CHAPTER 1. INTRODUCTION

This chapter will outline the motivation for the research topic by briefly addressing the concept of additive manufacturing, quality control requirements and in-situ monitoring techniques. The state-of-the-art for in-situ monitoring for additive manufacturing process is discussed and the on-going work for acoustic-based process monitoring for additive manufacturing is introduced.

1.1 Research Motivation

Traditionally, quality is assessed on final products and the measurements constitute a significant cost. Furthermore, this procedure seldom allows for remedial treatment, so defective material must be downgraded or even scrapped with further economic loss. This can be even more challenging in Additive Manufacturing (AM) method due to complexity of the process and higher value components, which consequently have a more significant economical impact. For these reasons, a real-time process monitoring and control capability for in-process measurements with AM, is necessary to ensure quality of final parts. Several different techniques have been considered for use in on-line monitoring of the AM process, using information from characteristic signals of the process. Optical, thermal and acoustic measurements have the potential to provide characteristic signals that can be potentially be related to process and quality. However, the difficulty in using process monitoring and control systems is the accurate and reliable detection of process faults and components defects during the manufacturing. Current optical and thermal based methods are not considered to be sensitive enough to all types of process or part failures and are not found to be adequate for characterization of the condition of parts in situ. Acoustic based methods are being considered and are on focus in the current project. Among the various potential characteristic signatures, acoustic signals are considered to be the most promising signals for providing additional data for evaluation of AM process and parts. Preliminary data has shown that particular changes in acoustic signatures contain information that can potentially be related to part quality and process performance. These signatures require precise analysis using appropriate signal processing techniques to ensure the sensitivity and correlations, particularly with regard to effectiveness for providing feedback to the control system and enable real-time detection of defects.

1.1.1 Problem Statement

The present study investigates the capabilities of acoustic methods for in-situ monitoring of

AM processes. Two acoustic methods are investigated, laser ultrasound and acoustic emission. The primary goal is to assess the capability of these techniques to detect the occurrence of process faults and defects in manufactured parts in real-time. Furthermore, identification of the type of faults and defects is also necessary, and this can be achieved through the use of efficient simulation and signal processing tools. These tools will be used in this study to identify the features in manufacturing process as well as manufactured parts based on their acoustic signatures. The conceptual schematic drawing for the core problem is presented in Figure 1.1.

1.2 Research Goals and Contributions

1.2.1 Goals

Acoustic signatures of AM processes are closely related to physical effects (e.g. cracking acoustic emission) and noise that occurs due to the fabrication process (e.g. thermally induced acoustic waves due to expansion caused by laser heating) in forming parts. Such acoustic signatures are superimposed (convolved) and they can potentially provide a signature that combines process and system generated sources. It is believed that there is the potential for such a signature to contain detailed and important information regarding the process and possible defect occurrence. Previous studies show that acoustic in-situ monitoring of AM

Figure 1.1 Conceptual Schematic Drawing for the Problem

process is feasible; Rieder et al. (2014). Systems and methods are also under development for acoustic-based process monitoring; Gold and Spears (2017); Redding et al. (2017) . However, noise levels and spectral content for AM were unknown for extracting information regarding the components and process needs. Obtaining useful information requires additional investigation and more advanced signal processing to extract and characterize signatures in the time and frequency domains. Using capabilities applied to other processes and acoustic monitoring along with appropriate signal processing technique(s) can potentially identify and extract the features from the acoustic signals. The examination of various defect types in the component and the evaluation of the ultrasonic signals in view of part and system classification are further issues to be pursued. The presented approach consist of two main parts including laser ultrasound and acoustic monitoring. Laser ultrasound evaluation is based on modeling and simulation approach. Ultrasound wave generation based on laser source will be modeled with FEM method to study the wave propagation through the part during the manufacturing process. This will help to identify which possible information can be obtained by laser ultrasound during the manufacturing process and what are the potentials and limitation of the method. Signal processing of backscattered signals will allow for the detection of pores near the surface immediately following sintering laser without the need for Rayleigh wave. In acoustic monitoring approach, the acoustic signatures are obtained by monitoring signals during AM fabrication of non-complex geometries. In this respect, a proposed standardized test artifact for AM machines and processes is the most beneficial. Process will be monitored using a modified multi-channel inspection acoustic monitoring system and sensors, originally designed for

