그림 12: 시간 경과에 따른 속도 카운터: 30초 그림 13: 시간 경과에 따른 속도 카운터: 20초

Gemelo digital del puente de Kalix: cargas estructurales de futuros eventos climáticos extremos

Kalix Bridge 디지털 트윈: 미래 극한 기후 현상으로 인한 구조적 부하

Este documento está relacionado con un proyecto en curso para el cual se está desarrollando e implementando un gemelo digital estructural del puente de Kalix en Suecia.
이 문서는 스웨덴 Kalix 교량의 구조적 디지털 트윈이 개발 및 구현되고 있는 진행 중인 프로젝트와 관련이 있습니다.

Autores: Mahyar Kazemian¹, Sajad Nikdel², Mehrnaz MohammadEsmaeili³, Vahid Nik⁴, Kamyab Zandi^*5

RESUMEN Las cargas ambientales, como el viento y el caudal de los ríos, juegan un papel esencial en el diseño y evaluación estructural de puentes de grandes luces. El cambio climático y los eventos climáticos extremos son amenazas para la confiabilidad y seguridad de la red de transporte.

Esto ha llevado a una creciente demanda de modelos de gemelos digitales para investigar la resistencia de los puentes en condiciones climáticas extremas. El puente de Kalix, construido sobre el río Kalix en Suecia en 1956, se utiliza como banco de pruebas en este contexto.

La estructura del puente, realizada en hormigón postensado, consta de cinco vanos, siendo el más largo de 94 m. En este estudio, las características aerodinámicas y los valores extremos de la simulación numérica del viento, como la presión en la superficie, se obtienen utilizando la simulación de remolinos desprendidos retardados (DDES) de Spalart-Allmaras como un enfoque de turbulencia RANS-LES híbrido que es práctico y computacionalmente eficiente para cerca de la pared densidad de malla impuesta por el método LES.

La presión del viento en la superficie se obtiene para tres escenarios climáticos extremos, que incluyen un clima con mucho viento, un clima extremadamente frío y el valor de cálculo para un período de retorno de 3000 años. El resultado indica diferencias significativas en la presión del viento en la superficie debido a las capas de tiempo que provienen de la simulación del flujo de viento transitorio. Para evaluar el comportamiento estructural en el escenario de viento crítico, se considera el valor más alto de presión en la superficie para cada escenario.

Además, se realiza un estudio hidrodinámico en los pilares del puente, en el que se simula el flujo del río por el método VOF, y se examina el proceso de movimiento del agua alrededor de los pilares de forma transitoria y en diferentes momentos. En cada una de las superficies del pilar se calcula la presión superficial aplicada por el caudal del río con el caudal volumétrico más alto registrado.

Para simular el flujo del río, se ha utilizado la información y las condiciones meteorológicas registradas en períodos anteriores. Los resultados muestran que la presión en la superficie en el momento en que el flujo del río golpea los pilares es mucho mayor que en los momentos posteriores. Esta cantidad de presión se puede usar como carga crítica en los cálculos de interacción fluido-estructura (FSI).

Finalmente, para ambas secciones, la presión en la superficie del viento, el campo de velocidades con respecto a las líneas de sondas auxiliares, los contornos del movimiento circunferencial del agua alrededor de los pilares y el diagrama de presión en ellos se informan en diferentes intervalos de tiempo.

요약 바람, 강의 흐름과 같은 환경 하중은 장대 교량의 설계 및 구조 평가에 필수적인 역할을 합니다. 기후 변화와 기상 이변은 교통 네트워크의 신뢰성과 보안에 위협이 됩니다.

이로 인해 극한 기상 조건에서 교량의 복원력을 조사하기 위한 디지털 트윈 모델에 대한 수요가 증가했습니다. 1956년 스웨덴 칼릭스 강 위에 건설된 칼릭스 다리는 이러한 맥락에서 테스트베드로 사용됩니다.

포스트텐션 콘크리트로 만들어진 교량 구조는 5개 경간으로 구성되며 가장 긴 길이는 94m입니다. 본 연구에서는 하이브리드 RANS-LES 난류 접근 방식인 Spalart-Allmaras 지연 분리 와류 시뮬레이션(DDES)을 사용하여 수치적 바람 시뮬레이션의 공기역학적 특성과 표면압 등 극한값을 얻습니다. LES 방법으로 부과된 벽 근처 메쉬 밀도.

바람이 많이 부는 기후, 극도로 추운 기후, 그리고 3000년의 반환 기간에 대해 계산된 값을 포함한 세 가지 극한 기후 시나리오에 대해 표면 풍압을 얻습니다. 결과는 과도 풍류 시뮬레이션에서 나오는 시간 레이어로 인해 표면 풍압에 상당한 차이가 있음을 나타냅니다. 임계 바람 시나리오에서 구조적 거동을 평가하기 위해 각 시나리오에 대해 가장 높은 표면 압력 값이 고려됩니다.

또한 교량 기둥에 대한 유체 역학 연구를 수행하여 하천의 흐름을 VOF 방법으로 시뮬레이션하고 기둥 주변의 물 이동 과정을 일시적이고 다른 시간에 조사합니다. 각 기둥 표면에서 기록된 체적 유량이 가장 높은 강의 흐름에 의해 적용되는 표면 압력이 계산됩니다.

강의 흐름을 시뮬레이션하기 위해 이전 기간에 기록된 정보와 기상 조건이 사용되었습니다. 결과는 강의 흐름이 기둥에 닿는 순간의 표면 압력이 나중에 순간보다 훨씬 높다는 것을 보여줍니다. 이 압력의 양은 유체-구조 상호작용(FSI) 계산에서 임계 하중으로 사용될 수 있습니다.

마지막으로 두 섹션 모두 바람 표면의 압력, 보조 프로브 라인에 대한 속도장, 기둥 주위 물의 원주 운동 윤곽 및 압력 다이어그램이 서로 다른 시간 간격으로 보고됩니다.

키워드: 디지털 트윈 , 풍력 공학, 콘크리트 교량, 유체역학, CFD 시뮬레이션, DDES 난류 모델, Kalix 교량

Palabras clave: Gemelo digital , Ingeniería eólica, Puente de hormigón, Hidrodinámica, Simulación CFD, Modelo de turbulencia DDES, Puente Kalix

1. Introducción

Las infraestructuras de transporte son la columna vertebral de nuestra sociedad y los puentes son el cuello de botella de la red de transporte [1]. Además, el cambio climático que da como resultado tasas de deterioro más altas y los eventos climáticos extremos son amenazas importantes para la confiabilidad y seguridad de las redes de transporte. Durante la última década, muchos puentes se han dañado o fallado por condiciones climáticas extremas como tifones e inundaciones.

Wang et al. analizó los impactos del cambio climático y mostró que se espera que el deterioro de los puentes de hormigón sea aún peor que en la actualidad, y se prevé que los eventos climáticos extremos sean más frecuentes y con mayor gravedad [2].

Además, la demanda de capacidad de carga a menudo aumenta con el tiempo, por ejemplo, debido al uso de camiones más pesados para el transporte de madera en el norte de Europa y América del Norte. Por lo tanto, existe una necesidad creciente de métodos confiables para evaluar la resistencia estructural de la red de transporte en condiciones climáticas extremas que tengan en cuenta los escenarios futuros de cambio climático.

Los activos de transporte por carretera se diseñan, construyen y explotan basándose en numerosas fuentes de datos y varios modelos. Por lo tanto, los ingenieros de diseño usan modelos establecidos proporcionados por las normas; ingenieros de construccion
documentar los datos en el material real y proporcionar planos según lo construido; los operadores recopilan datos sobre el tráfico, realizan inspecciones y planifican el mantenimiento; los científicos del clima combinan datos y modelos climáticos para
predecir eventos climáticos futuros, y los ingenieros de evaluación calculan el impacto de la carga climática extrema en la estructura.

Dadas las fuentes abrumadoras y la complejidad de los datos y modelos, es posible que la información y los cálculos actualizados no estén disponibles para decisiones cruciales, por ejemplo, con respecto a la seguridad estructural y la operabilidad de la infraestructura durante episodios de eventos extremos. La falta de una integración perfecta entre los datos de la infraestructura, los modelos estructurales y la toma de decisiones a nivel del sistema es una limitación importante de las soluciones actuales, lo que conduce a la inadaptación e incertidumbre y crea costos e ineficiencias.

El gemelo digital estructural de la infraestructura es una simulación estructural viva que reúne todos los datos y modelos y se actualiza desde múltiples fuentes para representar su contraparte física. El Digital Twin estructural, mantenido durante todo el ciclo de vida de un activo y fácilmente accesible en cualquier momento, proporciona al propietario/usuarios de la infraestructura una idea temprana de los riesgos potenciales para la movilidad inducidos por eventos climáticos, cargas de vehículos pesados e incluso el envejecimiento de un infraestructura de transporte.

En un proyecto en curso, estamos desarrollando e implementando un gemelo digital estructural para el puente de Kalix en Suecia. El objetivo general del presente artículo es presentar un método y estudiar los resultados de la cuantificación de las cargas estructurales resultantes de eventos climáticos extremos basados en escenarios climáticos futuros para el puente de Kalix. El puente de Kalix, construido sobre el río Kalix en Suecia en 1956, está hecho de una viga cajón de hormigón postensado. El puente se utiliza como banco de pruebas para la demostración de métodos de evaluación y control de la salud estructural (SHM) de última generación.

El objetivo específico de la investigación actual es dar cuenta de parámetros climáticos como el viento y el flujo de agua, que imponen cargas estáticas y dinámicas en las estructuras. Nuestro método, en el primer paso, consiste en simulaciones de flujo de viento y simulaciones de flujo de agua utilizando un modelado CFD transitorio basado en el modelo de turbulencia LES/DES para cuantificar las cargas de viento e hidráulicas; esto constituye el punto focal principal de este artículo.

En el siguiente paso, se estudiará la respuesta estructural del puente mediante la transformación de los perfiles de carga eólica e hidráulica en cargas estructurales en el análisis de EF estructural no lineal. Por último, el modelo estructural se actualizará incorporando sin problemas los datos del SHM y, por lo tanto, creando un gemelo digital estructural que refleje la verdadera respuesta de la estructura. Los dos primeros enfoques de investigación permanecen fuera del alcance inmediato del presente artículo.

2. Descripción del puente de Kalix

El puente de Kalix consta de 5 vanos largos de los cuales el más largo tiene unos 94 metros y el más corto 43,85 m. El puente es de hormigón postensado, el cual se cuela in situ de forma segmentaria y una viga cajón no prismática como se muestra en la Fig. 1. El puente es simétrico en geometría y hay una bisagra en el punto medio. El ancho del tablero del puente en la losa superior e inferior es de aproximadamente 13 my 7,5 m, respectivamente. El espesor del muro es de 45 cm y el espesor de la losa inferior varía de 20 cm a
50 cm.

Fig. 1. Geometría y secciones del puente

3. Simulación de viento

Las pruebas en túnel de viento solían ser la única forma de examinar la reacción de los puentes a las cargas de viento Consulte [3]; sin embargo, estos experimentos requieren mucho tiempo y son costosos. Se requieren cerca de 6 a 8 semanas para realizar una prueba típica en un túnel de viento Consulte [4]. Los últimos logros en la capacidad computacional de las computadoras brindan oportunidades para la simulación práctica del viento alrededor de puentes utilizando la dinámica de fluidos computacional (CFD).

Es beneficioso investigar la presión del viento en los componentes del puente utilizando una simulación por computadora. Es necesario determinar los parámetros de simulación del puente y el campo de viento a su alrededor; por lo tanto, se pueden evaluar con precisión sus impactos en las fuerzas aplicadas en el puente.

Las demandas de diseño de las estructuras de puentes requieren una investigación rigurosa de la acción del viento, especialmente en condiciones climáticas extremas. Garantizar la estabilidad de los puentes de grandes luces, ya que sus características y formaciones son más propensas a la carga de viento, se encuentra entre las principales consideraciones de diseño [3].

3.1. Parámetros de simulación

La velocidad básica del viento se elige 22 m/s según el mapa de viento de Suecia y la ubicación del puente de Kalix según EN 1991-1-4 [5] y el código sueco BFS 2019: 1 EKS 11; ver figura 1. La superficie libre sobre el agua se considera un área expuesta a la carga de viento. La dirección del ataque del viento dominante se considera perpendicular al tablero del puente.

Las simulaciones actuales se basan en tres escenarios que incluyen: viento extremo, frío extremo y valor de diseño para un período de retorno de 3000 años. Cada condición tiene diferentes valores de temperatura, viento básico
velocidad, viscosidad cinemática y densidad del aire, como se muestra en la Tabla 1. Los conjuntos de datos meteorológicos se sintetizaron para dos semanas meteorológicas extremas durante el período de 30 años de 2040-2069, considerando 13 escenarios climáticos futuros diferentes con diferentes modelos climáticos globales (GCM) y rutas de concentración representativas (RCP).

Se seleccionaron una semana de frío extremo y una semana de viento extremo utilizando el enfoque desarrollado
de Nik [7]. El planteamiento se adaptó a las necesidades de este trabajo, considerando el horario semanal en lugar de mensual. Se ha verificado la aplicación del enfoque para simulaciones complejas, incluidos los sistemas de energía Consulte [7] Consulte [8], hidrotermal Consulte [ 9] y simulaciones de microclimas Consulte [10].

Para considerar las condiciones climáticas extremas de una infraestructura muy importante, el valor de la velocidad básica del viento debe transferirse del período de retorno de 50 años a 3000 años como se indica en la ecuación 1 [6]. El perfil de velocidad y turbulencia se crea en base a EN 1991-1-4 [5] para la categoría de terreno 0 (Z₀ = 0,003 my Z_mín = 1 m), donde Z₀ y Z_mín son la longitud de rugosidad y la altura mínima, respectivamente. La variación de la velocidad del viento con la altura se define en la ecuación 2, donde c_o (z) es el factor de orografía tomado como 1, v_m (z) es la velocidad media del viento a la altura z, k_r es el factor del terreno que depende de la longitud de la rugosidad , e I_v (z) es la intensidad de la turbulencia; ver ecuación 3.��50=[0.36+0.1ln12�] 1��=��·ln��0·�� [2]��=��=�1�0�·ln�/�0 �� ≤�≤�� [3]��=�� <�� [4]

Velocidad del viento, variación de la velocidad del viento con la altura, intensidad de la turbulencia

Se calcula que el valor de la velocidad del viento para T = período de retorno de 3000 años es de 31 m/s; por lo tanto, los diagramas de velocidad del viento e intensidad de turbulencia se obtienen como se muestra en la figura 2.

Tabla. 1. Información meteorológica para tres escenarios

Fig. 2. Valor de cálculo para la información del periodo de retorno de 3000 años: (a) Velocidad del viento y (b) Perfil de intensidad de turbulencia, y (c) Especificaciones del modelo

Fig. 2. Valor de cálculo para la información del periodo de retorno de 3000 años: (a) Velocidad del viento y (b) Intensidad de la turbulencia perfil, y (c) Especificaciones del modelo

3.2. Modelo de turbulencia

Para que las investigaciones sean precisas en el flujo alrededor de estructuras importantes como puentes, se aplica un enfoque híbrido que incluye simulaciones de remolinos desprendidos retardados (DDES) y es computacionalmente eficiente [11] [12]. Este modelo de turbulencia usa un método RANS cerca de las capas límite y el método LES lejos de las capas límite y en el área del flujo de la región separada ‘.

En el primer paso, el enfoque de simulación de remolinos separados se ha ampliado para adquirir predicciones de fuerza fiables en los modelos con un gran impacto del flujo separado. Hay varios ejemplos en la parte de revisión de Spalart Consulte [11] para varios casos que usan la aplicación del modelo de turbulencia de simulación de remolino separado (DES).

La formulación DES inicial [13] se desarrolla utilizando el enfoque de Spalart-Allmaras. Con respecto a la transición del enfoque RANS al LES, se revisa el término de destrucción en la ecuación de transporte de viscosidad modificada: la distancia entre un punto en el dominio y la superficie sólida más cercana (d) se sustituye por el factor introducido por:�~=��(�.��·∆)

Factor que sustituye la distancia entre el punto en el dominio y la superficie sólida más cercana (d)

donde C_DES es un coeficiente, se considera como 0,65 y Δ es una escala de longitud asociada con el espaciado de la rejilla local:�=��(��.��.��)

Escala de longitud asociada con el espaciado de rejilla local

Se ha empleado un enfoque modificado de DES, conocido como simulación de remolinos desprendidos retardados (DDES), para dominar el probable problema de la “separación inducida por la rejilla” (GIS) que está relacionado con la geometría de la rejilla. El objetivo de este nuevo enfoque es confirmar que el modelado de turbulencia se mantiene en modo RANS en todas las capas de contorno [14]. Por lo tanto, la definición del parámetro se modifica como se define:�~=�-��(0. �-��·�) 6

Modificación del parámetro d

donde f_d es una función de filtro que considera un valor de 0 en las capas límite cercanas al muro (zona RANS) y un valor de 1 en las áreas donde se realizó la separación del flujo (zona LES).

3.3. Rejilla computacional y resultados

RWIND 2.01 Pro se emplea para la simulación de viento CFD, que usa el código CFD externo OpenFOAM® versión 17.10. La simulación CFD tridimensional se realiza como una simulación de viento transitorio para flujo turbulento incompresible utilizando el algoritmo SIMPLE (Método semi-implícito para ecuaciones vinculadas a presión).

En la simulación actual, el solucionador de estado estacionario se considera como la condición inicial, lo que significa que cuando se está calculando el flujo transitorio, el cálculo del estado estacionario de la condición inicial comienza en la primera parte de la simulación y tan pronto como se calcula. completado, el cálculo de transitorios se iniciará automáticamente.

Fig. 3. Dominio del túnel de viento y rejilla computacional de referencia (8.057.279 celdas)

La cuadrícula computacional se realiza mediante 8.057.279 celdas tridimensionales y 8.820.901 nudos, también se consideran las dimensiones del dominio del túnel de viento 2000 m * 1000 m * 100 m (largo, ancho, alto) como se muestra en la figura 3. El volumen mínimo de la celda es de 6,34 * 10-5 m3, el volumen máximo es de 812,30 m3 y la desviación máxima es de 1,80.

La presión residual final se considera 5 * 10-5. El proceso de generación de mallas e independencia de la rejilla se ha realizado utilizando los cuatro tamaños de malla que se muestran en la figura 4 para la malla de referencia, y finalmente se ha conseguido la independencia de la rejilla.

Fig. 4. Estudio de rejilla de cuatro tamaños de malla computacional a través de la línea de sondeo.

Se han realizado tres simulaciones para obtener el valor de la presión del viento para condiciones climáticas extremas y el valor de cálculo del viento que se muestra en la Fig. 5. Para cada escenario, el resultado de la presión del viento se obtiene utilizando el modelo de turbulencia transitoria DDES con respecto a 30 (s) de duración que incluye 60 capas de tiempo (Δt = 0,5 s).

Se puede observar que el área frontal del puente está expuesta a la presión del viento positiva y la cantidad de presión aumenta en la altura cerca del borde del tablero para todos los escenarios. Además, la Fig. 5. ilustra los valores negativos de la presión del viento en su totalidad en la superficie de la cubierta. El valor de pertenencia para el período de 3000 años es mucho más alto que los otros escenarios.

Es importante tener en cuenta que el intervalo de la velocidad del viento de entrada tiene un gran impacto en el valor de la presión en la superficie más que en los otros parámetros. Además, para cada escenario, el intervalo más alto de presión del viento y succión durante el tiempo total debe considerarse como una carga de viento crítica impuesta a la estructura. El valor más bajo de la presión en la superficie se obtiene en el escenario de condiciones de frío extremo, mientras que en condiciones de mucho viento, el valor de la presión se vuelve un orden de magnitud más alto.

Fig. 5. Contorno de presión superficial y diagrama para 60 capas de tiempo (Δt = 0.5 s) a través de una línea de sondeo para tres escenarios.

Además, es importante tener en cuenta que el comportamiento del puente sería completamente diferente debido a las diferentes temperaturas del aire, y puede ocurrir un posible caso crítico en el escenario que experimente una presión menor. Con respecto al valor de entrada de cada escenario, el rango más alto de presión del viento pertenece al nivel de diseño debido al período de retorno de 3000 años, que ha recibido la velocidad del viento más alta como velocidad de entrada.

4. Simulación hidráulica

Los pilares de los puentes a través del río pueden bloquear el flujo al reducir la sección transversal del río, crear corrientes parásitas locales y cambiar la velocidad del flujo, lo que puede ejercer presión en las superficies de los pilares. Cuando el río fluye hacia los pilares del puente, el proceso del flujo de agua alrededor de la base se puede dividir en dos partes: aplicando presión en el momento en que el agua golpea el pilar del puente y después de la presión inicial cuando el agua fluye alrededor de los pilares [15].

Cuando el agua alcanza los pilares del puente a una cierta velocidad, el efecto de la presión sobre los pilares es mucho mayor que la presión del fluido que queda a su alrededor. Debido a los desarrollos de la ciencia de la computación, así como al desarrollo cada vez mayor de los códigos dinámicos de fluidos computacionales, se han utilizado ampliamente varias simulaciones numéricas y se ha demostrado que los resultados de muchas simulaciones son consistentes con los resultados experimentales [16].

Por ello, en esta investigación se ha utilizado el método de la dinámica de fluidos computacional para simular los fenómenos que gobiernan el comportamiento del flujo de los ríos. Para este estudio se ha seleccionado una solución tridimensional basada en cálculos numéricos utilizando el modelo de turbulencia LES. La simulación tridimensional del flujo del río en diferentes direcciones y velocidades nos permite calcular y analizar todas las presiones en la superficie de los pilares del puente en diferentes intervalos de tiempo.

4.1. Parámetros de simulación

El flujo del río se puede definir como un flujo de dos fases, que incluye agua y aire, en un canal abierto. El flujo de canal abierto es un flujo de fluido con una superficie libre en la que la presión atmosférica se distribuye uniformemente y se crea por el peso del fluido. Para simular este tipo de flujo se utiliza el método multifase VOF.

El programa Flow3D, disponible en el mercado, utiliza los métodos de fracciones volumétricas VOF y FAVOF. En el método VOF, el dominio de modelado se divide primero en celdas de elementos o volúmenes de controles más pequeños. Para los elementos que contienen fluidos, se mantienen valores numéricos para cada una de las variables de flujo dentro de ellos.

Estos valores representan la media volumétrica de los valores en cada elemento. En las corrientes superficiales libres, no todas las celdas están llenas de líquido; algunas celdas en la superficie de flujo están medio llenas. En este caso, se define una cantidad llamada volumen de fluido, F, que representa la parte de la celda que se llena con el fluido.

Después de determinar la posición y el ángulo de la superficie del flujo, será posible aplicar las condiciones de contorno apropiadas en la superficie del flujo para calcular el movimiento del fluido. A medida que se mueve el fluido, el valor de F también cambia con él. Las superficies libres son monitoreadas automáticamente por el movimiento de fluido dentro de una red fija. El método FAVOR se usa para determinar la geometría.

También se puede usar otra cantidad de fracción volumétrica para determinar el nivel de un cuerpo rígido desocupado ( V_f ). Cuando se conoce el volumen que ocupa el cuerpo rígido en cada celda, el límite del fluido dentro de la red fija se puede determinar como VOF. Este límite se usa para determinar las condiciones de contorno del muro que sigue el arroyo. En general, la ecuación de continuidad de masa es la siguiente:��𝜕�𝜕�+𝜕𝜕�(��)+�𝜕𝜕�(��)+𝜕𝜕�(��)+��=�� 10

Ecuación de continuidad de masa

Las ecuaciones de movimiento para los componentes de la velocidad de un fluido en coordenadas 3D, o en otras palabras, las ecuaciones de Navier-Stokes, son las siguientes:𝜕�𝜕�+1��𝜕�𝜕�+��𝜕�𝜕�+��𝜕�𝜕�+��2��=-1�𝜕�𝜕�+��+��-��-��-��-�� 11𝜕�𝜕�+1��𝜕�𝜕�+��𝜕�𝜕�+��𝜕�𝜕�+��=-�1�𝜕�𝜕�+��+��-��-��-��-�� 12𝜕�𝜕�+1��𝜕�𝜕�+��𝜕�𝜕�+��𝜕�𝜕�=-1�𝜕�𝜕�+��+��-��-��-��-�� 13

Ecuaciones de Navier-Stokes

Donde V_F es la relación del volumen abierto al flujo, ρ es la densidad del fluido, (u, v, w) son las componentes de la velocidad en las direcciones x, y y z, respectivamente, R _SOR es la función de la fuente, (A_x, A_y, A_z ) son las áreas fraccionales, (G_x, G_y, G_z ) son las fuerzas gravitacionales, (f_x, f_y, f_z ) son las aceleraciones de la viscosidad y (b_x, b_y, b_z ) son las pérdidas de flujo en medios porosos en las direcciones x, y, z, respectivamente [17].

La zona de captación del río Kalix es grande y amplia, por lo que tiene un clima subpolar con inviernos fríos y largos y veranos suaves y cortos. Aproximadamente el 50% de las precipitaciones en esta zona es nieve. En mayo, por lo general, el deshielo provoca un aumento significativo en el caudal del río. Las condiciones climáticas del río se resumen en la Tabla 2, [18].

Contrariamente a la tendencia general de este estudio, la previsión de las condiciones meteorológicas mencionadas está utilizando la información meteorológica registrada en los períodos pasados. En función de la información meteorológica disponible, definimos las condiciones de contorno al realizar los cálculos.

Tabla 2: Parámetros del modelo y tabla 3:Condiciones de contorno del modelo

4.2 Cuadrícula computacional y resultados

Primero, según las dimensiones de los pilares en tres direcciones X, Y, Z, y según la dimensión longitudinal de los pilares (D = 8,5 m; véase la figura 7), el dominio se extiende 10D aguas arriba y 20D aguas abajo. Se ha utilizado el método de mallado estructurado (cartesiano) y el software Flow3D para resolver este problema. Para una cuadrícula correcta, el dominio se debe dividir en diferentes secciones.

Esta división se basa en lugares con fuertes pendientes. Usando la creación de una nueva superficie, el dominio se puede dividir en varias secciones para crear una malla regular con las dimensiones correctas y apropiadas, se puede especificar el número de celdas en cada superficie.

Fig. 6: Estudio de rejilla para el dominio hídrico

Esto aumenta el volumen final de las células. Por esta razón, hemos dividido este dominio en tres niveles: Grueso, medio y fino. Los resultados de los estudios de independencia de la red se muestran en la figura 6. Para comprobar los resultados calculados, primero debemos asegurarnos de que la corriente de entrada sea la correcta. Para hacer esto, el caudal de entrada se mide en el dominio de la solución y se compara con el valor base. Las dimensiones del dominio de la solución se especifican en la figura 7. Esta figura también contribuye al reconocimiento de los pilares del puente y su denominación de superficies.

Como se muestra en la Fig. 8, el caudal del río se encuentra dentro del intervalo admisible durante el 90% del tiempo de simulación y el caudal de entrada se ha simulado correctamente. Además, en la Fig. 9, la velocidad media del río se calcula en función del caudal y del área de la sección transversal del río.

Para extraer la cantidad de presión aplicada a los diferentes lados de las columnas, hemos seleccionado el intervalo de tiempo de simulación de 10 a 25 segundos (tiempo de estabilización de descarga en la cantidad de 1800 metros cúbicos por segundo). Los resultados calculados para cada lado se muestran en la Fig. 10 y 11. Los contornos de velocidad también se muestran en las Figuras 12 y 13. Estos contornos se ajustan en función de la velocidad del fluido en un momento dado.

Debido a las dimensiones del dominio de la solución y al caudal del río, el flujo de agua llega a los pilares del puente en el décimo segundo y la presión inicial del flujo del río afecta las superficies de los pilares del puente. Esta presión inicial decrece con el tiempo y se estabiliza en un rango determinado para cada lado según el área y el porcentaje de interacción con el flujo. Para los cálculos de interacción fluido-estructura (FSI), se puede usar la presión crítica calculada en el momento en que la corriente golpea los pilares.

Fig. 7: Dibujo del dominio hidrostático

Fig. 8: caudal del río; La figura 9: Caudal de la velocidad del río; La figura 10: Presión en la pila del puente – I; La figura 11: Presión en la pila del puente – II

Fig. 12: Contador de velocidad en el tiempo: 30s Fig. 13: Contador de velocidad en el tiempo: 20 s

5. Conclusión

Los efectos de las condiciones meteorológicas extremas, incluido el viento dinámico y el flujo de agua, se investigaron numéricamente para el puente de Kalix. Se definieron tres escenarios para las simulaciones dinámicas de viento, incluido el clima con mucho viento, el clima extremadamente frío y el valor de diseño para un período de retorno de 3.000 años. Aprovechando las simulaciones CFD, se determinaron las presiones del viento en pasos de 60 tiempos (30 segundos) utilizando el modelo de turbulencia transitoria DDES.

Los resultados indican diferencias significativas entre los escenarios, lo que implica la importancia de los datos de entrada, especialmente el diagrama de velocidades del viento. Se observó que el valor de diseño para el período de devolución de 3000 años tiene un impacto mucho mayor que los otros escenarios. Además, se mostró la importancia de considerar el rango más alto de presión del viento en la superficie a través de los pasos de tiempo para evaluar el comportamiento estructural del puente en la condición más crítica.

Además, se consideró el caudal máximo del río para una simulación transitoria según las condiciones meteorológicas registradas, y los pilares del puente se sometieron al caudal máximo del río durante 30 segundos. Por lo tanto, además de las condiciones físicas del flujo del río y cómo cambia la dirección del flujo aguas abajo, se cuantificaron las presiones máximas del agua en el momento en que el flujo golpea los pilares.

En el trabajo futuro, el rendimiento estructural del puente de Kalix será evaluado por
imposición de la carga del viento, la presión del agua y la carga del tráfico, creando así un gemelo digital estructural que refleja la verdadera respuesta de la estructura.

6. Reconocimiento

Los autores agradecen enormemente el apoyo de Dlubal Software por proporcionar la licencia de RWIND Simulation, así como de Flow Sciences Inc. por proporcionar la licencia de FLOW-3D.

Autores: Mahyar Kazemian¹, Sajad Nikdel², Mehrnaz MohammadEsmaeili³, Vahid Nik⁴, Kamyab Zandi^*5

¹Candidato a doctorado, becario en el Departamento de Ingeniería de Timezyx Inc., Canadá.

²M.Sc. estudiante, pasante en el Departamento de Ingeniería, Timezyx Inc., Canadá.

³Estudiante de licenciatura, pasante en el Departamento de Ingeniería, Timezyx Inc., Canadá.

⁴ Profesor adjunto en la división de Física de la construcción de la Universidad de Lund y la Universidad Tecnológica de Chalmers, Suecia.

^{* 5} Director, Timezyx Inc., Vancouver, BC V6N 2R2, Canadá. E-mail: kamyab.zandi@timezyx.com

Referencias

Jančula, M., Jošt, J., & Gocál, J. (2021). Influencia de las acciones ambientales agresivas en las estructuras de los puentes. Transportation Research Procedia, 55 , 1229–1235. https://doi.org/10.1016/j.trpro.2021.07.104
Wang, X., Nguyen, M., Stewart, MG, Syme, M. y Leitch, A. (2010). Análisis de los impactos del cambio climático en el deterioro de la infraestructura de hormigón – Informe de síntesis. CSIRO, Canberra.
Kemayou, BTM (2016). Análisis de secciones de tableros de puentes por el método de la pseudocompresibilidad basado en FDM y LES: Mejora del rendimiento mediante la implementación de la computación en paralelo (tesis). Universidad de Arkansas.
Larsen, A. y Walther, JH (1997). Análisis aeroelástico de secciones de vigas de puentes basado en simulaciones discretas de vórtices. Journal of Wind Engineering and Industrial Aerodynamics, 67–68 , 253–265. https://doi.org/10.1016/s0167-6105(97)00077-9
Eurocódigo 1: Acciones en estructuras. (2006). Instituto Británico de Normas.
ASCE. Cargas mínimas de cálculo para edificios y otras estructuras. (2013). Sociedad Estadounidense de Ingenieros Civiles.
Nik, VM (2016). Facilitación de la simulación energética para el clima futuro: síntesis de conjuntos de datos meteorológicos típicos y extremos a partir de modelos climáticos regionales (RCM). Applied Energy, 177 , 204–226. https://doi.org/10.1016/j.apenergy.2016.05.107
Perera, AT, Nik, VM, Chen, D., Scartezzini, J.‑L. y Hong, T. (2020). Cuantificación de los impactos del cambio climático y los eventos climáticos extremos en los sistemas energéticos. Nature Energy, 5 (2), 150–159. https://doi.org/10.1038/s41560-020-0558-0
Nik, VM (2017). Aplicación de conjuntos de datos meteorológicos típicos y extremos en la simulación higrotérmica de componentes de construcción para el clima futuro: un estudio de caso para un muro de entramado de madera. Energy and Buildings, 154 , 30–45. https://doi.org/10.1016/j.enbuild.2017.08.042
Hosseini, M., Javanroodi, K. y Nik, VM (2022). Evaluación de impacto de alta resolución del cambio climático en el rendimiento energético de los edificios considerando los eventos meteorológicos extremos y el microclima – Investigando las variaciones en el confort térmico interior y los grados-día. Ciudades sostenibles y sociedad, 78 , 103634. https://doi.org/10.1016/j.scs.2021.103634
Spalart, P. R. (2009). Simulación de remolinos separados. Revisión anual de mecánica de fluidos, 41 , 181–202. https://doi.org/10.1146/annurev.fluid.010908.165130
Spalart, PR, et al. (2006) Una nueva versión de simulación de remolinos separados, resistente a densidades de rejilla ambiguas. Dinámica de fluidos teórica y computacional, 2006. 20 (3), 181-195. https://doi.org/10.1007/s00162-006-0015-0
Spalart, PR (1997). Comentarios sobre la viabilidad de LES para alas y sobre una aproximación híbrida RANS/LES. En Actas de la Primera Conferencia Internacional de AFOSR sobre DNS/LES. Prensa de Greyden.
Boudreau, M., Dumas, G. y Veilleux, J.-C. (2017). Evaluación de la capacidad del enfoque de modelado de turbulencia DDES para simular la estela de un cuerpo de farol. Aeroespacial, 4 (3), 41. https://doi.org/10.3390/aerospace4030041
Wang, Y., Zou, Y., Xu, L. y Luo, Z. (2015). Análisis de la presión del flujo de agua en pilas de puentes considerando el efecto del impacto. Problemas matemáticos en ingeniería, 2015 , 1–8. https://doi.org/10.1155/2015/687535
Qi, H., Zheng, J. y Zhang, C. (2020). Simulación numérica del campo de velocidades alrededor de dos pilares de pilas en tándem del puente longitudinal. Fluidos, 5 (1), 32. https://doi.org/10.3390/fluids5010032
Jalal, H. K. y Hassan, W. H (2020). Simulación numérica tridimensional de la socavación local alrededor de la pila de un puente circular utilizando el software flow-3d. Ciclo de conferencias de IOP: Ciencia e ingeniería de materiales, 745 , 012150. https://doi.org/10.1088/1757-899x/745/1/012150
Herzog, S. D., Conrad, S., Ingri, J., Persson, P. y Kritzberg, E. S (2019). Cambios inducidos por crecidas de primavera en la especiación y destino del Fe a mayor salinidad. Geoquímica aplicada, 109 , 104385. https://doi.org/10.1016/j.apgeochem.2019.104385

원본 보기

Fig. 1. Model geometry with the computational domain, extrusion nozzle, toolpath, and boundary conditions. The model is presented while printing the fifth layer.

재료 압출 적층 제조에서 증착된 층의 안정성 및 변형

Md Tusher Mollah Raphaël 사령관 Marcin P. Serdeczny David B. Pedersen Jon Spangenberg덴마크 공과 대학 기계 공학과, Kgs. 덴마크 링비

2020년 12월 22일 접수, 2021년 5월 1일 수정, 2021년 7월 15일 수락, 2021년 7월 21일 온라인 사용 가능, 기록 버전 2021년 8월 17일 .

Abstract

이 문서는 재료 압출 적층 제조 에서 여러 레이어를 인쇄하는 동안 증착 흐름의 전산 유체 역학 시뮬레이션 을 제공합니다 . 개발된 모델은 증착된 레이어의 형태를 예측하고 점소성 재료 를 인쇄하는 동안 레이어 변형을 캡처합니다 . 물리학은 일반화된 뉴턴 유체 로 공식화된 Bingham 구성 모델의 연속성 및 운동량 방정식에 의해 제어됩니다. . 증착된 층의 단면 모양이 예측되고 재료의 다양한 구성 매개변수에 대해 층의 변형이 연구됩니다. 층의 변형은 인쇄물의 정수압과 압출시 압출압력으로 인한 것임을 알 수 있다. 시뮬레이션에 따르면 항복 응력이 높을수록 변형이 적은 인쇄물이 생성되는 반면 플라스틱 점도 가 높을수록 증착된 레이어에서변형이 커 집니다 . 또한, 인쇄 속도, 압출 속도 의 영향, 층 높이 및 인쇄된 층의 변형에 대한 노즐 직경을 조사합니다. 마지막으로, 이 모델은 후속 인쇄된 레이어의 정수압 및 압출 압력을 지원하기 위해 증착 후 점소성 재료가 요구하는 항복 응력의 필요한 증가에 대한 보수적인 추정치를 제공합니다.

This paper presents computational fluid dynamics simulations of the deposition flow during printing of multiple layers in material extrusion additive manufacturing. The developed model predicts the morphology of the deposited layers and captures the layer deformations during the printing of viscoplastic materials. The physics is governed by the continuity and momentum equations with the Bingham constitutive model, formulated as a generalized Newtonian fluid. The cross-sectional shapes of the deposited layers are predicted, and the deformation of layers is studied for different constitutive parameters of the material. It is shown that the deformation of layers is due to the hydrostatic pressure of the printed material, as well as the extrusion pressure during the extrusion. The simulations show that a higher yield stress results in prints with less deformations, while a higher plastic viscosity leads to larger deformations in the deposited layers. Moreover, the influence of the printing speed, extrusion speed, layer height, and nozzle diameter on the deformation of the printed layers is investigated. Finally, the model provides a conservative estimate of the required increase in yield stress that a viscoplastic material demands after deposition in order to support the hydrostatic and extrusion pressure of the subsequently printed layers.

