快速成型加工方法中的误差研究

首先研究了国内外快速成型技术的现状和发展趋势，其次采用理论分析和试验的方法，研究了激光烧结参数对加工精度的影响，通过对试验数据的分析研究，探讨了烧结制件中出现的几种缺陷的形成原因，得出了一些影响烧结制件精度的规律，并提出了减少烧结缺陷的措施和方法，这对激光烧结成型工艺的应用有一定的指导意义。     

尼龙/Cu复合粉末选择性激光烧结成形

基于烧结机理分析了激光热作用下尼龙对铜颗粒表面的润湿与粘结行为,通过对SLS烧结件的力学性能测试,探讨了材料不同配比对SLS成形件强度的影响,以及不同工艺参数对成形质量的影响.结果表明:预热温度为165 ℃,单层厚度0.15 mm,激光功率15 W,扫描速度2 000 mm/s时制件的成形性能比较理想,且拉伸强度和抗弯强度分别可达34.76 MPa和51.75 MPa.     

SLS尼龙粉料成型工艺参数优化研究

用正交试验法对SLS尼龙粉料进行烧结实验,研究了SLS成型工艺对尼龙烧结件密度和强度的影响规律;结合材料性能对关键工艺参数做了进一步实验,确定了SLS尼龙粉料的最优工艺参数组合。其研究方法和结论对SLS高分子粉料成型工艺的确定有一定的参考价值。     

SLS间接法制造金属零件生坯强度研究

选择性激光烧结(SLS)间接制造金属零件过程中,生坯强度是一项重要指标.以正交试验为手段,研究了SLS工艺参数(激光功率、扫描速度、扫描间距和切片层厚)对生坯强度的影响.讨论了粉末材料自身物性对于生坯强度的影响.对于一些强度影响因素的作用定性地建立了模型.结果表明,SLS过程中粘结剂降解行为、热熔后粘结剂的流动性、生坯片层内和片层间粉末粘结一体化程度以及粉末材料的热物性和粉末组分的均匀程度与生坯强度直接相关,可以通过选择适宜的粘结剂材料和优化调节SLS工艺参数来提高生坯强度.     

热像仪建立覆膜砂SLS过程激光能量输入模型研究

利用热像仪,通过计算机自动控制,对覆膜砂选择性激光烧结(SLS)过程的温度场进行了测定和研究,避开了使用传统测温方法的各种干扰及缺点. 通过对热像仪测温结果的研究,确定了覆膜砂SLS成型的合适的工艺参数范围:扫描速度10 mm/s,激光功率16～20 W. 根据热像仪测温结果,结合ANSYS数值模拟计算,建立了覆膜砂SLS过程的激光能量输入模型. 该模型考虑了扫描过程中激光与覆膜砂相互作用的因素,用于预测不同的工艺参数对覆膜砂SLS成型过程的影响,为进一步分析各种成型工艺变化对覆膜砂固结效果的影响,以及激光快速成型工艺的计算机优化奠定了基础.     

镍基F105Fe粉末选区激光烧结试验

针对选区激光烧结金属零件致密度低、机械性能差等问题,分析了金属粉末选区激光烧结的工艺特点,讨论了扫描路径对金属粉末烧结成形的影响以及金属粉末直接烧结成形的基本机理.选用镍基F105Fe粉末进行选区激光烧结成形金属零件,采用扫描电镜、显微硬度测量、阿基米德定律等方法,研究了扫描路径对选区激光烧结制件微观组织、显微硬度和致密度的影响.结果表明,扫描路径的不同不会改变制件的微观组织,但对组织的均匀化和细化有一定的影响;扫描路径对制件的机械性能影响显著,变向扫描制备的制件显微硬度比较高,致密性最好,短边同向扫描制备的制件显微硬度最高.     

SLS工艺参数对Al2O3/SiO2/ZrO2复合陶瓷烧结质量的影响

针对复合陶瓷材料Al2O3/SiO2/ZrO2脆性大难加工等问题,结合选择性激光烧结(SLS)工艺成形复合陶瓷粉末,采用Nd:YAG激光器及其送粉装置进行激光烧结试验.利用扫描电镜(SEM)、能量色散X射线光谱仪(EDX)和X射线衍射分析仪(XRD)观察了成形件的微观组织并分析了微观组织成分.探讨了激光烧结的主要工艺参数对单层烧结质量的影响及扫描速度对显微结构的影响.结果表明:采用正交试验方法系统地分析了工艺过程,获得最佳工艺参数为扫描速度15mm/s、激光功率40W、搭接量04mm,得到了气孔较少、密度372g/cm3的烧结表面,能够烧结出致密并具有枝状组织的陶瓷.     

Ti64合金激光选区熔化的数值模拟研究

为研究工艺参数对制件成形及性能的影响,以指导实验与生产采用数值模拟的方法,比较激光功率、扫描速度、扫描方式3种工艺参数对制件温度场的影响及同一工艺参数下应力应变场情况。结果表明:当激光功率增大,瞬态温度场面积增大,熔池温度峰值增大;当扫描速度增大,其温度场收缩,温度梯度增大;相对于同向烧结方式,蛇形烧结方式前一段的温度场对上一道烧结具有保温作用,使温度梯度减小。推荐使用激光功率90 W扫描速度50 mm/s,蛇形烧结方式对Ti64合金进行烧结。     

SLS成型件的精度分析

全成分析了选择性激光光烧结（SLS）过程中,引起SLS成型件误差（机器误差,加工工艺误差和模型误差）和各种原因和影响成型精度的各种因素,据此提出了从平面精度和高度方向精度两方面提高SLS成型件精度的具体措施。     

基于SOA-BP神经网络的SLS成型件精度预测模型

针对选择性激光烧结(selective laser sintering,SLS)成型件精度难以控制以及工艺参数优化实验成本高等问题,提出了一种利用人群搜索算法(seeker optimization algorithm,SOA)优化BP(back propagation)神经网络对SLS成型件精度预测的方法。首先选择激光功率、预热温度、扫描速度、扫描间距以及分层厚度五个工艺参数设计正交试验获取样本数据。然后根据SOA算法特有的利己、利他、预动和不确定推理四大行为确定搜索策略,获取BP神经网络最优权值和阈值。最后采用MATLAB建立优化后的BP神经网络预测模型对样本数据进行预测分析,并与传统BP神经网络和粒子群算法(particle swarm optimization,PSO)优化的BP神经网络预测结果进行对比。结果表明:基于SOA-BP神经网络的预测模型具有较高的预测精度,最大绝对误差仅为0.028,对SLS成型件精度的提高和工艺参数的选取具有指导作用。