全文共52835字，剩余内容已隐藏，支付完成后下载完整资料

第一章 介绍

本章将简要地介绍增材制造，质量控制要求和现场监测技术的概念，概述研究课题的动机。 讨论了添加剂制造过程现场监测的最新技术，并介绍了添加剂制造的声学过程监测的持续工作。

1.1 研究动机

传统上，质量以最终产品为准同时测量成本很高。此外，该程序很少允许进行补救处理，因此有缺陷的材料必须降级甚至报废，进一步造成经济损失。由于工艺的复杂性和更高价值的部件，使得在增材制造（AM）方法中甚至更具挑战性，因此其具有更显着的经济影响。由于这些原因，必须使用AM技术进行过程中测量的实时过程监控和控制功能，以确保最终部件的质量。现在已经考虑几种使用来自过程中特征信号的信息的不同技术应用于AM过程中的在线监测，。光学，热学和声学测量有可能提供与加工过程和质量相关的特征信号。然而，使用过程监控和控制系统的困难在于在制造过程中精准可靠地检测过程中的故障和零部件缺陷。目前基于光学和热学的方法不被认为对所有类型的过程故障和部件失效都足够敏感在加工过程中，并且不能很好地表征现场零部件的状况。基于声学的方法已经被考虑并将其作为当前项目的重点。在各种潜在的特征信号中，声信号被认为是用于提供评估AM过程和部件的附加数据的最有希望的信号。初步数据表明，声学特征的特定变化可能包含了与零件质量和加工过程性能相关的信息。这些信号要求使用适当的信号处理技术进行精确分析，以确保灵敏度和相关性，特别是在向控制系统提供反馈并实现缺陷实时检测的有效性方面。

1.1.1 问题陈述

本研究探讨了声学方法在增材制造过程中的现场监测能力， 研究了两种声学方法：激光超声和声发射。 主要目标是评估这些技术实时检测制造零件中的加工故障和缺陷发生的能力。 此外，还需要识别故障和缺陷的类型，这可以通过使用有效的仿真模拟和信号处理工具来实现。 这些工具将用于本研究来确定制造过程中的特征以及基于其声学特征的零件制造。 核心问题的概念示意图如图1.1所示。

1.2 研究目标及贡献

1.2.1 研究目标

AM工艺的声学信号与物理效应(如裂纹声发射)和加工过程中产生的噪声(如激光加热膨胀引起的声波)密切相关。这样的声学信号是叠加的(卷积的)，它们可能提供结合流程和系统生成源的信号。人们认为这样的信号有可能包含关于加工流程和可能出现的缺陷详细和重要的信息。以往的研究表明基于声学的AM现场监测是可行的。

图1.1问题的概念示意图

Rieder等人(2014)还在开发以声学为基础的过程监测的系统和方法;然而 Gold and Spears (2017);Redding等人(2017)AM的噪声级别和光谱内容对于提取有关部件和加工过程需求的信息来说是未知的。获取有用的信息需要更多的研究和更高级的信号处理来提取和表征信号在时域和频域内的特征。利用应用于其他过程和声学监测的功能以及适当的信号处理技术，可以潜在地识别和提取声学信号的特征。对零件中各种缺陷类型的检测以及从零件和系统分类的角度对超声波信号进行评价是有待进一步研究的问题。该方法由激光超声和声学监测这两大部分组成。激光超声评估是基于建模和仿真的方法，采用有限元方法对基于激光源的超声波产生过程进行建模来研究超声波在零件加工过程中的传播规律。这将有助于确定激光超声在制造过程中可以获得哪些可能的信息以及该方法的潜力和局限性。反散射信号的信号处理可以在激光烧熔后立即探测到表面附近的孔隙，而不需要瑞雷波。在声学监测方法中，声学信号是通过非复杂几何形状AM加工过程中的监测信号获得的。在这方面，为AM机器和加工流程提出的标准化测试工件是最有益的。加工过程将使用改进的多通道检查声学监测系统和传感器进行监测，这些系统最初是为监测声发射而设计的。小波变换和统计信号处理技术是为了对信号进行评估而提出的。