키워드

점성 플라스틱 재료, 재료 압출 적층 제조(MEX-AM), 다층 증착, 전산유체역학(CFD), 변형 제어
Viscoplastic Materials, Material Extrusion Additive Manufacturing (MEX-AM), Multiple-Layers Deposition, Computational Fluid Dynamics (CFD), Deformation Control

Introduction

Three-dimensional printing of viscoplastic materials has grown in popularity over the recent years, due to the success of Material Extrusion Additive Manufacturing (MEX-AM) [1]. Viscoplastic materials, such as ceramic pastes [2,3], hydrogels [4], thermosets [5], and concrete [6], behave like solids when the applied load is below their yield stress, and like a fluid when the applied load exceeds their yield stress [7]. Viscoplastic materials are typically used in MEX-AM techniques such as Robocasting [8], and 3D concrete printing [9,10]. The differences between these technologies lie in the processing of the material before the extrusion and in the printing scale (from microscale to big area additive manufacturing). In these extrusion-based technologies, the structure is fabricated in a layer-by-layer approach onto a solid surface/support [11, 12]. During the process, the material is typically deposited on top of the previously printed layers that may be already solidified (wet-on-dry printing) or still deformable (wet-on-wet printing) [1]. In wet-on-wet printing, control over the deformation of layers is important for the stability and geometrical accuracy of the prints. If the material is too liquid after the deposition, it cannot support the pressure of the subsequently deposited layers. On the other hand, the material flowability is a necessity during extrusion through the nozzle. Several experimental studies have been performed to analyze the physics of the extrusion and deposition of viscoplastic materials, as reviewed in Refs. [13–16]. The experimental measurements can be supplemented with Computational Fluid Dynamics (CFD) simulations to gain a more complete picture of MEX-AM. A review of the CFD studies within the material processing and deposition in 3D concrete printing was presented by Roussel et al. [17]. Wolfs et al. [18] predicted numerically the failure-deformation of a cylindrical structure due to the self-weight by calculating the stiffness and strength of the individual layers. It was found that the deformations can take place in all layers, however the most critical deformation occurs in the bottom layer. Comminal et al. [19,20] presented three-dimensional simulations of the material deposition in MEX-AM, where the fluid was approximated as Newtonian. Subsequently, the model was experimentally validated in Ref. [21] for polymer-based MEX-AM, and extended to simulate the deposition of multiple layers in Ref. [22], where the previously printed material was assumed solid. Xia et al. [23] simulated the influence of the viscoelastic effects on the shape of deposited layers in MEX-AM. A numerical model for simulating the deposition of a viscoplastic material was recently presented and experimentally validated in Refs. [24] and [25]. These studies focused on predicting the cross-sectional shape of a single printed layer for different processing conditions (relative printing speed, and layer height). Despite these research efforts, a limited number of studies have focused on investigating the material deformations in wet-on-wet printing when multiple layers are deposited on top of each other. This paper presents CFD simulations of the extrusion-deposition flow of a viscoplastic material for several subsequent layers (viz. three- and five-layers). The material is continuously printed one layer over another on a fixed solid surface. The rheology of the viscoplastic material is approximated by the Bingham constitutive equation that is formulated using the Generalized Newtonian Fluid (GNF) model. The CFD model is used to predict the cross-sectional shapes of the layers and their deformations while printing the next layers on top. Moreover, the simulations are used to quantify the extrusion pressure applied by the deposited material on the substrate, and the previously printed layers. Numerically, it is investigated how the process parameters (i.e., the extrusion speed, printing speed, nozzle diameter, and layer height) and the material rheology affect the deformations of the deposited layers. Section 2 describes the methodology of the study. Section 3 presents and discusses the results. The study is summarized and concluded in Section 4.

References

[1] R.A. Buswell, W.R. Leal De Silva, S.Z. Jones, J. Dirrenberger, 3D printing using
concrete extrusion: a roadmap for research, Cem. Concr. Res. 112 (2018) 37–49.
[2] Z. Chen, Z. Li, J. Li, C. Liu, C. Lao, Y. Fu, C. Liu, Y. Li, P. Wang, Y. He, 3D printing of
ceramics: a review, J. Eur. Ceram. Soc. 39 (4) (2019) 661–687.
[3] A. Bellini, L. Shor, S.I. Guceri, New developments in fused deposition modeling of
ceramics, Rapid Prototyp. J. 11 (4) (2005) 214–220.
[4] S. Aktas, D.M. Kalyon, B.M. Marín-Santib´
anez, ˜ J. P´erez-Gonzalez, ´ Shear viscosity
and wall slip behavior of a viscoplastic hydrogel, J. Rheol. 58 (2) (2014) 513–535.
[5] J. Lindahl, A. Hassen, S. Romberg, B. Hedger, P. Hedger Jr., M. Walch, T. Deluca,
W. Morrison, P. Kim, A. Roschli, D. Nuttall, Large-scale Additive Manufacturing
with Reactive Polymers, Oak Ridge National Lab.(ORNL), Oak Ridge, TN (United
States), 2018.
[6] V.N. Nerella, V. Mechtcherine, Studying the printability of fresh concrete for
formwork-free Concrete onsite 3D Printing Technology (CONPrint3D), 3D Concr.
Print. Technol. (2019) 333–347.
[7] C. Tiu, J. Guo, P.H.T. Uhlherr, Yielding behaviour of viscoplastic materials, J. Ind.
Eng. Chem. 12 (5) (2006) 653–662.
[8] B. Dietemann, F. Bosna, M. Lorenz, N. Travitzky, H. Kruggel-Emden, T. Kraft,
C. Bierwisch, Modeling robocasting with smoothed particle hydrodynamics:
printing gapspanning filaments, Addit. Manuf. 36 (2020), 101488.
[9] B. Khoshnevis, R. Russell, H. Kwon, S. Bukkapatnam, Contour crafting – a layered
fabrication, Spec. Issue IEEE Robot. Autom. Mag. 8 (3) (2001) 33–42.
[10] D. Asprone, F. Auricchio, C. Menna, V. Mercuri, 3D printing of reinforced concrete
elements: technology and design approach, Constr. Build. Mater. 165 (2018)
218–231.
[11] J. Jiang, Y. Ma, Path planning strategies to optimize accuracy, quality, build time
and material use in additive manufacturing: a review, Micromachines 11 (7)
(2020) 633.
[12] J. Jiang, A novel fabrication strategy for additive manufacturing processes,
J. Clean. Prod. 272 (2020), 122916.
[13] F. Bos, R. Wolfs, Z. Ahmed, T. Salet, Additive manufacturing of concrete in
construction: potentials and challenges, Virtual Phys. Prototyp. 11 (3) (2016)
209–225.
[14] P. Wu, J. Wang, X. Wang, A critical review of the use of 3-D printing in the
construction industry, Autom. Constr. 68 (2016) 21–31.
[15] T.D. Ngo, A. Kashani, G. Imbalzano, K.T. Nguyen, D. Hui, Additive manufacturing
(3D printing): a review of materials, methods, applications and challenges,
Compos. Part B: Eng. 143 (2018) 172–196.
[16] M. Valente, A. Sibai, M. Sambucci, Extrusion-based additive manufacturing of
concrete products: revolutionizing and remodeling the construction industry,
J. Compos. Sci. 3 (3) (2019) 88.
[17] N. Roussel, J. Spangenberg, J. Wallevik, R. Wolfs, Numerical simulations of
concrete processing: from standard formative casting to additive manufacturing,
Cem. Concr. Res. 135 (2020), 106075.
[18] R.J.M. Wolfs, F.P. Bos, T.A.M. Salet, Early age mechanical behaviour of 3D printed
concrete: numerical modelling and experimental testing, Cem. Concr. Res. 106
(2018) 103–116.
[19] R. Comminal, M.P. Serdeczny, D.B. Pedersen, J. Spangenberg, Numerical modeling
of the strand deposition flow in extrusion-based additive manufacturing, Addit.
Manuf. 20 (2018) 68–76.
[20] R. Comminal, M.P. Serdeczny, D.B. Pedersen, J. Spangenberg, Numerical modeling
of the material deposition and contouring precision in fused deposition modeling,
in Proceedings of the 29th Annual International Solid Freeform Fabrication
Symposium, Austin, TX, USA, 2018, pp. 1855–1864.
[21] M.P. Serdeczny, R. Comminal, D.B. Pedersen, J. Spangenberg, Experimental
validation of a numerical model for the strand shape in material extrusion additive
manufacturing, Addit. Manuf. 24 (2018) 145–153.
[22] M.P. Serdeczny, R. Comminal, D.B. Pedersen, J. Spangenberg, Numerical
simulations of the mesostructure formation in material extrusion additive
manufacturing, Addit. Manuf. 28 (2019) 419–429.
[23] H. Xia, J. Lu, G. Tryggvason, A numerical study of the effect of viscoelastic stresses
in fused filament fabrication, Comput. Methods Appl. Mech. Eng. 346 (2019)
242–259.
[24] R. Comminal, W.R.L. da Silva, T.J. Andersen, H. Stang, J. Spangenberg, Influence
of processing parameters on the layer geometry in 3D concrete printing:
experiments and modelling, in: Proceedings of the Second RILEM International
Conference on Concrete and Digital Fabrication, vol. 28, 2020, pp. 852–862.
[25] R. Comminal, W.R.L. da Silva, T.J. Andersen, H. Stang, J. Spangenberg, Modelling
of 3D concrete printing based on computational fluid dynamics, Cem. Concr. Res.
38 (2020), 106256.
[26] E.C. Bingham, An investigation of the laws of plastic flow, US Bur. Stand. Bull. 13
(1916) 309–352.
[27] N. Casson, A flow equation for pigment-oil suspensions of the printing ink type,
Rheol. Disperse Syst. (1959) 84–104.
[28] W.H. Herschel, R. Bulkley, Konsistenzmessungen von Gummi-Benzollosungen, ¨
Kolloid Z. 39 (1926) 291–300.
[29] “FLOW-3D | We solve The World’s Toughest CFD Problems,” FLOW SCIENCE.
〈https://www.flow3d.com/〉. (Accessed 27 June 2020).
[30] S. Jacobsen, R. Cepuritis, Y. Peng, M.R. Geiker, J. Spangenberg, Visualizing and
simulating flow conditions in concrete form filling using pigments, Constr. Build.
Mater. 49 (2013) 328–342.
[31] E.J. O’Donovan, R.I. Tanner, Numerical study of the Bingham squeeze film
problem, J. Non-Newton. Fluid Mech. 15 (1) (1984) 75–83.
[32] C.W. Hirt, B.D. Nichols, Volume of fluid (VOF) method for the dynamics of free
boundaries, J. Comput. Phys. 39 (1) (1981) 201–225.
[33] R. Comminal, J. Spangenberg, J.H. Hattel, Cellwise conservative unsplit advection
for the volume of fluid method, J. Comput. Phys. 283 (2015) 582–608.
[34] A. Negar, S. Nazarian, N.A. Meisel, J.P. Duarte, Experimental prediction of material
deformation in large-scale additive manufacturing of concrete, Addit. Manuf. 37
(2021), 101656.

원문 보기

재료 분사를 통한 다중 재료 3D 유체 장치의 액체-고체 공동 인쇄

Liquid-solid co-printing of multi-material 3D fluidic devices via material jetting

BrandonHayes,Travis Hainsworth, Robert MacCurdy
University of Colorado Boulder, Department of Mechanical Engineering, Boulder, 80309, CO, USA

Abstract

다중 재료 재료 분사 적층 제조 공정은 3차원(3D) 부품을 레이어별로 구축하기 위해 다양한 모델 및 지지 재료의 미세 액적을 증착합니다.

최근의 노력은 액체가 마이크로/밀리 채널에서 쉽게 퍼지할 수 있는 지지 재료로 작용할 수 있고 구조에 영구적으로 남아 있는 작동 유체로 작용할 수 있음을 보여주었지만 인쇄 프로세스 및 메커니즘에 대한 자세한 이해가 부족합니다.

액체 인쇄의 제한된 광범위한 적용. 이 연구에서 광경화성 및 광경화성 액체 방울이 동시에 증착되는 액체-고체 공동 인쇄라고 하는 “한 번에 모두 가능한” 다중 재료 인쇄 프로세스가 광범위하게 특성화됩니다. 액체-고체 공동 인쇄의 메커니즘은 실험적인 고속 이미징 및 CFD(전산 유체 역학) 연구를 통해 설명됩니다.

이 연구는 액체의 표면 장력이 액체 표면에서 광중합하여 재료의 단단한 층을 형성하는 분사된 광중합체 미세 방울을 지지할 수 있음을 보여줍니다.

마이크로/밀리 유체 소자의 액체-고체 공동 인쇄를 위한 설계 규칙은 믹서, 액적 발생기, 고도로 분기되는 구조 및 통합된 단방향 플랩 밸브와 같은 평면, 3D 및 복합 재료 마이크로/메조 유체 구조에 대한 사례 연구뿐만 아니라 제시됩니다.

우리는 액체-고체 공동 인쇄 과정을 마이크로/메조플루이딕 회로, 전기화학 트랜지스터, 칩 장치 및 로봇을 포함한 응용 프로그램을 사용하여 3D, 통합된 복합 재료 유체 회로 및 유압 구조의 단순하고 빠른 제작을 가능하게 하는 적층 제조의 핵심 새로운 기능으로 구상합니다.

Multi-material material jetting additive manufacturing processes deposit micro-scale droplets of different model and support materials to build three-dimensional (3D) parts layer by layer. Recent efforts have demonstrated that liquids can act as support materials, which can be easily purged from micro/milli-channels, and as working fluids, which permanently remain in a structure, yet the lack of a detailed understanding of the print process and mechanism has limited widespread applications of liquid printing. In this study, an “all in one go” multi-material print process, herein termed liquid–solid co-printing in which non photo-curable and photo-curable liquid droplets are simultaneous deposited, is extensively characterized. The mechanism of liquid–solid co-printing is explained via experimental high speed imaging and computational fluid dynamic (CFD) studies. This work shows that a liquid’s surface tension can support jetted photopolymer micro-droplets which photo-polymerize on the liquid surface to form a solid layer of material. Design rules for liquid–solid co-printing of micro/milli-fluidic devices are presented as well as case studies of planar, 3D, and multi-material micro/mesofluidic structures such as mixers, droplet generators, highly branching structures, and an integrated one-way flap valve. We envision the liquid–solid co-printing process as a key new capability in additive manufacturing to enable simple and rapid fabrication of 3D, integrated print-in-place multi-material fluidic circuits and hydraulic structures with applications including micro/mesofluidic circuits, electrochemical transistors, lab-on-a-chip devices, and robotics.

Keywords

Additive manufacturing; Mesofluidics; Modeling and simulation; Multi-material; Material jetting

원문보기

Multiscale Process Modeling of Residual Deformation and Defect Formation for Laser Powder Bed Fusion Additive Manufacturing

Qian Chen, PhD
University of Pittsburgh, 2021

레이저 분말 베드 퓨전(L-PBF) 적층 제조(AM)는 우수한 기계적 특성으로 그물 모양에 가까운 복잡한 부품을 생산할 수 있습니다. 그러나 빌드 실패 및 다공성과 같은 결함으로 이어지는 원치 않는 잔류 응력 및 왜곡이 L-PBF의 광범위한 적용을 방해하고 있습니다.

L-PBF의 잠재력을 최대한 실현하기 위해 잔류 변형, 용융 풀 및 다공성 형성을 예측하는 다중 규모 모델링 방법론이 개발되었습니다. L-PBF의 잔류 변형 및 응력을 부품 규모에서 예측하기 위해 고유 변형 방법을 기반으로 하는 다중 규모 프로세스 모델링 프레임워크가 제안됩니다.

고유한 변형 벡터는 마이크로 스케일에서 충실도가 높은 상세한 다층 프로세스 시뮬레이션에서 추출됩니다. 균일하지만 이방성인 변형은 잔류 왜곡 및 응력을 예측하기 위해 준 정적 평형 유한 요소 분석(FEA)에서 레이어별로 L-PBF 부품에 적용됩니다.

부품 규모에서의 잔류 변형 및 응력 예측 외에도 분말 규모의 다중물리 모델링을 수행하여 공정 매개변수, 예열 온도 및 스패터링 입자에 의해 유도된 용융 풀 변동 및 결함 형성을 연구합니다. 이러한 요인과 관련된 용융 풀 역학 및 다공성 형성 메커니즘은 시뮬레이션 및 실험을 통해 밝혀졌습니다.

제안된 부품 규모 잔류 응력 및 왜곡 모델을 기반으로 경로 계획 방법은 큰 잔류 변형 및 건물 파손을 방지하기 위해 주어진 형상에 대한 레이저 스캐닝 경로를 조정하기 위해 개발되었습니다.

연속 및 아일랜드 스캐닝 전략을 위한 기울기 기반 경로 계획이 공식화되고 공식화된 컴플라이언스 및 스트레스 최소화 문제에 대한 전체 감도 분석이 수행됩니다. 이 제안된 경로 계획 방법의 타당성과 효율성은 AconityONE L-PBF 시스템을 사용하여 실험적으로 입증되었습니다.

또한 기계 학습을 활용한 데이터 기반 프레임워크를 개발하여 L-PBF에 대한 부품 규모의 열 이력을 예측합니다. 본 연구에서는 실시간 열 이력 예측을 위해 CNN(Convolutional Neural Network)과 RNN(Recurrent Neural Network)을 포함하는 순차적 기계 학습 모델을 제안합니다.

유한 요소 해석과 비교하여 100배의 예측 속도 향상이 달성되어 실제 제작 프로세스보다 빠른 예측이 가능하고 실시간 온도 프로파일을 사용할 수 있습니다.

Laser powder bed fusion (L-PBF) additive manufacturing (AM) is capable of producing complex parts near net shape with good mechanical properties. However, undesired residual stress and distortion that lead to build failure and defects such as porosity are preventing broader applications of L-PBF. To realize the full potential of L-PBF, a multiscale modeling methodology is developed to predict residual deformation, melt pool, and porosity formation. To predict the residual deformation and stress in L-PBF at part-scale, a multiscale process modeling framework based on inherent strain method is proposed.

Inherent strain vectors are extracted from detailed multi-layer process simulation with high fidelity at micro-scale. Uniform but anisotropic strains are then applied to L-PBF part in a layer-by-layer fashion in a quasi-static equilibrium finite element analysis (FEA) to predict residual distortion and stress. Besides residual distortion and stress prediction at part scale, multiphysics modeling at powder scale is performed to study the melt pool variation and defect formation induced by process parameters, preheating temperature and spattering particles. Melt pool dynamics and porosity formation mechanisms associated with these factors are revealed through simulation and experiments.

Based on the proposed part-scale residual stress and distortion model, path planning method is developed to tailor the laser scanning path for a given geometry to prevent large residual deformation and building failures. Gradient based path planning for continuous and island scanning strategy is formulated and full sensitivity analysis for the formulated compliance- and stress-minimization problem is performed.

The feasibility and effectiveness of this proposed path planning method is demonstrated experimentally using the AconityONE L-PBF system. In addition, a data-driven framework utilizing machine learning is developed to predict the thermal history at part-scale for L-PBF.

In this work, a sequential machine learning model including convolutional neural network (CNN) and recurrent neural network (RNN), long shortterm memory unit, is proposed for real-time thermal history prediction. A 100x prediction speed improvement is achieved compared to the finite element analysis which makes the prediction faster than real fabrication process and real-time temperature profile available.

Figure 1.1: Schematic Overview of Metal Laser Powder Bed Fusion Process [2]

Figure 1.2: Commercial Powder Bed Fusion Systems

Figure 1.3: Commercial Metal Components Fabricated by Powder Bed Fusion Additive Manufacturing: (a) GE Fuel Nozzle; (b) Stryker Hip Biomedical Implant.

Figure 2.1: Proposed Multiscale Process Simulation Framework

Figure 2.2: (a) Experimental Setup for In-situ Thermocouple Measurement in the EOS M290 Build Chamber; (b) Themocouple Locations on the Bottom Side of the Substrate.

Figure 2.3: (a) Finite Element Model for Single Layer Thermal Analysis; (b) Deposition Layer

Figure 2.4: Core-skin layer: (a) Surface Morphology; (b) Scanning Strategy; (c) Transient Temperature Distribution and Temperature History at (d) Point 1; (e) Point 2 and (f) Point 3

Figure 2.5: (a) Scanning Orientation of Each Layer; (b) Finite Element Model for Micro-scale Representative Volume

Figure 2.6: Bottom Layer (a) Thermal History; (b) Plastic Strain and (c) Elastic Strain Evolution History

Figure 2.7: Bottom Layer Inherent Strain under Default Process Parameters along Horizontal Scanning Path

Figure 2.8: Snapshots of the Element Activation Process

Figure 2.9: Double Cantilever Beam Structure Built by the EOS M290 DMLM Process (a) Before and (b) After Cutting off; (c) Faro Laser ScanArm V3 for Distortion Measurement

Figure 2.10: Square Canonical Structure Built by the EOS M290 DMLM Process

Figure 2.11: Finite Element Mesh for the Square Canonical and Snapshots of Element Activation Process

Figure 2.12: Simulated Distortion Field for the Double Cantilever Beam before Cutting off the Supports: (a) Inherent Strain Method; (b) Simufact Additive 3.1

Figure 3.10: Snapshots of Temperature Profile for Single Track in Keyhole Regime (P = 250W and V = 0.5m/s) at the Preheating Temperature of 100 °C

s) at the Preheating Temperature of 500 °C

Figure 3.15: Melt Pool Cross Section Comparison Between Simulation and Experiment for Single Track

Bibliography

[1] I. Astm, ASTM52900-15 Standard Terminology for Additive Manufacturing—General
Principles—Terminology, ASTM International, West Conshohocken, PA 3(4) (2015) 5.
[2] W.E. King, A.T. Anderson, R.M. Ferencz, N.E. Hodge, C. Kamath, S.A. Khairallah, A.M.
Rubenchik, Laser powder bed fusion additive manufacturing of metals; physics, computational,
and materials challenges, Applied Physics Reviews 2(4) (2015) 041304.
[3] W. Yan, Y. Lu, K. Jones, Z. Yang, J. Fox, P. Witherell, G. Wagner, W.K. Liu, Data-driven
characterization of thermal models for powder-bed-fusion additive manufacturing, Additive
Manufacturing (2020) 101503.
[4] K. Dai, L. Shaw, Thermal and stress modeling of multi-material laser processing, Acta
Materialia 49(20) (2001) 4171-4181.
[5] K. Dai, L. Shaw, Distortion minimization of laser-processed components through control of
laser scanning patterns, Rapid Prototyping Journal 8(5) (2002) 270-276.
[6] S.S. Bo Cheng, Kevin Chou, Stress and deformation evaluations of scanning strategy effect in
selective laser melting, Additive Manufacturing (2017).
[7] C. Fu, Y. Guo, Three-dimensional temperature gradient mechanism in selective laser melting
of Ti-6Al-4V, Journal of Manufacturing Science and Engineering 136(6) (2014) 061004.
[8] P. Prabhakar, W.J. Sames, R. Dehoff, S.S. Babu, Computational modeling of residual stress
formation during the electron beam melting process for Inconel 718, Additive Manufacturing 7
(2015) 83-91.
[9] A. Hussein, L. Hao, C. Yan, R. Everson, Finite element simulation of the temperature and
stress fields in single layers built without-support in selective laser melting, Materials & Design
(1980-2015) 52 (2013) 638-647.
[10] P.Z. Qingcheng Yang, Lin Cheng, Zheng Min, Minking Chyu, Albert C. To, articleFinite
element modeling and validation of thermomechanicalbehavior of Ti-6Al-4V in directed energy
deposition additivemanufacturing, Additive Manufacturing (2016).
[11] E.R. Denlinger, J. Irwin, P. Michaleris, Thermomechanical Modeling of Additive
Manufacturing Large Parts, Journal of Manufacturing Science and Engineering 136(6) (2014)
061007.
[12] E.R. Denlinger, M. Gouge, J. Irwin, P. Michaleris, Thermomechanical model development
and in situ experimental validation of the Laser Powder-Bed Fusion process, Additive
Manufacturing 16 (2017) 73-80.
[13] V.J. Erik R Denlinger, G.V. Srinivasan, Tahany EI-Wardany, Pan Michaleris, Thermal
modeling of Inconel 718 processed with powder bed fusionand experimental validation using in
situ measurements, Additive Manufacturing 11 (2016) 7-15.
[14] N. Patil, D. Pal, H.K. Rafi, K. Zeng, A. Moreland, A. Hicks, D. Beeler, B. Stucker, A
Generalized Feed Forward Dynamic Adaptive Mesh Refinement and Derefinement Finite Element
Framework for Metal Laser Sintering—Part I: Formulation and Algorithm Development, Journal
of Manufacturing Science and Engineering 137(4) (2015) 041001.
[15] D. Pal, N. Patil, K.H. Kutty, K. Zeng, A. Moreland, A. Hicks, D. Beeler, B. Stucker, A
Generalized Feed-Forward Dynamic Adaptive Mesh Refinement and Derefinement FiniteElement Framework for Metal Laser Sintering—Part II: Nonlinear Thermal Simulations and
Validations, Journal of Manufacturing Science and Engineering 138(6) (2016) 061003.
[16] N. Keller, V. Ploshikhin, New method for fast predictions of residual stress and distortion of
AM parts, Solid Freeform Fabrication Symposium, Austin, Texas, 2014, pp. 1229-1237.
[17] S.A. Khairallah, A.T. Anderson, A. Rubenchik, W.E. King, Laser powder-bed fusion additive
manufacturing: Physics of complex melt flow and formation mechanisms of pores, spatter, and
denudation zones, Acta Materialia 108 (2016) 36-45.
[18] M.J. Matthews, G. Guss, S.A. Khairallah, A.M. Rubenchik, P.J. Depond, W.E. King,
Denudation of metal powder layers in laser powder bed fusion processes, Acta Materialia 114
(2016) 33-42.
[19] A.A. Martin, N.P. Calta, S.A. Khairallah, J. Wang, P.J. Depond, A.Y. Fong, V. Thampy, G.M.
Guss, A.M. Kiss, K.H. Stone, Dynamics of pore formation during laser powder bed fusion additive
manufacturing, Nature communications 10(1) (2019) 1987.
[20] R. Shi, S.A. Khairallah, T.T. Roehling, T.W. Heo, J.T. McKeown, M.J. Matthews,
Microstructural control in metal laser powder bed fusion additive manufacturing using laser beam
shaping strategy, Acta Materialia (2019).
[21] S.A. Khairallah, A.A. Martin, J.R. Lee, G. Guss, N.P. Calta, J.A. Hammons, M.H. Nielsen,
K. Chaput, E. Schwalbach, M.N. Shah, Controlling interdependent meso-nanosecond dynamics
and defect generation in metal 3D printing, Science 368(6491) (2020) 660-665.
[22] W. Yan, W. Ge, Y. Qian, S. Lin, B. Zhou, W.K. Liu, F. Lin, G.J. Wagner, Multi-physics
modeling of single/multiple-track defect mechanisms in electron beam selective melting, Acta
Materialia 134 (2017) 324-333.
[23] S. Shrestha, Y. Kevin Chou, A Numerical Study on the Keyhole Formation During Laser
Powder Bed Fusion Process, Journal of Manufacturing Science and Engineering 141(10) (2019).
[24] S. Shrestha, B. Cheng, K. Chou, An Investigation into Melt Pool Effective Thermal
Conductivity for Thermal Modeling of Powder-Bed Electron Beam Additive Manufacturing.
[25] D. Rosenthal, Mathematical theory of heat distribution during welding and cutting, Welding
journal 20 (1941) 220-234.
[26] P. Promoppatum, S.-C. Yao, P.C. Pistorius, A.D. Rollett, A comprehensive comparison of the
analytical and numerical prediction of the thermal history and solidification microstructure of
Inconel 718 products made by laser powder-bed fusion, Engineering 3(5) (2017) 685-694.
[27] M. Tang, P.C. Pistorius, J.L. Beuth, Prediction of lack-of-fusion porosity for powder bed
fusion, Additive Manufacturing 14 (2017) 39-48.
[28] T. Moran, P. Li, D. Warner, N. Phan, Utility of superposition-based finite element approach
for part-scale thermal simulation in additive manufacturing, Additive Manufacturing 21 (2018)
215-219.
[29] Y. Yang, M. Knol, F. van Keulen, C. Ayas, A semi-analytical thermal modelling approach
for selective laser melting, Additive Manufacturing 21 (2018) 284-297.
[30] B. Cheng, S. Shrestha, K. Chou, Stress and deformation evaluations of scanning strategy
effect in selective laser melting, Additive Manufacturing 12 (2016) 240-251.
[31] L.H. Ahmed Hussein, Chunze Yan, Richard Everson, Finite element simulation of the
temperature and stress fields in single layers built without-support in selective laser melting,
Materials and Design 52 (2013) 638-647.
[32] H. Peng, D.B. Go, R. Billo, S. Gong, M.R. Shankar, B.A. Gatrell, J. Budzinski, P. Ostiguy,
R. Attardo, C. Tomonto, Part-scale model for fast prediction of thermal distortion in DMLS
additive manufacturing; Part 2: a quasi-static thermo-mechanical model, Austin, Texas (2016).
[33] M.F. Zaeh, G. Branner, Investigations on residual stresses and deformations in selective laser
melting, Production Engineering 4(1) (2010) 35-45.
[34] C. Li, C. Fu, Y. Guo, F. Fang, A multiscale modeling approach for fast prediction of part
distortion in selective laser melting, Journal of Materials Processing Technology 229 (2016) 703-
712.
[35] C. Li, Z. Liu, X. Fang, Y. Guo, On the Simulation Scalability of Predicting Residual Stress
and Distortion in Selective Laser Melting, Journal of Manufacturing Science and Engineering
140(4) (2018) 041013.
[36] S. Afazov, W.A. Denmark, B.L. Toralles, A. Holloway, A. Yaghi, Distortion Prediction and
Compensation in Selective Laser Melting, Additive Manufacturing 17 (2017) 15-22.
[37] Y. Lee, W. Zhang, Modeling of heat transfer, fluid flow and solidification microstructure of
nickel-base superalloy fabricated by laser powder bed fusion, Additive Manufacturing 12 (2016)
178-188.
[38] L. Scime, J. Beuth, A multi-scale convolutional neural network for autonomous anomaly
detection and classification in a laser powder bed fusion additive manufacturing process, Additive
Manufacturing 24 (2018) 273-286.
[39] L. Scime, J. Beuth, Using machine learning to identify in-situ melt pool signatures indicative
of flaw formation in a laser powder bed fusion additive manufacturing process, Additive
Manufacturing 25 (2019) 151-165.
[40] X. Xie, J. Bennett, S. Saha, Y. Lu, J. Cao, W.K. Liu, Z. Gan, Mechanistic data-driven
prediction of as-built mechanical properties in metal additive manufacturing, npj Computational
Materials 7(1) (2021) 1-12.
[41] C. Wang, X. Tan, S. Tor, C. Lim, Machine learning in additive manufacturing: State-of-theart and perspectives, Additive Manufacturing (2020) 101538.
[42] J. Li, R. Jin, Z.Y. Hang, Integration of physically-based and data-driven approaches for
thermal field prediction in additive manufacturing, Materials & Design 139 (2018) 473-485.
[43] M. Mozaffar, A. Paul, R. Al-Bahrani, S. Wolff, A. Choudhary, A. Agrawal, K. Ehmann, J.
Cao, Data-driven prediction of the high-dimensional thermal history in directed energy deposition
processes via recurrent neural networks, Manufacturing letters 18 (2018) 35-39.
[44] A. Paul, M. Mozaffar, Z. Yang, W.-k. Liao, A. Choudhary, J. Cao, A. Agrawal, A real-time
iterative machine learning approach for temperature profile prediction in additive manufacturing
processes, 2019 IEEE International Conference on Data Science and Advanced Analytics (DSAA),
IEEE, 2019, pp. 541-550.
[45] S. Clijsters, T. Craeghs, J.-P. Kruth, A priori process parameter adjustment for SLM process
optimization, Innovative developments on virtual and physical prototyping, Taylor & Francis
Group., 2012, pp. 553-560.
[46] R. Mertens, S. Clijsters, K. Kempen, J.-P. Kruth, Optimization of scan strategies in selective
laser melting of aluminum parts with downfacing areas, Journal of Manufacturing Science and
Engineering 136(6) (2014) 061012.
[47] J.-P. Kruth, J. Deckers, E. Yasa, R. Wauthlé, Assessing and comparing influencing factors of
residual stresses in selective laser melting using a novel analysis method, Proceedings of the
institution of mechanical engineers, Part B: Journal of Engineering Manufacture 226(6) (2012)
980-991.
[48] Y. Lu, S. Wu, Y. Gan, T. Huang, C. Yang, L. Junjie, J. Lin, Study on the microstructure,
mechanical property and residual stress of SLM Inconel-718 alloy manufactured by differing
island scanning strategy, Optics & Laser Technology 75 (2015) 197-206.
[49] E. Foroozmehr, R. Kovacevic, Effect of path planning on the laser powder deposition process:
thermal and structural evaluation, The International Journal of Advanced Manufacturing
Technology 51(5-8) (2010) 659-669.
[50] L.H. Ahmed Hussein, Chunze Yan, Richard Everson, Finite element simulation of the
temperature and stress fields in single layers built without-support in selective laser melting,
Materials and Design (2013).
[51] J.-P. Kruth, M. Badrossamay, E. Yasa, J. Deckers, L. Thijs, J. Van Humbeeck, Part and
material properties in selective laser melting of metals, Proceedings of the 16th international
symposium on electromachining, 2010, pp. 1-12.
[52] L. Thijs, K. Kempen, J.-P. Kruth, J. Van Humbeeck, Fine-structured aluminium products with
controllable texture by selective laser melting of pre-alloyed AlSi10Mg powder, Acta Materialia
61(5) (2013) 1809-1819.
[53] D. Ding, Z.S. Pan, D. Cuiuri, H. Li, A tool-path generation strategy for wire and arc additive
manufacturing, The international journal of advanced manufacturing technology 73(1-4) (2014)
173-183.
[54] B.E. Carroll, T.A. Palmer, A.M. Beese, Anisotropic tensile behavior of Ti–6Al–4V
components fabricated with directed energy deposition additive manufacturing, Acta Materialia
87 (2015) 309-320.
[55] D. Ding, Z. Pan, D. Cuiuri, H. Li, A practical path planning methodology for wire and arc
additive manufacturing of thin-walled structures, Robotics and Computer-Integrated
Manufacturing 34 (2015) 8-19.
[56] D. Ding, Z. Pan, D. Cuiuri, H. Li, S. van Duin, N. Larkin, Bead modelling and implementation
of adaptive MAT path in wire and arc additive manufacturing, Robotics and Computer-Integrated
Manufacturing 39 (2016) 32-42.
[57] R. Ponche, O. Kerbrat, P. Mognol, J.-Y. Hascoet, A novel methodology of design for Additive
Manufacturing applied to Additive Laser Manufacturing process, Robotics and ComputerIntegrated Manufacturing 30(4) (2014) 389-398.
[58] D.E. Smith, R. Hoglund, Continuous fiber angle topology optimization for polymer fused
fillament fabrication, Annu. Int. Solid Free. Fabr. Symp. Austin, TX, 2016.
[59] J. Liu, J. Liu, H. Yu, H. Yu, Concurrent deposition path planning and structural topology
optimization for additive manufacturing, Rapid Prototyping Journal 23(5) (2017) 930-942.
[60] Q. Xia, T. Shi, Optimization of composite structures with continuous spatial variation of fiber
angle through Shepard interpolation, Composite Structures 182 (2017) 273-282.
[61] C. Kiyono, E. Silva, J. Reddy, A novel fiber optimization method based on normal distribution
function with continuously varying fiber path, Composite Structures 160 (2017) 503-515.
[62] C.J. Brampton, K.C. Wu, H.A. Kim, New optimization method for steered fiber composites
using the level set method, Structural and Multidisciplinary Optimization 52(3) (2015) 493-505.
[63] J. Liu, A.C. To, Deposition path planning-integrated structural topology optimization for 3D
additive manufacturing subject to self-support constraint, Computer-Aided Design 91 (2017) 27-
45.
[64] H. Shen, J. Fu, Z. Chen, Y. Fan, Generation of offset surface for tool path in NC machining
through level set methods, The International Journal of Advanced Manufacturing Technology
46(9-12) (2010) 1043-1047.
[65] C. Zhuang, Z. Xiong, H. Ding, High speed machining tool path generation for pockets using
level sets, International Journal of Production Research 48(19) (2010) 5749-5766.
[66] K.C. Mills, Recommended values of thermophysical properties for selected commercial
alloys, Woodhead Publishing2002.
[67] S.S. Sih, J.W. Barlow, The prediction of the emissivity and thermal conductivity of powder
beds, Particulate Science and Technology 22(4) (2004) 427-440.
[68] L. Dong, A. Makradi, S. Ahzi, Y. Remond, Three-dimensional transient finite element
analysis of the selective laser sintering process, Journal of materials processing technology 209(2)
(2009) 700-706.
[69] J.J. Beaman, J.W. Barlow, D.L. Bourell, R.H. Crawford, H.L. Marcus, K.P. McAlea, Solid
freeform fabrication: a new direction in manufacturing, Kluwer Academic Publishers, Norwell,
MA 2061 (1997) 25-49.
[70] G. Bugeda Miguel Cervera, G. Lombera, Numerical prediction of temperature and density
distributions in selective laser sintering processes, Rapid Prototyping Journal 5(1) (1999) 21-26.
[71] T. Mukherjee, W. Zhang, T. DebRoy, An improved prediction of residual stresses and
distortion in additive manufacturing, Computational Materials Science 126 (2017) 360-372.
[72] A.J. Dunbar, E.R. Denlinger, M.F. Gouge, P. Michaleris, Experimental validation of finite
element modeling for laser powderbed fusion deformation, Additive Manufacturing 12 (2016)
108-120.
[73] J. Goldak, A. Chakravarti, M. Bibby, A new finite element model for welding heat sources,
Metallurgical and Materials Transactions B 15(2) (1984) 299-305.
[74] J. Liu, Q. Chen, Y. Zhao, W. Xiong, A. To, Quantitative Texture Prediction of Epitaxial
Columnar Grains in Alloy 718 Processed by Additive Manufacturing, Proceedings of the 9th
International Symposium on Superalloy 718 & Derivatives: Energy, Aerospace, and Industrial
Applications, Springer, 2018, pp. 749-755.
[75] J. Irwin, P. Michaleris, A line heat input model for additive manufacturing, Journal of
Manufacturing Science and Engineering 138(11) (2016) 111004.
[76] M. Gouge, J. Heigel, P. Michaleris, T. Palmer, Modeling forced convection in the thermal
simulation of laser cladding processes, International Journal of Advanced Manufacturing
Technology 79 (2015).
[77] J. Heigel, P. Michaleris, E. Reutzel, Thermo-mechanical model development and validation
of directed energy deposition additive manufacturing of Ti–6Al–4V, Additive manufacturing 5
(2015) 9-19.
[78] E.R. Denlinger, J.C. Heigel, P. Michaleris, Residual stress and distortion modeling of electron
beam direct manufacturing Ti-6Al-4V, Proceedings of the Institution of Mechanical Engineers,
Part B: Journal of Engineering Manufacture 229(10) (2015) 1803-1813.
[79] X. Liang, Q. Chen, L. Cheng, Q. Yang, A. To, A modified inherent strain method for fast
prediction of residual deformation in additive manufacturing of metal parts, 2017 Solid Freeform
Fabrication Symposium Proceedings, Austin, Texas, 2017.
[80] X. Liang, L. Cheng, Q. Chen, Q. Yang, A. To, A Modified Method for Estimating Inherent
Strains from Detailed Process Simulation for Fast Residual Distortion Prediction of Single-Walled
Structures Fabricated by Directed Energy Deposition, Additive Manufacturing 23 (2018) 471-486.
[81] L. Sochalski-Kolbus, E.A. Payzant, P.A. Cornwell, T.R. Watkins, S.S. Babu, R.R. Dehoff,
M. Lorenz, O. Ovchinnikova, C. Duty, Comparison of residual stresses in Inconel 718 simple parts
made by electron beam melting and direct laser metal sintering, Metallurgical and Materials
Transactions A 46(3) (2015) 1419-1432.
[82] P. Mercelis, J.-P. Kruth, Residual stresses in selective laser sintering and selective laser
melting, Rapid Prototyping Journal 12(5) (2006) 254-265.
[83] N. Hodge, R. Ferencz, J. Solberg, Implementation of a thermomechanical model for the
simulation of selective laser melting, Computational Mechanics 54(1) (2014) 33-51.
[84] A.S. Wu, D.W. Brown, M. Kumar, G.F. Gallegos, W.E. King, An experimental investigation
into additive manufacturing-induced residual stresses in 316L stainless steel, Metallurgical and
Materials Transactions A 45(13) (2014) 6260-6270.
[85] C. Li, J. liu, Y. Guo, Efficient predictive model of part distortion and residual stress in
selective laser melting, Solid Freeform Fabrication 2016, 2017.
[86] Y. Zhao, Y. Koizumi, K. Aoyagi, D. Wei, K. Yamanaka, A. Chiba, Molten pool behavior and
effect of fluid flow on solidification conditions in selective electron beam melting (SEBM) of a
biomedical Co-Cr-Mo alloy, Additive Manufacturing 26 (2019) 202-214.
[87] J.-H. Cho, S.-J. Na, Implementation of real-time multiple reflection and Fresnel absorption of
laser beam in keyhole, Journal of Physics D: Applied Physics 39(24) (2006) 5372.
[88] Q. Guo, C. Zhao, M. Qu, L. Xiong, L.I. Escano, S.M.H. Hojjatzadeh, N.D. Parab, K. Fezzaa,
W. Everhart, T. Sun, In-situ characterization and quantification of melt pool variation under
constant input energy density in laser powder-bed fusion additive manufacturing process, Additive
Manufacturing (2019).
[89] E. Assuncao, S. Williams, D. Yapp, Interaction time and beam diameter effects on the
conduction mode limit, Optics and Lasers in Engineering 50(6) (2012) 823-828.
[90] R. Cunningham, C. Zhao, N. Parab, C. Kantzos, J. Pauza, K. Fezzaa, T. Sun, A.D. Rollett,
Keyhole threshold and morphology in laser melting revealed by ultrahigh-speed x-ray imaging,
Science 363(6429) (2019) 849-852.
[91] W. Tan, N.S. Bailey, Y.C. Shin, Investigation of keyhole plume and molten pool based on a
three-dimensional dynamic model with sharp interface formulation, Journal of Physics D: Applied
Physics 46(5) (2013) 055501.
[92] W. Tan, Y.C. Shin, Analysis of multi-phase interaction and its effects on keyhole dynamics
with a multi-physics numerical model, Journal of Physics D: Applied Physics 47(34) (2014)
345501.
[93] R. Fabbro, K. Chouf, Keyhole modeling during laser welding, Journal of applied Physics
87(9) (2000) 4075-4083.
[94] Q. Guo, C. Zhao, M. Qu, L. Xiong, S.M.H. Hojjatzadeh, L.I. Escano, N.D. Parab, K. Fezzaa,
T. Sun, L. Chen, In-situ full-field mapping of melt flow dynamics in laser metal additive
manufacturing, Additive Manufacturing 31 (2020) 100939.
[95] Y. Ueda, K. Fukuda, K. Nakacho, S. Endo, A new measuring method of residual stresses with
the aid of finite element method and reliability of estimated values, Journal of the Society of Naval
Architects of Japan 1975(138) (1975) 499-507.
[96] M.R. Hill, D.V. Nelson, The inherent strain method for residual stress determination and its
application to a long welded joint, ASME-PUBLICATIONS-PVP 318 (1995) 343-352.
[97] H. Murakawa, Y. Luo, Y. Ueda, Prediction of welding deformation and residual stress by
elastic FEM based on inherent strain, Journal of the society of Naval Architects of Japan 1996(180)
(1996) 739-751.
[98] M. Yuan, Y. Ueda, Prediction of residual stresses in welded T-and I-joints using inherent
strains, Journal of Engineering Materials and Technology, Transactions of the ASME 118(2)
(1996) 229-234.
[99] L. Zhang, P. Michaleris, P. Marugabandhu, Evaluation of applied plastic strain methods for
welding distortion prediction, Journal of Manufacturing Science and Engineering 129(6) (2007)
1000-1010.
[100] M. Bugatti, Q. Semeraro, Limitations of the Inherent Strain Method in Simulating Powder
Bed Fusion Processes, Additive Manufacturing 23 (2018) 329-346.
[101] L. Cheng, X. Liang, J. Bai, Q. Chen, J. Lemon, A. To, On Utilizing Topology Optimization
to Design Support Structure to Prevent Residual Stress Induced Build Failure in Laser Powder Bed
Metal Additive Manufacturing, Additive Manufacturing (2019).
[102] Q. Chen, X. Liang, D. Hayduke, J. Liu, L. Cheng, J. Oskin, R. Whitmore, A.C. To, An
inherent strain based multiscale modeling framework for simulating part-scale residual
deformation for direct metal laser sintering, Additive Manufacturing 28 (2019) 406-418.
[103] S. Osher, J.A. Sethian, Fronts propagating with curvature-dependent speed: algorithms based
on Hamilton-Jacobi formulations, Journal of computational physics 79(1) (1988) 12-49.
[104] M.Y. Wang, X. Wang, D. Guo, A level set method for structural topology optimization,
Computer methods in applied mechanics and engineering 192(1) (2003) 227-246.
[105] G. Allaire, F. Jouve, A.-M. Toader, Structural optimization using sensitivity analysis and a
level-set method, Journal of computational physics 194(1) (2004) 363-393.
[106] Y. Wang, Z. Luo, Z. Kang, N. Zhang, A multi-material level set-based topology and shape
optimization method, Computer Methods in Applied Mechanics and Engineering 283 (2015)
1570-1586.
[107] P. Dunning, C. Brampton, H. Kim, Simultaneous optimisation of structural topology and
material grading using level set method, Materials Science and Technology 31(8) (2015) 884-894.
[108] P. Liu, Y. Luo, Z. Kang, Multi-material topology optimization considering interface
behavior via XFEM and level set method, Computer methods in applied mechanics and
engineering 308 (2016) 113-133.
[109] J. Liu, Q. Chen, Y. Zheng, R. Ahmad, J. Tang, Y. Ma, Level set-based heterogeneous object
modeling and optimization, Computer-Aided Design (2019).
[110] J. Liu, Q. Chen, X. Liang, A.C. To, Manufacturing cost constrained topology optimization
for additive manufacturing, Frontiers of Mechanical Engineering 14(2) (2019) 213-221.
[111] Z. Kang, Y. Wang, Integrated topology optimization with embedded movable holes based
on combined description by material density and level sets, Computer methods in applied
mechanics and engineering 255 (2013) 1-13.
[112] P.D. Dunning, H. Alicia Kim, A new hole insertion method for level set based structural
topology optimization, International Journal for Numerical Methods in Engineering 93(1) (2013)
118-134.
[113] J.A. Sethian, A fast marching level set method for monotonically advancing fronts,
Proceedings of the National Academy of Sciences 93(4) (1996) 1591-1595.
[114] J.A. Sethian, Level set methods and fast marching methods: evolving interfaces in
computational geometry, fluid mechanics, computer vision, and materials science, Cambridge
university press1999.
[115] C. Le, J. Norato, T. Bruns, C. Ha, D. Tortorelli, Stress-based topology optimization for
continua, Structural and Multidisciplinary Optimization 41(4) (2010) 605-620.
[116] A. Takezawa, G.H. Yoon, S.H. Jeong, M. Kobashi, M. Kitamura, Structural topology
optimization with strength and heat conduction constraints, Computer Methods in Applied
Mechanics and Engineering 276 (2014) 341-361.
[117] S. Hochreiter, J. Schmidhuber, Long short-term memory, Neural computation 9(8) (1997)
1735-1780.
[118] A. Krizhevsky, I. Sutskever, G.E. Hinton, Imagenet classification with deep convolutional
neural networks, Advances in neural information processing systems 25 (2012) 1097-1105.
[119] K. Simonyan, A. Zisserman, Very deep convolutional networks for large-scale image
recognition, arXiv preprint arXiv:1409.1556 (2014).
[120] K. He, X. Zhang, S. Ren, J. Sun, Deep residual learning for image recognition, Proceedings
of the IEEE conference on computer vision and pattern recognition, 2016, pp. 770-778.
[121] O. Russakovsky, J. Deng, H. Su, J. Krause, S. Satheesh, S. Ma, Z. Huang, A. Karpathy, A.
Khosla, M. Bernstein, Imagenet large scale visual recognition challenge, International journal of
computer vision 115(3) (2015) 211-252.
[122] S. Ren, K. He, R. Girshick, J. Sun, Faster r-cnn: Towards real-time object detection with
region proposal networks, Advances in neural information processing systems 28 (2015) 91-99.
[123] E.J. Schwalbach, S.P. Donegan, M.G. Chapman, K.J. Chaput, M.A. Groeber, A discrete
source model of powder bed fusion additive manufacturing thermal history, Additive
Manufacturing 25 (2019) 485-498.
[124] D.G. Duffy, Green’s functions with applications, Chapman and Hall/CRC2015.
[125] J. Martínez-Frutos, D. Herrero-Pérez, Efficient matrix-free GPU implementation of fixed
grid finite element analysis, Finite Elements in Analysis and Design 104 (2015) 61-71.
[126] F. Dugast, P. Apostolou, A. Fernandez, W. Dong, Q. Chen, S. Strayer, R. Wicker, A.C. To,
Part-scale thermal process modeling for laser powder bed fusion with matrix-free method and GPU
computing, Additive Manufacturing 37 (2021) 101732.
[127] A. Vaswani, N. Shazeer, N. Parmar, J. Uszkoreit, L. Jones, A.N. Gomez, Ł. Kaiser, I.
Polosukhin, Attention is all you need, Advances in neural information processing systems, 2017,
pp. 5998-6008.
[128] J. Devlin, M.-W. Chang, K. Lee, K. Toutanova, Bert: Pre-training of deep bidirectional
transformers for language understanding, arXiv preprint arXiv:1810.04805 (2018).

