پودر و جذب لیزر ایده‌آل ممکن است تغییرپذیری فرآیند دنیای واقعی را نادیده بگیرد. در مقایسه با قدرت مولد و داده‌محور چارچوب‌هایی مانند CycleGAN (Isola و همکاران، 2017) در بینایی کامپیوتر، این مدل مبتنی بر فیزیک محدودتر است اما درک علّی عمیق‌تری ارائه می‌دهد.

بینش‌های قابل اجرا: برای متخصصان صنعت و پژوهشگران:

  1. تمرکز بر استراتژی بین لایه‌ای: یافته‌های مقاله فریاد می‌زند برای نوآوری در استراتژی‌های اسکن و کنترل دمای بین لایه‌ای که به طور خاص برای کاهش تنش در اتصالات لایه‌ای طراحی شده‌اند.
  2. استفاده به عنوان یک فیلتر توسعه فرآیند: قبل از طراحی آزمایش فیزیکی پرهزینه، از این چارچوب شبیه‌سازی برای محدود کردن فضای پارامتر (P, v) به یک منطقه امیدوارکننده که تخلخل و تنش را متعادل می‌کند، استفاده کنید.
  3. اولویت‌دهی به تولید داده‌های ماده: در مشخص‌سازی خواص وابسته به دما، به ویژه در اطراف نقطه ذوب، سرمایه‌گذاری کنید. این بزرگترین عامل محدودکننده دقت پیش‌بینی همه چنین مدل‌هایی است.
  4. گام پژوهشی بعدی: گام منطقی بعدی استفاده از خروجی این مدل—میدان تنش پسماند—به عنوان یک شرایط اولیه برای یک شبیه‌سازی خستگی یا شکست برای پیش‌بینی مستقیم عمر قطعه است و حلقه طراحی را از فرآیند به عملکرد می‌بندد.
در نتیجه، این کار یک لنز پیچیده و بسیار مفید به فرآیند SLS ارائه می‌دهد. ارزش واقعی آن زمانی آزاد خواهد شد که پیش‌بینی‌های آن به طور دقیق اعتبارسنجی شوند و چارچوب آن گسترش یابد تا سیستم‌های ماده بیشتری را در بر گیرد و با مدل‌های در مقیاس بالاتر جفت شود، و راه را برای تولید افزایشی واقعاً پیش‌بینی‌کننده و قابل اعتماد اجزای عملکردی متخلخل هموار کند.