बहु-अक्ष योजक विनिर्माण में विरूपण को न्यूनतम करने के लिए निर्माण अनुक्रम अनुकूलन

1. परिचय

बहु-अक्ष योजक विनिर्माण (एएम), जिसका उदाहरण रोबोटिक वायर आर्क योजक विनिर्माण (डब्ल्यूएएएम) है, प्रिंट हेड या घटक के पुनः अभिविन्यास की अनुमति देकर विनिर्माण लचीलापन प्रस्तुत करता है। यह पारंपरिक एएम में निहित समतल परत निक्षेपण की बाधा को तोड़ता है। हालांकि, धातु एएम में महत्वपूर्ण तापीय प्रवणताएं और चरण परिवर्तन शामिल होते हैं, जिससे असमान तापीय प्रसार/संकुचन और परिणामी विरूपण होता है, जो असेंबली के लिए आयामी सटीकता और संरचनात्मक प्रदर्शन को गंभीर रूप से प्रभावित करता है।

निर्माण अनुक्रम का अनुकूलन - जिस क्रम में सामग्री निक्षेपित की जाती है - इस विरूपण को कम करने का एक नया मार्ग प्रस्तुत करता है। चुनौती अनुक्रम को ग्रेडिएंट-आधारित विधियों के लिए उपयुक्त अवकलनीय अनुकूलन चर के रूप में प्रस्तुत करने में निहित है। यह कार्य विरूपण को न्यूनतम करने के लिए निर्माण अनुक्रम अनुकूलन के लिए एक कम्प्यूटेशनल ढांचा प्रस्तावित करके इसका समाधान करता है।

2. कार्यप्रणाली

2.1 छद्म-समय क्षेत्र एन्कोडिंग

ढांचे का मूल निर्माण अनुक्रम का प्रतिनिधित्व है। घटक डोमेन Ω में प्रत्येक सामग्री बिंदु x को एक अदिश छद्म-समय $T(x)$ सौंपा जाता है। निर्माण प्रक्रिया को इस क्षेत्र के अनुसार बिंदुओं के अनुक्रमिक अस्तित्व में आने के रूप में मॉडल किया जाता है: एक छोटे $T$ वाला बिंदु बड़े $T$ वाले बिंदु से पहले निक्षेपित होता है। यह असतत अनुक्रम अनुकूलन को एक सतत क्षेत्र अनुकूलन समस्या में परिवर्तित कर देता है।

2.2 विरूपण मॉडलिंग

विरूपण की भविष्यवाणी करने के लिए एक सरलीकृत लेकिन भौतिक रूप से प्रतिनिधि मॉडल का उपयोग किया जाता है। यह अंतर्निहित विकृति विधि की नकल करता है, जहां प्रत्येक नव निक्षेपित सामग्री तत्व ठंडा होने पर एक निर्धारित संकुचन विकृति (जैसे, तापीय संकुचन) का अनुभव करता है। संचित विरूपण $\mathbf{u}$ की गणना इतिहास-निर्भर विकृति क्षेत्रों को ध्यान में रखते हुए, संपूर्ण डोमेन पर रैखिक प्रत्यास्थता संतुलन समीकरणों को हल करके की जाती है।

2.3 ग्रेडिएंट-आधारित अनुकूलन

उद्देश्य अंतिम विरूपण के एक माप को न्यूनतम करना है, उदाहरण के लिए, विरूपण क्षेत्र की अनुपालन या उसका अधिकतम विस्थापन। डिजाइन चर छद्म-समय क्षेत्र $T(x)$ है। उद्देश्य का $T(x)$ के संबंध में ग्रेडिएंट एडजॉइंट विधि का उपयोग करके गणना की जाती है, जो कुशल बड़े पैमाने पर अनुकूलन की अनुमति देता है। बाधाएं यह सुनिश्चित करती हैं कि समय क्षेत्र एक वैध, गैर-उत्क्रमणीय निक्षेपण अनुक्रम का प्रतिनिधित्व करने के लिए एकदिष्ट है।