PDF View

Fig. 1. (a) Dimensions of the casting with runners (unit: mm), (b) a melt flow simulation using Flow-3D software together with Reilly's model[44], predicted that a large amount of bifilms (denoted by the black particles) would be contained in the final casting. (c) A solidification simulation using Pro-cast software showed that no shrinkage defect was contained in the final casting.

AZ91 합금 주물 내 연행 결함에 대한 캐리어 가스의 영향

Effect of carrier gases on the entrainment defects within AZ91 alloy castings

Tian Li^ab J.M.T.Davies^a Xiangzhen Zhu^c
^aUniversity of Birmingham, Birmingham B15 2TT, United Kingdom
^bGrainger and Worrall Ltd, Bridgnorth WV15 5HP, United Kingdom
^cBrunel Centre for Advanced Solidification Technology, Brunel University London, Kingston Ln, London, Uxbridge UB8 3PH, United Kingdom

Abstract

An entrainment defect (also known as a double oxide film defect or bifilm) acts a void containing an entrapped gas when submerged into a light-alloy melt, thus reducing the quality and reproducibility of the final castings. Previous publications, carried out with Al-alloy castings, reported that this trapped gas could be subsequently consumed by the reaction with the surrounding melt, thus reducing the void volume and negative effect of entrainment defects. Compared with Al-alloys, the entrapped gas within Mg-alloy might be more efficiently consumed due to the relatively high reactivity of magnesium. However, research into the entrainment defects within Mg alloys has been significantly limited. In the present work, AZ91 alloy castings were produced under different carrier gas atmospheres (i.e., SF₆/CO₂, SF₆/air). The evolution processes of the entrainment defects contained in AZ91 alloy were suggested according to the microstructure inspections and thermodynamic calculations. The defects formed in the different atmospheres have a similar sandwich-like structure, but their oxide films contained different combinations of compounds. The use of carrier gases, which were associated with different entrained-gas consumption rates, affected the reproducibility of AZ91 castings.

Keywords

Magnesium alloyCastingOxide film, Bifilm, Entrainment defect, Reproducibility

연행 결함(이중 산화막 결함 또는 이중막 결함이라고도 함)은 경합금 용융물에 잠길 때 갇힌 가스를 포함하는 공극으로 작용하여 최종 주물의 품질과 재현성을 저하시킵니다. Al-합금 주조로 수행된 이전 간행물에서는 이 갇힌 가스가 주변 용융물과의 반응에 의해 후속적으로 소모되어 공극 부피와 연행 결함의 부정적인 영향을 줄일 수 있다고 보고했습니다. Al-합금에 비해 마그네슘의 상대적으로 높은 반응성으로 인해 Mg-합금 내에 포집된 가스가 더 효율적으로 소모될 수 있습니다. 그러나 Mg 합금 내 연행 결함에 대한 연구는 상당히 제한적이었습니다. 현재 작업에서 AZ91 합금 주물은 다양한 캐리어 가스 분위기(즉, SF ₆ /CO₂ , SF ₆ / 공기). AZ91 합금에 포함된 엔트레인먼트 결함의 진화 과정은 미세조직 검사 및 열역학적 계산에 따라 제안되었습니다. 서로 다른 분위기에서 형성된 결함은 유사한 샌드위치 구조를 갖지만 산화막에는 서로 다른 화합물 조합이 포함되어 있습니다. 다른 동반 가스 소비율과 관련된 운반 가스의 사용은 AZ91 주물의 재현성에 영향을 미쳤습니다.

키워드

마그네슘 합금주조Oxide film, Bifilm, Entrainment 불량, 재현성

1 . 소개

지구상에서 가장 가벼운 구조용 금속인 마그네슘은 지난 수십 년 동안 가장 매력적인 경금속 중 하나가 되었습니다. 결과적으로 마그네슘 산업은 지난 20년 동안 급속한 발전을 경험했으며 [1 , 2] , 이는 전 세계적으로 Mg 합금에 대한 수요가 크게 증가했음을 나타냅니다. 오늘날 Mg 합금의 사용은 자동차, 항공 우주, 전자 등의 분야에서 볼 수 있습니다. [3 , 4] . Mg 금속의 전 세계 소비는 특히 자동차 산업에서 앞으로 더욱 증가할 것으로 예측되었습니다. 기존 자동차와 전기 자동차 모두의 에너지 효율성 요구 사항이 설계를 경량화하도록 더욱 밀어붙이기 때문입니다 [3 , 5, 6] .

Mg 합금에 대한 수요의 지속적인 성장은 Mg 합금 주조의 품질 및 기계적 특성 개선에 대한 광범위한 관심을 불러일으켰습니다. Mg 합금 주조 공정 동안 용융물의 표면 난류는 소량의 주변 대기를 포함하는 이중 표면 필름의 포획으로 이어질 수 있으므로 동반 결함(이중 산화막 결함 또는 이중막 결함이라고도 함)을 형성합니다. ) [7] , [8] , [9] , [10] . 무작위 크기, 수량, 방향 및 연행 결함의 배치는 주조 특성의 변화와 관련된 중요한 요인으로 널리 받아들여지고 있습니다 [7] . 또한 Peng et al. [11]AZ91 합금 용융물에 동반된 산화물 필름이 Al ₈ Mn ₅ 입자에 대한 필터 역할을 하여 침전될 때 가두는 것을 발견했습니다 . Mackie et al. [12]는 또한 동반된 산화막이 금속간 입자를 트롤(trawl)하는 작용을 하여 입자가 클러스터링되어 매우 큰 결함을 형성할 수 있다고 제안했습니다. 금속간 화합물의 클러스터링은 비말동반 결함을 주조 특성에 더 해롭게 만들었습니다.

연행 결함에 관한 이전 연구의 대부분은 Al-합금에 대해 수행되었으며 [7 , [13] , [14] , [15] , [16] , [17] , [18] 몇 가지 잠재적인 방법이 제안되었습니다. 알루미늄 합금 주물의 품질에 대한 부정적인 영향을 줄이기 위해. Nyahumwa et al., [16] 은 연행 결함 내의 공극 체적이 열간 등방압 압축(HIP) 공정에 의해 감소될 수 있음을 보여줍니다. Campbell [7] 은 결함 내부의 동반된 가스가 주변 용융물과의 반응으로 인해 소모될 수 있다고 제안했으며, 이는 Raiszedeh와 Griffiths [19]에 의해 추가로 확인되었습니다 ..혼입 가스 소비가 Al-합금 주물의 기계적 특성에 미치는 영향은 [8 , 9]에 의해 조사되었으며 , 이는 혼입 가스의 소비가 주조 재현성의 개선을 촉진함을 시사합니다.

Al-합금 내 결함에 대한 조사와 비교하여 Mg-합금 내 연행 결함에 대한 연구는 상당히 제한적입니다. 연행 결함의 존재는 Mg 합금 주물 [20 , 21] 에서 입증 되었지만 그 거동, 진화 및 연행 가스 소비는 여전히 명확하지 않습니다.

Mg 합금 주조 공정에서 용융물은 일반적으로 마그네슘 점화를 피하기 위해 커버 가스로 보호됩니다. 따라서 모래 또는 매몰 몰드의 공동은 용융물을 붓기 전에 커버 가스로 세척해야 합니다 [22] . 따라서, Mg 합금 주물 내의 연행 가스는 공기만이 아니라 주조 공정에 사용되는 커버 가스를 포함해야 하며, 이는 구조 및 해당 연행 결함의 전개를 복잡하게 만들 수 있습니다.

SF ₆ 은 Mg 합금 주조 공정에 널리 사용되는 대표적인 커버 가스입니다 [23] , [24] , [25] . 이 커버 가스는 유럽의 마그네슘 합금 주조 공장에서 사용하도록 제한되었지만 상업 보고서에 따르면 이 커버는 전 세계 마그네슘 합금 산업, 특히 다음과 같은 글로벌 마그네슘 합금 생산을 지배한 국가에서 여전히 인기가 있습니다. 중국, 브라질, 인도 등 [26] . 또한, 최근 학술지 조사에서도 이 커버가스가 최근 마그네슘 합금 연구에서 널리 사용된 것으로 나타났다 [27] . SF ₆ 커버 가스 의 보호 메커니즘 (즉, 액체 Mg 합금과 SF ₆ 사이의 반응Cover gas)에 대한 연구는 여러 선행연구자들에 의해 이루어졌으나 표면 산화막의 형성과정이 아직 명확하게 밝혀지지 않았으며, 일부 발표된 결과들도 상충되고 있다. 1970년대 초 Fruehling [28] 은 SF ₆ 아래에 형성된 표면 피막이 주로 미량의 불화물과 함께 MgO 임을 발견 하고 SF ₆ 이 Mg 합금 표면 피막에 흡수 된다고 제안했습니다 . Couling [29] 은 흡수된 SF ₆ 이 Mg 합금 용융물과 반응하여 MgF ₂ 를 형성함을 추가로 확인했습니다 . 지난 20년 동안 아래에 자세히 설명된 것처럼 Mg 합금 표면 필름의 다양한 구조가 보고되었습니다.(1)

단층 필름 . Cashion [30 , 31] 은 X선 광전자 분광법(XPS)과 오제 분광법(AES)을 사용하여 표면 필름을 MgO 및 MgF ₂ 로 식별했습니다 . 그는 또한 필름의 구성이 두께와 전체 실험 유지 시간에 걸쳐 일정하다는 것을 발견했습니다. Cashion이 관찰한 필름은 10분에서 100분의 유지 시간으로 생성된 단층 구조를 가졌다.(2)

이중층 필름 . Aarstad et. al [32] 은 2003년에 이중층 표면 산화막을 보고했습니다. 그들은 예비 MgO 막에 부착된 잘 분포된 여러 MgF ₂ 입자를 관찰 하고 전체 표면적의 25-50%를 덮을 때까지 성장했습니다. 외부 MgO 필름을 통한 F의 내부 확산은 진화 과정의 원동력이었습니다. 이 이중층 구조는 Xiong의 그룹 [25 , 33] 과 Shih et al. 도 지지했습니다 . [34] .(삼)

트리플 레이어 필름 . 3층 필름과 그 진화 과정은 Pettersen [35]에 의해 2002년에 보고되었습니다 . Pettersen은 초기 표면 필름이 MgO 상이었고 F의 내부 확산에 의해 점차적으로 안정적인 MgF ₂ 상 으로 진화한다는 것을 발견했습니다 . 두꺼운 상부 및 하부 MgF ₂ 층.(4)

산화물 필름은 개별 입자로 구성 됩니다. Wang et al [36] 은 Mg-alloy 표면 필름을 SF ₆ 커버 가스 하에서 용융물에 교반 한 다음 응고 후 동반된 표면 필름을 검사했습니다. 그들은 동반된 표면 필름이 다른 연구자들이 보고한 보호 표면 필름처럼 계속되지 않고 개별 입자로 구성된다는 것을 발견했습니다. 젊은 산화막은 MgO 나노 크기의 산화물 입자로 구성되어 있는 반면, 오래된 산화막은 한쪽 면에 불화물과 질화물이 포함된 거친 입자(평균 크기 약 1μm)로 구성되어 있습니다.

Mg 합금 용융 표면의 산화막 또는 동반 가스는 모두 액체 Mg 합금과 커버 가스 사이의 반응으로 인해 형성되므로 Mg 합금 표면막에 대한 위에서 언급한 연구는 진화에 대한 귀중한 통찰력을 제공합니다. 연행 결함. 따라서 SF ₆ 커버 가스 의 보호 메커니즘 (즉, Mg-합금 표면 필름의 형성)은 해당 동반 결함의 잠재적인 복잡한 진화 과정을 나타냅니다.

그러나 Mg 합금 용융물에 표면 필름을 형성하는 것은 용융물에 잠긴 동반된 가스의 소비와 다른 상황에 있다는 점에 유의해야 합니다. 예를 들어, 앞서 언급한 연구에서 표면 성막 동안 충분한 양의 커버 가스가 담지되어 커버 가스의 고갈을 억제했습니다. 대조적으로, Mg 합금 용융물 내의 동반된 가스의 양은 유한하며, 동반된 가스는 완전히 고갈될 수 있습니다. Mirak [37] 은 3.5% SF ₆ /기포를 특별히 설계된 영구 금형에서 응고되는 순수한 Mg 합금 용융물에 도입했습니다. 기포가 완전히 소모되었으며, 해당 산화막은 MgO와 MgF ₂ 의 혼합물임을 알 수 있었다.. 그러나 Aarstad [32] 및 Xiong [25 , 33]에 의해 관찰된 MgF ₂ 스팟 과 같은 핵 생성 사이트 는 관찰되지 않았습니다. Mirak은 또한 조성 분석을 기반으로 산화막에서 MgO 이전에 MgF _{2 가} 형성 되었다고 추측했는데 , 이는 이전 문헌에서 보고된 표면 필름 형성 과정(즉, MgF ₂ 이전에 형성된 MgO)과 반대 입니다. Mirak의 연구는 동반된 가스의 산화막 형성이 표면막의 산화막 형성과 상당히 다를 수 있음을 나타내었지만 산화막의 구조와 진화에 대해서는 밝히지 않았습니다.

또한 커버 가스에 캐리어 가스를 사용하는 것도 커버 가스와 액체 Mg 합금 사이의 반응에 영향을 미쳤습니다. SF ₆ /air 는 용융 마그네슘의 점화를 피하기 위해 SF ₆ /CO ₂ 운반 가스 [38] 보다 더 높은 함량의 SF _6을 필요로 하여 다른 가스 소비율을 나타냅니다. Liang et.al [39] 은 CO ₂ 가 캐리어 가스로 사용될 때 표면 필름에 탄소가 형성된다고 제안했는데 , 이는 SF ₆ /air 에서 형성된 필름과 다릅니다 . Mg 연소 [40]에 대한 조사 에서 Mg ₂ C ₃ 검출이 보고되었습니다.CO ₂ 연소 후 Mg 합금 샘플 에서 이는 Liang의 결과를 뒷받침할 뿐만 아니라 이중 산화막 결함에서 Mg 탄화물의 잠재적 형성을 나타냅니다.

여기에 보고된 작업은 다양한 커버 가스(즉, SF ₆ /air 및 SF ₆ /CO ₂ )로 보호되는 AZ91 Mg 합금 주물에서 형성된 연행 결함의 거동과 진화에 대한 조사 입니다. 이러한 캐리어 가스는 액체 Mg 합금에 대해 다른 보호성을 가지며, 따라서 상응하는 동반 가스의 다른 소비율 및 발생 프로세스와 관련될 수 있습니다. AZ91 주물의 재현성에 대한 동반 가스 소비의 영향도 연구되었습니다.

2 . 실험

2.1 . 용융 및 주조

3kg의 AZ91 합금을 700 ± 5 °C의 연강 도가니에서 녹였습니다. AZ91 합금의 조성은 표 1 에 나타내었다 . 가열하기 전에 잉곳 표면의 모든 산화물 스케일을 기계가공으로 제거했습니다. 사용 된 커버 가스는 0.5 %이었다 SF ₆ / 공기 또는 0.5 % SF ₆ / CO ₂ (부피. %) 다른 주물 6L / 분의 유량. 용융물은 15분 동안 0.3L/min의 유속으로 아르곤으로 가스를 제거한 다음 [41 , 42] , 모래 주형에 부었습니다. 붓기 전에 샌드 몰드 캐비티를 20분 동안 커버 가스로 플러싱했습니다 [22] . 잔류 용융물(약 1kg)이 도가니에서 응고되었습니다.

표 1 . 본 연구에 사용된 AZ91 합금의 조성(wt%).

알	아연	미네소타	시	철	니	마그네슘
9.4	0.61	0.15	0.02	0.005	0.0017	잔여

그림 1 (a)는 러너가 있는 주물의 치수를 보여줍니다. 탑 필링 시스템은 최종 주물에서 연행 결함을 생성하기 위해 의도적으로 사용되었습니다. Green과 Campbell [7 , 43] 은 탑 필링 시스템이 바텀 필링 시스템에 비해 주조 과정에서 더 많은 연행 현상(즉, 이중 필름)을 유발한다고 제안했습니다. 이 금형의 용융 흐름 시뮬레이션(Flow-3D 소프트웨어)은 연행 현상에 관한 Reilly의 모델 [44] 을 사용하여 최종 주조에 많은 양의 이중막이 포함될 것이라고 예측했습니다( 그림 1 에서 검은색 입자로 표시됨) . NS).

수축 결함은 또한 주물의 기계적 특성과 재현성에 영향을 미칩니다. 이 연구는 주조 품질에 대한 이중 필름의 영향에 초점을 맞추었기 때문에 수축 결함이 발생하지 않도록 금형을 의도적으로 설계했습니다. ProCAST 소프트웨어를 사용한 응고 시뮬레이션은 그림 1c 와 같이 최종 주조에 수축 결함이 포함되지 않음을 보여주었습니다 . 캐스팅 건전함도 테스트바 가공 전 실시간 X-ray를 통해 확인했다.

모래 주형은 1wt를 함유한 수지 결합된 규사로 만들어졌습니다. % PEPSET 5230 수지 및 1wt. % PEPSET 5112 촉매. 모래는 또한 억제제로 작용하기 위해 2중량%의 Na ₂ SiF ₆ 을 함유했습니다 .. 주입 온도는 700 ± 5 °C였습니다. 응고 후 러너바의 단면을 Sci-Lab Analytical Ltd로 보내 H 함량 분석(LECO 분석)을 하였고, 모든 H 함량 측정은 주조 공정 후 5일째에 실시하였다. 각각의 주물은 인장 강도 시험을 위해 클립 신장계가 있는 Zwick 1484 인장 시험기를 사용하여 40개의 시험 막대로 가공되었습니다. 파손된 시험봉의 파단면을 주사전자현미경(SEM, Philips JEOL7000)을 이용하여 가속전압 5~15kV로 조사하였다. 파손된 시험 막대, 도가니에서 응고된 잔류 Mg 합금 및 주조 러너를 동일한 SEM을 사용하여 단면화하고 연마하고 검사했습니다. CFEI Quanta 3D FEG FIB-SEM을 사용하여 FIB(집속 이온 빔 밀링 기술)에 의해 테스트 막대 파괴 표면에서 발견된 산화막의 단면을 노출했습니다. 분석에 필요한 산화막은 백금층으로 코팅하였다. 그런 다음 30kV로 가속된 갈륨 이온 빔이 산화막의 단면을 노출시키기 위해 백금 코팅 영역을 둘러싼 재료 기판을 밀링했습니다. 산화막 단면의 EDS 분석은 30kV의 가속 전압에서 FIB 장비를 사용하여 수행되었습니다.

2.2 . 산화 세포

전술 한 바와 같이, 몇몇 최근 연구자들은 마그네슘 합금의 용탕 표면에 형성된 보호막 조사 [38 , 39 , [46] , [47] , [48] , [49] , [50] , [51] , [52 ] . 이 실험 동안 사용된 커버 가스의 양이 충분하여 커버 가스에서 불화물의 고갈을 억제했습니다. 이 섹션에서 설명하는 실험은 엔트레인먼트 결함의 산화막의 진화를 연구하기 위해 커버 가스의 공급을 제한하는 밀봉된 산화 셀을 사용했습니다. 산화 셀에 포함된 커버 가스는 큰 크기의 “동반된 기포”로 간주되었습니다.

도 2에 도시된 바와 같이 , 산화셀의 본체는 내부 길이가 400mm, 내경이 32mm인 폐쇄형 연강관이었다. 수냉식 동관을 전지의 상부에 감았습니다. 튜브가 가열될 때 냉각 시스템은 상부와 하부 사이에 온도 차이를 만들어 내부 가스가 튜브 내에서 대류하도록 했습니다. 온도는 도가니 상단에 위치한 K형 열전대로 모니터링했습니다. Nieet al. [53] 은 Mg 합금 용융물의 표면 피막을 조사할 때 SF ₆ 커버 가스가 유지로의 강철 벽과 반응할 것이라고 제안했습니다 . 이 반응을 피하기 위해 강철 산화 전지의 내부 표면(그림 2 참조)) 및 열전대의 상반부는 질화붕소로 코팅되었습니다(Mg 합금은 질화붕소와 접촉하지 않았습니다).

실험 중에 고체 AZ91 합금 블록을 산화 셀 바닥에 위치한 마그네시아 도가니에 넣었습니다. 전지는 1L/min의 가스 유속으로 전기 저항로에서 100℃로 가열되었다. 원래의 갇힌 대기(즉, 공기)를 대체하기 위해 셀을 이 온도에서 20분 동안 유지했습니다. 그런 다음, 산화 셀을 700°C로 더 가열하여 AZ91 샘플을 녹였습니다. 그런 다음 가스 입구 및 출구 밸브가 닫혀 제한된 커버 가스 공급 하에서 산화를 위한 밀폐된 환경이 생성되었습니다. 그런 다음 산화 전지를 5분 간격으로 5분에서 30분 동안 700 ± 10°C에서 유지했습니다. 각 유지 시간이 끝날 때 세포를 물로 켄칭했습니다. 실온으로 냉각한 후 산화된 샘플을 절단하고 연마한 다음 SEM으로 검사했습니다.

3 . 결과

3.1 . SF ₆ /air 에서 형성된 엔트레인먼트 결함의 구조 및 구성

0.5 % SF의 커버 가스 하에서 AZ91 주물에 형성된 유입 결함의 구조 및 조성 ₆ / 공기는 SEM 및 EDS에 의해 관찰되었다. 결과는 그림 3에 스케치된 엔트레인먼트 결함의 두 가지 유형이 있음을 나타냅니다 . (1) 산화막이 전통적인 단층 구조를 갖는 유형 A 결함 및 (2) 산화막이 2개 층을 갖는 유형 B 결함. 이러한 결함의 세부 사항은 다음에 소개되었습니다. 여기에서 비말동반 결함은 생물막 또는 이중 산화막으로도 알려져 있기 때문에 B형 결함의 산화막은 본 연구에서 “다층 산화막” 또는 “다층 구조”로 언급되었습니다. “이중 산화막 결함의 이중층 산화막”과 같은 혼란스러운 설명을 피하기 위해.

그림 4 (ab)는 약 0.4μm 두께의 조밀한 단일층 산화막을 갖는 Type A 결함을 보여줍니다. 이 필름에서 산소, 불소, 마그네슘 및 알루미늄이 검출되었습니다( 그림 4c). 산화막은 마그네슘과 알루미늄의 산화물과 불화물의 혼합물로 추측됩니다. 불소의 검출은 동반된 커버 가스가 이 결함의 형성에 포함되어 있음을 보여주었습니다. 즉, Fig. 4 (a)에 나타난 기공 은 수축결함이나 수소기공도가 아니라 연행결함이었다. 알루미늄의 검출은 Xiong과 Wang의 이전 연구 [47 , 48] 와 다르며 , SF _6으로 보호된 AZ91 용융물의 표면 필름에 알루미늄이 포함되어 있지 않음을 보여주었습니다.커버 가스. 유황은 원소 맵에서 명확하게 인식할 수 없었지만 해당 ESD 스펙트럼에서 S-피크가 있었습니다.

도 5 (ab)는 다층 산화막을 갖는 Type B 엔트레인먼트 결함을 나타낸다. 산화막의 조밀한 외부 층은 불소와 산소가 풍부하지만( 그림 5c) 상대적으로 다공성인 내부 층은 산소만 풍부하고(즉, 불소가 부족) 부분적으로 함께 성장하여 샌드위치 모양을 형성합니다. 구조. 따라서 외층은 불화물과 산화물의 혼합물이며 내층은 주로 산화물로 추정된다. 황은 EDX 스펙트럼에서만 인식될 수 있었고 요소 맵에서 명확하게 식별할 수 없었습니다. 이는 커버 가스의 작은 S 함량(즉, SF ₆ 의 0.5% 부피 함량 때문일 수 있음)커버 가스). 이 산화막에서는 이 산화막의 외층에 알루미늄이 포함되어 있지만 내층에서는 명확하게 검출할 수 없었다. 또한 Al의 분포가 고르지 않은 것으로 보입니다. 결함의 우측에는 필름에 알루미늄이 존재하지만 그 농도는 매트릭스보다 높은 것으로 식별할 수 없음을 알 수 있다. 그러나 결함의 왼쪽에는 알루미늄 농도가 훨씬 높은 작은 영역이 있습니다. 이러한 알루미늄의 불균일한 분포는 다른 결함(아래 참조)에서도 관찰되었으며, 이는 필름 내부 또는 아래에 일부 산화물 입자가 형성된 결과입니다.

무화과 도 4 및 5 는 SF ₆ /air 의 커버 가스 하에 주조된 AZ91 합금 샘플에서 형성된 연행 결함의 횡단면 관찰을 나타낸다 . 2차원 단면에서 관찰된 수치만으로 연행 결함을 특성화하는 것만으로는 충분하지 않습니다. 더 많은 이해를 돕기 위해 테스트 바의 파단면을 관찰하여 엔트레인먼트 결함(즉, 산화막)의 표면을 더 연구했습니다.

Fig. 6 (a)는 SF ₆ /air 에서 생산된 AZ91 합금 인장시험봉의 파단면을 보여준다 . 파단면의 양쪽에서 대칭적인 어두운 영역을 볼 수 있습니다. 그림 6 (b)는 어두운 영역과 밝은 영역 사이의 경계를 보여줍니다. 밝은 영역은 들쭉날쭉하고 부서진 특징으로 구성되어 있는 반면, 어두운 영역의 표면은 비교적 매끄럽고 평평했습니다. 또한 EDS 결과( Fig. 6 c-d 및 Table 2) 불소, 산소, 황 및 질소는 어두운 영역에서만 검출되었으며, 이는 어두운 영역이 용융물에 동반된 표면 보호 필름임을 나타냅니다. 따라서 어두운 영역은 대칭적인 특성을 고려할 때 연행 결함이라고 제안할 수 있습니다. Al-합금 주조물의 파단면에서 유사한 결함이 이전에 보고되었습니다 [7] . 질화물은 테스트 바 파단면의 산화막에서만 발견되었지만 그림 1과 그림 4에 표시된 단면 샘플에서는 검출되지 않았습니다 . 4 및 5 . 근본적인 이유는 이러한 샘플에 포함된 질화물이 샘플 연마 과정에서 가수분해되었을 수 있기 때문입니다 [54] .

표 2 . EDS 결과(wt.%)는 그림 6에 표시된 영역에 해당합니다 (커버 가스: SF ₆ /공기).

	씨	영형	마그네슘	NS	알	아연	NS	NS
그림 6 (b)의 어두운 영역	3.48	1.32	79.13	0.47	13.63	0.57	0.08	0.73
그림 6 (b)의 밝은 영역	3.58	–	84.48	–	11.25	0.68	–	–

도 1 및 도 2에 도시된 결함의 단면 관찰과 함께 . 도 4 및 도 5 를 참조하면, 인장 시험봉에 포함된 연행 결함의 구조를 도 6 (e) 와 같이 스케치하였다 . 결함에는 산화막으로 둘러싸인 동반된 가스가 포함되어 있어 테스트 바 내부에 보이드 섹션이 생성되었습니다. 파괴 과정에서 결함에 인장력이 가해지면 균열이 가장 약한 경로를 따라 전파되기 때문에 보이드 섹션에서 균열이 시작되어 연행 결함을 따라 전파됩니다 [55] . 따라서 최종적으로 시험봉이 파단되었을 때 Fig. 6 (a) 와 같이 시험봉의 양 파단면에 연행결함의 산화피막이 나타났다 .

3.2 . SF ₆ /CO _{2 에} 형성된 연행 결함의 구조 및 조성

SF ₆ /air 에서 형성된 엔트레인먼트 결함과 유사하게, 0.5% SF ₆ /CO ₂ 의 커버 가스 아래에서 형성된 결함 도 두 가지 유형의 산화막(즉, 단층 및 다층 유형)을 가졌다. 도 7 (a)는 다층 산화막을 포함하는 엔트레인먼트 결함의 예를 도시한다. 결함에 대한 확대 관찰( 그림 7b )은 산화막의 내부 층이 함께 성장하여 SF ₆ /air 의 분위기에서 형성된 결함과 유사한 샌드위치 같은 구조를 나타냄을 보여줍니다 ( 그림 7b). 5 나 ). EDS 스펙트럼( 그림 7c) 이 샌드위치형 구조의 접합부(내층)는 주로 산화마그네슘을 함유하고 있음을 보여주었다. 이 EDS 스펙트럼에서는 불소, 황, 알루미늄의 피크가 확인되었으나 그 양은 상대적으로 적었다. 대조적으로, 산화막의 외부 층은 조밀하고 불화물과 산화물의 혼합물로 구성되어 있습니다( 그림 7d-e).

Fig. 8 (a)는 0.5%SF ₆ /CO ₂ 분위기에서 제작된 AZ91 합금 인장시험봉의 파단면의 연행결함을 보여준다 . 상응하는 EDS 결과(표 3)는 산화막이 불화물과 산화물을 함유함을 보여주었다. 황과 질소는 검출되지 않았습니다. 게다가, 확대 관찰( 도 8b)은 산화막 표면에 반점을 나타내었다. 반점의 직경은 수백 나노미터에서 수 마이크론 미터까지 다양했습니다.

산화막의 구조와 조성을 보다 명확하게 나타내기 위해 테스트 바 파단면의 산화막 단면을 FIB 기법을 사용하여 현장에서 노출시켰다( 그림 9 ). 도 9a에 도시된 바와 같이 , 백금 코팅층과 Mg-Al 합금 기재 사이에 연속적인 산화피막이 발견되었다. 그림 9 (bc)는 다층 구조( 그림 9c 에서 빨간색 상자로 표시)를 나타내는 산화막에 대한 확대 관찰을 보여줍니다 . 바닥층은 불소와 산소가 풍부하고 불소와 산화물의 혼합물이어야 합니다 . 5 와 7, 유일한 산소가 풍부한 최상층은 도 1 및 도 2에 도시 된 “내층”과 유사하였다 . 5 및 7 .