1.2.2 任务

本研究的目标可以拓展到以下几个方面:

bull;通过仿真研究评估激光超声在AM零件和工艺中的缺陷检测和现场监测

bull;激光超声信号的信号处理与评估，提高信噪比(SNR)和灵敏度

bull;设计实验和执行实验来测量和研究AM部件和系统的现场监测的声学特征

bull;信号处理(时频分析和数据收集)技术，用于评估在各种操作条件下为过程描述而记录的声学特征

1.2.3 贡献

本研究的主要贡献在于它为增材制造(AM)工艺的在线监测提供了新的方法，提高了AM工艺和零部件的故障检测能力。这一贡献是对已经实施的现场监测技术(如热像仪)的补充和改进;Krauss等人(2015)和光学方法; Fallis (2013)。它还可以作为满足最终用户需求的设计工具。本研究引入的具体仿真、有限元建模、实验工作、数据采集和信号处理技术为调幅现场监测带来了新的应用，包括以下几个方面:

bull;用于量化建模和仿真中使用的材料性能的非现场AM材料表征

bull;通过记录不同构建条件下的声学信号，证明声学方法的概念

bull;在不同的构建条件下对收集到的数据进行非平稳信号处理，包括存在缺陷和不存在缺陷。

bull;考虑到材料的温度依赖性和局部特性，激光超声用于AM制造工艺和零件评估的建模、仿真和信号处理。

1.3 论文内容

本研究将在接下来的章节中更加完善和详细地展开。第2章使读者熟悉增材制造、增材制造缺陷及其形成机理，并对金属增材制造质量检测与控制的最新进展进行了较为详细的文献综述。本研究还提供了质量监测和控制的背景知识，并提供了一些概念和算法的信号处理定义的介绍性知识。第三章介绍了系统和传感器的设置及过程以及使用声发射传感器增材制造工艺监测的程序。第四章阐述了声发射信号的处理方法、特征提取和分类技术以及实验部件的结果。第五章介绍了激光超声在增材制造过程中的建模与仿真。

第二章. 背景

本章从增材制造(AM)的一般定义入手，重点介绍了激光和粉体增材制造(AM)，为增材制造提供了广泛的知识基础。然后重点分析了影响零件不均匀性(缺陷)形成的工艺和材料参数，给出了影响零件不均匀性(缺陷)形成的最主要因素的工艺和材料方面的知识。其次，介绍了粉末金属增材制造中可能存在的不均匀性和缺陷形成机理。介绍了AM成品零件质量控制的材料评估和无损检测技术，并对现场监测技术的研究现状进行了讨论。对不同的监测技术进行了评估，重点是声学技术。

传统上，金属工业产品的生产使用各种形式的铸造成型与包括锻造、轧制和挤压等多种成型技术相结合。在许多情况下，这些方法与使用减法工艺的机械加工结合在一起，然后与其他零件结合起来生产部件或其他产品。随着传统方法和减法加工的发展，粉末加工方法已被广泛应用于复杂几何结构的零件生产中。几十年来的经验和分析相结合制定了规范和标准,以及成熟的各种特性,用于测试和评估已经被认定类别的缺陷,为具体的应用环境选择合金类型并评估其重要性并将其将其纳入形变模型中，其中应力是适用于部分或系统的。根据ISO 17296和ASTM F2792的定义，增材制造是将材料从三维模型数据(通常是一层一层地)连接到一起以制造零件或物体的过程，而不是减法的制造方法;ISO / ASTM(2015)。现在有越来越多种类的增材制造(AM)工艺技术，这些技术提供了从计算机生成的模型中生产零件的能力，几乎不需要额外的材料去除。

AM工艺制造的灵活性为开发新的设计提供了可能性(例如拓扑优化结构);Gaynor等人.(2014)针对铸造或减法工艺(如机加工)无法实现的产品。基于粉末的金属制造方法是通用的并已开发出了各种应用;Yap等人(2015); Thornton (2015);Sing等人(2015); Foster等人(2015);Yeong 等人(2014); Frazier (2014);Sames等人(2016)。尽管AM的前景很好，但它的广泛应用仍存在一些重大障碍，特别是在生产低产量和高价值部件的工业中(如航空航天)。质量控制和机械特性仍然是一个重大挑战;

