Pengoptimuman Urutan Fabrikasi untuk Meminimumkan Distorsi dalam Pencetakan Tambahan Pelbagai Paksi

1. Pengenalan

Pencetakan tambahan pelbagai paksi (AM), seperti yang dicontohkan oleh Pencetakan Tambahan Wayar Arka Robotik (WAAM), memperkenalkan fleksibiliti pembuatan dengan membenarkan orientasi semula kepala cetak atau komponen. Ini memecahkan kekangan pemendapan lapisan rata yang wujud dalam AM konvensional. Walau bagaimanapun, AM logam melibatkan kecerunan terma dan transformasi fasa yang ketara, membawa kepada pengembangan/pengecutan terma tidak sekata dan distorsi yang terhasil, yang memberi kesan kritikal kepada ketepatan dimensi dan prestasi struktur untuk pemasangan.

Mengoptimumkan urutan fabrikasi—susunan bahan didepositkan—menyediakan laluan baharu untuk mengurangkan distorsi ini. Cabarannya terletak pada mewakili urutan sebagai pemboleh ubah pengoptimuman boleh beza yang sesuai untuk kaedah berasaskan kecerunan. Kajian ini menangani isu ini dengan mencadangkan rangka kerja pengiraan untuk pengoptimuman urutan fabrikasi bagi meminimumkan distorsi.

2. Metodologi

2.1 Pengekodan Medan Masa Pseudo

Teras rangka kerja ini adalah perwakilan urutan fabrikasi. Setiap titik bahan x dalam domain komponen Ω diberikan masa pseudo skalar $T(x)$. Proses fabrikasi dimodelkan sebagai pematerialan berurutan titik mengikut medan ini: titik dengan $T$ yang lebih kecil didepositkan sebelum titik dengan $T$ yang lebih besar. Ini mengubah pengoptimuman urutan diskret menjadi masalah pengoptimuman medan berterusan.

2.2 Pemodelan Distorsi

Model yang dipermudahkan tetapi mewakili fizikal digunakan untuk meramal distorsi. Ia meniru kaedah terikan terpendam, di mana setiap elemen bahan baharu yang didepositkan mengalami terikan pengecutan yang ditetapkan (contohnya, pengecutan terma) semasa penyejukan. Distorsi terkumpul $\mathbf{u}$ dikira dengan menyelesaikan persamaan keseimbangan keanjalan linear di seluruh domain, dengan mengambil kira medan terikan yang bergantung pada sejarah.

2.3 Pengoptimuman Berasaskan Kecerunan

Objektifnya adalah untuk meminimumkan ukuran distorsi akhir, contohnya, kepatuhan medan distorsi atau anjakan maksimumnya. Pemboleh ubah reka bentuk ialah medan masa pseudo $T(x)$. Kecerunan objektif berkenaan dengan $T(x)$ dikira menggunakan kaedah adjoint, membolehkan pengoptimuman berskala besar yang cekap. Kekangan memastikan medan masa adalah monotonik untuk mewakili urutan pemendapan yang sah dan tidak berbalik.

3. Kajian Berangka & Keputusan

3.1 Kes Penanda Aras: Rasuk Julur

Rangka kerja ini diuji pada geometri rasuk julur 3D. Kes asas menggunakan lapisan rata menegak konvensional. Algoritma pengoptimuman kemudiannya diberikan tugas untuk mencari medan masa pseudo yang meminimumkan pesongan menegak di hujung bebas rasuk akibat pengecutan yang disebabkan oleh pemendapan.

3.2 Perbandingan: Lapisan Rata vs. Melengkung

Kajian ini membandingkan medan distorsi secara visual dan kuantitatif. Urutan lapisan rata membawa kepada kesan lenturan terkumpul yang boleh diramal. Sebaliknya, urutan lapisan melengkung yang dioptimumkan secara strategik "mengimbangi" terikan pengecutan di seluruh isipadu, selalunya dengan mendepositkan bahan dengan cara yang mendorong distorsi yang bertindak balas, menghasilkan bahagian akhir hampir bentuk bersih.