연속 필름을 제외하고 도 9 에 도시된 바와 같이 연속 필름 내부 또는 하부에서도 일부 개별 입자가 관찰되었다 . 그림 9( b) 의 산화막 좌측에서 Al이 풍부한 입자가 검출되었으며, 마그네슘과 산소 원소도 풍부하게 함유하고 있어 스피넬 Mg ₂ AlO ₄ 로 추측할 수 있다 . 이러한 Mg ₂ AlO ₄ 입자의 존재는 Fig. 5 와 같이 관찰된 필름의 작은 영역에 높은 알루미늄 농도와 알루미늄의 불균일한 분포의 원인이 된다 .(씨). 여기서 강조되어야 할 것은 연속 산화막의 바닥층의 다른 부분이 이 Al이 풍부한 입자보다 적은 양의 알루미늄을 함유하고 있지만, 그림 9c는 이 바닥층의 알루미늄 양이 여전히 무시할 수 없는 수준임을 나타냅니다 . , 특히 필름의 외층과 비교할 때. 도 9b에 도시된 산화막의 우측 아래에서 입자가 검출되어 Mg와 O가 풍부하여 MgO인 것으로 추측되었다. Wang의 결과에 따르면 [56], Mg 용융물과 Mg 증기의 산화에 의해 Mg 용융물의 표면에 많은 이산 MgO 입자가 형성될 수 있다. 우리의 현재 연구에서 관찰된 MgO 입자는 같은 이유로 인해 형성될 수 있습니다. 실험 조건의 차이로 인해 더 적은 Mg 용융물이 기화되거나 O2와 반응할 수 있으므로 우리 작업에서 형성되는 MgO 입자는 소수에 불과합니다. 또한 필름에서 풍부한 탄소가 발견되어 CO ₂ 가 용융물과 반응하여 탄소 또는 탄화물을 형성할 수 있음을 보여줍니다 . 이 탄소 농도는 표 3에 나타낸 산화막의 상대적으로 높은 탄소 함량 (즉, 어두운 영역) 과 일치하였다 . 산화막 옆 영역.

표 3 . 도 8에 도시된 영역에 상응하는 EDS 결과(wt.%) (커버 가스: SF ₆ / CO ₂ ).

	씨	영형	마그네슘	NS	알	아연	NS	NS
그림 8 (a)의 어두운 영역	7.25	3.64	69.82	3.82	7.03	0.86	–	–
그림 8 (a)의 밝은 영역	2.10	0.44	82.83	–	13.26	1.36	–	–

테스트 바 파단면( 도 9 ) 에서 산화막의 이 단면 관찰은 도 6 (e)에 도시된 엔트레인먼트 결함의 개략도를 추가로 확인했다 . SF ₆ /CO ₂ 와 SF ₆ /air 의 서로 다른 분위기에서 형성된 엔트레인먼트 결함 은 유사한 구조를 가졌지만 그 조성은 달랐다.

3.3 . 산화 전지에서 산화막의 진화

섹션 3.1 및 3.2 의 결과 는 SF ₆ /air 및 SF ₆ /CO _{2 의} 커버 가스 아래에서 AZ91 주조에서 형성된 연행 결함의 구조 및 구성을 보여줍니다 . 산화 반응의 다른 단계는 연행 결함의 다른 구조와 조성으로 이어질 수 있습니다. Campbell은 동반된 가스가 주변 용융물과 반응할 수 있다고 추측했지만 Mg 합금 용융물과 포획된 커버 가스 사이에 반응이 발생했다는 보고는 거의 없습니다. 이전 연구자들은 일반적으로 개방된 환경에서 Mg 합금 용융물과 커버 가스 사이의 반응에 초점을 맞췄습니다 [38 , 39 , [46] , [47], [48] , [49] , [50] , [51] , [52] , 이는 용융물에 갇힌 커버 가스의 상황과 다릅니다. AZ91 합금에서 엔트레인먼트 결함의 형성을 더 이해하기 위해 엔트레인먼트 결함의 산화막의 진화 과정을 산화 셀을 사용하여 추가로 연구했습니다.

.도 10 (a 및 d) 0.5 % 방송 SF 보호 산화 셀에서 5 분 동안 유지 된 표면 막 ₍₆₎ / 공기. 불화물과 산화물(MgF ₂ 와 MgO) 로 이루어진 단 하나의 층이 있었습니다 . 이 표면 필름에서. 황은 EDS 스펙트럼에서 검출되었지만 그 양이 너무 적어 원소 맵에서 인식되지 않았습니다. 이 산화막의 구조 및 조성은 도 4 에 나타낸 엔트레인먼트 결함의 단층막과 유사하였다 .

10분의 유지 시간 후, 얇은 (O,S)가 풍부한 상부층(약 700nm)이 예비 F-농축 필름에 나타나 그림 10 (b 및 e) 에서와 같이 다층 구조를 형성했습니다 . ). (O, S)가 풍부한 최상층의 두께는 유지 시간이 증가함에 따라 증가했습니다. Fig. 10 (c, f) 에서 보는 바와 같이 30분간 유지한 산화막도 다층구조를 가지고 있으나 (O,S)가 풍부한 최상층(약 2.5μm)의 두께가 10분 산화막의 그것. 도 10 (bc) 에 도시 된 다층 산화막 은 도 5에 도시된 샌드위치형 결함의 막과 유사한 외관을 나타냈다 .

도 10에 도시된 산화막의 상이한 구조는 커버 가스의 불화물이 AZ91 합금 용융물과의 반응으로 인해 우선적으로 소모될 것임을 나타내었다. 불화물이 고갈된 후, 잔류 커버 가스는 액체 AZ91 합금과 추가로 반응하여 산화막에 상부 (O, S)가 풍부한 층을 형성했습니다. 따라서 도 1 및 도 3에 도시된 연행 결함의 상이한 구조 및 조성 . 4 와 5 는 용융물과 갇힌 커버 가스 사이의 진행 중인 산화 반응 때문일 수 있습니다.

이 다층 구조는 Mg 합금 용융물에 형성된 보호 표면 필름에 관한 이전 간행물 [38 , [46] , [47] , [48] , [49] , [50] , [51] 에서 보고되지 않았습니다 . . 이는 이전 연구원들이 무제한의 커버 가스로 실험을 수행했기 때문에 커버 가스의 불화물이 고갈되지 않는 상황을 만들었기 때문일 수 있습니다. 따라서 엔트레인먼트 결함의 산화피막은 도 10에 도시된 산화피막과 유사한 거동특성을 가지나 [38 ,[46] , [47] , [48] , [49] , [50] , [51] .

SF 유지 산화막와 마찬가지로 ₆ / 공기, SF에 형성된 산화물 막 ₍₆₎ / CO _2는 또한 세포 산화 다른 유지 시간과 다른 구조를 가지고 있었다. .도 11 (a)는 AZ91 개최 산화막, 0.5 %의 커버 가스 하에서 SF 표면 용융 도시 ₆ / CO _2, 5 분. 이 필름은 MgF ₂ 로 이루어진 단층 구조를 가졌다 . 이 영화에서는 MgO의 존재를 확인할 수 없었다. 30분의 유지 시간 후, 필름은 다층 구조를 가졌다; 내부 층은 조밀하고 균일한 외관을 가지며 MgF ₂ 로 구성 되고 외부 층은 MgF ₂ 혼합물및 MgO. 0.5%SF ₆ /air 에서 형성된 표면막과 다른 이 막에서는 황이 검출되지 않았다 . 따라서, 0.5%SF ₆ /CO ₂ 의 커버 가스 내의 불화물 도 막 성장 과정의 초기 단계에서 우선적으로 소모되었다. SF ₆ /air 에서 형성된 막과 비교하여 SF ₆ /CO ₂ 에서 형성된 막에서 MgO 는 나중에 나타났고 황화물은 30분 이내에 나타나지 않았다. 이는 SF ₆ /air 에서 필름의 형성과 진화 가 SF ₆ /CO ₂ 보다 빠르다 는 것을 의미할 수 있습니다 _. CO ₂ 후속적으로 용융물과 반응하여 MgO를 형성하는 반면, 황 함유 화합물은 커버 가스에 축적되어 반응하여 매우 늦은 단계에서 황화물을 형성할 수 있습니다(산화 셀에서 30분 후).

4 . 논의

4.1 . SF ₆ /air 에서 형성된 연행 결함의 진화

Outokumpu HSC Chemistry for Windows( http://www.hsc-chemistry.net/ )의 HSC 소프트웨어를 사용하여 갇힌 기체와 액체 AZ91 합금 사이에서 발생할 수 있는 반응을 탐색하는 데 필요한 열역학 계산을 수행했습니다. 계산에 대한 솔루션은 소량의 커버 가스(즉, 갇힌 기포 내의 양)와 AZ91 합금 용융물 사이의 반응 과정에서 어떤 생성물이 가장 형성될 가능성이 있는지 제안합니다.

실험에서 압력은 1기압으로, 온도는 700°C로 설정했습니다. 커버 가스의 사용량은 7 × 10으로 가정 하였다 ^-7 약 0.57 cm의 양으로 kg ³ (3.14 × 10 ^-6 0.5 % SF위한 kmol) ₆ / 공기, 0.35 cm ⁽³⁾ (3.12 × 10 ^{– 8} kmol) 0.5%SF ₆ /CO ₂ . 포획된 가스와 접촉하는 AZ91 합금 용융물의 양은 모든 반응을 완료하기에 충분한 것으로 가정되었습니다. SF ₆ 의 분해 생성물 은 SF ₅ , SF ₄ , SF ₃ , SF ₂ , F ₂ , S(g), S ₂(g) 및 F(g) [57] , [58] , [59] , [60] .

그림 12 는 AZ91 합금과 0.5%SF ₆ /air 사이의 반응에 대한 열역학적 계산의 평형 다이어그램을 보여줍니다 . 다이어그램에서 10 ^-15 kmol 미만의 반응물 및 생성물은 표시되지 않았습니다. 이는 존재 하는 SF ₆ 의 양 (≈ 1.57 × 10 ^-10 kmol) 보다 5배 적 으므로 영향을 미치지 않습니다. 실제적인 방법으로 과정을 관찰했습니다.

이 반응 과정은 3단계로 나눌 수 있다.

1단계 : 불화물의 형성. AZ91 용융물은 SF ₆ 및 그 분해 생성물과 우선적으로 반응하여 MgF ₂ , AlF ₃ 및 ZnF _{2 를 생성} 합니다. 그러나 ZnF ₂ 의 양 이 너무 적어서 실제적으로 검출되지 않았을 수 있습니다( MgF ₂ 의 3 × 10 ^-10 kmol에 비해 ZnF ₂ 1.25 × 10 ^-12 kmol ). 섹션 3.1 – 3.3에 표시된 모든 산화막 . 한편, 잔류 가스에 황이 SO ₂ 로 축적되었다 .

2단계 : 산화물의 형성. 액체 AZ91 합금이 포획된 가스에서 사용 가능한 모든 불화물을 고갈시킨 후, Mg와의 반응으로 인해 AlF ₃ 및 ZnF ₂ 의 양이 빠르게 감소했습니다. O ₂ (g) 및 SO ₂ 는 AZ91 용융물과 반응하여 MgO, Al ₂ O ₃ , MgAl ₂ O ₄ , ZnO, ZnSO ₄ 및 MgSO _{4 를 형성} 합니다. 그러나 ZnO 및 ZnSO ₄ 의 양은 EDS에 의해 실제로 발견되기에는 너무 적었을 것입니다(예: 9.5 × 10 ^-12 kmol의 ZnO, 1.38 × 10 ^-14 kmol의 ZnSO ₄ , 대조적으로 4.68 × 10⁻¹⁰ kmol의 MgF ₂ , X 축의 AZ91 양 이 2.5 × 10 ^-9 kmol일 때). 실험 사례에서 커버 가스의 F 농도는 매우 낮고 전체 농도 f O는 훨씬 높습니다. 따라서 1단계와 2단계, 즉 불화물과 산화물의 형성은 반응 초기에 동시에 일어나 그림 1과 2와 같이 불화물과 산화물의 가수층 혼합물이 형성될 수 있다 . 4 및 10 (a). 내부 층은 산화물로 구성되어 있지만 불화물은 커버 가스에서 F 원소가 완전히 고갈된 후에 형성될 수 있습니다.

단계 1-2는 도 10 에 도시 된 다층 구조의 형성 과정을 이론적으로 검증하였다 .

산화막 내의 MgAl ₂ O ₄ 및 Al ₂ O _{3 의} 양은 도 4에 도시된 산화막과 일치하는 검출하기에 충분한 양이었다 . 그러나, 도 10 에 도시된 바와 같이, 산화셀에서 성장된 산화막에서는 알루미늄의 존재를 인식할 수 없었다 . 이러한 Al의 부재는 표면 필름과 AZ91 합금 용융물 사이의 다음 반응으로 인한 것일 수 있습니다.(1)

Al ₂ O ₃ + 3Mg + = 3MgO + 2Al, △G(700°C) = -119.82 kJ/mol(2)

Mg + MgAl ₂ O ₄ = MgO + Al, △G(700°C) = -106.34 kJ/mol이는 반응물이 서로 완전히 접촉한다는 가정 하에 열역학적 계산이 수행되었기 때문에 HSC 소프트웨어로 시뮬레이션할 수 없었습니다. 그러나 실제 공정에서 AZ91 용융물과 커버 가스는 보호 표면 필름의 존재로 인해 서로 완전히 접촉할 수 없습니다.

3단계 : 황화물과 질화물의 형성. 30분의 유지 시간 후, 산화 셀의 기상 불화물 및 산화물이 고갈되어 잔류 가스와 용융 반응을 허용하여 초기 F-농축 또는 (F, O )이 풍부한 표면 필름, 따라서 그림 10 (b 및 c)에 표시된 관찰된 다층 구조를 생성합니다 . 게다가, 질소는 모든 반응이 완료될 때까지 AZ91 용융물과 반응했습니다. 도 6 에 도시 된 산화막 은 질화물 함량으로 인해 이 반응 단계에 해당할 수 있다. 그러나, 그 결과는 도 1 및 도 5에 도시 된 연마된 샘플에서 질화물이 검출되지 않음을 보여준다. 4 와 5, 그러나 테스트 바 파단면에서만 발견됩니다. 질화물은 다음과 같이 샘플 준비 과정에서 가수분해될 수 있습니다 [54] .(삼)

Mg ₃ N ₂ + 6H ₂ O = 3Mg(OH) ₂ + 2NH ₃ ↑(4)

AlN+ 3H ₂ O = Al(OH) ₃ + NH ₃ ↑

또한 Schmidt et al. [61] 은 Mg ₃ N ₂ 와 AlN이 반응하여 3원 질화물(Mg ₃ Al _n N _n+2, n=1, 2, 3…) 을 형성할 수 있음을 발견했습니다 . HSC 소프트웨어에는 삼원 질화물 데이터베이스가 포함되어 있지 않아 계산에 추가할 수 없습니다. 이 단계의 산화막은 또한 삼원 질화물을 포함할 수 있습니다.

4.2 . SF ₆ /CO ₂ 에서 형성된 연행 결함의 진화

도 13 은 AZ91 합금과 0.5%SF ₆ /CO ₂ 사이의 열역학적 계산 결과를 보여준다 . 이 반응 과정도 세 단계로 나눌 수 있습니다.

1단계 : 불화물의 형성. SF ₆ 및 그 분해 생성물은 AZ91 용융물에 의해 소비되어 MgF ₂ , AlF ₃ 및 ZnF _{2 를 형성했습니다} . 0.5% SF ₆ /air 에서 AZ91의 반응에서와 같이 ZnF ₂ 의 양 이 너무 작아서 실제적으로 감지되지 않았습니다( 2.67 x 10 ^-10 kmol의 MgF _{2 에} 비해 ZnF ₂ 1.51 x 10 ^-13 kmol ). S와 같은 잔류 가스 트랩에 축적 유황 ₂ (g) 및 (S)의 일부분 ₍₂₎ (g)가 CO와 반응하여 ₂ SO 형성하는 ₂및 CO. 이 반응 단계의 생성물은 도 11 (a)에 도시된 필름과 일치하며 , 이는 불화물만을 함유하는 단일 층 구조를 갖는다.

2단계 : 산화물의 형성. ALF ₃ 및 ZnF ₂ MgF로 형성 용융 AZ91 마그네슘의 반응 ₂ , Al 및 Zn으로한다. SO ₂ 는 소모되기 시작하여 표면 필름에 산화물을 생성 하고 커버 가스에 S ₂ (g)를 생성했습니다. 한편, CO ₂ 는 AZ91 용융물과 직접 반응하여 CO, MgO, ZnO 및 Al ₂ O _{3 를 형성} 합니다. 도 1에 도시 된 산화막 . 9 및 11 (b)는 산소가 풍부한 층과 다층 구조로 인해 이 반응 단계에 해당할 수 있습니다.

커버 가스의 CO는 AZ91 용융물과 추가로 반응하여 C를 생성할 수 있습니다. 이 탄소는 온도가 감소할 때(응고 기간 동안) Mg와 추가로 반응하여 Mg 탄화물을 형성할 수 있습니다 [62] . 이것은 도 4에 도시된 산화막의 탄소 함량이 높은 이유일 수 있다 . 8 – 9 . Liang et al. [39] 또한 SO ₂ /CO _{2 로} 보호된 AZ91 합금 표면 필름에서 탄소 검출을 보고했습니다 . 생성된 Al ₂ O ₃ 는 MgO와 더 결합하여 MgAl ₂ O ₄[63]를 형성할 수 있습니다 . 섹션 4.1 에서 논의된 바와 같이, 알루미나 및 스피넬은 도 11 에 도시된 바와 같이 표면 필름에 알루미늄 부재를 야기하는 Mg와 반응할 수 있다 .

3단계 : 황화물의 형성. AZ91은 용융물 S 소비하기 시작 ₂ 인 ZnS와 MGS 형성 갇힌 잔류 가스 (g)를. 이러한 반응은 반응 과정의 마지막 단계까지 일어나지 않았으며, 이는 Fig. 7 (c)에 나타난 결함의 S-함량 이 적은 이유일 수 있다 .

요약하면, 열역학적 계산은 AZ91 용융물이 커버 가스와 반응하여 먼저 불화물을 형성한 다음 마지막에 산화물과 황화물을 형성할 것임을 나타냅니다. 다른 반응 단계에서 산화막은 다른 구조와 조성을 가질 것입니다.

4.3 . 운반 가스가 동반 가스 소비 및 AZ91 주물의 재현성에 미치는 영향

SF ₆ /air 및 SF ₆ /CO ₂ 에서 형성된 연행 결함의 진화 과정은 4.1절 과 4.2 절 에서 제안되었습니다 . 이론적인 계산은 실제 샘플에서 발견되는 해당 산화막과 관련하여 검증되었습니다. 연행 결함 내의 대기는 Al-합금 시스템과 다른 시나리오에서 액체 Mg-합금과의 반응으로 인해 효율적으로 소모될 수 있습니다(즉, 연행된 기포의 질소가 Al-합금 용융물과 효율적으로 반응하지 않을 것입니다 [64 , 65] 그러나 일반적으로 “질소 연소”라고 하는 액체 Mg 합금에서 질소가 더 쉽게 소모될 것입니다 [66] ).

동반된 가스와 주변 액체 Mg-합금 사이의 반응은 동반된 가스를 산화막 내에서 고체 화합물(예: MgO)로 전환하여 동반 결함의 공극 부피를 감소시켜 결함(예: 공기의 동반된 가스가 주변의 액체 Mg 합금에 의해 고갈되면 용융 온도가 700 °C이고 액체 Mg 합금의 깊이가 10 cm라고 가정할 때 최종 고체 제품의 총 부피는 0.044가 됩니다. 갇힌 공기가 취한 초기 부피의 %).

연행 결함의 보이드 부피 감소와 해당 주조 특성 사이의 관계는 알루미늄 합금 주조에서 널리 연구되었습니다. Nyahumwa와 Campbell [16] 은 HIP(Hot Isostatic Pressing) 공정이 Al-합금 주물의 연행 결함이 붕괴되고 산화물 표면이 접촉하게 되었다고 보고했습니다. 주물의 피로 수명은 HIP 이후 개선되었습니다. Nyahumwa와 Campbell [16] 도 서로 접촉하고 있는 이중 산화막의 잠재적인 결합을 제안했지만 이를 뒷받침하는 직접적인 증거는 없었습니다. 이 결합 현상은 Aryafar et.al에 의해 추가로 조사되었습니다. [8], 그는 강철 튜브에서 산화물 스킨이 있는 두 개의 Al-합금 막대를 다시 녹인 다음 응고된 샘플에 대해 인장 강도 테스트를 수행했습니다. 그들은 Al-합금 봉의 산화물 스킨이 서로 강하게 결합되어 용융 유지 시간이 연장됨에 따라 더욱 강해짐을 발견했으며, 이는 이중 산화막 내 동반된 가스의 소비로 인한 잠재적인 “치유” 현상을 나타냅니다. 구조. 또한 Raidszadeh와 Griffiths [9 , 19] 는 연행 가스가 반응하는 데 더 긴 시간을 갖도록 함으로써 응고 전 용융 유지 시간을 연장함으로써 Al-합금 주물의 재현성에 대한 연행 결함의 부정적인 영향을 성공적으로 줄였습니다. 주변이 녹습니다.

앞서 언급한 연구를 고려할 때, Mg 합금 주물에서 혼입 가스의 소비는 다음 두 가지 방식으로 혼입 결함의 부정적인 영향을 감소시킬 수 있습니다.

(1) 이중 산화막의 결합 현상 . 도 5 및 도 7 에 도시 된 샌드위치형 구조 는 이중 산화막 구조의 잠재적인 결합을 나타내었다. 그러나 산화막의 결합으로 인한 강도 증가를 정량화하기 위해서는 더 많은 증거가 필요합니다.

(2) 연행 결함의 보이드 체적 감소 . 주조품의 품질에 대한 보이드 부피 감소의 긍정적인 효과는 HIP 프로세스 [67]에 의해 널리 입증되었습니다 . 섹션 4.1 – 4.2 에서 논의된 진화 과정과 같이 , 동반된 가스와 주변 AZ91 합금 용융물 사이의 지속적인 반응으로 인해 동반 결함의 산화막이 함께 성장할 수 있습니다. 최종 고체 생성물의 부피는 동반된 기체에 비해 상당히 작았다(즉, 이전에 언급된 바와 같이 0.044%).

따라서, 혼입 가스의 소모율(즉, 산화막의 성장 속도)은 AZ91 합금 주물의 품질을 향상시키는 중요한 매개변수가 될 수 있습니다. 이에 따라 산화 셀의 산화막 성장 속도를 추가로 조사했습니다.

도 14 는 상이한 커버 가스(즉, 0.5%SF ₆ /air 및 0.5%SF ₆ /CO ₂ ) 에서의 표면 필름 성장 속도의 비교를 보여준다 . 필름 두께 측정을 위해 각 샘플의 15개의 임의 지점을 선택했습니다. 95% 신뢰구간(95%CI)은 막두께의 변화가 가우시안 분포를 따른다는 가정하에 계산하였다. 0.5%SF ₆ /air 에서 형성된 모든 표면막이 0.5%SF ₆ /CO ₂ 에서 형성된 것보다 빠르게 성장함을 알 수 있다 . 다른 성장률은 0.5%SF ₆ /air 의 연행 가스 소비율 이 0.5%SF ₆ /CO ₂ 보다 더 높음 을 시사했습니다., 이는 동반된 가스의 소비에 더 유리했습니다.

산화 셀에서 액체 AZ91 합금과 커버 가스의 접촉 면적(즉, 도가니의 크기)은 많은 양의 용융물과 가스를 고려할 때 상대적으로 작았다는 점에 유의해야 합니다. 결과적으로, 산화 셀 내에서 산화막 성장을 위한 유지 시간은 비교적 길었다(즉, 5-30분). 하지만, 실제 주조에 함유 된 혼입 결함은 (상대적으로 매우 적은, 즉, 수 미크론의 크기에 도시 된 바와 같이 ,도 3. – 6 및 [7]), 동반된 가스는 주변 용융물로 완전히 둘러싸여 상대적으로 큰 접촉 영역을 생성합니다. 따라서 커버 가스와 AZ91 합금 용융물의 반응 시간은 비교적 짧을 수 있습니다. 또한 실제 Mg 합금 모래 주조의 응고 시간은 몇 분일 수 있습니다(예: Guo [68] 은 직경 60mm의 Mg 합금 모래 주조가 응고되는 데 4분이 필요하다고 보고했습니다). 따라서 Mg-합금 용융주조 과정에서 포획된 동반된 가스는 특히 응고 시간이 긴 모래 주물 및 대형 주물의 경우 주변 용융물에 의해 쉽게 소모될 것으로 예상할 수 있습니다.

따라서, 동반 가스의 다른 소비율과 관련된 다른 커버 가스(0.5%SF ₆ /air 및 0.5%SF ₆ /CO ₂ )가 최종 주물의 재현성에 영향을 미칠 수 있습니다. 이 가정을 검증하기 위해 0.5%SF ₆ /air 및 0.5%SF ₆ /CO ₂ 에서 생산된 AZ91 주물 을 기계적 평가를 위해 테스트 막대로 가공했습니다. Weibull 분석은 선형 최소 자승(LLS) 방법과 비선형 최소 자승(비 LLS) 방법을 모두 사용하여 수행되었습니다 [69] .

그림 15 (ab)는 LLS 방법으로 얻은 UTS 및 AZ91 합금 주물의 연신율의 전통적인 2-p 선형 Weibull 플롯을 보여줍니다. 사용된 추정기는 P= (i-0.5)/N이며, 이는 모든 인기 있는 추정기 중 가장 낮은 편향을 유발하는 것으로 제안되었습니다 [69 , 70] . SF ₆ /air 에서 생산된 주물 은 UTS Weibull 계수가 16.9이고 연신율 Weibull 계수가 5.0입니다. 대조적으로, SF ₆ /CO ₂ 에서 생산된 주물의 UTS 및 연신 Weibull 계수는 각각 7.7과 2.7로, SF ₆ /CO _{2 에} 의해 보호된 주물의 재현성이 SF ₆ /air 에서 생산된 것보다 훨씬 낮음을 시사합니다. .

또한 저자의 이전 출판물 [69] 은 선형화된 Weibull 플롯의 단점을 보여주었으며, 이는 Weibull 추정 의 더 높은 편향과 잘못된 R ² 중단을 유발할 수 있습니다 . 따라서 그림 15 (cd) 와 같이 Non-LLS Weibull 추정이 수행되었습니다 . SF ₆ /공기주조물 의 UTS Weibull 계수 는 20.8인 반면, SF ₆ /CO ₂ 하에서 생산된 주조물의 UTS Weibull 계수는 11.4로 낮아 재현성에서 분명한 차이를 보였다. 또한 SF ₆ /air elongation(El%) 데이터 세트는 SF ₆ /CO ₂ 의 elongation 데이터 세트보다 더 높은 Weibull 계수(모양 = 5.8)를 가졌습니다.(모양 = 3.1). 따라서 LLS 및 Non-LLS 추정 모두 SF ₆ /공기 주조가 SF ₆ /CO ₂ 주조 보다 더 높은 재현성을 갖는다고 제안했습니다 . CO ₂ 대신 공기를 사용 하면 혼입된 가스의 더 빠른 소비에 기여하여 결함 내의 공극 부피를 줄일 수 있다는 방법을 지원합니다 . 따라서 0.5%SF ₆ /CO ₂ 대신 0.5%SF ₆ /air를 사용 하면(동반된 가스의 소비율이 증가함) AZ91 주물의 재현성이 향상되었습니다.

그러나 모든 Mg 합금 주조 공장이 현재 작업에서 사용되는 주조 공정을 따랐던 것은 아니라는 점에 유의해야 합니다. Mg의 합금 용탕 본 작업은 탈기에 따라서, 동반 가스의 소비에 수소의 영향을 감소 (즉, 수소 잠재적 동반 가스의 고갈 억제, 동반 된 기체로 확산 될 수있다 [7 , 71 , 72] ). 대조적으로, 마그네슘 합금 주조 공장에서는 마그네슘을 주조할 때 ‘가스 문제’가 없고 따라서 인장 특성에 큰 변화가 없다고 널리 믿어지기 때문에 마그네슘 합금 용융물은 일반적으로 탈기되지 않습니다 [73] . 연구에 따르면 Mg 합금 주물의 기계적 특성에 대한 수소의 부정적인 영향 [41 ,42 , 73] , 탈기 공정은 마그네슘 합금 주조 공장에서 여전히 인기가 없습니다.

또한 현재 작업에서 모래 주형 공동은 붓기 전에 SF ₆ 커버 가스 로 플러싱되었습니다 [22] . 그러나 모든 Mg 합금 주조 공장이 이러한 방식으로 금형 캐비티를 플러싱한 것은 아닙니다. 예를 들어, Stone Foundry Ltd(영국)는 커버 가스 플러싱 대신 유황 분말을 사용했습니다. 그들의 주물 내의 동반된 가스 는 보호 가스라기 보다는 SO ₂ /공기일 수 있습니다 .

따라서 본 연구의 결과는 CO ₂ 대신 공기를 사용 하는 것이 최종 주조의 재현성을 향상시키는 것으로 나타났지만 다른 산업용 Mg 합금 주조 공정과 관련하여 캐리어 가스의 영향을 확인하기 위해서는 여전히 추가 조사가 필요합니다.

7 . 결론

AZ91 합금에 형성된 연행 결함이 관찰되었습니다. 그들의 산화막은 단층과 다층의 두 가지 유형의 구조를 가지고 있습니다. 다층 산화막은 함께 성장하여 최종 주조에서 샌드위치 같은 구조를 형성할 수 있습니다.2.

실험 결과와 이론적인 열역학적 계산은 모두 갇힌 가스의 불화물이 황을 소비하기 전에 고갈되었음을 보여주었습니다. 이중 산화막 결함의 3단계 진화 과정이 제안되었습니다. 산화막은 진화 단계에 따라 다양한 화합물 조합을 포함했습니다. SF ₆ /air 에서 형성된 결함 은 SF ₆ /CO ₂ 에서 형성된 것과 유사한 구조를 갖지만 산화막의 조성은 달랐다. 엔트레인먼트 결함의 산화막 형성 및 진화 과정은 이전에 보고된 Mg 합금 표면막(즉, MgF ₂ 이전에 형성된 MgO)의 것과 달랐다 .삼.

산화막의 성장 속도는 SF하에 큰 것으로 입증되었다 ₍₆₎ / SF보다 공기 ₆ / CO ₂ 손상 봉입 가스의 빠른 소비에 기여한다. AZ91 합금 주물의 재현성은 SF ₆ /CO ₂ 대신 SF ₆ /air를 사용할 때 향상되었습니다 .

감사의 말

저자는 EPSRC LiME 보조금 EP/H026177/1의 자금 지원 과 WD Griffiths 박사와 Adrian Carden(버밍엄 대학교)의 도움을 인정합니다. 주조 작업은 University of Birmingham에서 수행되었습니다.

참조
[1]
MK McNutt , SALAZAR K.
마그네슘, 화합물 및 금속, 미국 지질 조사국 및 미국 내무부
레 스톤 , 버지니아 ( 2013 )
Google 학술검색
[2]
마그네슘
화합물 및 금속, 미국 지질 조사국 및 미국 내무부
( 1996 )
Google 학술검색
[삼]
I. Ostrovsky , Y. Henn
ASTEC’07 International Conference-New Challenges in Aeronautics , Moscow ( 2007 ) , pp. 1 – 5
8월 19-22일
Scopus에서 레코드 보기Google 학술검색
[4]
Y. Wan , B. Tang , Y. Gao , L. Tang , G. Sha , B. Zhang , N. Liang , C. Liu , S. Jiang , Z. Chen , X. Guo , Y. Zhao
액타 메이터. , 200 ( 2020 ) , 274 – 286 페이지
기사PDF 다운로드Scopus에서 레코드 보기
[5]
JTJ Burd , EA Moore , H. Ezzat , R. Kirchain , R. Roth
적용 에너지 , 283 ( 2021 ) , 제 116269 조
기사PDF 다운로드Scopus에서 레코드 보기
[6]
AM 루이스 , JC 켈리 , 조지아주 Keoleian
적용 에너지 , 126 ( 2014 ) , pp. 13 – 20
기사PDF 다운로드Scopus에서 레코드 보기
[7]
J. 캠벨
주물
버터워스-하이네만 , 옥스퍼드 ( 2004 )
Google 학술검색
[8]
M. Aryafar , R. Raiszadeh , A. Shalbafzadeh
J. 메이터. 과학. , 45 ( 2010 년 ) , PP. (3041) – 3051
교차 참조Scopus에서 레코드 보기
[9]
R. 라이자데 , WD 그리피스
메탈. 메이터. 트랜스. B-프로세스 메탈. 메이터. 프로세스. 과학. , 42 ( 2011 ) , 133 ~ 143페이지
교차 참조Scopus에서 레코드 보기
[10]
R. 라이자데 , WD 그리피스
J. 합금. Compd. , 491 ( 2010 ) , 575 ~ 580 쪽
기사PDF 다운로드Scopus에서 레코드 보기
[11]
L. Peng , G. Zeng , TC Su , H. Yasuda , K. Nogita , CM Gourlay
JOM , 71 ( 2019 ) , pp. 2235 – 2244
교차 참조Scopus에서 레코드 보기
[12]
S. Ganguly , AK Mondal , S. Sarkar , A. Basu , S. Kumar , C. Blawert
코로스. 과학. , 166 ( 2020 )
[13]
GE Bozchaloei , N. Varahram , P. Davami , SK 김
메이터. 과학. 영어 A-구조체. 메이터. 소품 Microstruct. 프로세스. , 548 ( 2012 ) , 99 ~ 105페이지
Scopus에서 레코드 보기
[14]
S. 폭스 , J. 캠벨
Scr. 메이터. , 43 ( 2000 ) , PP. 881 – 886
기사PDF 다운로드Scopus에서 레코드 보기
[15]
M. 콕스 , RA 하딩 , J. 캠벨
메이터. 과학. 기술. , 19 ( 2003 ) , 613 ~ 625페이지
Scopus에서 레코드 보기
[16]
C. Nyahumwa , NR Green , J. Campbell
메탈. 메이터. 트랜스. A-Phys. 메탈. 메이터. 과학. , 32 ( 2001 ) , 349 ~ 358 쪽
Scopus에서 레코드 보기
[17]
A. Ardekhani , R. Raiszadeh
J. 메이터. 영어 공연하다. , 21 ( 2012 ) , pp. 1352 – 1362
교차 참조Scopus에서 레코드 보기
[18]
X. Dai , X. Yang , J. Campbell , J. Wood
메이터. 과학. 기술. , 20 ( 2004 ) , 505 ~ 513 쪽
Scopus에서 레코드 보기
[19]
EM 엘갈라드 , MF 이브라힘 , HW 도티 , FH 사무엘
필로스. 잡지. , 98 ( 2018 ) , PP. 1337 – 1359
교차 참조Scopus에서 레코드 보기
[20]
WD 그리피스 , NW 라이
메탈. 메이터. 트랜스. A-Phys. 메탈. 메이터. 과학. , 38A ( 2007 ) , PP. 190 – 196
교차 참조Scopus에서 레코드 보기
[21]
AR Mirak , M. Divandari , SMA Boutorabi , J. 캠벨
국제 J. 캐스트 만났습니다. 해상도 , 20 ( 2007 ) , PP. 215 – 220
교차 참조Scopus에서 레코드 보기
[22]
C. 칭기
주조공학 연구실
Helsinki University of Technology , Espoo, Finland ( 2006 )
Google 학술검색
[23]
Y. Jia , J. Hou , H. Wang , Q. Le , Q. Lan , X. Chen , L. Bao
J. 메이터. 프로세스. 기술. , 278 ( 2020 ) , 제 116542 조
기사PDF 다운로드Scopus에서 레코드 보기
[24]
S. Ouyang , G. Yang , H. Qin , S. Luo , L. Xiao , W. Jie
메이터. 과학. 영어 A , 780 ( 2020 ) , 제 139138 조
기사PDF 다운로드Scopus에서 레코드 보기
[25]
에스엠. Xiong , X.-F. 왕
트랜스. 비철금속 사회 중국 , 20 ( 2010 ) , pp. 1228 – 1234
기사PDF 다운로드Scopus에서 레코드 보기
[26]
지브이리서치
그랜드뷰 리서치
( 2018 )
미국
Google 학술검색
[27]
T. 리 , J. 데이비스
메탈. 메이터. 트랜스. , 51 ( 2020 ) , PP. 5,389 – (5400)
교차 참조Scopus에서 레코드 보기
[28]
JF Fruehling, 미시간 대학, 1970.
Google 학술검색
[29]
S. 쿨링
제36회 세계 마그네슘 연례 회의 , 노르웨이 ( 1979 ) , pp. 54 – 57
Scopus에서 레코드 보기Google 학술검색
[30]
S. Cashion , N. Ricketts , P. Hayes
J. 가벼운 만남. , 2 ( 2002 ) , 43 ~ 47페이지
기사PDF 다운로드Scopus에서 레코드 보기
[31]
S. Cashion , N. Ricketts , P. Hayes
J. 가벼운 만남. , 2 ( 2002 ) , PP. 37 – 42
기사PDF 다운로드Scopus에서 레코드 보기
[32]
K. Aarstad , G. Tranell , G. Pettersen , TA Engh
SF6에 의해 보호되는 마그네슘의 표면을 연구하는 다양한 기술
TMS ( 2003년 )
Google 학술검색
[33]
에스엠 Xiong , X.-L. 리우
메탈. 메이터. 트랜스. , 38 ( 2007 년 ) , PP. (428) – (434)
교차 참조Scopus에서 레코드 보기
[34]
T.-S. 시 , J.-B. Liu , P.-S. 웨이
메이터. 화학 물리. , 104 ( 2007 ) , 497 ~ 504페이지
기사PDF 다운로드Scopus에서 레코드 보기
[35]
G. Pettersen , E. Øvrelid , G. Tranell , J. Fenstad , H. Gjestland
메이터. 과학. 영어 , 332 ( 2002 ) , PP. (285) – (294)
기사PDF 다운로드Scopus에서 레코드 보기
[36]
H. Bo , LB Liu , ZP Jin
J. 합금. Compd. , 490 ( 2010 ) , 318 ~ 325 쪽
기사PDF 다운로드Scopus에서 레코드 보기
[37]
A. 미락 , C. 데이비슨 , J. 테일러
코로스. 과학. , 52 ( 2010 ) , PP. 1992 년 – 2000
기사PDF 다운로드Scopus에서 레코드 보기
[38]
BD 리 , UH 부리 , KW 리 , GS 한강 , JW 한
메이터. 트랜스. , 54 ( 2013 ) , 66 ~ 73페이지
Scopus에서 레코드 보기
[39]
WZ Liang , Q. Gao , F. Chen , HH Liu , ZH Zhao
China Foundry , 9 ( 2012 ) , pp. 226 – 230
교차 참조Scopus에서 레코드 보기
[40]
UI 골드슐레거 , EY 샤피로비치
연소. 폭발 충격파 , 35 ( 1999 ) , 637 ~ 644페이지
Scopus에서 레코드 보기
[41]
A. Elsayed , SL Sin , E. Vandersluis , J. Hill , S. Ahmad , C. Ravindran , S. Amer Foundry
트랜스. 오전. 파운드리 Soc. , 120 ( 2012 ) , 423 ~ 429페이지
Scopus에서 레코드 보기
[42]
E. Zhang , GJ Wang , ZC Hu
메이터. 과학. 기술. , 26 ( 2010 ) , 1253 ~ 1258페이지
Scopus에서 레코드 보기
[43]
NR 그린 , J. 캠벨
메이터. 과학. 영어 A-구조체. 메이터. 소품 Microstruct. 프로세스. , 173 ( 1993 ) , 261 ~ 266 쪽
기사PDF 다운로드Scopus에서 레코드 보기
[44]
C 라일리 , MR 졸리 , NR 그린
MCWASP XII 논문집 – 주조, 용접 및 고급 Solidifcation 프로세스의 12 모델링 , 밴쿠버, 캐나다 ( 2009 )
Google 학술검색
[45]
HE Friedrich, BL Mordike, Springer, 독일, 2006.
Google 학술검색
[46]
C. Zheng , BR Qin , XB Lou
기계, 산업 및 제조 기술에 관한 2010 국제 회의 , ASME ( 2010 ) , pp. 383 – 388
2010년 미트
교차 참조Scopus에서 레코드 보기Google 학술검색
[47]
SM Xiong , XF 왕
트랜스. 비철금속 사회 중국 , 20 ( 2010 ) , pp. 1228 – 1234
기사PDF 다운로드Scopus에서 레코드 보기
[48]
SM Xiong , XL Liu
메탈. 메이터. 트랜스. A-Phys. 메탈. 메이터. 과학. , 38A ( 2007 ) , PP. (428) – (434)
교차 참조Scopus에서 레코드 보기
[49]
TS Shih , JB Liu , PS Wei
메이터. 화학 물리. , 104 ( 2007 ) , 497 ~ 504페이지
기사PDF 다운로드Scopus에서 레코드 보기
[50]
K. Aarstad , G. Tranell , G. Pettersen , TA Engh
매그. 기술. ( 2003 ) , PP. (5) – (10)
Scopus에서 레코드 보기
[51]
G. Pettersen , E. Ovrelid , G. Tranell , J. Fenstad , H. Gjestland
메이터. 과학. 영어 A-구조체. 메이터. 소품 Microstruct. 프로세스. , 332 ( 2002 ) , 285 ~ 294페이지
기사PDF 다운로드Scopus에서 레코드 보기
[52]
XF 왕 , SM Xiong
코로스. 과학. , 66 ( 2013 ) , PP. 300 – 307
기사PDF 다운로드Scopus에서 레코드 보기
[53]
SH Nie , SM Xiong , BC Liu
메이터. 과학. 영어 A-구조체. 메이터. 소품 Microstruct. 프로세스. , 422 ( 2006 ) , 346 ~ 351페이지
기사PDF 다운로드Scopus에서 레코드 보기
[54]
C. Bauer , A. Mogessie , U. Galovsky
Zeitschrift 모피 Metallkunde , 97 ( 2006 ) , PP. (164) – (168)
교차 참조Scopus에서 레코드 보기
[55]
QG 왕 , D. Apelian , DA Lados
J. 가벼운 만남. , 1 ( 2001 ) , PP. (73) – 84
기사PDF 다운로드Scopus에서 레코드 보기
[56]
S. Wang , Y. Wang , Q. Ramasse , Z. Fan
메탈. 메이터. 트랜스. , 51 ( 2020 ) , PP. 2957 – 2974
교차 참조Scopus에서 레코드 보기
[57]
S. Hayashi , W. Minami , T. Oguchi , HJ Kim
카그. 코그. 론분슈 , 35 ( 2009 ) , 411 ~ 415페이지
교차 참조Scopus에서 레코드 보기
[58]
K. 아르스타드
노르웨이 과학 기술 대학교
( 2004년 )
Google 학술검색
[59]
RL 윌킨스
J. Chem. 물리. , 51 ( 1969 ) , p. 853
-&
Scopus에서 레코드 보기
[60]
O. Kubaschewski , K. Hesselemam
무기물의 열화학적 성질
Springer-Verlag , 벨린 ( 1991 )
Google 학술검색
[61]
R. Schmidt , M. Strobele , K. Eichele , HJ Meyer
유로 J. Inorg. 화학 ( 2017 ) , PP. 2727 – 2735
교차 참조Scopus에서 레코드 보기
[62]
B. Hu , Y. Du , H. Xu , W. Sun , WW Zhang , D. Zhao
제이민 메탈. 분파. B-금속. , 46 ( 2010 ) , 97 ~ 103페이지
Scopus에서 레코드 보기
[63]
O. Salas , H. Ni , V. Jayaram , KC Vlach , CG Levi , R. Mehrabian
J. 메이터. 해상도 , 6 ( 1991 ) , 1964 ~ 1981페이지
Scopus에서 레코드 보기
[64]
SSS Kumari , UTS Pillai , BC 빠이
J. 합금. Compd. , 509 ( 2011 ) , pp. 2503 – 2509
기사PDF 다운로드Scopus에서 레코드 보기
[65]
H. Scholz , P. Greil
J. 메이터. 과학. , 26 ( 1991 ) , 669 ~ 677 쪽
Scopus에서 레코드 보기
[66]
P. Biedenkopf , A. Karger , M. Laukotter , W. Schneider
매그. 기술. , 2005년 ( 2005년 ) , 39 ~ 42 쪽
Scopus에서 레코드 보기
[67]
HV 앳킨슨 , S. 데이비스
메탈. 메이터. 트랜스. , 31 ( 2000 ) , PP. 2981 – 3000
교차 참조Scopus에서 레코드 보기
[68]
EJ Guo , L. Wang , YC Feng , LP Wang , YH Chen
J. 썸. 항문. 칼로리. , 135 ( 2019 ) , PP. 2001 년 – 2008 년
교차 참조Scopus에서 레코드 보기
[69]
T. Li , WD Griffiths , J. Chen
메탈. 메이터. 트랜스. A-Phys. 메탈. 메이터. 과학. , 48A ( 2017 ) , PP. 5516 – 5528
교차 참조Scopus에서 레코드 보기
[70]
M. Tiryakioglu , D. Hudak는
J. 메이터. 과학. , 42 ( 2007 ) , pp. 10173 – 10179
교차 참조Scopus에서 레코드 보기
[71]
Y. Yue , WD Griffiths , JL Fife , NR Green
제1회 3d 재료과학 국제학술대회 논문집 ( 2012 ) , pp. 131 – 136
교차 참조Scopus에서 레코드 보기Google 학술검색
[72]
R. 라이자데 , WD 그리피스
메탈. 메이터. 트랜스. B-프로세스 메탈. 메이터. 프로세스. 과학. , 37 ( 2006 ) , PP. (865) – (871)
Scopus에서 레코드 보기
[73]
ZC Hu , EL Zhang , SY Zeng
메이터. 과학. 기술. , 24 ( 2008 ) , 1304 ~ 1308페이지
교차 참조Scopus에서 레코드 보기