3. संख्यात्मक अध्ययन एवं परिणाम

3.1 बेंचमार्क केस: कैंटिलीवर बीम

ढांचे का परीक्षण एक 3डी कैंटिलीवर बीम ज्यामिति पर किया गया। आधार रेखा केस ने पारंपरिक ऊर्ध्वाधर समतल परतों का उपयोग किया। फिर अनुकूलन एल्गोरिदम को एक छद्म-समय क्षेत्र खोजने का कार्य सौंपा गया जो निक्षेपण-प्रेरित संकुचन के कारण बीम के मुक्त सिरे पर ऊर्ध्वाधर विक्षेपण को न्यूनतम करता है।

3.2 तुलना: समतल बनाम वक्रित परतें

अध्ययन ने विरूपण क्षेत्रों की दृश्य और मात्रात्मक रूप से तुलना की। समतल परत अनुक्रम ने एक पूर्वानुमानित, संचयी बंकन प्रभाव उत्पन्न किया। इसके विपरीत, अनुकूलित वक्रित-परत अनुक्रम ने रणनीतिक रूप से संपूर्ण आयतन में संकुचन विकृतियों को "संतुलित" किया, अक्सर सामग्री को इस तरह से निक्षेपित करके जो प्रतिक्रियाशील विरूपण उत्पन्न करता है, जिससे लगभग शुद्ध-आकार का अंतिम भाग प्राप्त होता है।

4. तकनीकी विश्लेषण एवं ढांचा

4.1 गणितीय सूत्रीकरण

अनुकूलन समस्या को इस प्रकार संक्षेपित किया जा सकता है: $$ \begin{aligned} \min_{T} \quad & J(\mathbf{u}) = \int_{\Omega} \mathbf{u} \cdot \mathbf{u} \, d\Omega \\ \text{s.t.} \quad & \nabla \cdot \boldsymbol{\sigma} + \mathbf{b} = \mathbf{0} \quad \text{in } \Omega \\ & \boldsymbol{\sigma} = \mathbf{C} : (\boldsymbol{\epsilon} - \boldsymbol{\epsilon}^{sh}(T)) \\ & \boldsymbol{\epsilon} = \frac{1}{2}(\nabla \mathbf{u} + \nabla \mathbf{u}^T) \\ & T_{\min} \leq T(x) \leq T_{\max}, \quad \nabla T \cdot \mathbf{n} \geq 0 \, (\text{एकदिष्टता}) \end{aligned} $$ जहां $J$ विरूपण उद्देश्य है, $\boldsymbol{\epsilon}^{sh}(T)$ छद्म-समय पर निर्भर संकुचन विकृति है, और एकदिष्टता बाधा एक व्यवहार्य निक्षेपण क्रम सुनिश्चित करती है।

4.2 विश्लेषण ढांचा उदाहरण

परिदृश्य: डब्ल्यूएएएम-निर्मित ब्रैकेट के लिए बाद की असेंबली के लिए वार्पेज को कम करने के लिए प्रिंट अनुक्रम का अनुकूलन।

1. इनपुट: ब्रैकेट का 3डी सीएडी मॉडल, सामग्री संकुचन पैरामीटर (कैलिब्रेशन से)।
2. विभक्तीकरण: डोमेन को मेश करें। एक छद्म-समय क्षेत्र प्रारंभ करें (जैसे, समतल परतों के अनुरूप)।
3. सिमुलेशन लूप: वर्तमान $T$ क्षेत्र के लिए, अनुक्रमिक निक्षेपण का सिमुलेशन करें और अंतिम विरूपण क्षेत्र $\mathbf{u}$ और उद्देश्य $J$ की गणना करें।
4. एडजॉइंट एवं ग्रेडिएंट: $\partial J / \partial T$ की कुशलता से गणना करने के लिए एडजॉइंट समीकरण को हल करें।
5. अद्यतन: बाधाओं का सम्मान करते हुए, $T$ क्षेत्र को अद्यतन करने के लिए एक ग्रेडिएंट-आधारित अनुकूलक (जैसे, एमएमए, एसएनओपीटी) का उपयोग करें।
6. आउटपुट: अनुकूलित $T$ क्षेत्र, जिसे फिर वक्रित-परत डब्ल्यूएएएम निक्षेपण के लिए एक रोबोट टूलपाथ में व्याख्यायित किया जाता है।