4. Analisis Teknikal & Rangka Kerja

4.1 Rumusan Matematik

Masalah pengoptimuman boleh diringkaskan sebagai: $$ \begin{aligned} \min_{T} \quad & J(\mathbf{u}) = \int_{\Omega} \mathbf{u} \cdot \mathbf{u} \, d\Omega \\ \text{s.t.} \quad & \nabla \cdot \boldsymbol{\sigma} + \mathbf{b} = \mathbf{0} \quad \text{dalam } \Omega \\ & \boldsymbol{\sigma} = \mathbf{C} : (\boldsymbol{\epsilon} - \boldsymbol{\epsilon}^{sh}(T)) \\ & \boldsymbol{\epsilon} = \frac{1}{2}(\nabla \mathbf{u} + \nabla \mathbf{u}^T) \\ & T_{\min} \leq T(x) \leq T_{\max}, \quad \nabla T \cdot \mathbf{n} \geq 0 \, (\text{monotonik}) \end{aligned} $$ Di mana $J$ ialah objektif distorsi, $\boldsymbol{\epsilon}^{sh}(T)$ ialah terikan pengecutan bergantung pada masa pseudo, dan kekangan monotonik memastikan susunan pemendapan yang boleh dilaksanakan.

4.2 Contoh Rangka Kerja Analisis

Skenario: Mengoptimumkan urutan cetak untuk kurungan yang dihasilkan WAAM untuk meminimumkan lengkok untuk pemasangan seterusnya.

1. Input: Model CAD 3D kurungan, parameter pengecutan bahan (daripada penentukuran).
2. Pendiskretan: Mesh domain. Mulakan medan masa pseudo (contohnya, sepadan dengan lapisan rata).
3. Gelung Simulasi: Untuk medan $T$ semasa, simulasi pemendapan berurutan dan kira medan distorsi akhir $\mathbf{u}$ dan objektif $J$.
4. Adjoint & Kecerunan: Selesaikan persamaan adjoint untuk mengira $\partial J / \partial T$ dengan cekap.
5. Kemas Kini: Gunakan pengoptimum berasaskan kecerunan (contohnya, MMA, SNOPT) untuk mengemas kini medan $T$, dengan menghormati kekangan.
6. Output: Medan $T$ yang dioptimumkan, yang kemudiannya ditafsirkan menjadi laluan alat robot untuk pemendapan WAAM lapisan melengkung.

5. Prospek Aplikasi & Hala Tuju Masa Depan

Rangka kerja ini membuka beberapa laluan yang memberi impak:

• Integrasi dengan Model Termo-Mekanikal Penuh: Model pengecutan semasa adalah penyederhanaan. Kerja masa depan mesti mengintegrasikan simulasi termo-mekanikal sementara berketepatan tinggi, serupa dengan cabaran pelbagai fizik yang ditangani dalam model untuk peleburan katil serbuk laser. Ini meningkatkan ketepatan tetapi juga kos pengiraan, memerlukan pengurangan susunan model.
• Perancangan Laluan untuk WAAM Robotik: Medan masa pseudo yang dioptimumkan mesti diterjemahkan ke dalam trajektori robot yang bebas pelanggaran dan boleh dilaksanakan secara kinematik. Ini menghubungkan reka bentuk pengiraan dengan pelaksanaan robotik.
• Pengoptimuman Pelbagai Objektif: Optimumkan serentak untuk distorsi, tegasan baki, masa bina, dan isipadu struktur sokongan. Ini selari dengan pengoptimuman proses holistik yang dilihat dalam penyelidikan pembuatan termaju dari institusi seperti Makmal Kebangsaan Oak Ridge.
• Pengganti Pembelajaran Mesin: Untuk mencapai perancangan urutan masa nyata atau hampir masa nyata, rangkaian neural boleh dilatih sebagai pengganti untuk simulasi fizik yang mahal, mengikut tren yang ditetapkan oleh karya seperti CycleGAN untuk terjemahan imej-ke-imej, tetapi digunakan untuk memetakan geometri kepada urutan pemendapan optimum.
• Pembetulan Distorsi In-Situ: Gabungkan pelan yang dioptimumkan dengan pemantauan dalam proses (contohnya, pengimbasan laser) untuk mencipta sistem gelung tertutup yang melaraskan urutan secara masa nyata berdasarkan distorsi yang diukur.

6. Rujukan

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.