PDF View

Stability and deformations of deposited layers in material extrusion additive manufacturing

Conflict resolution in the multi-stakeholder stepped spillway design under uncertainty by machine learning techniques

Md TusherMollah, Raphaël Comminal, Marcin P.Serdeczny, David B.Pedersen, Jon Spangenberg
Department of Mechanical Engineering, Technical University of Denmark, Kgs. Lyngby, Denmark

Abstract

이 논문은 재료 압출 적층 제조에서 여러 레이어를 인쇄하는 동안 증착 흐름의 전산 유체 역학 시뮬레이션을 제공합니다. 개발된 모델은 증착된 레이어의 형태를 예측하고 점소성 재료를 인쇄하는 동안 레이어 변형을 캡처합니다.

물리학은 일반화된 뉴턴 유체로 공식화된 Bingham 구성 모델의 연속성 및 운동량 방정식에 의해 제어됩니다. 증착된 층의 단면 모양이 예측되고 재료의 다양한 구성 매개변수에 대해 층의 변형이 연구됩니다. 층의 변형은 인쇄물의 정수압과 압출시 압출압력으로 인한 것임을 알 수 있다.

시뮬레이션에 따르면 항복 응력이 높을수록 변형이 적은 인쇄물이 생성되는 반면 플라스틱 점도가 높을수록 증착된 레이어에서 변형이 커집니다. 또한 인쇄 속도, 압출 속도, 층 높이 및 노즐 직경이 인쇄된 층의 변형에 미치는 영향을 조사했습니다.

마지막으로, 이 모델은 후속 인쇄된 레이어의 정수압 및 압출 압력을 지원하기 위해 증착 후 점소성 재료가 요구하는 항복 응력의 필요한 증가에 대한 보수적인 추정치를 제공합니다.

Keywords

Viscoplastic MaterialsMaterial Extrusion Additive Manufacturing (MEX-AM)Multiple-Layers DepositionComputational Fluid Dynamics (CFD)Deformation Control

참조 : YS Lee and W. Zhang, Modeling of heat transfer, fluid flow and solidification microstructure of nickel-base superalloy fabricated by laser powder bed fusion , S2214-8604 (16) 30087-2, doi.org/10.1016/j.addma .2016.05.003 , ADDMA 86.

FLOW-3D AM 미세 구조 예측 | 열 응력 해석

미세 구조 예측

냉각 속도 및 온도 구배와 같은 FLOW-3D AM 데이터를 미세 구조 모델에 입력하여 결정 성장 및 수상 돌기 암 간격을 예측할 수 있습니다.

레이저 파우더 베드 융합으로 제작 된 니켈 기반 초합금의 열전달, 유체 흐름 및 응고 미세 구조 모델링

오하이오 주립 대학의 연구원들은 니켈 기반 초합금의 미세 구조 진화를 예측하기 위해 용융 풀과 고체 / 액체 인터페이스의 적절한 위치에서 열 구배 및 냉각 속도 데이터를 추출했습니다.

열 응력 | Thermal Stresses

FLOW-3D AM 시뮬레이션의 결과를 ABAQUS 또는 MSC NASTRAN과 같은 FEA 소프트웨어에 입력하여 추가 열 응력 분석을 실행할 수 있습니다. 여기에서 T- 조인트의 레이저 용접 시뮬레이션 결과를 추가 응력 분석을 위해 ABAQUS로 가져 오는 방법을 볼 수 있습니다. 마찬가지로 LPBF 시뮬레이션에서 응고 된 용융 풀 데이터의 결과를 사용하여 다른 FEA 소프트웨어에서 열 응력 및 왜곡 분석을 연구 할 수 있습니다.

Thermal Stresses Case Study

Directed Energy Deposition

DED (Directed Energy Deposition)는 레이저 또는 전자 빔과 같은 에너지 소스를 사용하여 가열 및 융합되는 와이어 또는 분말을 증착하여 부품을 만드는 적층 제조 공정입니다. FLOW-3D AM 은 분말 또는 와이어 이송 속도 및 크기 특성, 레이저 출력 및 스캔 속도와 같은 공정 매개 변수를 고려하여 DED 공정을 시뮬레이션 할 수 있습니다. 또한, 기판과 분말 재료의 서로 다른 합금에 대해 독립적 인 열 물리적 재료 특성을 정의하여 다중 재료 DED 프로세스를 시뮬레이션 할 수 있습니다.

레이저 물리학의 구현과 열 전달, 응고, 표면 장력, 차폐 가스 효과 및 반동 압력을 포함한 압력 효과를 통해 연구원은 결과 용접 비드의 강도 및 균일성에 대한 공정 매개 변수의 영향을 정확하게 분석 할 수 있습니다. 또한 이러한 시뮬레이션을 여러 레이어로 확장하여 후속 레이어 간의 융합을 분석 할 수 있습니다.

FLOW-3D AM

와이어 파우더 기반 DED | Wire Powder Based DED

일부 연구자들은 부품을 만들기 위해 더 넓은 범위의 처리 조건을 사용하여 하이브리드 와이어 분말 기반 DED 시스템을 찾고 있습니다. 예를 들어, 이 시뮬레이션은 다양한 분말 및 와이어 이송 속도를 가진 하이브리드 시스템을 살펴봅니다.

와이어 기반 DED | Wire Based DED

와이어 기반 DED는 분말 기반 DED보다 처리량이 높고 낭비가 적지만 재료 구성 및 증착 방향 측면에서 유연성이 떨어집니다. FLOW-3D AM 은 와이어 기반 DED의 처리 결과를 이해하는데 유용하며 최적화 연구를 통해 빌드에 대한 와이어 이송 속도 및 직경과 같은 최상의 처리 매개 변수를 찾을 수 있습니다.

FLOW-3D AM Brochure Download

FLOW-3D AM은 레이저 파우더 베드 융합 (L-PBF), 바인더 제트 및 DED (Directed Energy Deposition)와 같은 적층 제조 공정 ( additive manufacturing )을 시뮬레이션하고 분석하는 CFD 소프트웨어입니다. FLOW-3D AM 의 다중 물리 기능은 공정 매개 변수의 분석 및 최적화를 위해 분말 확산 및 압축, 용융 풀 역학, L-PBF 및 DED에 대한 다공성 형성, 바인더 분사 공정을 위한 수지 침투 및 확산에 대해 매우 정확한 시뮬레이션을 제공합니다.

3D 프린팅이라고도하는 적층 제조(additive manufacturing)는 일반적으로 층별 접근 방식을 사용하여, 분말 또는 와이어로 부품을 제조하는 방법입니다. 금속 기반 적층 제조 공정에 대한 관심은 지난 몇 년 동안 시작되었습니다. 오늘날 사용되는 3 대 금속 적층 제조 공정은 PBF (Powder Bed Fusion), DED (Directed Energy Deposition) 및 바인더 제트 ( Binder jetting ) 공정입니다. FLOW-3D AM 은 이러한 각 프로세스에 대한 고유 한 시뮬레이션 통찰력을 제공합니다.

파우더 베드 융합 및 직접 에너지 증착 공정에서 레이저 또는 전자 빔을 열원으로 사용할 수 있습니다. 두 경우 모두 PBF용 분말 형태와 DED 공정용 분말 또는 와이어 형태의 금속을 완전히 녹여 융합하여 층별로 부품을 형성합니다. 그러나 바인더 젯팅(Binder jetting)에서는 결합제 역할을 하는 수지가 금속 분말에 선택적으로 증착되어 층별로 부품을 형성합니다. 이러한 부품은 더 나은 치밀화를 달성하기 위해 소결됩니다.

FLOW-3D AM 의 자유 표면 추적 알고리즘과 다중 물리 모델은 이러한 각 프로세스를 높은 정확도로 시뮬레이션 할 수 있습니다. 레이저 파우더 베드 융합 (L-PBF) 공정 모델링 단계는 여기에서 자세히 설명합니다. DED 및 바인더 분사 공정에 대한 몇 가지 개념 증명 시뮬레이션도 표시됩니다.

레이저 파우더 베드 퓨전 (L-PBF)

LPBF 공정에는 유체 흐름, 열 전달, 표면 장력, 상 변화 및 응고와 같은 복잡한 다중 물리학 현상이 포함되어 공정 및 궁극적으로 빌드 품질에 상당한 영향을 미칩니다. FLOW-3D AM 의 물리적 모델은 질량, 운동량 및 에너지 보존 방정식을 동시에 해결하는 동시에 입자 크기 분포 및 패킹 비율을 고려하여 중규모에서 용융 풀 현상을 시뮬레이션합니다.

FLOW-3D DEM 및 FLOW-3D WELD 는 전체 파우더 베드 융합 공정을 시뮬레이션하는 데 사용됩니다. L-PBF 공정의 다양한 단계는 분말 베드 놓기, 분말 용융 및 응고,이어서 이전에 응고 된 층에 신선한 분말을 놓는 것, 그리고 다시 한번 새 층을 이전 층에 녹이고 융합시키는 것입니다. FLOW-3D AM 은 이러한 각 단계를 시뮬레이션하는 데 사용할 수 있습니다.

파우더 베드 부설 공정

FLOW-3D DEM을 통해 분말 크기 분포, 재료 특성, 응집 효과는 물론 롤러 또는 블레이드 움직임 및 상호 작용과 같은 기하학적 효과와 관련된 분말 확산 및 압축을 이해할 수 있습니다. 이러한 시뮬레이션은 공정 매개 변수가 후속 인쇄 공정에서 용융 풀 역학에 직접적인 영향을 미치는 패킹 밀도와 같은 분말 베드 특성에 어떻게 영향을 미치는지에 대한 정확한 이해를 제공합니다.

다양한 파우더 베드 압축을 달성하는 한 가지 방법은 베드를 놓는 동안 다양한 입자 크기 분포를 선택하는 것입니다. 아래에서 볼 수 있듯이 세 가지 크기의 입자 크기 분포가 있으며, 이는 가장 높은 압축을 제공하는 Case 2와 함께 다양한 분말 베드 압축을 초래합니다.

파우더 베드 분포 다양한 입자 크기 분포 — 세 가지 다른 입자 크기 분포를 사용하여 파우더 베드 배치

파우더 베드 압축 결과 — 세 가지 다른 입자 크기 분포를 사용한 분말 베드 압축

입자-입자 상호 작용, 유체-입자 결합 및 입자 이동 물체 상호 작용은 FLOW-3D DEM을 사용하여 자세히 분석 할 수도 있습니다 . 또한 입자간 힘을 지정하여 분말 살포 응용 분야를 보다 정확하게 연구 할 수도 있습니다.

이 FLOW-3D AM 시뮬레이션은 이산 요소 방법 (DEM)을 사용하여 역 회전하는 원통형 롤러로 인한 분말 확산을 연구합니다. 비디오 시작 부분에서 빌드 플랫폼이 위로 이동하는 동안 분말 저장소가 아래로 이동합니다. 그 직후, 롤러는 분말 입자 (초기 위치에 따라 색상이 지정됨)를 다음 층이 녹고 구축 될 준비를 위해 구축 플랫폼으로 펼칩니다. 이러한 시뮬레이션은 저장소에서 빌드 플랫폼으로 전송되는 분말 입자의 선호 크기에 대한 추가 통찰력을 제공 할 수 있습니다.

Melting | 파우더 베드 용해

DEM 시뮬레이션에서 파우더 베드가 생성되면 STL 파일로 추출됩니다. 다음 단계는 CFD를 사용하여 레이저 용융 공정을 시뮬레이션하는 것입니다. 여기서는 레이저 빔과 파우더 베드의 상호 작용을 모델링 합니다. 이 프로세스를 정확하게 포착하기 위해 물리학에는 점성 흐름, 용융 풀 내의 레이저 반사 (광선 추적을 통해), 열 전달, 응고, 상 변화 및 기화, 반동 압력, 차폐 가스 압력 및 표면 장력이 포함됩니다. 이 모든 물리학은 이 복잡한 프로세스를 정확하게 시뮬레이션하기 위해 TruVOF 방법을 기반으로 개발되었습니다.

레이저 출력 200W, 스캔 속도 3.0m / s, 스폿 반경 100μm에서 파우더 베드의 용융 풀 분석.

용융 풀이 응고되면 FLOW-3D AM 압력 및 온도 데이터를 Abaqus 또는 MSC Nastran과 같은 FEA 도구로 가져와 응력 윤곽 및 변위 프로파일을 분석 할 수도 있습니다.

Multilayer | 다층 적층 제조

용융 풀 트랙이 응고되면 DEM을 사용하여 이전에 응고된 층에 새로운 분말 층의 확산을 시뮬레이션 할 수 있습니다. 유사하게, 레이저 용융은 새로운 분말 층에서 수행되어 후속 층 간의 융합 조건을 분석 할 수 있습니다.

해석 진행 절차는 첫 번째 용융층이 응고되면 입자의 두 번째 층이 응고 층에 증착됩니다. 새로운 분말 입자 층에 레이저 공정 매개 변수를 지정하여 용융 풀 시뮬레이션을 다시 수행합니다. 이 프로세스를 여러 번 반복하여 연속적으로 응고된 층 간의 융합, 빌드 내 온도 구배를 평가하는 동시에 다공성 또는 기타 결함의 형성을 모니터링 할 수 있습니다.

LPBF의 키홀 링 | Keyholing in LPBF

키홀링 중 다공성은 어떻게 형성됩니까? 이것은 TU Denmark의 연구원들이 FLOW-3D AM을 사용하여 답변한 질문이었습니다. 레이저 빔의 적용으로 기판이 녹으면 기화 및 상 변화로 인한 반동 압력이 용융 풀을 압박합니다. 반동 압력으로 인한 하향 흐름과 레이저 반사로 인한 추가 레이저 에너지 흡수가 공존하면 폭주 효과가 발생하여 용융 풀이 Keyholing으로 전환됩니다. 결국, 키홀 벽을 따라 온도가 변하기 때문에 표면 장력으로 인해 벽이 뭉쳐져서 진행되는 응고 전선에 의해 갇힐 수 있는 공극이 생겨 다공성이 발생합니다. FLOW-3D AM 레이저 파우더 베드 융합 공정 모듈은 키홀링 및 다공성 형성을 시뮬레이션 하는데 필요한 모든 물리 모델을 보유하고 있습니다.

바인더 분사 (Binder jetting)

Binder jetting 시뮬레이션은 모세관 힘의 영향을받는 파우더 베드에서 바인더의 확산 및 침투에 대한 통찰력을 제공합니다. 공정 매개 변수와 재료 특성은 증착 및 확산 공정에 직접적인 영향을 미칩니다.

Scan Strategy | 스캔 전략

스캔 전략은 온도 구배 및 냉각 속도에 영향을 미치기 때문에 미세 구조에 직접적인 영향을 미칩니다. 연구원들은 FLOW-3D AM 을 사용하여 결함 형성과 응고된 금속의 미세 구조에 영향을 줄 수 있는 트랙 사이에서 발생하는 재 용융을 이해하기 위한 최적의 스캔 전략을 탐색하고 있습니다. FLOW-3D AM 은 하나 또는 여러 레이저에 대해 시간에 따른 방향 속도를 구현할 때 완전한 유연성을 제공합니다.

Beam Shaping | 빔 형성

레이저 출력 및 스캔 전략 외에도 레이저 빔 모양과 열유속 분포는 LPBF 공정에서 용융 풀 역학에 큰 영향을 미칩니다. AM 기계 제조업체는 공정 안정성 및 처리량에 대해 다중 코어 및 임의 모양의 레이저 빔 사용을 모색하고 있습니다. FLOW-3D AM을 사용하면 멀티 코어 및 임의 모양의 빔 프로파일을 구현할 수 있으므로 생산량을 늘리고 부품 품질을 개선하기 위한 최상의 구성에 대한 통찰력을 제공 할 수 있습니다.

이 영역에서 수행 된 일부 작업에 대해 자세히 알아 보려면 “The Next Frontier of Metal AM”웨비나를 시청하십시오.

Multi-material Powder Bed Fusion | 다중 재료 분말 베드 융합

이 시뮬레이션에서 스테인리스 강 및 알루미늄 분말은 FLOW-3D AM 이 용융 풀 역학을 정확하게 포착하기 위해 추적하는 독립적으로 정의 된 온도 의존 재료 특성을 가지고 있습니다. 시뮬레이션은 용융 풀에서 재료 혼합을 이해하는 데 도움이됩니다.

다중 재료 용접 사례 연구

이종 금속의 레이저 키홀 용접에서 금속 혼합 조사

GM과 University of Utah의 연구원들은 FLOW-3D WELD 를 사용 하여 레이저 키홀 용접을 통한 이종 금속의 혼합을 이해했습니다. 그들은 반동 압력 및 Marangoni 대류와 관련하여 구리와 알루미늄의 혼합 농도에 대한 레이저 출력 및 스캔 속도의 영향을 조사했습니다. 그들은 시뮬레이션을 실험 결과와 비교했으며 샘플 내의 절단 단면에서 재료 농도 사이에 좋은 일치를 발견했습니다.

참조 : Wenkang Huang, Hongliang Wang, Teresa Rinker, Wenda Tan, 이종 금속의 레이저 키홀 용접에서 금속 혼합 조사 , Materials & Design, Volume 195, (2020). https://doi.org/10.1016/j.matdes.2020.109056

방향성 에너지 증착

FLOW-3D AM 의 내장 입자 모델 을 사용하여 직접 에너지 증착 프로세스를 시뮬레이션 할 수 있습니다. 분말 주입 속도와 고체 기질에 입사되는 열유속을 지정함으로써 고체 입자는 용융 풀에 질량, 운동량 및 에너지를 추가 할 수 있습니다. 다음 비디오에서 고체 금속 입자가 용융 풀에 주입되고 기판에서 용융 풀의 후속 응고가 관찰됩니다.

Figure 6. Evolution of melt pool in the overhang region (θ = 45°, P = 100 W, v = 1000 mm/s, the streamlines are shown by arrows).

Experimental and numerical investigation of the origin of surface roughness in laser powder bed fused overhang regions

레이저 파우더 베드 융합 오버행 영역에서 표면 거칠기의 원인에 대한 실험 및 수치 조사

Shaochuan Feng ,Amar M. Kamat ,Soheil Sabooni &Yutao Pei Pages S66-S84 | Received 18 Jan 2021, Accepted 25 Feb 2021, Published online: 10 Mar 2021

ABSTRACT

Surface roughness of laser powder bed fusion (L-PBF) printed overhang regions is a major contributor to deteriorated shape accuracy/surface quality. This study investigates the mechanisms behind the evolution of surface roughness (R_a) in overhang regions. The evolution of surface morphology is the result of a combination of border track contour, powder adhesion, warp deformation, and dross formation, which is strongly related to the overhang angle (θ). When 0° ≤ θ ≤ 15°, the overhang angle does not affect R_a significantly since only a small area of the melt pool boundaries contacts the powder bed resulting in slight powder adhesion. When 15° < θ ≤ 50°, powder adhesion is enhanced by the melt pool sinking and the increased contact area between the melt pool boundary and powder bed. When θ > 50°, large waviness of the overhang contour, adhesion of powder clusters, severe warp deformation and dross formation increase R_a sharply.

레이저 파우더 베드 퓨전 (L-PBF) 프린팅 오버행 영역의 표면 거칠기는 형상 정확도 / 표면 품질 저하의 주요 원인입니다. 이 연구 는 오버행 영역에서 표면 거칠기 (R_a ) 의 진화 뒤에 있는 메커니즘을 조사합니다 . 표면 형태의 진화는 오버행 각도 ( θ ) 와 밀접한 관련이있는 경계 트랙 윤곽, 분말 접착, 뒤틀림 변형 및 드로스 형성의 조합의 결과입니다 . 0° ≤ θ ≤ 15° 인 경우 , 용융풀 경계의 작은 영역 만 분말 베드와 접촉하여 약간의 분말 접착이 발생하기 때문에 오버행 각도가 R _a에 큰 영향을 주지 않습니다 . 15° < θ 일 때 ≤ 50°, 용융 풀 싱킹 및 용융 풀 경계와 분말 베드 사이의 증가된 접촉 면적으로 분말 접착력이 향상됩니다. θ > 50° 일 때 오버행 윤곽의 큰 파형, 분말 클러스터의 접착, 심한 휨 변형 및 드 로스 형성이 R_a 급격히 증가 합니다.

KEYWORDS: Laser powder bed fusion (L-PBF), melt pool dynamics, overhang region, shape deviation, surface roughness

1. Introduction

레이저 분말 베드 융합 (L-PBF)은 첨단 적층 제조 (AM) 기술로, 집중된 레이저 빔을 사용하여 금속 분말을 선택적으로 융합하여 슬라이스 된 3D 컴퓨터 지원에 따라 층별로 3 차원 (3D) 금속 부품을 구축합니다. 설계 (CAD) 모델 (Chatham, Long 및 Williams 2019 ; Tan, Zhu 및 Zhou 2020 ). 재료가 인쇄 층 아래에 존재하는지 여부에 따라 인쇄 영역은 각각 솔리드 영역 또는 돌출 영역으로 분류 될 수 있습니다. 따라서 오버행 영역은 고체 기판이 아니라 분말 베드 바로 위에 건설되는 특수 구조입니다 (Patterson, Messimer 및 Farrington 2017). 오버행 영역은지지 구조를 포함하거나 포함하지 않고 구축 할 수 있으며, 지지대가있는 돌출 영역의 L-PBF는 지지체가 더 낮은 밀도로 구축된다는 점을 제외 하고 (Wang and Chou 2018 ) 고체 기판의 공정과 유사합니다 (따라서 기계적 강도가 낮기 때문에 L-PBF 공정 후 기계적으로 쉽게 제거 할 수 있습니다. 따라서지지 구조로 인쇄 된 오버행 영역은 L-PBF 공정 후 지지물 제거, 연삭 및 연마와 같은 추가 후 처리 단계가 필요합니다.

수평 내부 채널의 제작과 같은 일부 특정 경우에는 공정 후 지지대를 제거하기가 어려우므로 채널 상단 절반의 돌출부 영역을 지지대없이 건설해야합니다 (Hopkinson and Dickens 2000 ). 수평 내부 채널에 사용할 수없는지지 구조 외에도 내부 표면, 특히 등각 냉각 채널 (Feng, Kamat 및 Pei 2021 ) 에서 발생하는 복잡한 3D 채널 네트워크의 경우 표면 마감 프로세스를 구현하는 것도 어렵습니다 . 결과적으로 오버행 영역은 (i) 잔류 응력에 의한 변형, (ii) 계단 효과 (Kuo et al. 2020 ; Li et al. 2020 )로 인해 설계된 모양에서 벗어날 수 있습니다 .) 및 (iii) 원하지 않는 분말 소결로 인한 향상된 표면 거칠기; 여기서, 앞의 두 요소는 일반적으로 mm 길이 스케일에서 ‘매크로’편차로 분류되고 후자는 일반적으로 µm 길이 스케일에서 ‘마이크로’편차로 인식됩니다.

열 응력에 의한 변형은 오버행 영역에서 발생하는 중요한 문제입니다 (Patterson, Messimer 및 Farrington 2017 ). 국부적 인 용융 / 냉각은 용융 풀 내부 및 주변에서 큰 온도 구배를 유도하여 응고 된 층에 집중적 인 열 응력을 유발합니다. 열 응력에 의한 뒤틀림은 고체 영역을 현저하게 변형하지 않습니다. 이러한 영역은 아래의 여러 레이어에 의해 제한되기 때문입니다. 반면에 오버행 영역은 구속되지 않고 공정 중 응력 완화로 인해 상당한 변형이 발생합니다 (Kamat 및 Pei 2019 ). 더욱이 용융 깊이는 레이어 두께보다 큽니다 (이전 레이어도 재용 해되어 빌드 된 레이어간에 충분한 결합을 보장하기 때문입니다 [Yadroitsev et al. 2013 ; Kamath et al.2014 ]),응고 된 두께가 설계된 두께보다 크기 때문에형태 편차 (예 : 드 로스 [Charles et al. 2020 ; Feng et al. 2020 ])가 발생합니다. 마이크로 스케일에서 인쇄 된 표면 (R_a 및 S_a ∼ 10 μm)은 기계적으로 가공 된 표면보다 거칠다 (Duval-Chaneac et al. 2018 ; Wen et al. 2018 ). 이 문제는고형화 된 용융 풀의 가장자리에 부착 된 용융되지 않은 분말의 결과로 표면 거칠기 (R_a )가 일반적으로 약 20 μm인 오버행 영역에서 특히 심각합니다 (Mazur et al. 2016 ; Pakkanen et al. 2016 ).

오버행 각도 ( θ , 빌드 방향과 관련하여 측정)는 오버행 영역의 뒤틀림 편향과 표면 거칠기에 영향을 미치는 중요한 매개 변수입니다 (Kamat and Pei 2019 ; Mingear et al. 2019 ). θ ∼ 45 ° 의 오버행 각도 는 일반적으로지지 구조없이 오버행 영역을 인쇄 할 수있는 임계 값으로 합의됩니다 (Pakkanen et al. 2016 ; Kadirgama et al. 2018 ). θ 일 때이 임계 값보다 크면 오버행 영역을 허용 가능한 표면 품질로 인쇄 할 수 없습니다. 오버행 각도 외에도 레이저 매개 변수 (레이저 에너지 밀도와 관련된)는 용융 풀의 모양 / 크기 및 용융 풀 역학에 영향을줌으로써 오버행 영역의 표면 거칠기에 영향을줍니다 (Wang et al. 2013 ; Mingear et al . 2019 ).

용융 풀 역학은 고체 (Shrestha 및 Chou 2018 ) 및 오버행 (Le et al. 2020 ) 영역 모두에서 수행되는 L-PBF 공정을 포함한 레이저 재료 가공의 일반적인 물리적 현상입니다 . 용융 풀 모양, 크기 및 냉각 속도는 잔류 응력으로 인한 변형과 표면 거칠기에 모두 영향을 미치므로 처리 매개 변수와 표면 형태 / 품질 사이의 다리 역할을하며 용융 풀을 이해하기 위해 수치 시뮬레이션을 사용하여 추가 조사를 수행 할 수 있습니다. 거동과 표면 거칠기에 미치는 영향. 현재까지 고체 영역의 L-PBF 동안 용융 풀 동작을 시뮬레이션하기 위해 여러 연구가 수행되었습니다. 유한 요소 방법 (FEM)과 같은 시뮬레이션 기술 (Roberts et al. 2009 ; Du et al.2019 ), 유한 차분 법 (FDM) (Wu et al. 2018 ), 전산 유체 역학 (CFD) (Lee and Zhang 2016 ), 임의의 Lagrangian-Eulerian 방법 (ALE) (Khairallah and Anderson 2014 )을 사용하여 증발 반동 압력 (Hu et al. 2018 ) 및 Marangoni 대류 (Zhang et al. 2018 ) 현상을포함하는 열 전달 (온도 장) 및 물질 전달 (용융 흐름) 프로세스. 또한 이산 요소법 (DEM)을 사용하여 무작위 분산 분말 베드를 생성했습니다 (Lee and Zhang 2016 ; Wu et al. 2018 ). 이 모델은 분말 규모의 L-PBF 공정을 시뮬레이션했습니다 (Khairallah et al. 2016) 메조 스케일 (Khairallah 및 Anderson 2014 ), 단일 트랙 (Leitz et al. 2017 )에서 다중 트랙 (Foroozmehr et al. 2016 ) 및 다중 레이어 (Huang, Khamesee 및 Toyserkani 2019 )로.

그러나 결과적인 표면 거칠기를 결정하는 오버행 영역의 용융 풀 역학은 문헌에서 거의 관심을받지 못했습니다. 솔리드 영역의 L-PBF에 대한 기존 시뮬레이션 모델이 어느 정도 참조가 될 수 있지만 오버행 영역과 솔리드 영역 간의 용융 풀 역학에는 상당한 차이가 있습니다. 오버행 영역에서 용융 금속은 분말 입자 사이의 틈새로 아래로 흘러 용융 풀이 다공성 분말 베드가 제공하는 약한 지지체 아래로 가라 앉습니다. 이것은 중력과 표면 장력의 영향이 용융 풀의 결과적인 모양 / 크기를 결정하는 데 중요하며, 결과적으로 오버행 영역의 마이크로 스케일 형태의 진화에 중요합니다. 또한 분말 입자 사이의 공극, 열 조건 (예 : 에너지 흡수,2019 ; Karimi et al. 2020 ; 노래와 영 2020 ). 표면 거칠기는 (마이크로) 형상 편차를 증가시킬뿐만 아니라 주기적 하중 동안 미세 균열의 시작 지점 역할을함으로써 기계적 강도를 저하시킵니다 (Günther et al. 2018 ). 오버행 영역의 높은 표면 거칠기는 (마이크로) 정확도 / 품질에 대한 엄격한 요구 사항이있는 부품 제조에서 L-PBF의 적용을 제한합니다.

본 연구는 실험 및 시뮬레이션 연구를 사용하여 오버행 영역 (지지물없이 제작)의 미세 형상 편차 형성 메커니즘과 표면 거칠기의 기원을 체계적이고 포괄적으로 조사합니다. 결합 된 DEM-CFD 시뮬레이션 모델은 경계 트랙 윤곽, 분말 접착 및 뒤틀림 변형의 효과를 고려하여 오버행 영역의 용융 풀 역학과 표면 형태의 형성 메커니즘을 나타 내기 위해 개발되었습니다. 표면 거칠기 R의 시뮬레이션 및 단일 요인 L-PBF 인쇄 실험을 사용하여 오버행 각도의 함수로 연구됩니다. 용융 풀의 침몰과 관련된 오버행 영역에서 분말 접착의 세 가지 메커니즘이 식별되고 자세히 설명됩니다. 마지막으로, 인쇄 된 오버행 영역에서 높은 표면 거칠기 문제를 완화 할 수 있는 잠재적 솔루션에 대해 간략하게 설명합니다.

The shape and size of the L-PBF printed samples are illustrated in Figure 1

Figure 2. Borders in the overhang region depending on the overhang angle θ

Figure 3. (a) Profile of the volumetric heat source, (b) the model geometry of single-track printing on a solid substrate (unit: µm), and (c) the comparison of melt pool dimensions obtained from the experiment (right half) and simulation (left half) for a calibrated optical penetration depth of 110 µm (laser power 200 W and scan speed 800 mm/s, solidified layer thickness 30 µm, powder size 10–45 µm).

Figure 4. The model geometry of an overhang being L-PBF processed: (a) 3D view and (b) right view.

Figure 5. The cross-sectional contour of border tracks in a 45° overhang region.

Figure 7. The overhang contour is contributed by (a) only outer borders when θ ≤ 60° (b) both inner borders and outer borders when θ > 60°.

Figure 8. Schematic of powder adhesion on a 45° overhang region.

Figure 9. The L-PBF printed samples with various overhang angle (a) θ = 0° (cube), (b) θ = 30°, (c) θ = 45°, (d) θ = 55° and (e) θ = 60°.

Figure 10. Two mechanisms of powder adhesion related to the overhang angle: (a) simulation-predicted, θ = 45°; (b) simulation-predicted, θ = 60°; (c, e) optical micrographs, θ = 45°; (d, f) optical micrographs, θ = 60°. (e) and (f) are partial enlargement of (c) and (d), respectively.

Figure 11. Simulation-predicted surface morphology in the overhang region at different overhang angle: (a) θ = 15°, (b) θ = 30°, (c) θ = 45°, (d) θ = 60° and (e) θ = 80° (Blue solid lines: simulation-predicted contour; red dashed lines: the planar profile of designed overhang region specified by the overhang angles).

Figure 12. Effect of overhang angle on surface roughness Ra in overhang regions

Figure 13. Surface morphology of L-PBF printed overhang regions with different overhang angle: (a) θ = 15°, (b) θ = 30°, (c) θ = 45° and (d) θ = 60° (overhang border parameters: P = 100 W, v = 1000 mm/s).

Figure 14. Effect of (a) laser power (scan speed = 1000 mm/s) and (b) scan speed (lase power = 100 W) on surface roughness Ra in overhang regions (θ = 45°, laser power and scan speed referred to overhang border parameters, and the other process parameters are listed in Table 2).