Huang 和 Ming C. Leu (2014);NIST (2013);Urabe等人(2014);Criales等人(2016);Koester等人(2016)。制造零件的质量和力学性能受微观结构特征和潜在缺陷的产生和存在的影响;Song等人(2015);Olakanmi等人(2015);Collins 等人.(2014, 2016)。AM需要实现可靠的机械性能控制，以便充分利用这些方法的潜力，在新设计中得到更多的应用，特别是在高价值部件方面;Haden等人(2015)。因此，有必要开发新的和适合通用的计量工具来评估微观结构特征，并提供可靠的缺陷检测和特征。用制造过程中缺陷形成机制的良好理解将这些工具整合，应该能够使AM方法得到更广泛的采用。还需要了解在操作压力的影响下，不同类型的缺陷对部件功能和寿命的重要性。在考虑部件生命周期时，最好优化制造工艺，然后在部件失效之前计划并进行检测和更换。一些研究已经评估了AM工艺缺陷的发生和产生原因，以及它们对机械性能和零件寿命的影响;Gong等人(2014,2015);Bauereiszlig;等人。(2014)。传统的无损检测方法的缺陷和其他AM零件的淀积材料评估在几篇论文中被提到并分析，如;Everton等人(2015); Brien and James (1988);Slotwinski (2014)。Taheri 等人.(2017)研究了AM制造过程中可能出现的缺陷类型，并回顾了检测、分级和监控方法的能力;Taheri等(2017d)。

2.1 添加制造

AM工艺有很多种，可以根据工艺和材料的类型进行分类。最初的技术如立体石版印刷;Hull (1986)，熔融沉积模型;Crump(1992)以及允许制造由塑料、聚合物、蜡和类似材料制成部件的层压板制造(LOM);Gausemeier 等人(2012);Kruth等人(1998)。随着选择性激光烧结(SLS)的发明;Deckard(1989)和1992年的商业化，以及后来的选择性激光熔炼(SLM);Meiners 等人 .(2001)实现了多种金属零部件的制造，并将其应用于汽车和航空航天工业中的多种零部件的制造。粉末床熔合(PBF)、片材分层和定向能沉积(DED)都是可用于金属零件生产的增材制造工艺。在多种增材制造技术中，粉末床熔合(PBF)和定向能沉积(DED)是两种以粉末为原料的AM工艺。在这两种方法中，工艺参数和原材料特性都会影响as沉积件的质量和机械性能。各种加工参数和粉末特性影响零件微观结构、缺陷数量和相关力学性能的物理机制是AM家族正在进行的多项研究的主题。这些按照基于工艺和材料的ASTM F42标准的工艺类型如图2.1所示。虽然各种工艺参数影响缺陷和微观结构的机理还不完全清楚，但与PBF和DED（以粉末为基础的AM技术）相关联的几个参数一直与缺陷和组织有关。

图2.1基于工艺类型和原料的增材制造方法

这些参数包括粉末原料的质量和热源提供的功率。虽然PBF和DED共有的参数多于不同的，但差异是重要的，会影响熔池和周围材料的热梯度。例如，DED创建了一个流动的熔池，它与不断向热源的预编程刀具轨迹中注入粉末密切相关。熔池尺寸、进粉速度、保护气体流量均为关键工艺参数;Yu等人(2010)。在PBF法中，粉床的预热影响了部分的凝固过程和热梯度; Savalani and Pizarro (2016);LeeFarson(2015)。

在这两种工艺中，粉末粉末经热源注入能量后凝固。粉末的烧结和熔融都是影响AM中近终型结构的主要因素。以烧结为基础的AM工艺一般可达到绿色或棕色的致密，这需要额外的加工来实现完全致密的部分。或者，基于熔融的AM工艺不需要进一步的固结，但可能受益于二次加工步骤，如热等静压或后续热处理。已知的影响最终零件性能的工艺参数和材料属性如表2.1所示。

表2.1影响零件特性的pbf和DED工艺及材料变量

您可能感兴趣的文章

• 316L不锈钢激光部直接激光制造精密大型金属零件的形状和性能控制外文翻译资料
• 基于等离子弧焊的送丝电弧增材制造中 传热与流体数值分析外文翻译资料
• 焊接增材制造中用作二次热源的移动感应加热的建模外文翻译资料
• 齿轮参数优化综述外文翻译资料
• 铜基复合材料选择性激光熔融过程中的热行为和致密化机理:模拟 和实验外文翻译资料
• 基于ANSYS的激光选择性熔化三维热模拟的比较外文翻译资料
• 在SQL Server数据库中基于索引查询外文翻译资料
• 自适应Kurtogram及其在滚动轴承故障诊断中的应用外文翻译资料
• 集装箱起重机动力学:三维建模、全面实验和识别外文翻译资料
• 使用C空间法的五轴刀具定向优化外文翻译资料