5. अनुप्रयोग संभावनाएं एवं भविष्य की दिशाएं

यह ढांचा कई प्रभावशाली मार्ग खोलता है:

• पूर्ण थर्मो-मैकेनिकल मॉडलों के साथ एकीकरण: वर्तमान संकुचन मॉडल एक सरलीकरण है। भविष्य के कार्य को उच्च-सटीकता, क्षणिक थर्मो-मैकेनिकल सिमुलेशन को एकीकृत करना होगा, जैसा कि लेजर पाउडर बेड फ्यूजन के मॉडल में निपटाए गए बहु-भौतिकी चुनौतियों के समान है। यह सटीकता बढ़ाता है लेकिन कम्प्यूटेशनल लागत भी बढ़ाता है, जिसके लिए मॉडल क्रम कमी की आवश्यकता होती है।
• रोबोटिक डब्ल्यूएएएम के लिए पथ नियोजन: अनुकूलित छद्म-समय क्षेत्र को टक्कर-मुक्त, गतिकीय रूप से व्यवहार्य रोबोट प्रक्षेपवक्रों में अनुवादित किया जाना चाहिए। यह कम्प्यूटेशनल डिजाइन को रोबोटिक निष्पादन से जोड़ता है।
• बहु-उद्देश्य अनुकूलन: विरूपण, अवशिष्ट प्रतिबल, निर्माण समय और सपोर्ट संरचना आयतन के लिए एक साथ अनुकूलन करें। यह ओक रिज नेशनल लेबोरेटरी जैसे संस्थानों से उन्नत विनिर्माण अनुसंधान में देखे गए समग्र प्रक्रिया अनुकूलन के साथ संरेखित होता है।
• मशीन लर्निंग सरोगेट: वास्तविक समय या निकट-वास्तविक समय अनुक्रम नियोजन प्राप्त करने के लिए, महंगे भौतिकी सिमुलेशन के लिए सरोगेट के रूप में तंत्रिका नेटवर्क को प्रशिक्षित किया जा सकता है, जो CycleGAN जैसे कार्यों द्वारा निर्धारित रुझानों का अनुसरण करता है, लेकिन ज्यामिति को इष्टतम निक्षेपण अनुक्रमों में मैप करने के लिए लागू किया जाता है।
• इन-सीटू विरूपण सुधार: अनुकूलित योजना को इन-प्रोसेस मॉनिटरिंग (जैसे, लेजर स्कैनिंग) के साथ संयोजित करें ताकि एक बंद-लूप सिस्टम बनाया जा सके जो मापे गए विरूपण के आधार पर अनुक्रम को वास्तविक समय में समायोजित करता है।

6. संदर्भ

1. Ding, D., Pan, Z., Cuiuri, D., & Li, H. (2015). Wire-feed additive manufacturing of metal components: technologies, developments and future interests. The International Journal of Advanced Manufacturing Technology, 81(1-4), 465-481.
2. Williams, S. W., Martina, F., Addison, A. C., Ding, J., Pardal, G., & Colegrove, P. (2016). Wire+ Arc additive manufacturing. Materials Science and Technology, 32(7), 641-647.
3. Wang, W., van Keulen, F., & Wu, J. (2023). Fabrication Sequence Optimization for Minimizing Distortion in Multi-Axis Additive Manufacturing. arXiv preprint arXiv:2212.13307.
4. Zhu, J. Y., Park, T., Isola, P., & Efros, A. A. (2017). Unpaired image-to-image translation using cycle-consistent adversarial networks. Proceedings of the IEEE international conference on computer vision (pp. 2223-2232).
5. Oak Ridge National Laboratory. (2017). 3D Printed Excavator Project. Retrieved from https://www.ornl.gov/news/3d-printed-excavator-project.
6. Bendsøe, M. P., & Sigmund, O. (2003). Topology optimization: theory, methods, and applications. Springer Science & Business Media.