References

Cai, Chao, Chrupcala Radoslaw, Jinliang Zhang, Qian Yan, Shifeng Wen, Bo Song, and Yusheng Shi. 2019. “In-Situ Preparation and Formation of TiB/Ti-6Al-4V Nanocomposite via Laser Additive Manufacturing: Microstructure Evolution and Tribological Behavior.” Powder Technology 342: 73–84. doi:10.1016/j.powtec.2018.09.088. [Crossref], [Web of Science ®], [Google Scholar]
Cai, Chao, Wei Shian Tey, Jiayao Chen, Wei Zhu, Xingjian Liu, Tong Liu, Lihua Zhao, and Kun Zhou. 2021. “Comparative Study on 3D Printing of Polyamide 12 by Selective Laser Sintering and Multi Jet Fusion.” Journal of Materials Processing Technology 288 (August 2020): 116882. doi:10.1016/j.jmatprotec.2020.116882. [Crossref], [Web of Science ®], [Google Scholar]
Cai, Chao, Xu Wu, Wan Liu, Wei Zhu, Hui Chen, Jasper Dong Qiu Chua, Chen Nan Sun, Jie Liu, Qingsong Wei, and Yusheng Shi. 2020. “Selective Laser Melting of Near-α Titanium Alloy Ti-6Al-2Zr-1Mo-1V: Parameter Optimization, Heat Treatment and Mechanical Performance.” Journal of Materials Science and Technology 57: 51–64. doi:10.1016/j.jmst.2020.05.004. [Crossref], [Web of Science ®], [Google Scholar]
Charles, Amal, Ahmed Elkaseer, Lore Thijs, and Steffen G. Scholz. 2020. “Dimensional Errors Due to Overhanging Features in Laser Powder Bed Fusion Parts Made of Ti-6Al-4V.” Applied Sciences 10 (7): 2416. doi:10.3390/app10072416. [Crossref], [Google Scholar]
Chatham, Camden A., Timothy E. Long, and Christopher B. Williams. 2019. “A Review of the Process Physics and Material Screening Methods for Polymer Powder Bed Fusion Additive Manufacturing.” Progress in Polymer Science 93: 68–95. doi:10.1016/j.progpolymsci.2019.03.003. [Crossref], [Web of Science ®], [Google Scholar]
Du, Yang, Xinyu You, Fengbin Qiao, Lijie Guo, and Zhengwu Liu. 2019. “A Model for Predicting the Temperature Field during Selective Laser Melting.” Results in Physics 12 (November 2018): 52–60. doi:10.1016/j.rinp.2018.11.031. [Crossref], [Web of Science ®], [Google Scholar]
Duval-Chaneac, M. S., S. Han, C. Claudin, F. Salvatore, J. Bajolet, and J. Rech. 2018. “Experimental Study on Finishing of Internal Laser Melting (SLM) Surface with Abrasive Flow Machining (AFM).” Precision Engineering 54 (July 2017): 1–6. doi:10.1016/j.precisioneng.2018.03.006. [Crossref], [Web of Science ®], [Google Scholar]
Feng, Shaochuan, Shijie Chen, Amar M. Kamat, Ru Zhang, Mingji Huang, and Liangcai Hu. 2020. “Investigation on Shape Deviation of Horizontal Interior Circular Channels Fabricated by Laser Powder Bed Fusion.” Additive Manufacturing 36 (December): 101585. doi:10.1016/j.addma.2020.101585. [Crossref], [Web of Science ®], [Google Scholar]
Feng, Shaochuan, Chuanzhen Huang, Jun Wang, Hongtao Zhu, Peng Yao, and Zhanqiang Liu. 2017. “An Analytical Model for the Prediction of Temperature Distribution and Evolution in Hybrid Laser-Waterjet Micro-Machining.” Precision Engineering 47: 33–45. doi:10.1016/j.precisioneng.2016.07.002. [Crossref], [Web of Science ®], [Google Scholar]
Feng, Shaochuan, Amar M. Kamat, and Yutao Pei. 2021. “Design and Fabrication of Conformal Cooling Channels in Molds: Review and Progress Updates.” International Journal of Heat and Mass Transfer. doi:10.1016/j.ijheatmasstransfer.2021.121082. [Crossref], [PubMed], [Web of Science ®], [Google Scholar]
Flow-3D V11.2 Documentation. 2016. Flow Science, Inc. [Crossref], [Google Scholar]
Foroozmehr, Ali, Mohsen Badrossamay, Ehsan Foroozmehr, and Sa’id Golabi. 2016. “Finite Element Simulation of Selective Laser Melting Process Considering Optical Penetration Depth of Laser in Powder Bed.” Materials and Design 89: 255–263. doi:10.1016/j.matdes.2015.10.002. [Crossref], [Web of Science ®], [Google Scholar]
“Geometrical Product Specifications (GPS) — Surface Texture: Profile Method — Rules and Procedures for the Assessment of Surface Texture (ISO 4288).” 1996. International Organization for Standardization. https://www.iso.org/standard/2096.html. [Google Scholar]
Günther, Johannes, Stefan Leuders, Peter Koppa, Thomas Tröster, Sebastian Henkel, Horst Biermann, and Thomas Niendorf. 2018. “On the Effect of Internal Channels and Surface Roughness on the High-Cycle Fatigue Performance of Ti-6Al-4V Processed by SLM.” Materials & Design 143: 1–11. doi:10.1016/j.matdes.2018.01.042. [Crossref], [Web of Science ®], [Google Scholar]
Hopkinson, Neil, and Phill Dickens. 2000. “Conformal Cooling and Heating Channels Using Laser Sintered Tools.” In Solid Freeform Fabrication Conference, 490–497. Texas. doi:10.26153/tsw/3075. [Crossref], [Google Scholar]
Hu, Zhiheng, Haihong Zhu, Changchun Zhang, Hu Zhang, Ting Qi, and Xiaoyan Zeng. 2018. “Contact Angle Evolution during Selective Laser Melting.” Materials and Design 139: 304–313. doi:10.1016/j.matdes.2017.11.002. [Crossref], [Web of Science ®], [Google Scholar]
Hu, Cheng, Kejia Zhuang, Jian Weng, and Donglin Pu. 2019. “Three-Dimensional Analytical Modeling of Cutting Temperature for Round Insert Considering Semi-Infinite Boundary and Non-Uniform Heat Partition.” International Journal of Mechanical Sciences 155 (October 2018): 536–553. doi:10.1016/j.ijmecsci.2019.03.019. [Crossref], [Web of Science ®], [Google Scholar]
Huang, Yuze, Mir Behrad Khamesee, and Ehsan Toyserkani. 2019. “A New Physics-Based Model for Laser Directed Energy Deposition (Powder-Fed Additive Manufacturing): From Single-Track to Multi-Track and Multi-Layer.” Optics & Laser Technology 109 (August 2018): 584–599. doi:10.1016/j.optlastec.2018.08.015. [Crossref], [Web of Science ®], [Google Scholar]
Kadirgama, K., W. S. W. Harun, F. Tarlochan, M. Samykano, D. Ramasamy, Mohd Zaidi Azir, and H. Mehboob. 2018. “Statistical and Optimize of Lattice Structures with Selective Laser Melting (SLM) of Ti6AL4V Material.” International Journal of Advanced Manufacturing Technology 97 (1–4): 495–510. doi:10.1007/s00170-018-1913-1. [Crossref], [Web of Science ®], [Google Scholar]
Kamat, Amar M, and Yutao Pei. 2019. “An Analytical Method to Predict and Compensate for Residual Stress-Induced Deformation in Overhanging Regions of Internal Channels Fabricated Using Powder Bed Fusion.” Additive Manufacturing 29 (March): 100796. doi:10.1016/j.addma.2019.100796. [Crossref], [Web of Science ®], [Google Scholar]
Kamath, Chandrika, Bassem El-Dasher, Gilbert F. Gallegos, Wayne E. King, and Aaron Sisto. 2014. “Density of Additively-Manufactured, 316L SS Parts Using Laser Powder-Bed Fusion at Powers up to 400 W.” International Journal of Advanced Manufacturing Technology 74 (1–4): 65–78. doi:10.1007/s00170-014-5954-9. [Crossref], [Web of Science ®], [Google Scholar]
Karimi, J., C. Suryanarayana, I. Okulov, and K. G. Prashanth. 2020. “Selective Laser Melting of Ti6Al4V: Effect of Laser Re-Melting.” Materials Science and Engineering A (July): 140558. doi:10.1016/j.msea.2020.140558. [Crossref], [Web of Science ®], [Google Scholar]
Khairallah, Saad A., and Andy Anderson. 2014. “Mesoscopic Simulation Model of Selective Laser Melting of Stainless Steel Powder.” Journal of Materials Processing Technology 214 (11): 2627–2636. doi:10.1016/j.jmatprotec.2014.06.001. [Crossref], [Web of Science ®], [Google Scholar]
Khairallah, Saad A., Andrew T. Anderson, Alexander Rubenchik, and Wayne E. King. 2016. “Laser Powder-Bed Fusion Additive Manufacturing: Physics of Complex Melt Flow and Formation Mechanisms of Pores, Spatter, and Denudation Zones.” Edited by Adedeji B. Badiru, Vhance V. Valencia, and David Liu. Acta Materialia 108 (April): 36–45. doi:10.1016/j.actamat.2016.02.014. [Crossref], [Web of Science ®], [Google Scholar]
Kuo, C. N., C. K. Chua, P. C. Peng, Y. W. Chen, S. L. Sing, S. Huang, and Y. L. Su. 2020. “Microstructure Evolution and Mechanical Property Response via 3D Printing Parameter Development of Al–Sc Alloy.” Virtual and Physical Prototyping 15 (1): 120–129. doi:10.1080/17452759.2019.1698967. [Taylor & Francis Online], [Web of Science ®], [Google Scholar]
Le, K. Q., C. H. Wong, K. H. G. Chua, C. Tang, and H. Du. 2020. “Discontinuity of Overhanging Melt Track in Selective Laser Melting Process.” International Journal of Heat and Mass Transfer 162 (December): 120284. doi:10.1016/j.ijheatmasstransfer.2020.120284. [Crossref], [Web of Science ®], [Google Scholar]
Lee, Y. S., and W. Zhang. 2016. “Modeling of Heat Transfer, Fluid Flow and Solidification Microstructure of Nickel-Base Superalloy Fabricated by Laser Powder Bed Fusion.” Additive Manufacturing 12: 178–188. doi:10.1016/j.addma.2016.05.003. [Crossref], [Web of Science ®], [Google Scholar]
Leitz, K. H., P. Singer, A. Plankensteiner, B. Tabernig, H. Kestler, and L. S. Sigl. 2017. “Multi-Physical Simulation of Selective Laser Melting.” Metal Powder Report 72 (5): 331–338. doi:10.1016/j.mprp.2016.04.004. [Crossref], [Google Scholar]
Li, Jian, Jing Hu, Yi Zhu, Xiaowen Yu, Mengfei Yu, and Huayong Yang. 2020. “Surface Roughness Control of Root Analogue Dental Implants Fabricated Using Selective Laser Melting.” Additive Manufacturing 34 (September 2019): 101283. doi:10.1016/j.addma.2020.101283. [Crossref], [Web of Science ®], [Google Scholar]
Li, Yingli, Kun Zhou, Pengfei Tan, Shu Beng Tor, Chee Kai Chua, and Kah Fai Leong. 2018. “Modeling Temperature and Residual Stress Fields in Selective Laser Melting.” International Journal of Mechanical Sciences 136 (February): 24–35. doi:10.1016/j.ijmecsci.2017.12.001. [Crossref], [Web of Science ®], [Google Scholar]
Mazur, MacIej, Martin Leary, Matthew McMillan, Joe Elambasseril, and Milan Brandt. 2016. “SLM Additive Manufacture of H13 Tool Steel with Conformal Cooling and Structural Lattices.” Rapid Prototyping Journal 22 (3): 504–518. doi:10.1108/RPJ-06-2014-0075. [Crossref], [Web of Science ®], [Google Scholar]
Mingear, Jacob, Bing Zhang, Darren Hartl, and Alaa Elwany. 2019. “Effect of Process Parameters and Electropolishing on the Surface Roughness of Interior Channels in Additively Manufactured Nickel-Titanium Shape Memory Alloy Actuators.” Additive Manufacturing 27 (October 2018): 565–575. doi:10.1016/j.addma.2019.03.027. [Crossref], [Web of Science ®], [Google Scholar]
Pakkanen, Jukka, Flaviana Calignano, Francesco Trevisan, Massimo Lorusso, Elisa Paola Ambrosio, Diego Manfredi, and Paolo Fino. 2016. “Study of Internal Channel Surface Roughnesses Manufactured by Selective Laser Melting in Aluminum and Titanium Alloys.” Metallurgical and Materials Transactions A 47 (8): 3837–3844. doi:10.1007/s11661-016-3478-7. [Crossref], [Web of Science ®], [Google Scholar]
Patterson, Albert E., Sherri L. Messimer, and Phillip A. Farrington. 2017. “Overhanging Features and the SLM/DMLS Residual Stresses Problem: Review and Future Research Need.” Technologies 5 (4): 15. doi:10.3390/technologies5020015. [Crossref], [Web of Science ®], [Google Scholar]
Roberts, I. A., C. J. Wang, R. Esterlein, M. Stanford, and D. J. Mynors. 2009. “A Three-Dimensional Finite Element Analysis of the Temperature Field during Laser Melting of Metal Powders in Additive Layer Manufacturing.” International Journal of Machine Tools and Manufacture 49 (12–13): 916–923. doi:10.1016/j.ijmachtools.2009.07.004. [Crossref], [Web of Science ®], [Google Scholar]
Shrestha, Subin, and Kevin Chou. 2018. “Computational Analysis of Thermo-Fluid Dynamics with Metallic Powder in SLM.” In CFD Modeling and Simulation in Materials Processing 2018, edited by Laurentiu Nastac, Koulis Pericleous, Adrian S. Sabau, Lifeng Zhang, and Brian G. Thomas, 85–95. Cham, Switzerland: Springer Nature. doi:10.1007/978-3-319-72059-3_9. [Crossref], [Google Scholar]
Sing, S. L., and W. Y. Yeong. 2020. “Laser Powder Bed Fusion for Metal Additive Manufacturing: Perspectives on Recent Developments.” Virtual and Physical Prototyping 15 (3): 359–370. doi:10.1080/17452759.2020.1779999. [Taylor & Francis Online], [Web of Science ®], [Google Scholar]
Šmilauer, Václav, Emanuele Catalano, Bruno Chareyre, Sergei Dorofeenko, Jérôme Duriez, Nolan Dyck, Jan Eliáš, et al. 2015. Yade Documentation. 2nd ed. The Yade Project. doi:10.5281/zenodo.34073. [Crossref], [Google Scholar]
Tan, Pengfei, Fei Shen, Biao Li, and Kun Zhou. 2019. “A Thermo-Metallurgical-Mechanical Model for Selective Laser Melting of Ti6Al4V.” Materials & Design 168 (April): 107642. doi:10.1016/j.matdes.2019.107642. [Crossref], [Web of Science ®], [Google Scholar]
Tan, Lisa Jiaying, Wei Zhu, and Kun Zhou. 2020. “Recent Progress on Polymer Materials for Additive Manufacturing.” Advanced Functional Materials 30 (43): 1–54. doi:10.1002/adfm.202003062. [Crossref], [Web of Science ®], [Google Scholar]
Wang, Xiaoqing, and Kevin Chou. 2018. “Effect of Support Structures on Ti-6Al-4V Overhang Parts Fabricated by Powder Bed Fusion Electron Beam Additive Manufacturing.” Journal of Materials Processing Technology 257 (February): 65–78. doi:10.1016/j.jmatprotec.2018.02.038. [Crossref], [Web of Science ®], [Google Scholar]
Wang, Di, Yongqiang Yang, Ziheng Yi, and Xubin Su. 2013. “Research on the Fabricating Quality Optimization of the Overhanging Surface in SLM Process.” International Journal of Advanced Manufacturing Technology 65 (9–12): 1471–1484. doi:10.1007/s00170-012-4271-4. [Crossref], [Web of Science ®], [Google Scholar]
Wen, Peng, Maximilian Voshage, Lucas Jauer, Yanzhe Chen, Yu Qin, Reinhart Poprawe, and Johannes Henrich Schleifenbaum. 2018. “Laser Additive Manufacturing of Zn Metal Parts for Biodegradable Applications: Processing, Formation Quality and Mechanical Properties.” Materials and Design 155: 36–45. doi:10.1016/j.matdes.2018.05.057. [Crossref], [Web of Science ®], [Google Scholar]
Wu, Yu-che, Cheng-hung San, Chih-hsiang Chang, Huey-jiuan Lin, Raed Marwan, Shuhei Baba, and Weng-Sing Hwang. 2018. “Numerical Modeling of Melt-Pool Behavior in Selective Laser Melting with Random Powder Distribution and Experimental Validation.” Journal of Materials Processing Technology 254 (November 2017): 72–78. doi:10.1016/j.jmatprotec.2017.11.032. [Crossref], [Web of Science ®], [Google Scholar]
Yadroitsev, I., P. Krakhmalev, I. Yadroitsava, S. Johansson, and I. Smurov. 2013. “Energy Input Effect on Morphology and Microstructure of Selective Laser Melting Single Track from Metallic Powder.” Journal of Materials Processing Technology 213 (4): 606–613. doi:10.1016/j.jmatprotec.2012.11.014. [Crossref], [Web of Science ®], [Google Scholar]
Yu, Wenhui, Swee Leong Sing, Chee Kai Chua, and Xuelei Tian. 2019. “Influence of Re-Melting on Surface Roughness and Porosity of AlSi10Mg Parts Fabricated by Selective Laser Melting.” Journal of Alloys and Compounds 792: 574–581. doi:10.1016/j.jallcom.2019.04.017. [Crossref], [Web of Science ®], [Google Scholar]
Zhang, Dongyun, Pudan Zhang, Zhen Liu, Zhe Feng, Chengjie Wang, and Yanwu Guo. 2018. “Thermofluid Field of Molten Pool and Its Effects during Selective Laser Melting (SLM) of Inconel 718 Alloy.” Additive Manufacturing 21 (100): 567–578. doi:10.1016/j.addma.2018.03.031. [Crossref], [Web of Science ®], [Google Scholar]

Full Text View

Figure 5.6 Experimental set-up equipped with high-speed camera system

COMPUTATIONAL FLUID DYNAMIC MODELLING OF LASER ADDITIVE MANUFACTURING PROCESS AND EFFECT OF GRAVITY

전산 유체 역학 레이저 첨가제 모델링 제조 공정 및 중력의 영향

A thesis submitted to
The University of Manchester
For the degree of
Doctor of Philosophy (PhD)
In the Faculty of Science and Engineering
2017
Heng Gu
School of Mechanical, Aerospace and Civil
Engineering

레이저 적층 제조 (LAM)는 재료를 층별로 선택적으로 추가하여 하나 또는 여러 개의 레이저 빔을 사용하여 재료를 융합하거나 응고시키는 3D 부품을 형성하는 것을 기반으로 합니다.

LAM 공정을 조사하는 데 상당한 양의 작업을 할 수 있지만 다른 재료 성장 방향에서 중력 및 동적 유체 흐름 특성의 영향에 대해서는 알려진 바가 거의 없습니다.

레이저 제조 기술의 발전과 함께 LAM은 실린더 본체, 터빈 블레이드의 표면 클래딩, 해양 드릴링 헤드, 다양한 증착 방향이 일반적으로 필요한 슬리브 및 몰드의 측벽을 비롯한 다양한 환경에서 점점 더 많이 사용되고 있습니다. 또한 공간 적층 제조의 경우 운영 환경이 매우 낮거나 무중력을 경험하게 됩니다.

LAM 프로세스를 모델링하기 위한 수치적 방법 개발에 대한 이전 연구에서 많은 노력을 기울였습니다. 그러나 이전 모델링 작업의 대부분은 자유 표면 형성을 고려하지 않고 용융 풀 역학 개발에 초점을 맞추었습니다. 몇 가지 조사에만 동적 유동 용융 풀에 대한 재료 추가 분석이 포함됩니다.

다양한 재료 증착 방향 및 무중력 효과에서 수행 할 때 모든 복잡한 기능을 사용하여 증착 프로세스를 시뮬레이션하고 중력 효과를 고려할 수 있는 모델을 개발하는 작업은 발견되지 않았습니다.

이 연구에서는 재료 추가, 표면 장력, 용융 및 응고, 중력, 온도 의존 재료 속성, 자유 표면 형성 및 이동을 포함한 복합 공정 요인을 고려한 LAM 공정을 위해 3 차원 과도 전산 유체 역학 모델이 구축되었습니다. 열원. 레이저 금속 증착 공정에 대한 더 나은 이해는 수치적으로 그리고 실험적으로 이루어졌습니다.

이 연구는 단일 레이어의 증착, 여러 인접 패스 및 돌출 된 피쳐가 있는 완전한 3 차원 형상을 다루었습니다. 증착 공정 중 다양한 증착 방향과 무중력 및 매우 낮은 중력에 대한 중력의 영향을 조사하고 그 영향을 최소화하기 위해 공정 매개 변수를 최적화 했습니다.

이 연구는 또한 층별 재료 추가를 기반으로 레이저 좁은 갭 용접 공정의 기본 현상과 용접 공정이 다른 방향으로 수행 될 때 중력이 홈 내부의 용융 풀 형성에 미치는 영향을 이해하는 데까지 확장되었습니다.

용융 풀 개발 이력 및 온도 분포를 분석하여 공정 중에 표면 장력 계수의 영향을 논의했습니다. 현재 모델의 도움으로 증착 불균일성, 증착 양단의 돌출부, 경사, 융착 부족, 계단 효과, 표면 파형, 중력 변화로 인한 붕괴 등 다양한 결함을 설명 하였습니다.

이러한 모든 결함을 제거하기 위한 해당 솔루션이 제시되었습니다. 무중력 레이저 적층 제조에 대한 연구는 이전에 보고되지 않았던 몇 가지 새로운 현상을 발견하여 우주에서 미래의 레이저 3D 프린팅을 위한 길을 닦았습니다.

Figure 2.1 Basic construction of a laser system [8]

Figure 2.3 Schematic of a diode laser system [12]

Figure 2.4 Principle of a cladding pumped fibre laser [13]

Figure 2.5 Concept of a thin disk laser [14]

Figure 2.7 Lateral powder injection [12]

Figure 2.9 Laser additive manufacturing using wire, (a) front feeding, (b) rear feeding, wire placed at (c) leading edge, (d) centre and (e) trailing edge of melt pool [23, 24]

Figure 2.20 Bead geometry at the beginning of the deposition with different surface tension gradient (a) Negative, (b) positive, (c) Mixed [85]

Figure 2.22 Simulation of humping effect in high-speed gas tungsten arc welding [91]

Figure 2.25 (a) Melt pool shape formed by Marangoni stress only, (b) Melt pool shape formed by gravity force only, (c) Melt shape formed by the combination of those two forces together [122]

Figure 2.27 Growth rate and temperature gradient on solidification boundary with different melt pool shape [120]

Figure 2.29 Two different methods to produce overhang structures[136]

Figure 2.30 Contact angle of a water droplet adhering on a glass window [142]

Figure 2.31 Stress components of a single track laser deposition (a) x-direction, (b) ydirection, (c) z-direction, (d) von Mises equivalent stress [151]

Figure 2.32 Phase fraction of martensite during laser metal deposition [160]

Figure 4.15 Development of melt pool and velocity field 0.588 s, 1.2 s, 1.896 s, 2.4 s

Figure 4.33 Two methods to print C, (A) raster (B) offset out

Figure 5.4(a) Cavitar laser illumination system (b) High-speed camera in horizontal position

Figure 5.5 Schematic diagrams of wire laser deposition process (a) flat (b) vertical

Figure 5.7 2-layer deposition result and cross-section (a) top view, (b) experimental cross section, (c) cross-section of modelling result

Figure 5.13 Temperature and melt pool-velocity field history for case 8, (a&f:0.36 s, b&g:1.44 s, c&h:1.80 s, d&i:1.908 s, e&j:2.196 s)

Figure 5.16 Comparison of melt pool evolution for cases with big and small spot size

Figure 6.27 (a,b,c) before re-melting, (d,e,f) after re-melting

6.5 Conclusion

좁은 갭 용접 공정의 다양한 측면을 다루는 3 차원 모델이 구축되었습니다. 용접 비드와 측벽 사이의 융합 현상이 없는 것은 필러 재료와 측벽을 녹일 수 있는 충분한 에너지를 제공 할 수 없는 낮은 열 입력으로 인한 것일 수 있습니다.

증가된 레이저 출력을 적용하거나 재 용융 패스를 수행 한 후 더 나은 표면 품질을 얻을 수 있고 측벽과의 융합 부족을 제거 할 수 있습니다. 용접 비드의 모양이 볼록한 모양에서 오목한 모양으로 바뀌고 측면 벽과의 좋은 젖음이 실현 될 수 있습니다.

다양한 위치에서 좁은 틈새 용접에 대한 중력의 영향을 조사했습니다. 용융 풀 전면의 경사 모양은 중력의 영향으로 다르게 나타납니다.

반면, 홈이 없는 기판의 증착 공정과 비교할 때 대부분의 열을 전달하는데 도움이 되는 측벽의 존재로 인해 중력의 영향이 감소했습니다.

마지막 패스 중에 중력은 일부 평평하지 않은 위치에서 심각한 낙하 및 붕괴 문제를 일으킬 수 있습니다. 이것은 표면에 더 큰 용융 풀이 형성되어 중력과 표면 장력 사이의 균형이 깨졌기 때문입니다. 수직 업 위치에서 좁은 간격 용접 공정 동안 다른 중력 수준이 적용되었습니다.

용접 비드와 측벽 사이의 융합 부족은 중력 수준이 증가함에 따라 관찰 될 수 있습니다. 중력이 증가하면 용융 풀의 뒤쪽 영역으로 더 많은 액체 재료가 이동하여 더 심각한 물방울과 볼록한 모양의 용접 비드가 발생합니다.

용융 풀 개발 이력의 도움으로 용접 비드가 더 이상 그루브에 있지 않거나 측벽과의 직접적인 접촉이 적을 때 전도를 통해 더 적은 열이 방출 될 수 있기 때문에 용융 풀 부피가 크게 증가한다는 것을 알 수 있습니다.

좁은 간격 용접 공정에 대한 표면 장력 계수의 영향을 조사했습니다. 양의 표면 장력 계수를 적용하면 용접 비드가 홈 내부에서 덜 오목한 것처럼 보였고 측벽의 습윤 조건이 음의 ∂γ / ∂T 조건의 경우만큼 좋지 않았습니다.

측벽이 없으면 용접 비드는 표면의 마지막 패스 동안 음의 계수와 양의 계수 케이스 사이에 더 많은 차이를 보여줍니다. 표면 장력 계수는 홈 내부의 측벽과의 융합 상태를 결정하는 데 중요한 역할을 했습니다.

두꺼운 부분의 좁은 틈새 용접 중에 여러 번 통과하는 용접 비드 개발이 조사되었습니다. 비드 모양은 열 축적으로 인해 더 많은 패스가 증착 될수록 더 오목 해집니다. 패스 간의 융합 부족은 때때로 다음 패스의 재 용융 공정을 통해 제거 될 수 있습니다. 이종 재료를 사용한 좁은 틈새 용접 프로세스가 성공적으로 시뮬레이션되었습니다.

중심선을 따라 용융 풀과 용접 비드의 비대칭 형성은 재료 열 특성의 차이에 기인 할 수 있으며, 결과적으로 측벽과의 융합 부족을 유발할 수 있습니다.

비드 비대칭 문제는 수평 위치에서 용접 공정을 수행하거나 총 열 입력을 증가시켜 열전도율이 높은 측벽을 녹이는 방식으로 피할 수 있습니다. 재 용융 공정은 표면 품질을 향상시키고 모재와의 융착 문제를 제거하기 위해 용접된 표면에 적용 할 때 유용한 것으로 밝혀졌습니다.

논문 원문 바로가기

Liquid Metal 3D Printing

This article was contributed by V.Sukhotskiy^1,2, I. H. Karampelas³, G. Garg ¹, A. Verma¹, M. Tong ¹, S. Vader², Z. Vader², and E. P. Furlani^1
1University at Buffalo SUNY, ²Vader Systems, ³Flow Science, Inc.

Drop-on-demand 잉크젯 인쇄는 상업 및 소비자 이미지 재생을 위한 잘 정립 된 방법입니다. 이 기술을 주도하는 동일한 원리는 인쇄 및 적층 제조 분야에도 적용될 수 있습니다. 기존의 잉크젯 기술은 폴리머에서 살아있는 세포에 이르기까지 다양한 재료를 증착하고 패턴화하여 다양한 기능성 매체, 조직 및 장치를 인쇄하는 데 사용되었습니다 [1, 2]. 이 작업의 초점은 잉크젯 기반 기술을 3D 솔리드 금속 구조 인쇄로 확장하는 데 있습니다 [3, 4]. 현재 대부분의 3D 금속 프린팅 응용 프로그램은 고체 물체를 형성하기 위해 레이저 [6] 또는 전자 빔 [7]과 같은 외부 지향 에너지 원의 영향을 받아 증착 된 금속 분말 소결 또는 용융을 포함합니다. 그러나 이러한 방법은 비용 및 프로세스 복잡성 측면에서 단점이 있습니다. 예를 들어, 3D 프린팅 프로세스에 앞서 분말을 생성하기 위해 시간과 에너지 집약적인 기술이 필요합니다.

이 기사에서는 MHD (자기 유체 역학) drop-on-demand 방출 및 움직이는 기판에 액체 방울 증착을 기반으로 3D 금속 구조의 적층 제조에 대한 새로운 접근 방식에 대해 설명합니다. 프로세스의 각 부분을 연구하기 위해 많은 시뮬레이션이 수행되었습니다.

단순화를 위해 이 연구는 두 부분으로 나뉘었습니다.

첫 번째 부분에서는 MHD 분석을 사용하여 프린트 헤드 내부의 Lorentz 힘 밀도에 의해 생성 된 압력을 추정 한 다음 FLOW-3D 모델의 경계 조건으로 사용됩니다. 액적 방출 역학을 연구하는 데 사용되었습니다.

두 번째 부분에서는 이상적인 액적 증착 조건을 식별하기 위해 FLOW-3D 매개 변수 분석을 수행했습니다. 모델링 노력의 결과는 그림 1에 표시된 장치의 설계를 안내하는데 사용되었습니다.

코일은 배출 챔버를 둘러싸고 전기적으로 펄스되어 액체 금속을 투과하고 폐쇄 루프를 유도하는 과도 자기장을 생성합니다. 그 안에 일시적인 전기장. 전기장은 순환 전류 밀도를 발생시키고, 이는 과도장에 역 결합되고 챔버 내에서 자홍 유체 역학적 로렌츠 힘 밀도를 생성합니다. 힘의 방사형 구성 요소는 오리피스에서 액체 금속 방울을 분출하는 역할을 하는 압력을 생성합니다. 분출된 액적은 기질로 이동하여 결합 및 응고되어 확장된 고체 구조를 형성합니다. 임의의 형태의 3 차원 구조는 입사 액적의 정확한 패턴 증착을 가능하게 하는 움직이는 기판을 사용하여 층별로 인쇄 될 수 있습니다. 이 기술은 상표명 MagnetoJet으로 Vader Systems (www.vadersystems.com)에 의해 특허 및 상용화되었습니다.

MagnetoJet 프린팅 공정의 장점은 상대적으로 높은 증착 속도와 낮은 재료 비용으로 임의 형상의 3D 금속 구조를 인쇄하는 것입니다 [8, 9]. 또한 고유한 금속 입자 구조가 존재하기 때문에 기계적 특성이 개선된 부품을 인쇄 할 수 있습니다.

프로토타입 디바이스 개발

Vader Systems의 3D 인쇄 시스템의 핵심 구성 요소는 두 부분의 노즐과 솔레노이드 코일로 구성된 프린트 헤드 어셈블리입니다. 액체화는 노즐의 상부에서 발생합니다. 하부에는 직경이 100μm ~ 500μm 인 서브 밀리미터 오리피스가 있습니다. 수냉식 솔레노이드 코일은 위 그림에 표시된 바와 같이 오리피스 챔버를 둘러싸고있습니다 (냉각 시스템은 도시되지 않음). 다수의 프린트 헤드 디자인의 반복적인 개발은 액체 금속 배출 거동뿐만 아니라, 액체 금속 충전 거동에 대한 사출 챔버 기하적인 효과를 분석하기 위해 연구되었습니다.

이 프로토타입 시스템은 일반적인 알루미늄 합금으로 만들어진 견고한 3D 구조를 성공적으로 인쇄했습니다 (아래 그림 참조). 액적 직경, 기하학, 토출 빈도 및 기타 매개 변수에 따라 직경이 50 μm에서 500 μm까지 다양합니다. 짧은 버스트에서 최대 5000 Hz까지 40-1000 Hz의 지속적인 방울 분사 속도가 달성 되었습니다.

Computational Models

프로토 타입 장치 개발의 일환으로, 성능 (예 : 액적 방출 역학, 액적-공기 및 액적-기질 상호 작용)에 대한 설계 개념을 스크리닝하기 위해 프로토타입 제작 전에 계산 시뮬레이션을 수행했습니다. 분석을 단순화하기 위해 CFD 분석 뿐만 아니라 컴퓨터 전자기(CE)를 사용하는 두 가지 다른 보완 모델이 개발되었습니다. 첫 번째 모델에서는 2 단계 CE 및 CFD 분석을 사용하여 MHD 기반 액적 분출 거동과 효과적인 압력 생성을 연구했습니다. 두 번째 모델에서는 열-유체 CFD 분석을 사용하여 기판상의 액적 패턴화, 유착 및 응고를 연구했습니다.

MHD 분석 후, 첫 번째 모델에서 등가 압력 프로파일을 추출하여 액적 분출 및 액적-기질 상호 작용의 과도 역학을 탐구하도록 설계된 FLOW-3D 모델의 입력으로 사용되었습니다. FLOW-3D 시뮬레이션은 액적 분출에 대한 오리피스 안과 주변의 습윤 효과를 이해하기 위해 수행되었습니다. 오리피스 내부와 외부 모두에서 유체 초기화 수준을 변경하고 펄스 주파수에 의해 결정된 펄스 사이의 시간을 허용함으로써 크기 및 속도를 포함하여 분출 된 액 적의 특성 차이를 식별 할 수있었습니다.

Droplet 생성

MagnetoJet 인쇄 프로세스에서, 방울은 전압 펄스 매개 변수에 따라 일반적으로 1 – 10m/s 범위의 속도로 배출되고 기판에 충돌하기 전에 비행 중에 약간 냉각됩니다. 기판상의 액적들의 패터닝 및 응고를 제어하는 능력은 정밀한 3D 솔리드 구조의 형성에 중요합니다. 고해상도 3D 모션베이스를 사용하여 패터닝을 위한 정확한 Droplet 배치가 이루어집니다. 그러나 낮은 다공성과 원하지 않는 레이어링 artifacts가 없는 잘 형성된 3D 구조를 만들기 위해 응고를 제어하는 것은 다음과 같은 제어를 필요로하기 때문에 어려움이 있습니다.

냉각시 액체 방울로부터 주변 물질로의 열 확산,
토출된 액적의 크기,
액적 분사 빈도 및
이미 형성된 3D 물체로부터의 열 확산.

이들 파라미터를 최적화 함으로써, 인쇄된 형상의 높은 공간 분해능을 제공하기에 충분히 작으며, 인접한 액적들 및 층들 사이의 매끄러운 유착을 촉진하기에 충분한 열 에너지를 보유 할 것입니다. 열 관리 문제에 직면하는 한 가지 방법은 가열된 기판을 융점보다 낮지만 상대적으로 가까운 온도에서 유지하는 것입니다. 이는 액체 금속 방울과 그 주변 사이의 온도 구배를 감소시켜 액체 금속 방울로부터의 열의 확산을 늦춤으로써 유착을 촉진시키고 고형화하여 매끄러운 입체 3D 덩어리를 형성합니다. 이 접근법의 실행 가능성을 탐구하기 위해 FLOW-3D를 사용한 파라 메트릭 CFD 분석이 수행되었습니다.

액체 금속방울 응집과 응고

우리는 액체 금속방울 분사 주파수뿐만 아니라 액체 금속방울 사이의 중심 간 간격의 함수로서 가열된 기판에서 내부 층의 금속방울 유착 및 응고를 조사했습니다. 이 분석에서 액체 알루미늄의 구형 방울은 3mm 높이에서 가열 된 스테인리스 강 기판에 충돌합니다. 액적 분리 거리 (100)로 변화 될 때 방울이 973 K의 초기 온도를 가지고, 기판이 다소 943 K.도 3의 응고 온도보다 900 K로 유지됩니다. 실선의 인쇄 중에 액적 유착 및 응고를 도시 50㎛의 간격으로 500㎛에서 400㎛까지 연속적으로 유지하고, 토출 주파수는 500Hz에서 일정하게 유지 하였습니다.

방울 분리가 250μm를 초과하면 선을 따라 입자가 있는 응고된 세그먼트가 나타납니다. 350μm 이상의 거리에서는 세그먼트가 분리되고 선이 채워지지 않은 간극이 있어 부드러운 솔리드 구조를 형성하는데 적합하지 않습니다. 낮은 온도에서 유지되는 기질에 대해서도 유사한 분석을 수행했습니다(예: 600K, 700K 등). 3D 구조물이 쿨러 기질에 인쇄될 수 있지만, 그것들은 후속적인 퇴적 금속 층들 사이에 강한 결합의 결여와 같은 바람직하지 않은 공예품을 보여주는 것이 관찰되었습니다. 이는 침전된 물방울의 열 에너지 손실률이 증가했기 때문입니다. 기판 온도의 최종 선택은 주어진 용도에 대해 물체의 허용 가능한 인쇄 품질에 따라 결정될 수 있습니다. 인쇄 중에 부품이 커짐에 따라 더 높은 열 확산에 맞춰 동적으로 조정할 수도 있습니다.

FLOW-3D 결과 검증

위 그림은 가열된 기판 상에 인쇄된 컵 구조 입니다. 인쇄 과정에서 가열된 인쇄물의 온도는 인쇄된 부분의 순간 높이를 기준으로 실시간으로 733K (430 ° C)에서 833K (580 ° C)로 점차 증가했습니다. 이것은 물체 표면적이 증가함에 따라 국부적인 열 확산의 증가를 극복하기 위해 행해졌습니다. 알루미늄의 높은 열전도율은 국부적인 온도 구배에 대한 조정이 신속하게 이루어져야 하기 때문에 특히 어렵습니다. 그렇지 않으면 온도가 빠르게 감소하고 층내 유착을 저하시킵니다.

결론

시뮬레이션 결과를 바탕으로, Vader System의 프로토타입 마그네슘 유체 역학 액체 금속 Drop-on-demand 3D 프린터 프로토 타입은 임의의 형태의 3D 솔리드 알루미늄 구조를 인쇄할 수 있었습니다. 이러한 구조물은 서브 밀리미터의 액체 금속방울을 층 단위로 패턴화하여 성공적으로 인쇄되었습니다. 시간당 540 그램 이상의 재료 증착 속도는 오직 하나의 노즐을 사용하여 달성 되었습니다.

이 기술의 상업화는 잘 진행되고 있지만 처리량, 효율성, 해상도 및 재료 선택면에서 최적의 인쇄 성능을 실현하는 데는 여전히 어려움이 있습니다. 추가 모델링 작업은 인쇄 과정 중 과도 열 영향을 정량화하고, 메니스커스 동작뿐만 아니라 인쇄된 부품의 품질을 평가하는 데 초점을 맞출 것입니다.

References
[1] Roth, E.A., Xu, T., Das, M., Gregory, C., Hickman, J.J. and Boland, T., “Inkjet printing for high-throughput cell patterning,” Biomaterials 25(17), 3707-3715 (2004).

[2] Sirringhaus, H., Kawase, T., Friend, R.H., Shimoda, T., Inbasekaran, M., Wu, W. and Woo, E.P., “High-resolution inkjet printing of all-polymer transistor circuits,” Science 290(5499), 2123-2126 (2000).

[3] Tseng, A.A., Lee, M.H. and Zhao, B., “Design and operation of a droplet deposition system for freeform fabrication of metal parts,” Transactions-American Society of Mechanical Engineers Journal of Engineering Materials and Technology 123(1), 74-84 (2001).

[4] Suter, M., Weingärtner, E. and Wegener, K., “MHD printhead for additive manufacturing of metals,” Procedia CIRP 2, 102-106 (2012).

[5] Loh, L.E., Chua, C.K., Yeong, W.Y., Song, J., Mapar, M., Sing, S.L., Liu, Z.H. and Zhang, D.Q., “Numerical investigation and an effective modelling on the Selective Laser Melting (SLM) process with aluminium alloy 6061,” International Journal of Heat and Mass Transfer 80, 288-300 (2015).

[6] Simchi, A., “Direct laser sintering of metal powders: Mechanism, kinetics and microstructural features,” Materials Science and Engineering: A 428(1), 148-158 (2006).

[7] Murr, L.E., Gaytan, S.M., Ramirez, D.A., Martinez, E., Hernandez, J., Amato, K.N., Shindo, P.W., Medina, F.R. and Wicker, R.B., “Metal fabrication by additive manufacturing using laser and electron beam melting technologies,” Journal of Materials Science & Technology, 28(1), 1-14 (2012).

[8] J. Jang and S. S. Lee, “Theoretical and experimental study of MHD (magnetohydrodynamic) micropump,” Sensors & Actuators: A. Physical, 80(1), 84-89 (2000).

[9] M. Orme and R. F. Smith, “Enhanced aluminum properties by means of precise droplet deposition,” Journal of Manufacturing Science and Engineering, Transactions of the ASME, 122(3), 484-493, (2000)

Particles | 입자

입자 / Particles

본질적으로 Lagrangian 입자는 복잡한 흐름에서 물리량을 추적하는 독특한 방법을 가지고 있습니다. 이들의 속성은 메시 해상도에 의해 덜 제한되며, 동시에 질량, 운동량 및 열 전달을 통해 유체 및 고체와 함께 매우 세부적이고 사실적으로 상호 작용할 수 있습니다. 후 처리(Post Processing) 측면에서 입자는 시각화를 향상 시킬 수 있습니다.

FLOW-3D의 Lagrangian 입자 모델

FLOW-3D의 입자 모델은 전기장 효과 및 유체 흐름과의 양방향 커플 링을 포함하여 마커에서 크기와 밀도가 다른 질량 입자로 진화했습니다. 이 모델은 공기 중의 오염 물질, 금속 함유물 및 분리기에서 포착되는 파편을 추적하는데 성공적으로 적용되었습니다. 최근에는 FLOW-3D의 입자 모델이 기능을 확장하기 위한 큰 변화가 있었습니다. 현재 모델에서 입자는 기본 기능에 따라 클래스로 그룹화됩니다.

마커 입자 는 단순한 질량이 없는 마커로 유체 흐름을 추적하는 데 가장 적합합니다.
질량 입자 는 모래 알갱이 또는 내포물과 같은 고체 물체를 나타냅니다.
액체 입자 는 유체로 만들어지며 모든 유체 속성을 상속합니다.
가스 입자 는 주변 유체의 온도 및 압력 부하에 따라 크기가 변하는 기포를 나타냅니다.
보이드 입자 는 가스 입자와 유사하지만 그 특정 기능은 붕괴된 기포를 표시하고 추적하는 것입니다. 이는 다른 응용 분야에서 주조시 금형 충전 중에 생성되는 잠재적 다공성 결함을 예측하는 데 유용합니다.
프로브 입자 는 해당 위치에서 변수 값을 기록하고 보고하는 진단 장치로 사용됩니다. 다른 클래스의 입자로 만들 수 있습니다.
사용자 입자 는 소스 코드에서 사용자 정의 함수를 통해 사용자 정의를 할 수 있습니다.

각 입자 클래스에는 드래그 계수 및 각 숫자 입자가 물리적 입자의 구름을 나타낼 수 있는 매크로 입자 계수와 같이 클래스의 모든 입자에 적용되는 속성이 있습니다. 사용자 클래스의 입자에는 사용자가 사용자 정의 할 수 있는 세 가지 추가 속성이 있습니다.

다양한 크기와 밀도의 입자를 나타내는 재료 입자 클래스 내에서 여러 종을 정의 할 수 있습니다. 주변 유체와의 열 전달은 모든 재료 입자, 즉 질량, 액체, 가스, 보이드 및 사용자 입자에 적용되는 또 다른 기능입니다.

가스 입자의 압력은 상태 방정식과 온도 변화에 따른 변화를 사용하여 계산됩니다. 기체 입자가 유체가 없는 표면을 벗어나면 기체 영역에 부피를 추가합니다.

액체 입자의 유체는 응고 뿐만 아니라 증발 및 응축으로 인해 상 변화를 겪을 수 있습니다. 응고된 입자는 질량 입자와 유사한 고체 물체로 작동하지만 일단 들어가서 다시 녹으면 유체로 변환됩니다. 또한 2 유체 상 변화 모델이 활성화되면 액체 입자가 기체 내에서 이동하면서 증발 및 응축될 수 있으므로 스프레이 냉각 모델링에 유용합니다.

각 파티클 클래스는 FLOW-3D POST 에서 별도의 개체로 시각화 할 수 있습니다. 속도, 온도, 입자 수명 또는 고유 ID와 같은 개별 입자 속성을 색상에 사용할 수 있습니다. 표시된 입자 크기는 클래스 내에서의 변화를 반영합니다.

Lagrangian 입자를 직접 금속 증착에 적용

직접 금속 증착은 동일한 금속의 분말 스트림이 주입되는 고체 금속 기판에 용융 풀을 형성하기 위해 레이저를 사용하는 적층 제조 공정의 한 유형입니다. 분말 입자가 풀 내부에서 녹고, 풀이 다시 응고되면 일반적으로 두께가 0.2-0.8mm이고 너비가 1-2mm 인 고형화된 금속 층이 형성됩니다.

laser/powder gun 어셈블리가 기판 표면을 계속 스캔하므로 복잡한 모양을 층별로 만들 수 있습니다. 레이저 출력, 속도 및 분말 공급 사이의 적절한 균형은 공정의 성공과 효율성을 위해 중요합니다. 엔지니어의 주요 관심 사항은 다음과 같습니다.

용융 풀의 크기와 모양
금속 흐름 및 그 내부의 냉각 속도
응고된 층의 형상

이 섹션에서 설명하는 시뮬레이션은 이러한 특성을 정확하게 예측합니다. 레이저와 기판의 움직임은 좌표계를 레이저에 부착함으로써 반전됩니다. Inconel 718 합금의 기판은 10mm/s의 일정 속도로 움직입니다. 레이저는 1.8kW의 출력으로 반경 1mm의 원형 열원으로 모델링됩니다. 3 개의 파우더 건은 0.684 g/s의 속도로 레이저 충돌 점에서 고체 금속 입자를 전달합니다. 각 건은 크기가 2 x 2 mm이고 초당 입자 비율은 10⁵ 입니다.

입자는 액체 입자 클래스를 사용하여 모델링됩니다. 모든 입자의 직경은 40 μm입니다. 매크로 입자 배율 10은 시뮬레이션에서 입자 수를 줄이는데 사용됩니다. 3백만 개의 물리적 입자를 나타내는 매 초당 시뮬레이션에서 3 x 10⁵ 개의 숫자 입자가 생성됩니다. 입자의 초기 온도는 480°C입니다. 즉, 풀에 충돌하기 전에 고체 상태입니다.

시뮬레이션은 분말을 첨가하기 전에 용융 풀이 형성 될 수 있도록, 시작한 후 2초 후에 입자 소스를 활성화하여 10초 동안 실행했습니다. 일단 풀에 들어가면 입자가 녹아 금속으로 전환되어 금속의 부피가 증가하여 궁극적으로 레이저에서 하류의 재응고 금속 층을 형성합니다. 용융 풀 모양은 대칭 평면에 표시됩니다.

새로운 Lagrangian 입자 모델은 FLOW-3D의 현재 기능을 크게 확장 할 뿐만 아니라 금속의 핵심 가스 버블 추적과 같은 향후 확장을 위한 강력한 개발 플랫폼을 만듭니다.

Plate 1.1: Overall view of infiltration rig with permeable pavement

Modular Permeable Pavements | 모듈식 투과성 포장

이 기사는 Mohd Aminur Rashid ( UNITEN ), Prof Ismail Abustan (USM) 및 Prof Meor Othman Hamzah ( USM ) 가 기고했습니다.

모듈 식 투과성 포장은 전통적인 불 침투성 아스팔트 및 콘크리트 포장의 대안입니다. 물이 표면을 통해 빠르게 침투 할 수있는 능력 때문에 모듈 식 투과성 포장은 유출량과 최고 유출률을 줄일 수 있습니다. 모듈 식 투과성 포장 도로는 우수 제어를 돕는 효과적인 도구로 간주됩니다. 이 연구는 실험실 및 현장 실험 결과를 검증하기 위해 FLOW-3D 를 사용하여 투과성 포장의 변화를 모델링하고 시각화하는 데 중점을 둡니다 .

실험 설정

Plate 1.2: Physical model of the permeable pavement in laboratory

투과성 포장의 물리적 모델은 폭 525mm, 길이 565mm 인 모델의 전면보기를 위해 3면 20mm 두께의 PVC와 20mm 두께의 Perspex로 만들어진 Plate 1.2와 같이 수직 직사각형 수로에 배치되었습니다. 이 투과성 포장 도로에는 그림 1.1과 같이 표층 두께 110mm, 자갈 바닥 두께 300mm, 부기 층 두께 200mm의 세 가지 레이어가 있습니다. 서브베이스 레이어는 200mm 깊이까지 두 개의 HMPS 레이어를 리그에 추가하여 구성되었습니다. 부기 층이 완성 된 후, 침투 리그에 15mm에서 20mm 크기의 세척 된 깨끗한 입방체 골재를 첨가하여 자갈 기저층을 시공 하였다. HMPS의 표면층은 5mm 깨끗한 입방체 골재가있는 PVC의 육각 기둥으로 구성됩니다.

Figure 1.1: Configuration of boundary conditions

모델 검증

모델은 20L / m, 15L / m, 10L / m, 5L / m의 유속에 대한 시뮬레이션 데이터와 실험실 데이터를 비교하여 검증되었습니다. 데이터는 시간 함수로서 포장 층 하단의 유체 축적 높이로 구성됩니다. 이러한 데이터는 FLOW-3D 의 짧은 런타임 때문에 선택되었습니다 . 그림 1.2는 20L / m 실험에서 관찰 된 결과와 계산 된 결과를 비교 한 것입니다. 관찰 시간과 계산 시간의 차이는 약 5 초로 매우 작습니다. 이것은 육각형 모듈 포장 시스템의 계산 모델, HMPS 및이 FLOW-3D 를 실행하는 데 사용 된 모든 데이터를 확인했습니다. 시뮬레이션은 실험실 조건과 일치했습니다. 15L / m에 대해 관찰 된 데이터와 계산 된 데이터 간의 비교가 그림 1.3에 나와 있습니다. 그래프는 동일한 추세선과 약 5 초의 차이도 보여줍니다. 그림 1.4는 10L / m에 대해 계산 된 데이터와 관찰 된 데이터 간의 비교 그래프를 보여줍니다. 이 사례는 시뮬레이션 된 데이터와 관찰 된 데이터에 대해 약 5 초 더 많은 것을 제외하고는 완전히 일치 함을 보여줍니다. 시뮬레이션 및 관찰 된 데이터는 차이가 5 초 미만인 5L / m 케이스에 대해 그림 1.5에 플롯되었습니다.

Figure 1.2: Comparison between observed and computed data on 20L/m
Figure 1.3: Comparison between observed and computed data on 15L/m
Figure 1.4: Comparison between observed and computed data on 10L/m
Figure 1.5: Comparison between observed and computed data on 5L/m

층 두께의 영향

시뮬레이션된 각 사례의 경우 속도 필드는 비슷하지만 FORD™ 방법이 형상을 해석하는 방식으로 차이를 관찰할 수 있습니다. 그물이 너무 거칠어서 PVC 육각형 기둥의 벽을 해결할 수 없을 경우 벽 내부와 외부 사이에 액체가 누출될 수 있습니다. 결과는 그림 1.9의 압력이 가장 거친 메시의 솔루션과 다른 두 메시의 메시 독립적 솔루션 사이에 뚜렷한 차이와 함께 서로 상당히 잘 일치한다는 것을 보여줍니다. 특히, 수면과 침대의 차이는 기하와 수면의 위치를 근사한 그물에 의해 발생하며, 이는 흐름장 내 세포의 0이 아닌 속도와 Fi와 같이 장애물 내 또는 수면 위 인접 세포의 0 속도 사이의 보간 차이를 초래합니다.1.10, 1.11 및 1.12입니다. 더 미세한 메시를 사용하여 불일치를 최소화해야 합니다.

Figure 1.6: Surface pavements of HMPS in FLOW-3D simulation
Figure 1.7: Effect of thickness of surface pavement on fraction of fluid
Figure 1.8: Effect of thickness of surface pavement on volume of fluid

시뮬레이션 된 각 경우에 대해 속도 필드는 비슷하지만 FAVOR ™ 방법이 형상을 해석하는 방식에서 차이가 관찰 될 수 있습니다. 메쉬가 너무 거칠어 서 PVC 육각 기둥의 벽을 해결할 수없는 경우 벽 내부와 외부 사이에 유체 누출이있을 수 있습니다. 결과는 그림 1.9의 압력이 가장 거친 메쉬의 솔루션과 다른 두 메쉬의 메쉬 독립 솔루션 사이에 현저한 차이가 있음을 알 수 있습니다. 특히 수면과 수면의 차이는 기하학과 수면의 위치를 근사하는 메쉬에 의해 발생합니다. 이는 그림 1.10, 1.11 및 1.12에서와 같이 유동장에서 세포의 0이 아닌 속도와 장애물 내부 또는 수면 위의 인접한 세포의 속도가 0이 아닌 사이의 보간 차이를 초래합니다. 더 미세한 메시를 사용하여 불일치를 최소화해야합니다.

Figure 1.9: Pressure fields for the 2D different thickness of surface pavement
Figure 1.10: Velocity fields for the 2D different thickness of surface pavement
Figure 1.11: Pressure fields for the 2D different thickness of surface pavement
Figure 1.12: Velocity fields in the z-direction for the 2D different thickness of surface pavement

결론

수행 된 테스트의 범위에서 FLOW-3D는 모듈식 포장 도로, HMPS의 흐름을 적절하게 모델링 한다는 결론을 내릴 수 있습니다. 결과는 또한 복잡한 2D 흐름이 항상 적절하게 모델링 되었음을 나타냅니다. 특히 물 표면 프로필을 물리적 모델의 프로필과 비교할 때 더욱 그렇습니다. 이는 동일한 운영 상황에서 실험 결과와 모델 결과를 비교하기 위한 이 연구의 세 번째 목표에 부합합니다. 또한 시뮬레이션은 대체 다공성 매체 모델 또는 축척 또는 프로토타입 치수로 실행할 수 있습니다. 이 연구는 FLOW-3D가 포장 구조를 통과하는 흐름의 일반적인 특성을 모델링 할 수 있을 만큼 충분히 발전되었습니다. 더 자세한 연구를 위해서는 더 강력한 컴퓨터가 필요합니다. 이러한 결과는 이 특정 경우에 유효하며 다른 디자인을 연구 할 때 지침으로 사용해야 합니다.

마지막으로 이 연구를 통해 포장 구조가 통합 유압 시스템으로 작동함을 알 수 있습니다. 이 시스템의 성능은 시스템 내의 모든 구성 요소와 관련이 있습니다. 본 연구의 다음 단계는 본 연구에서 제시 한 분석 방법을 기반으로 단순화된 모델을 개발하는 것입니다. 전산 유체 역학 모델에 사용 된 재료 특성의 추정을 개선하려면 토양 물 특성 곡선에 대해 더 많은 실험실 테스트를 수행해야 합니다.

수치해석에 유용한 SSD (메모리디스크) 2021 가이드

본 자료는 ITWORLD 기사에서 2021년 3월과 05일 자료와 2021년 12월 14일 자료에서 발췌 인용된 자료입니다. (출처 : www.itworld.co.kr)

수치해석을 하는 경우 계산과정에서 생성되는 결과 파일 사이즈는 매우 크기 때문에, 빠른 디스크 속도는 사용자의 총 해석시간을 줄이는데 큰 도움이 됩니다.

수치해석에서 SSD가 필요한가?

수치해석 업무를 담당하는 사용자에게 SSD가 필요한가? 한마디로 말하면 수치해석을 하는 모든 사람은 보유하고 있는 수치해석 장비의 디스크를 SSD로 업그레이드하는 것이 좋다. 가장 빠른 기계식 하드 드라이브도 SSD 속도에는 미치지 못한다.

기존 노트북, 또는 데스크톱의 하드 드라이브를 SSD로 교체하면 완전히 새로운 시스템처럼 느낄 수 있다. 수치해석을 하는 사용자는 SSD를 구입하는 것은 컴퓨터를 업그레이드하는데 가장 적합한 옵션이다.

SSD는 기계식 하드 드라이브보다 기가바이트 당 비용이 더 많이 들기 때문에 초 고용량으로 제공되지 않는 경우가 많다. 속도와 저장 공간이 필요한 경우, 128GB 나 256GB의 SSD를 구입해 부팅 드라이브로 사용하고, 기존 하드 드라이브를 PC의 보조 저장 장치로 사용하면 최선의 선택이 된다.

하드 드라이브는 가격 대비 용량 측면에서 여전히 큰 이점을 제공하며, 자주 사용되지 않는 데이터를 저장하는 용도로 적합하다. 그러나 운영체제, 프로그램, 자주 사용하는 데이터에는 보유하고 있는 시스템이 지원한다면 NVMe SSD, 지원하지 않는다면 SATA SSD를 사용하는 것이 좋다.

아래 그래프를 보면 SSD를 왜 사용해야 하는지 명확해진다.

NVMe/M.2/SATA SSD 비교 정리

	NVMe SSD	M.2 SSD	SATA SSD
속도	PCIe 3.0 최대 3,500MBps PCIe 4.0 최대 7,500MBps	SATA 최대 550MBps NVMe PCIe 3.0 최대 3,500MBps NVMe PCIe 4.0 최대 7,500MBps	최대 550MBps
폼팩터 종류	M.2 U.2^* PCIe 카드^* *일반적이지 않은 종류	N/A	2.5인치 드라이브 M.2
인터페이스 종류	N/A	SATA NVMe	N/A
장점	속도가 빠름	공간을 덜 차지함	속도와 가격의 균형
단점	가격이 비쌈	SATA M.2가 2.5인치 SATA보다 비싼 경우가 있음	속도가 느리고 공간을 많이 차지함

SATA SSD vs. NVMe SSD

시장에 SATA SSD와 NVMe SSD가 아직 공존하는 데는 이유가 있다. 메모리 기반 SSD의 잠재력을 감안할 때 결국 새로운 버스와 프로토콜이 필요할 수밖에 없으리란 점은 초기부터 명확했다. 그러나 초창기 SSD는 비교적 속도가 느렸으므로 기존 SATA 스토리지 인프라를 사용하는 편이 훨씬 더 편리했다.

SATA 버스는 버전 3.3에 이르러 16Gbps까지 발전했지만 거의 모든 상용 제품은 여전히 6Gbps에 머물러 있다(오버헤드를 더해 대략 550MBps). 버전 3.3이라 해도 현재 SSD 기술, 특히 RAID 구성으로 낼 수 있는 속도에 비하면 한참 느리다.

그 다음으로 등장한 방법은 역시 기존 기술이지만 대역폭이 훨씬 더 높은 버스 기술인 PCI 익스프레스, 즉 PCIe 활용이다. PCIe는 그래픽 및 기타 애드온 카드를 위한 기본 데이터 전송 계층이다. 3.x 세대 PCIe는 복수의 레인(대부분의 PC에서 최대 16개)을 제공하며, 각 레인은 1GBps(985MBps)에 가까운 속도로 작동한다.

PCIe는 썬더볼트 인터페이스의 기반이기도 하다. 썬더볼트는 게임용 외장 그래픽 카드, 그리고 내장 NVMe와 거의 대등한 속도를 내는 외장형 NVMe 스토리지에서 진가를 발휘하기 시작했다. 많은 사용자들이 이제 느끼고 있지만, 인텔이 썬더볼트를 버리지 않은 것은 현명한 판단이었다.

물론 PCIe 스토리지는 NVMe보다 몇 년 전에 나왔다. 그러나 이전 솔루션은 SATA, SCSI, AHCI와 같은 하드 드라이브가 스토리지 기술의 정점이었던 시절에 개발된 오래된 데이터 전송 프로토콜에 발목을 잡혔다. NVMe는 저지연 명령과 다수의 큐(최대 6만 4,000개)를 제공함으로써 스토리지의 발목을 잡았던 제약을 없앤다. 지속적인 원을 그리며 데이터가 기록되는 하드 드라이브와 달리 SSD에서는 마치 산탄처럼 데이터가 흩어져 저장되므로 특히 후자, 즉 다수의 큐가 큰 효과를 발휘한다.

가격 : NVMe > SATA

예상했겠지만, SSD는 속도가 빠를수록 가격이 비싸다. 시중에 판매되는 1TB SATA SSD의 가격은 10만 원 초반대이며, 1TB NVMe PCIe 3.0 드라이브의 가격은 10만 원 중후반대다. 1TB PCIe 4.0 드라이브 가격은 10만 원 초반대부터 20만 원대까지 다양하다. 조금 저렴한 1TB PCIe 4.0 드라이브는 최대 속도가 5,000MBps 정도다.

폼팩터 종류에 따라 가격 차이가 나지는 않는다. 2.5인치 SATA SSD와 M.2 모델의 가격이 동일한 경우가 대부분이다. 가끔 2.5인치 모델이 M.2 모델보다 저렴한 경우가 있는데, 일반적이지는 않다.

SSD 선택 시 유의해서 봐야할 것

물론 저장 용량과 가격이 중요하다. 또한 긴 보증기간은 조기 데이터 사망에 대한 우려를 완화시킬 수 있다. 대부분의 SSD 제조업체는 3년 보증을 제공하며 일부 더 좋은 모델은 5년을 보증한다. 그러나 이전 세대의 SSD와는 달리, 몇 년 전에 혹독한 내구성 테스트로 입증한 것처럼 최신 SSD는 일반 소비자가 어지간히 사용해서는 마모되지 않는다.

SSD는 NVMe 혹은 SATA를 사용해 PC의 나머지 부분과 통신한다. 일반적으로 SATA는 NVMe보다 속도가 느리다. 반면 M.2는 사실상 폼팩터에 가까우므로 시중에는 NVMe M.2 SSD와 SATA M.2 SSD가 모두 출시되어 있다.

다만 제품 광고나 설명서에서 가끔 NVMe 드라이브임을 나타내기 위해 ‘M.2 SSD’라는 표현을 사용하고, 2.5인치 폼팩터 SSD임을 나타내기 위해 ‘SATA SSD’라는 표현을 사용한다. 따라서 ‘M.2 SSD’나 ‘SATA SSD’라는 표현을 액면 그대로 받아들이면 안 된다. 반드시 기술 사양을 확인하고 노트북 또는 데스크톱 PC의 스토리지 드라이브의 대략적인 속도를 확인해야 한다.

유의해야 할 것은 SSD를 PC에 연결하는 데 사용되는 기술이다.

SATA: 연결 유형과 전송 프로토콜을 나타내며, 대부분의 2.5인치 및 3.5인치 하드 드라이브와 SSD를 PC에 연결한다. SATA III 속도는 약 600MBps에 달할 수 있으며, 대부분의 현대 드라이브는 최대 속도를 제공한다.
PCIe: 이 인터페이스는 컴퓨터의 4개의 PCIe 레인을 활용해 SATA 속도를 훨씬 능가해 거의 4GBps를 제공한다(PCIe 3세대). 이런 파괴적인 속도는 강력한 NVMe 드라이브와 잘 어울린다. 메인보드의 PCIe 레인과 M.2 슬롯 모두 PCIe 인터페이스를 지원하도록 유선으로 연결할 수 있으며, “검정” M.2 드라이브를 PCIe 레인에 슬롯화할 수 있는 어댑터를 구입할 수 있다.
NVMe: 비휘발성 메모리 익스프레스(Non-Volatile Memory Express) 기술은 PCIe의 풍부한 대역폭을 활용해 SATA 기반 드라이브를 비교조차 못할 정도로 매우 빠른 SSD를 만든다. NVMe에 대해 더 자세히 알고 싶다면 여기를 클릭하라.
M.2: 설명이 쉽지 않다. 많은 사람이 M.2 드라이브가 모두 NVMe 기술과 PCIe 속도를 사용한다고 생각하지만 사실이 아니다. M.2는 단순히 폼 팩터에 불과하다. 물론 대부분의 M.2 SSD는 NVMe를 사용하지만 일부는 여전히 SATA를 사용한다. 많은 최신 울트라북이 저장을 위해 M.2를 사용한다.
U.2 및 mSATA: mSATA 및 U.2 SSD에서도 문제가 발생할 수 있지만, 이 형식을 지원하는 메인보드와 제품 가용성은 드물다. M.2가 대중화되기 전에 일부 구형 울트라북에 mSATA가 포함되어 있으며, 필요할 경우 드라이브를 사용할 수 있다.

물론 속도도 중요하지만, 대부분의 최신 SSD는 SATA III 인터페이스를 지원한다. 그러나 전부 다 그런 것은 아니다.

구입전 사용자가 알아야 할 NVMe SSD

NVMe 드라이브는 구입하기 전에 어떤 특징을 갖고 있는지 알고 있어야 한다. 표준 SATA SSD는 이미 PC 부팅 시간과 로딩 시간을 대폭 단축하고 훨씬 저렴하다. NVMe 드라이브는 특히 대량으로 데이터를 정기적으로 전송하는 경우, 삼성 960 프로와 같은 M.2 폼 팩터나 또는 PCIe 드라이브가 가장 많은 효과를 누릴 수 있다. 그렇지 않으면 NVMe 드라이브는 가격만 비쌀뿐 가치도 없다.

NVMe SSD를 구입하기로 결정한 경우, PC에서 SSD를 처리할 수 있는지 확인해야 한다. 이는 비교적 새로운 기술이므로, 지난 몇 년 내에 제작한 메인보드만이 M.2 연결이 가능하다. 스카이레이크 시대의 AMD 라이젠과 주류 인텔 칩을 고려하라. PCIe 어댑터에 탑재된 NVMe SSD는 M.2 채택이 확산되기 전인 초기에 널리 사용됐지만 지금은 매우 드물다. NVMe SSD를 구입하기 전에 실제로 NVMe를 사용할 수 있는지 확인하고 최대한 활용하기 위해서는 4개의 PCIe 레인이 필요하다는 점에 유의해야 한다.

NVMe 드라이브를 최대한 활용하려면 운영체제를 실행해야 하기 때문에 드라이브를 인식하고 부팅할 수 있는 시스템이 있어야 한다. 지난 1~2년 전에 구입한 PC는 NVMe 드라이브에서 부팅하는데 아무런 문제가 없지만, 좀 더 오래된 메인보드는 지원하지 않을 수 있다. 구글에서 자신의 메인보드를 검색하고 NVMe 부팅을 지원하는지 확인하라. 보드의 BIOS 업데이트를 설치해야 할 수도 있다. 하드웨어가 NVMe SSD에서 부팅할 수 없는 경우에도 보조 드라이브로 사용할 수 있어야 한다.

2021 최고의 SSD 선택 가이드

Brad Chacos | PCWorldSSD(Solid-State Drive)로 전환하는 것은 PC를 위한 최상의 업그레이드다. SSD는 긴 부팅 시간을 없애고, 프로그램과 게임 로드 속도를 높이는 등 일반적으로 컴퓨터를 빠르게 한다. 그러나 모든 SSD가 동일한 것은 아니다. 최고의 SSD는 합리적인 가격으로 훌륭한 성능을 제공한다. 가격에 고민하지 않을 경우, 놀라울 정도의 빠른 읽기 및 쓰기 속도를 제공하는 제품도 있다.

대부분 사용자를 위한 최고의 SSD: SK 하이닉스 골드 S31 SATA SSD
가성비 최고의 SSD: 애드링크 S22 QLC SATA 2.5인치 SSD
최고의 NVME SSD: SK 하이닉스 골드 P31 M.2 NVMe SSD(1TB)
최고의 PCIe 4.0 SSD: 삼성 980 프로 PCIe 4.0 NVMe SSD(1TB)

많은 SSD가 2.5인치 폼 팩터로 제공되며 기존 하드 드라이브에서 사용하는 것과 동일한 SATA 포트를 통해 PC와 통신한다. 그러나 최첨단 NVMe(Non-Volatile Memory Express) 드라이브는 메인보드의 M.2에 직접 연결하는 작은 스틱 형태의 SSD다. PCIe 어댑터에 장착되는 이 드라이브는 구입하기 전에 메인보드에 슬롯이 있는지 확인해야 한다. 그래픽 카드나 사운드 카드처럼 메인보드에 꽂을 수 있는 SSD와 미래형 3D 크로스포인트(3D XPoint) 드라이브 등이 등장함에 따라 완벽한 SSD를 선택하는 것은 예전처럼 간단하지 않다.

그래서 이 가이드가 필요하다. 본지는 사용자 상황에 적합한 SSD를 찾기 위해 수많은 SSD를 테스트했다. 본지가 선정한 최고 인기 제품과 SSD 선택 시 무엇을 고려해야 하는지 알아보자. 참고로, 이번 가이드는 내장형 SSD만 적용한 것이다.

대부분 사용자를 위한 최고의 SSD, SK 하이닉스 골드 S31 SATA SSD

삼성의 주력인 EVO SSD 제품군은 2014년 이래로 줄곧 본지의 권장 목록에서 1위를 차지했으며, 현재 삼성 860 EVO는 여전히 속도, 가격, 호환성 및 5년 보증 및 뛰어난 마법사 관리 소프트웨어의 안정성 등 조화를 원하는 사람들에게 좋은 선택지다. 그러나 대부분의 사람들은 SK 하이닉스 골드 S31을 사는 것이 낫다.

골드 S31은 지금까지 본지가 테스트 한 가장 빠른 SATA SSD 가운데 하나일뿐만 아니라 동급 최강의 870 EVO와 견줄 수 있을만한 거리에 있다. 하지만 이 드라이브의 가격은 놀랍다. 250GB 드라이브의 경우 44달러, 500GB 드라이브의 경우 57달러, 1TB의 경우 105달러인 골드 S31은 500GB 모델에 70달러를 청구하는 삼성 제품보다 훨씬 저렴하다(국내에서는 1T 13만 5,000원, 500G 7만 5,000원, 250G 4만 8,000원에 판매하고 있다. 편집자 주). .

리뷰 당시 본지는 “실제 48GB 사본 테스트 수행시 골드 S31은 지속적인 읽기 및 쓰기 작업에서 테스트한 제품 가운데 가장 빠른 드라이브임을 입증했다”라고 평가했다. 이 제품은 이 평가로 충분하다.

SK 하이닉스는 정확히 제품 이름이 아니기 때문에 브랜드 자체에 대해 조금 딴지를 걸 수도 있다. 그럼에도 불구하고 SK 하이닉스는 지구상에서 가장 큰 반도체 제조업체 가운데 하나다. SK 하이닉스는 시작부터 NAND 및 컨트롤러 기술을 개발해왔으며, 수많은 컴퓨터 업체의 SSD 제조업체였지만 판매선상에는 자리하지 못했다. 이제 그 선상에 섰고, 결과는 훌륭했다.

더 큰 용량이 필요하거나 단순히 검증된 브랜드를 고수하고 싶다면, 250GB, 500GB, 1TB 및 2TB 모델로 제공하는 삼성 870 EVO를 선택하면 된다. 이 제품은 SK 하이닉스보다 조금 더 빠르지만, 그 대가로 비용이 더 많이 든다. 삼성 870 EVO는 대부분의 SSD에 비해 매우 매력적이고 저렴한 패키지를 제공하고 있기 때문에 골드 S31이 얼마나 더 좋은 것인지 알 수 있다. 삼성 870 QVO는 1TB에서 무려 8TB에 이르는 용량을 가진 또 다른 강력한 경쟁 제품이지만 다음 세션에서 논의할 것이다.

가성비 최고의 SSD: 애드링크(AddLink) S22 QLC SATA 2.5인치 SSD

매우 저렴한 가격에 훌륭한 성능을 제공하는 SK하이닉스 골드 S31은 최고의 가성비 SSD로, 대부분의 사용자에게 최고의 SSD다. 하지만 어떤 이유로든 골드 S31에 관심이 없는 이들에겐 더 많은 선택지가 있다.

이제 기존의 MLC(Multi-Level Cell)와 TLC(Triple-Level Cell) SSD 가격이 급락함에 따라 제조업체는 SSD 가격을 더욱 낮출 수 있는 새로운 QLC(Quad-Level Cell) 드라이브를 출시했다.

이 새로운 기술을 통해 제조업체는 매우 빠른 SSD에 버금가는 속도와 함께 하드 드라이브와 같은 수준의 용량을 가진 SSD를 출시할 수 있었다. 다만 삼성 860 QVO를 포함한 1차 QLC 드라이브는 수십 기가바이트의 데이터를 한번에 전송할 때 쓰기 속도가 하드 드라이브 수준으로 떨어졌다.

애드링크(Addlink) S22 QLC SSD는 이 같은 어려움을 겪지 않는다. 기존 TLC SSD는 여전히 QLC 드라이브에 비해 속도 우위를 유지하고 있지만, 애드링크 S22는 512GB에 59달러, 1TB에 99달러의 저렴한 가격에 판매하고 있다. 하지만 SK 하이닉스 골드 S31이 거의 같은 금액으로 판매되고 있다는 사실에 주목할 필요가 있다.

대량의 데이터를 한번에 이동할 계획이 없고, 더 많은 저장공간이 필요하다면 삼성의 2세대 QLC 제품인 삼성 870 QVO가 좋은 선택이다. 실제로 애드링크의 SSD보다 조금 더 빠르다. 그러나 아마존에서 1TB가 110달러, 2TB의 경우 205달러, 4TB 450달러, 8TB 900달러로 더 비싸다. 1TB보다 적은 용량은 판매하지 않는다. 구형 삼성 860 QVO도 여전히 좋은 선택이긴 하지만 최신 870 QVO는 모든 면에서 최고다.

하지만 메인보드가 더 빠르고 새로운 NVMe M.2 드라이브를 지원한다면 선택지는 달라진다.

최고의 NVMe SSD: SK 하이닉스 골드 P31 M.2 NVMe SSD(1TB)

성능이 가장 중요하다면 삼성 970 프로 또는 씨게이트 파이어쿠다(Seagate FireCuda) 510이 가장 빠른 NVMe SSD이지만, 대부분의 사람은 SK 하이닉스 골드 P31을 구입하는 것이 좋다. SK 하이닉스는 가성비 범주에서 전체 SSD를 장악하고 있다.

SK 하이닉스 골드 P31은 128비트 TLC NAND를 탑재한 최초의 NVMe SSD이며, 96 NAND 레이어를 사용하는 다른 제품들을 뛰어넘었다. 본지가 테스트한 모델은 크리스탈디스크마크(CrystalDiskMark) 6와 AS SSD의 종합 벤치마크에서도 완전히 인정받았으며, 보도자료에서 주장했던 3.5Gbps 읽기 및 쓰기 속도에 거의 도달했다.

또한 실제 48GB 및 450GB 파일 전송 테스트에서 더 비싼 SSD에 비교했을 때도 뒤지지 않았다. SK 하이닉스 골드 P31은 최상급 드라이브처럼 작동하지만, 저렴한 드라이브보다 조금 더 비쌀 뿐이다. 500G 제품은 75달러에, 1TB 제품은 125달러에 구입할 수 있다(국내에서는 1T 19만 8,000원, 500G 9만 8,000원에 판매하고 있다. 편집자 주).

마이크론 크루셜(Crucial) P5는 비용 효율적인 NVMe SSD로, 만약 SK 하이닉스 골드 P31이 없었다면, 최고의 선택지가 될 수 있었다. 하지만 골드 P31가 조금 더 빠르고, 조금 더 저렴하다. 그래도 크루셜 P5는 대안 제품이 될 수 있다.

하지만 예산이 빠듯하다면, 약간 더 적은 비용으로 매력적인 선택지를 찾을 수 있다. 웨스턴 디지털 블루(Western Digital Blue) SN550 NVMe SSD는 앞서 언급한 제품처럼 빠르거나 화려한 성능을 갖고 있진 않다. 하지만 가격이 훨씬 저렴하다. 250GB의 경우 45달러, 500GB의 경우 65달러, 1TB의 경우 130달러와 같은 보급형 가격에도 불구하고 WD 블루 SN550은 고가의 제품 성능을 충분히 발휘할 수 있다. 신뢰성에 대한 좋은 이력을 가진 기존 브랜드를 이은 제품이며, 평균보다 긴 5년 보증을 제공한다.

또 다른 훌륭한 NVMe SSD

– 애드링크 S70 NVMe SSD: 좀 더 높은 성능을 원한다면 애드링크(Addlink) S70 NVMe SSD 또한 탁월한 선택지가 될 수 있다. 이 제품은 WD 드라이브보다 성능이 약간 우수하다. 하지만 본지는 이 제품의 가격이 인상된 후부터는 일상적인 컴퓨터 사용자에게 WD 블루 SN550을 추천한다. 애드링크는 WD만큼 잘 알려져 있지 않지만, S70 NVMe SSD에 대해 5년 보증을 제공한다.

– PNY XLR8 CS 3030: 이 제품은 좋은 가격에 빠른 성능을 제공하는 또 다른 선택지다. 하지만 일상적인 사용에는 탁월하지만, 긴 쓰기 작업에서는 수렁에 빠질 수 있다.

– 에이데이타의 XPG SX8200 프로와 킹스톤(Kingston) KC2500: 더 빠른 속도를 위해 좀더 많은 비용을 써도 괜찮다면 삼성 970 프로 수준의 성능을 지닌 에이데이타의 XPG SX8200 프로와 킹스톤 KC2500도 있다. 킹스톤 KC2500은 한번의 테스트에서 최고 등급에 도달하지 못했지만, 항상 선두권을 유지하고 있었다. 경쟁 제품과 거의 동일한 가격으로 구입할 수 있으며, 고성능 NVMe SSD를 구입하는 경우 고려해볼 만한 제품이다.

새로운 유형의 대용량 SSD 덕분에 충분한 저장용량과 함께 엄청난 NVMe 속도를 얻을 수 있게 됐지만, 이에 대한 비용은 감수해야 한다. OWC 아우라 P12는 NVMe 평균 이상의 쓰기 성능과 4TB 제품을 929달러에 제공한다. 최고의 세이브런트 로켓(Sabrent Rocket) Q는 최고의 성능과 놀라운 8TB 용량으로 모든 것을 만족시키지만, 1,500달러라는 놀라운 가격이 기다리고 있다. 최첨단은 저렴하지 않다.

최고의 PCIe 4.0 SSD: 삼성 980 프로 PCIe 4.0 NVMe SSD(1TB)

대부분의 NVMe SSD는 표준 PCIe 3.0 인터페이스를 사용하지만, 최첨단 기술을 지원하는 일부 제품에는 훨씬 더 빠른 PCIe 4.0 드라이브가 있다. 현재 AMD의 라이젠 3000 프로세서만 PCIe 4.0을 지원하며 X570 또는 B550 메인보드에 장착하는 경우에만 지원한다. 하지만 이 기준을 충족하면 PCIe 4.0 SSD는 가장 빠른 PCIe 3.0 NVMe SSD가 따라오지 못할 성능을 보여준다.

커세어(Corsair), 기가바이트(Gigabyte), 세이브런트는 최초의 PCIe 4.0 SSD를 출시했으며, 모두 약 200달러에 1TB 용량과 유사한 성능을 제공했다. 하지만 본지가 선정한 최고의 PCIe 4.0 SSD는 조금 더 비싸다.

본지는 최근에서야 PCIe 4.0 SSD 테스트를 추가했지만, 지금까지 테스트한 제품 가운데 최고는 삼성 980 프로였다. 이 제품은 테스트에서 삼성이 주장한 7Gbps 읽기 속도와 5Gbps 쓰기 속도를 초과했다. 이 제품은 실제 파일 전송 테스트를 통과했지만, 450GB 전송 테스트에서 발견한 것처럼 막대한 양의 데이터를 전송하는 경우 속도가 약간 느려질 수 있다. 하지만 대부분의 사용자가 SSD를 이렇게 힘들게 다루진 않는다.

하지만 모든 성능은 프리미엄급이다. 그럼에도 불구하고 250GB 90달러, 500GB 150달러, 1TB 용량은 230달러이다.

WD 블랙 SN850은 삼성 980 프로의 성능에 뒤처져 있지만, 거의 같은 가격으로 판매한다. 본지는 리뷰에서 “최강의 단일 SSD PCIe4 스토리지 성능을 찾는다면 어느 쪽도 문제가 되지 않을 것”이라고 평가했다.

PCIe 4.0 속도가 빠른 SSD를 원하지만 삼성의 동급 최고의 성능을 위해 많은 비용을 소비하고 싶지 않다면 XPG 겜믹스 S50 라이트를 고려한다. 본지는 “XPG 겜믹스 S50 라이트는 우리가 테스트한 최초의 PCIe 4 SSD로, 차세대라는 추가 비용이 들지 않는다. 실제로 시스템을 실행하는 시스템에서는 삼성 980 프로와 차이를 구분하기 어려울 것이다”라고 설명했다.

겜믹스 S50 라이트는 1TB의 경우 140달러, 2TB의 경우 260달러다.

NVMe SSD 설정시 알아야 할 사항

NVMe 드라이브는 구입하기 전에 어떤 특징을 갖고 있는지 알고 있어야 한다. 표준 SATA SSD는 이미 PC 부팅 시간과 로딩 시간을 대폭 단축하고 훨씬 저렴하다. NVMe 드라이브는 특히 대량으로 데이터를 정기적으로 전송하는 경우, 삼성 960 프로와 같은 M.2 폼 팩터나 또는 PCIe 드라이브를 가장 많은 효과를 누릴 수 있다. 그렇지 않으면 NVMe 드라이브는 가격만 비쌀뿐 가치도 없다.

NVMe SSD를 구입하기로 결정한 경우, PC에서 SSD를 처리할 수 있는지 확인해야 한다. 이는 비교적 새로운 기술이므로, 지난 몇 년 내에 제작한 메인보드만 M.2 연결이 가능하다. 스카이레이크 시대의 AMD 라이젠과 주류 인텔 칩을 고려한다. PCIe 어댑터에 탑재된 NVMe SSD는 M.2 채택이 확산되기 전인 초기에 널리 사용됐지만 지금은 매우 드물다. NVMe SSD를 구입하기 전에 실제로 NVMe를 사용할 수 있는지 확인하고 최대한 활용하기 위해서는 4개의 PCIe 레인이 필요하다는 점에 유의해야 한다.

NVMe 드라이브를 최대한 활용하려면 운영체제를 실행해야 하므로 드라이브를 인식하고 부팅할 수 있는 시스템이 있어야 한다. 지난 1~2년동안 구입한 PC라면 NVMe 드라이브를 부팅하는 데 문제가 없어야하지만, 이전 메인보드에서는 지원이 어려울 수 있다. 구글에서 메인보드를 검색하고 NVMe에서 부팅을 지원하는지 확인한다. 보드에서 BIOS 업데이트를 설치해야 할 수도 있다. 하드웨어가 NVMe SSD에서 부팅할 수 없는 경우에도 시스템은 이를 보조 드라이브로 사용할 수 있어야 한다.

SSD 선택에서 고려해야 할 것

물론 저장 용량과 가격이 중요하다. 또한 긴 보증기간은 조기 데이터 사망에 대한 우려를 완화시킬 수 있다. 대부분의 SSD 제조업체는 3년 보증을 제공하며 일부 더 좋은 모델은 5년을 보증한다. 그러나 이전 세대의 SSD와는 달리, 몇 년 전에 혹독한 내구성 테스트로 입증한 것처럼 최신 SSD는 일반 소비자가 어지간히 사용해서는 마모되지 않는다.

가장 유의해야 할 것은 SSD를 PC에 연결하는 데 사용되는 기술이다.
– SATA: 연결 유형과 전송 프로토콜을 나타내며, 대부분의 2.5인치 및 3.5인치 하드 드라이브와 SSD를 PC에 연결한다. SATA III 속도는 약 600MBps에 달할 수 있으며, 대부분의 현대 드라이브는 최대 속도를 제공한다.

– PCIe: 이 인터페이스는 컴퓨터의 4개의 PCIe 레인을 활용해 SATA 속도를 훨씬 능가해 거의 4GBps를 제공한다(PCIe 3세대). 이런 파괴적인 속도는 강력한 NVMe 드라이브와 잘 어울린다. 메인보드의 PCIe 레인과 M.2 슬롯 모두 PCIe 인터페이스를 지원하도록 유선으로 연결할 수 있으며, M.2 드라이브를 PCIe 레인에 슬롯화할 수 있는 어댑터를 구입할 수 있다.

– NVMe: 비휘발성 메모리 익스프레스(Non-Volatile Memory Express) 기술은 PCIe의 풍부한 대역폭을 활용해 SATA 기반 드라이브와는 비교조차 못할 정도로 매우 빠른 SSD를 만든다. NVMe에 대해 더 자세히 알고 싶다면 여기를 클릭하라.

– M.2: 설명이 쉽지 않다. 많은 사람이 M.2 드라이브가 모두 NVMe 기술과 PCIe 속도를 사용한다고 생각하지만 사실이 아니다. M.2는 단순히 폼 팩터에 불과하다. 물론 대부분의 M.2 SSD는 NVMe를 사용하지만 일부는 여전히 SATA를 사용한다. 많은 최신 울트라북이 저장을 위해 M.2를 사용한다.

– U.2 및 mSATA: mSATA 및 U.2 SSD에서도 문제가 발생할 수 있지만, 이 형식을 지원하는 메인보드와 제품 가용성은 드물다. M.2가 대중화되기 전에 일부 구형 울트라북에 mSATA가 포함되어 있으며, 필요할 경우 드라이브를 사용할 수 있다.

물론 속도도 중요하지만, 대부분의 최신 SSD는 SATA 3 인터페이스를 지원한다. 그러나 전부 다 그런 것은 아니다.

SSD vs. 하드 드라이브

SSD가 필요한가? “필요하다.” 본지는 모든 사람이 SSD로 업그레이드할 것으로 진심으로 권장한다. 가장 빠른 기계식 하드드라이브도 SSD 속도에는 미치지 못한다. 기존 노트북, 데스크톱의 하드드라이브를 SSD로 교체하면 완전히 새로운 시스템처럼 느낄 수 있다. SSD를 구입하는 것은 컴퓨터를 업그레이드하는 데 가장 적합한 선택이다.

SSD는 기계식 하드드라이브보다 기가바이트 당 저장 비용이 많이 들기 때문에 대용량으로 제공하지 않는 경우가 많다. 속도와 저장 공간이 동시에 필요한 경우, 128GB 크루셜 BX300과 같은 제한된 용량의 SSD를 구입해 부팅 드라이브로 사용하고, 기존 하드드라이브를 PC의 보조 저장장치로 설정한다. 프로그램을 부팅 드라이브에 넣고 미디어 및 기타 파일을 하드드라이브에 저장하면 준비가 다 된 것이다. editor@itworld.co.kr

FLOW-3D 수치해석 프로그램 Supported Platforms 보기

Solution-Coating Technology for AMOLEDDisplays

전자 장치 응용 분야를위한 솔루션 기반 코팅 방법은 비용 절감, 성능 향상 및 새로운 기능과 같은 많은 설득력있는 이유에 대한 집중적인 연구 노력의 초점입니다.

수동 및 능동 요소 솔루션 기반 코팅에 대한 응용 범위는 디스플레이에 걸쳐 있습니다.

조명, 태양 전지, 센서, 무선 주파수 식별 (RFID)을 위한 무선 장치 및 의료 장치, 여기서 활성이라는 용어는 재료의 반도체 특성을 장치의 주요 기능으로 사용하는 것을 의미합니다. 예를 들어 다이오드 및 트랜지스터에서. 대량 생산을 달성한 대부분의 용액 기반 코팅 제품은 용액 코팅층의 전기 전도성 및 / 또는 광학적 또는 기계적 특성이 기능의 핵심인 수동 소자에 국한됩니다. 일부 예는 패턴화된 버스 라인, 반사 방지 필름, 평탄화 층 및 인광체 층입니다.

용액 코팅된 능동 소자의 몇 가지 예가 대규모 상업 생산을 달성했습니다. 액티브 매트릭스 유기 발광 다이오드 (AMOLED) 디스플레이는 유기 물질을 사용하여 핵심 활성 전자 층을 형성하는 유망한 기술입니다. AMOLED 디스플레이의 기존 상업 기술은 현재 열 증착을 사용합니다.

그리고 미세 금속 마스크를 사용하여 작은 분자 물질을 증착하지만 대형 유리로 확장하는 데는 잘 알려진 어려움이 있습니다 . 용액 코팅은 재료 낭비를 줄이고 코팅을 통해 AMOLED 생산에서 상당한 비용 절감 잠재력을 제공합니다. AMLCD 기술보다 더 낮은 비용으로 AMOLED 기술을 사용할 수 있습니다. 상세한 비용 모델은 솔루션 코팅 된 AMOLED가 소형 디스플레이 용 AMLCD보다 약 20 % 더 저렴할 수 있으며, 3 AMOLEDTV와 같은 대형 생산 라인 및 디스플레이 크기에서 비용 절감이 증가 할 것으로 예측합니다.

Solution-coated OLED fabrication can be achieved using the above process flow

DuPont Displays는 높은 AMOLED 제조 비용을 해결하기 위해 고성능 재료 및 솔루션 처리 기술의 전체 세트를 개발했습니다. 우리는 기존의 상업용 증착 기술에 비해 비용과 성능 경쟁력을 갖도록 코팅 공정을 최적화했습니다.

평판 디스플레이의 밝기 및 색상 균일 성 사양은 솔루션 코팅 AMOLED 레이어에 대한 까다로운 두께 및 균일 성 요구 사항을 제시합니다. 다양한 맞춤형 모델링 및 분석 접근 방식을 사용하여 대형 유리 크기에서 상업적으로 실행 가능한 단거리 및 장거리 필름 두께 제어 및 단일성을 개발했습니다. 이러한 코팅 기술 향상은 다른 솔루션 기반 응용 프로그램으로도 확장되어야합니다.

자세한 내용은 첨부 문서를 참고하시기 바랍니다.

FLOW-3D 튜토리얼 V12

빠른 시작

이 튜토리얼 매뉴얼은 FLOW-3D 를 처음 사용하는 사용자에게 그래픽 사용자 인터페이스(GUI)의 주요 구성 요소를 쉽게 익히도록 하고, 다양한 시뮬레이션의 설정 및 실행 방법을 안내하기 위한 것입니다.

이 매뉴얼에 있는 실습과정은 FLOW-3D의 기본 사항을 다루기 위한 것입니다. 이 매뉴얼에서 제시하는 문제는 다양한 주제를 설명하고, 발생할 수 있는 많은 질문을 해결하기 위해 선정되었습니다. 이 매뉴얼의 실습과정은 FLOW-3D를 실행하는 컴퓨터에 앉아 사용하는 것이 가장 좋습니다.

CFD 사용 철학에 대한 간단한 섹션 다음에는 중요 파일과 시뮬레이션 파일을 실행하는 방법이 소개되어 있습니다. 이 소개 섹션 다음에는 모델 설정, 시뮬레이션 실행 및 포스트 프로세스, Simulation Manager 탐색 방법에 대한 설명이 있습니다. 이러한 각 단계에 대한 자세한 내용은 모델 설정, 컴퓨팅 결과 및 후처리 장에서 확인할 수 있습니다.

1.CFD 사용에 대한 철학

CFD (Computational Fluid Dynamics)는 유체 흐름(질량, 운동량 및 에너지 보존)에 대한 지배 방정식의 컴퓨터 솔루션입니다. 지정된 지배방정식은 이론 장에 설명된 Numerical방법을 사용하여 이산화되고 계산됩니다.

CFD 소프트웨어를 사용하는 것은 여러 면에서 실험을 설정하는 것과 유사합니다. 실제 상황을 시뮬레이션하기 위해 실험을 올바르게 설정하지 않으면, 그 결과는 실제 상황을 반영하지 않습니다. 같은 방법으로 수치 모델이 실제 상황을 정확하게 나타내지 않으면, 그 결과는 실제 상황을 반영하지 않습니다. 사용자는 어떤 것이 중요한지, 어떻게 표현해야 하는지를 결정해야 합니다. 시작하기 전에 다음과 같은 질문을 하는 것이 중요합니다.

CFD 계산에서 무엇을 알고 싶습니까?
중요한 현상을 포착하기 위해 규모와 Mesh는 어떻게 설계되어야 하는가?
실제 물리적 상황을 가장 잘 나타내는 경계 조건은 무엇입니까?
어떤 종류의 유체를 사용해야합니까?
이 문제에 어떤 유체 특성이 중요합니까?
다른 어떤 물리적 현상이 중요합니까?
초기 유체 상태는 어떻게 됩니까?
어떤 단위 시스템을 사용해야합니까?

모델링 되는 문제가 실제 상황을 가능한 한 유사하게 나타내는지 확인하는 것이 중요합니다. 사용자는 복잡한 시뮬레이션 작업을 해결 가능한 부분으로 나누는 것이 좋습니다.

복잡한 물리 효과를 추가하기 전에, 간단하고 쉽게 이해할 수 있는 근사값으로 점차적으로 시작하여 프로세스 진행하십시오. 간단한 손 계산(베르누이 방정식, 에너지 균형, 파동
전파, 경계층 성장 등)은 물리 및 매개 변수를 선택하는데 도움이 되고, 결과와 비교할 수 있는 점검항목을 제공합니다.

CFD의 장단점을 이해하면 분석을 진행하는데 도움이 될 수 있습니다. CFD는 다음과 같은 경우 탁월한 분석 옵션입니다.

기하 구조, 물리학 또는 필요한 상세 수준으로 인해 표준 엔지니어링 계산이 유용하지 않은 경우가 많습니다.
실제 실험은 비용이 많이 소요됩니다.
실험에서 수집할 수 있는 것보다 유체흐름에 대한 자세한 정보가 필요한 경우 유용합니다.
위험하거나 적대적인 조건, 확장이 잘되지 않는 프로세스 등으로 인해 정확한 실험 측정을 하기가 어려운 경우
복잡한 흐름 정보에 대한 커뮤니케이션

CFD는 다음과 같은 경우에 덜 효과적입니다.

솔루션이 계산 리소스가 매우 많이 소요되거나, 도메인 크기를 줄이기 위한 가정 또는 해결되지 않은 물리적 현상을 설명하기 위한 반 임계 모델이 필요한 경우
CFD 시뮬레이션에 대한 입력이 되는 중요한 물리적 현상이 알려지지 않은 경우
물리적 현상이 잘 이해되지 않거나 매우 복잡한 경우

CFD를 사용할 때 명심해야 할 몇 가지 중요한 참고 사항이 있습니다.

CFD는 규정된 초기 및 경계 조건에 따라 지정된 지배 방정식의 수치해석 솔루션입니다. 따라서 모델 설정, 즉 어떤 방정식을 풀어야 하는지, 재료 특성, 초기 조건 및 경계 조건이, 가능한 한 물리적 상황과 최대한 일치해야 합니다.
방정식의 수치 해는 일반적으로 어떤 종류의 근사치를 필요로 합니다. 물리적 모델에 대한 가정과 해결방법을 검토한 후 사용하는 것이 좋습니다.
디지털 컴퓨터는 숫자가 유한 정밀도로 이진수로 표시되는 방식으로 인해 반올림 오류가 발생합니다. 이는 문제를 악화시키기 때문에 매우 근소한 숫자의 차이를 계산해야 하는 상황을 피하십시오. 이러한 상황의 예는 시뮬레이션 도메인이 원점에서 멀리 떨어져 있을 때입니다.

2.중요한 파일

FLOW-3D 시뮬레이션과 관련된 많은 파일이 있습니다. 가장 중요한 것들이 아래에 설명되어 있습니다. 모든 prepin.* 파일의 명칭에서 prepin는 파일 형식을 의미하며, 별표시* 위치는 시뮬레이션 이름을 의미합니다. (예 : prepin.example_simulation.)

·prepin.*: 시뮬레이션용 입력 파일입니다. 시뮬레이션 설정을 설명하는 모든 입력 변수가 포함되어 있습니다.
·prpgrf.*: 이것은 전 처리기 출력 파일입니다. 여기에는 계산된 초기 조건이 포함되며 시뮬레이션을 실행하기 전에 설정을 확인하는 데 사용될 수 있습니다.
·flsgrf.*: 솔버 출력 파일입니다. 시뮬레이션의 최종 결과가 포함됩니다.
·prperr.*, report.*, prpout.*: 이 파일들은 Preprocessor Diagnostic Files.
·hd3err.*, hd3msg.*, hd3out.*: 이 파일들은 Solver Diagnostic Files.

모든 시뮬레이션 파일은 단일 폴더에 함께 유지하므로, 설명이 될 수 있는 시뮬레이션 이름을 사용하는 것이 좋습니다. 그러나 매우 긴 파일 이름은 운영 체제에 따라 문제가 될 수 있습니다.

노트

시뮬레이션 이름이 inp(즉, 입력 파일이 있다면 prepin.inp) 출력 및 진단 파일은 모두 .dat이름을 갖습니다. 예: flsgrf.dat.
모든 입력 파일은 네트워크 위치의 컴퓨터 대신 로컬 디렉토리에 저장하는 것이 좋습니다. 이것은 솔버가 더 빠르게 실행되고 GUI의 응답 속도가 빨라지며 실행중인 시뮬레이션을 방해하는 네트워크 문제 가능성을 제거합니다.

3.시뮬레이션 관리자

FLOW-3D 시뮬레이션 관리자의 탭은 주로 시뮬레이션을 실행할 수 있도록 시뮬레이션 환경을 구성하고 실행 시뮬레이션에 대한 상태 정보를 표시하는데 사용됩니다.

작업 공간 (Workspaces)

작업 공간(Workspaces)은 Simulation Manager의 필수 부분이며 파일을 FLOW-3D에서 처리하는 방식입니다. 기본적으로 시뮬레이션을 포함하고 구성하는 폴더입니다. 몇 가지 예를 들면 시뮬레이션과 또 다른 작업 공간인 검증 사례를 포함하도록 할 수 있습니다:

새로운 작업 공간 만들기

이 튜토리얼에서는 작성하려는 시뮬레이션을 포함할 작업 공간(Workspaces)을 작성하십시오.

1.File -> New workspace로 이동

2.작업 공간 이름으로 Tutorial를 입력하십시오.

3.기본 위치는 현재 사용자의 홈 디렉토리에 있습니다. 다른 곳에서 찾을 수 있지만 기본 위치가 우리의 목적에 적합합니다.

4.하위 디렉토리를 사용하여 작업 공간 이름 만들기 확인란을 선택합니다. 이렇게 하면 파일 시스템에서 작업 공간에 대한 새로운 하위 디렉토리가 만들어져 시뮬레이션 파일을 훨씬 쉽게 구성할 수 있습니다.

5.확인을 눌러 새 작업 공간을 작성하십시오. 이제 포트폴리오에 표시됩니다.

작업 공간 닫기

포트폴리오를 정리하고 탐색하기 쉽도록 필요 없는 작업공간을 닫는 것이 편리합니다. 작업 공간을 닫으면 포트폴리오에서 해당 작업 공간만 제거됩니다. 그러나, 컴퓨터에서 작업 공간을 삭제하지는 않습니다.

작업 공간을 닫으려면

1.기존 작업 공간을 마우스 오른쪽 버튼으로 클릭하고 작업 Close Workspace를 선택하십시오. 또는 포트폴리오에서 작업 공간을 선택 (왼쪽 클릭) 하고 Delete 키를 누를 수 있습니다.

2.작업 공간을 닫을 것인지 묻는 메세지가 표시됩니다. 예를 선택하십시오.

3.포트폴리오는 더 이상 닫힌 작업 공간을 포함하지 않습니다.

기존 작업 공간 열기

오래된 작업 공간을 열어야 할 때가 있을 것입니다. 예를 들어, 새 프로젝트에 유사한 시뮬레이션을 작성하기 전에 기존 시뮬레이션의 설정을 검토할 수 있습니다. 기존 작업 공간을 열려면

1.File -> Open Workspace…를 선택하십시오

2.작업 공간 파일이 있는 디렉토리를 찾으십시오. Tutorial.FLOW-3D_Workspace.

3.작업 공간을 로드 하려면 OK을 누르십시오.

작업 공간에서 시뮬레이션 작업

작업 공간을 사용하는 방법을 알았으니, 여기에 시뮬레이션을 추가해 봅시다.

Example를 추가하십시오

작업 공간에 작업 시뮬레이션을 추가하는 가장 간단한 방법은 포함된 예제 시뮬레이션 중 하나를 추가하는 것입니다. FLOW-3D의 다양한 기능을 사용하는
방법을 보여주기 위해 설계된 간단하고 빠른 시뮬레이션입니다. 기존 작업 공간에 예제를 추가하려면 다음을 수행하십시오.

1.포트폴리오에서 원하는 작업 공간을 강조 표시하십시오

2.File -> Add example…을 선택하십시오. 또는 작업공간을 마우스 오른쪽 버튼으로 클릭하고 예제 추가…를 선택할 수 있습니다.

3.예제 대화 상자에서 예제를 선택하고 열기를 누르십시오. 자연 대류(Natural Convection) 예제를 선택했습니다.

4.새 시뮬레이션 대화 상자가 열립니다.

5.디렉토리가 작업 공간 위치에 있는지 확인하는 것이 좋으므로 기본 시뮬레이션 이름과 위치를 잘 확인하는 것이 좋습니다. FLOW-3D는 모든 시뮬레이션 파일을 이 작업 공간 디렉토리의 별도 하위 디렉토리에 배치하여 파일 구성을 쉽게 만들어 줍니다.

6.시뮬레이션을 위한 단위 시스템을 선택하십시오. 표준 단위 시스템이 권장되지만 각 단위를 독립적으로 선택하기 위해 사용자 지정 단위 시스템을 선택할 수 있습니다.

7.확인을 눌러 새 시뮬레이션을 작업 공간에 추가하십시오.

작업 공간에서 시뮬레이션 제거

작업 공간에서 시뮬레이션을 제거해야 하는 경우가 있습니다 (이는 작업 공간에서 시뮬레이션을 제거만 하며, 컴퓨터에서 시뮬레이션을 삭제하지는 않습니다). 작업 공간에서 시뮬레이션을 제거하려면 다음을 수행하십시오.

1.작업 공간에서 기존 시뮬레이션을 마우스 오른쪽 버튼으로 클릭하고 (이 경우 이전 섹션에서 추가 한 예제 사용) 시뮬레이션 제거를 선택하십시오. 또는 작업 공간에서 시뮬레이션을 선택 (왼쪽 클릭)하고 Delete 키를 누를 수 있습니다.

2.작업 공간에는 더 이상 시뮬레이션이 포함되지 않습니다.

모든 작업 공간 및 디스크에서 시뮬레이션 삭제

작업 공간에서 시뮬레이션을 제거하는 것 외에도 디스크에서 모든 시뮬레이션 파일을 삭제해야 할 수도 있습니다. 작업 공간에서 시뮬레이션을 제거하고 디스크에서 시뮬레이션
파일을 삭제하려면 다음을 수행하십시오.

1.작업 공간에서 기존 시뮬레이션을 마우스 오른쪽 단추로 클릭하고 (이 경우 이전 섹션에서 추가 한 예제 사용) 모든 작업 공간 및 디스크에서 시뮬레이션
삭제를 선택하십시오.

2.시뮬레이션 디렉토리에서 삭제할 파일을 선택할 수 있는 창이 나타납니다. 삭제할 파일을 선택한 다음 확인을 눌러 해당 파일을 삭제하거나 취소를 눌러 작업을 중단하십시오.

3.OK를 선택한 경우 선택한 작업 공간은 더 이상 시뮬레이션을 포함하지 않습니다. 선택한 작업 공간의 모든 시뮬레이션 파일은 디렉토리에서 삭제됩니다.

경고

이 작업은 취소할 수 없으므로 계속하기 확인 후 파일을 삭제해야 합니다.

작업 공간에 기존 시뮬레이션 추가

기존 시뮬레이션을 작업 공간에 추가하려면 다음을 수행하십시오.

1.열린 작업 공간을 마우스 오른쪽 버튼으로 클릭하고 기존 시뮬레이션 추가…를 선택합니다. 작업 공간을 선택한 다음 File->Add Existing Simulation… 을 선택할 수도 있습니다.

2.prepin.*파일 위치로 이동하여 열기를 선택하십시오.

3.시뮬레이션이 이제 작업 공간에 나타납니다.

작업 공간에 새로운 시뮬레이션 추가

대부분의 경우 기존 시뮬레이션을 사용하는 대신 새 시뮬레이션을 작성하게 됩니다. 작업 공간에 새로운 시뮬레이션을 추가하려면:

1.기존 작업 공간을 마우스 오른쪽 버튼으로 클릭하고 새 시뮬레이션 추가…를 선택하십시오.

2.시뮬레이션 이름을 입력하라는 message가 표시됩니다. 이 예제에서는 heat transfer example 불러오십시오.

3.그런 다음 드롭다운 목록을 사용하여 시뮬레이션을 위한 단위 시스템을 결정합니다. 사용 가능한 옵션은 질량, 길이, 시간, 전기요금
각각 g, cm, s, coul기준의 Kg, m, s, CGS입니다. 또한 엔지니어링 단위도 사용할 수 있으며, slug, ft, s의 기초 단위가 있지만, 전기
충전을 위한 단위는 없습니다. 이러한 옵션 중 어느 것도 해당되지 않는 경우, 질량, 길이, 시간 및 전기요금에 대한 기준 등을 사용자 정의하여 사용자 지정 단위 시스템을 사용할 수 있습니다.

4.온도 단위는 드롭다운 목록을 사용하여 지정해야 합니다. 사용 가능한 옵션은 SI 및 CGS 단위의 경우 Celsius 및
Kelvin, 엔지니어링 단위의 경우 Fahrenheit 및 Rankine입니다. Custom units(사용자 정의 단위) 옵션을 선택한 경우, 사용 가능한 온도 단위는 질량
및 길이에 대해 선택한 기본 단위에 따라 변경됩니다.

노트

새 시뮬레이션의 시뮬레이션 단위는 신중하게 선택하십시오. 일단 설정하면 단위를 변경할 수 없습니다.

5.이 시뮬레이션에 사용된 템플릿이 기본 템플릿이 됩니다. 템플릿은 포함된 설정을 새 시뮬레이션에 적용하는 저장된 값 세트입니다. 다른 템플릿을 사용해야하는 경우
찾아보기 아이콘 ( )을 클릭하여 사용 가능한 템플릿 목록에서 선택하십시오.

6.기본 시뮬레이션 이름과 위치는 디렉토리가 작업 공간 위치에 있는지 확인하는 것이 좋습니다. FLOW-3D는 모든 시뮬레이션 파일을 이 작업 공간 디렉토리의 별도 하위 디렉토리에 배치하여 파일 구성을 훨씬 쉽게 만듭니다. 시뮬레이션을 다른 위치에 저장하려면 찾아보기 아이콘 ( )을 사용하여 원하는 위치로 이동하십시오.

7.확인을 클릭하여 작업 공간에 새 시뮬레이션을 추가하십시오.

heat transfer example

다른 옵션

우리는 지금 이러한 옵션을 사용하지 않는 동안, 이 시뮬레이션을 마우스 오른쪽 버튼으로 클릭하여 추가 옵션에 대한 액세스를 제공합니다.

일반적으로 사용되는 Add Simulation Copy… 그리고 Add Restart Simulation…을 추가합니다. 첫 번째 옵션은 기존 시뮬레이션의 사본을
작성하고, 두 번째 옵션은 기존 시뮬레이션을 복사하고 원래 시뮬레이션의 결과를 다시 시작 시뮬레이션의 초기 조건으로 사용하도록 다시 시작 옵션을 구성합니다.

추가 정보

재시작 시뮬레이션에 대한 자세한 내용은 도움말에서 모델 설정 장의 재시작 섹션을 참조하십시오.

전처리 및 시뮬레이션 실행

시뮬레이션 전처리

시뮬레이션 전처리는 초기 조건을 계산하고 입력 파일에서 일부 진단 테스트를 실행합니다. 문제가 올바르게 구성되었는지 확인하거나 전 처리기의 진단 정보가 필요한 경우에
유용합니다. 시뮬레이션을 실행하기 전에 전처리할 필요가 없습니다. 시뮬레이션을 전처리 하려면

1.작업 공간에서 시뮬레이션을 마우스 오른쪽 버튼으로 클릭하고 Preprocess Simulation->Local을 선택합니다. 이 경우 입력 파일 heat transfer example이 아직 완전히 정의되지 않았으므로 작업 공간에서 예제 문제를 선택하십시오.

2.전처리 프로세스가 시작되고 Simulation Manager 하단의 텍스트 창에 일부 정보가 인쇄된 후 성공적으로 완료됩니다. 포트폴리오에서 시뮬레이션 이름 옆의 아이콘도 시뮬레이션이 성공적으로 처리되었음을 나타내도록 변경됩니다.

추가 정보

자세한 내용은 도움말의 컴퓨팅 결과 장의 전처리 섹션을 참조하십시오.

시뮬레이션 실행

시뮬레이션을 실행하면 입력 파일에 정의된 문제에 대한 지배 방정식(물리적 모델, 형상, 초기 조건, 경계 조건 등)이 해석됩니다. 시뮬레이션을 실행하려면

1.작업 공간에서 시뮬레이션을 마우스 오른쪽 버튼으로 클릭하고 Run Simulation->Local을 선택하십시오. 이 경우 입력 파일 heat transfer example이 아직 완전히
정의되지 않았으므로 작업 공간에서 예제 문제를 선택하십시오.

2.솔버가 시작되고 시뮬레이션 관리자 하단의 텍스트 창에 일부 정보가 인쇄되고 플롯이 업데이트 된 후 성공적으로 완료됩니다. 포트폴리오에서 시뮬레이션 이름 옆의
아이콘도 시뮬레이션이 성공적으로 실행되었음을 나타내도록 변경됩니다. 또한 솔버가 실행되는 동안 큐에 시뮬레이션이 나타나는 것을 볼 수 있으며, 완료되면 사라집니다.

추가 정보

시뮬레이션 실행 및 진단 읽기에 대한 자세한 내용은 도움말의 컴퓨팅 결과 장에서 솔버 실행 섹션을 참조하십시오.

작업 공간에서 모든 시뮬레이션 실행

작업 공간을 마우스 오른쪽 버튼으로 클릭하고 Simulate Workspace->Local을 선택하여 작업 공간에서 모든 시뮬레이션을 실행할 수도 있습니다.

추가 정보

자세한 내용은 컴퓨팅 결과 장에서 솔버 실행 섹션을 참조하십시오.

대기열

사전 처리 또는 실행에 작업이 제출되면 큐의 맨 아래에 시뮬레이션이 자동으로 추가됩니다. 그런 다음 솔버에 사용 가능한 라이센스 및 계산 리소스가 있으면 시뮬레이션이 사전 처리되거나 실행됩니다. 대기열에 있지만 아직 전처리 또는 실행되지 않은 시뮬레이션은 대기열 맨 아래의 컨트롤을 사용하여 대기열에서 다시 정렬하거나 대기열에서 제거할 수 있습니다.

추가 정보

자세한 내용은 컴퓨팅 결과 장을 참조하십시오.

파일 시스템에서 파일 찾기

어떤 이유로 구조물 파일에 액세스해야 하는 경우 (아마 *.STL 폴더에 파일을 배치해야 함) 표시된 파일 경로를 시뮬레이션 입력 파일로 클릭하여 파일 시스템의 해당 위치로 이동할 수 있습니다.

4.모델 설정

Model Setup(모델 설정) 탭은 시뮬레이션 관리자에서 현재 선택한 시뮬레이션에 대한 입력 매개 변수를 정의하는 곳입니다. 여기에는 전역설정, 물리학 모델, 유체,
기하학, 메싱, 구성요소 특성, 초기 조건, 경계 조건, 출력 옵션 및 숫자가 포함된다.

이 섹션은 물에 잠긴 모래(위; 파랑)의 바닥에서 가열된 구리 블록(위; 빨간색)에 의해 발생하는 열 기둥(아래)을 보여주는 간단한 시뮬레이션 설정 방법을 안내합니다.

이 튜토리얼은 방법이나 모델이 어떻게 작동하는지, 옵션을 선택한 이유 등에 대한 포괄적인 논의를 의도한 것이 아니며, 이 특정 시뮬레이션을 설정하기 위해 수행해야 할 사항에
대한 간략한 개요일 뿐입니다. 여기서 행해지는 것에 대한 방법/모델과 추론의 세부사항은 사용 설명서의 다른 장에서 확인할 수 있습니다.

시작하려면 새 작업 공간을 작성하고 새 시뮬레이션을 추가하십시오. 이를 수행하는 방법에 대한 지침은 새 작업 공간 작성 및 작업 공간에 새 시뮬레이션 추가를 참조하십시오.

탐색

모델 설정은 주로 빨간색으로 표시된 처음 9 개의 아이콘의 탐색을 통해 수행됩니다. 각 아이콘은 시뮬레이션의 특정 측면을 구성하기 위한 위젯을 엽니다. Global에서 시작하여 Numerics로 끝나는 다음 섹션은 각 위젯의 목적을 보여줍니다.

통제 수단

다음은 FLOW-3D 사용자 인터페이스의 그래픽 디스플레이 영역에서 사용되는 마우스 컨트롤입니다.

행동	버튼/키	동작	기술
회전	왼쪽	길게 클릭	마우스 왼쪽 버튼을 클릭 한 채로 Meshing & Geometry 창에서 마우스를 움직입니다. 그에 따라 모델이 회전합니다.
줌	중간 버튼/스크롤 휠	스크롤/클릭 한 상태	마우스를 앞뒤로 움직여 확대/축소하려면 가운데 휠을 굴리거나 마우스 가운데 버튼을 클릭 한 상태로 유지하십시오.
팬	우측	길게 클릭	마우스 오른쪽 버튼을 클릭 한 채로 창에서 마우스를 움직입니다. 모델이 마우스와 함께 움직입니다.
객체에 초점 설정	해당 없음	객체 위에 커서를 놓기	커서를 개체 위로 가져 가면 마우스 오른쪽 버튼 클릭 메뉴를 통해 추가 조작을 위해 개체가 활성화됩니다. 개체가 활성화되면 강조 표시됩니다. Meshing & Geometry 탭에서 Tools->Mouse Hover Selection 환경 설정 이 활성화된 경우에만 수행됩니다.
선택	왼쪽	더블 클릭	객체를 두 번 클릭하면 마우스 오른쪽 버튼 메뉴를 통해 추가 조작을 위해 객체를 선택하고 활성화합니다. Meshing & Geometry 탭에서 Tools->Mouse Hover Selection 환경 설정 이 비활성화 된 경우에만 활성화됩니다.
액세스 객체 속성	우측	딸깍 하는 소리	강조 표시된 객체를 마우스 오른쪽 버튼으로 클릭하면 객체 식별, 표시/숨기기, 활성화/비활성화, 투명도 조정 등의 옵션 목록이 표시됩니다.
커서 좌표 반환 (프로브)	왼쪽	Shift + 클릭	Shift 키를 누르면 커서가 대상으로 바뀝니다. Shift 키를 누른 상태에서 클릭하면 화면의 왼쪽 하단에 표시된 표면의 좌표가 표시됩니다.
피벗 점 배치	왼쪽	cntrl + 클릭	Ctrl 키를 누르고 있으면 커서가 피벗 아이콘으로 바뀝니다. Ctrl 키를 누른 상태에서 클릭하여 피벗 점을 설정하십시오. 뷰가 피벗 점을 중심으로 회전합니다. 토글 사용자 정의 피벗 피벗 점을 끕니다. 보기 창 위의 버튼을 누릅니다.

도움이
되는 툴바 옵션도 있습니다. 옵션의 목적을 찾으려면 아이콘 위로 마우스를 가져갑니다.

글로벌

이 매뉴얼에 대한 시뮬레이션을 만들려면 원하는 작업 공간을 마우스 오른쪽 단추로 클릭하고 새 시뮬레이션 추가…를 선택하십시오. 매뉴얼 섹션의 새 시뮬레이션 추가 작업 공간에 설명된 대로 이름을 ‘heat transfer example’로 지정하고 작업 공간에 추가하십시오. SI와 Kelvin을 각각 단위 시스템과 온도로 선택합니다. 일단 설정되면
시뮬레이션을 위한 단위는 변경할 수 없다는 점을 기억하십시오.

글로벌 아이콘 f3d_global_icon 을 클릭하여 글로벌 위젯을 여십시오. 여기에서 정의된 단위가 표시되고 시뮬레이션 완료 시간이 설정됩니다. 이 시뮬레이션의 경우 완료 시간을 200 초로 설정하십시오. 시뮬레이션에 대한 중요한 세부 정보는 여기 노트 필드에도 추가할 수 있습니다.

추가 정보

자세한 내용은 모델 설정 장의 전역 섹션을 참조하십시오.

물리

물리 f3d_models_icon 아이콘을 클릭하여 물리 위젯을 엽니다.

이 문제의 경우, 하나의 유체, 자유 표면, 경계 및 비압축/제한 압축의 기본 설정이 모두 정확합니다.

관련 물리 메커니즘(즉, 추가 지배 방정식 또는 지배 방정식 용어)은 물리 위젯에서 정의됩니다. 모델을 활성화하려면 해당 모델의 아이콘을 마우스 왼쪽 버튼으로 클릭하고 ‘활성화‘를 선택하십시오. 이 시뮬레이션을 위해서는 다음 모델을 활성화해야 합니다.

·Density evaluation(밀도 평가): 이 모델은 열 기둥을 생성하는 밀도 변화를 설명합니다. 다른 양(예: 온도 또는 스칼라)의 함수로 평가된 밀도를 선택하고 Include volumetric thermal expansion 상자를 선택하십시오.

·Gravity and non-inertial reference frame(중력 및 비 관성 기준 프레임): 중력을 나타내는 힘이 추가되므로 Z 중력 성분에 -9.81을 입력하십시오.

·
Heat transfer(열 전달): 이 모델은 유체와 고체 물체 사이의 열 전달을 설명합니다. 이 시뮬레이션의 경우 First order for the Fluid internal Energy advection를 선택하고 Fluid to solid heat transfer를 활성화하려면 확인란을 선택하십시오. 나머지 옵션은 기본값으로 두어야합니다.

·
Viscosity and turbulence(점성 및 난류): 이 모델은 유체의 점성 응력을 설명합니다. Viscous flow 옵션을 선택하고 나머지 옵션은 기본값으로 두십시오.

추가 정보

자세한 내용은 모델 설정 장의 물리 섹션을 참조하십시오.

유체

유체의 속성은 모델 설정 탭의 유체 위젯에 정의되어 있습니다. 유체 위젯은 수직 도구 모음에서 Fluids f3d_fluids_icon 아이콘을 클릭하여 액세스할 수 있습니다. 먼저 유체 옵션 1 이 속성 옵션으로 선택되어 있는지 확인하십시오. 유체 1의 속성은 수동으로 입력할 수 있지만 일반적인 유체의 속성을 설정하는 빠른 방법은 재료 속성로드 버튼을 클릭하여 재료 데이터베이스에서 유체를 로드하는 것입니다. 다음으로, 원하는 재료를 탐색하십시오. 이 경우 Fluids->Liquids->Water_at_20_C를 선택하고 Load를 클릭하십시오.

이 시뮬레이션에는 데이터베이스에 없는 특성인 체적 열 팽창 계수가 필요합니다. 밀도 하위 탭에서 을 입력하십시오. 최종 속성 세트는 다음과 같아야 합니다.

추가 정보

자세한 내용은 모델 설정 장의 유체 섹션을 참조하십시오.

Geometry(기하)

기하형상 아이콘을 클릭하여 물리 위젯을 엽니다.

이 시뮬레이션을 위해 생성해야 하는 두 가지 형상은 구리 블록과 모래층이 있습니다. 둘 다 프리미티브를 사용하여 작성합니다. 보다 현실적인 시뮬레이션은 Primitives, Stereolithography(STL) Geometry File (s)/또는 Raster File (s)을 사용하여 지오메트리를 정의할 수 있습니다.

구리 블록을 만들려면 먼저 지정된 형상 아이콘을 클릭하여 작성합니다. 구리 블록을 x 및 y 방향 원점에서 +/- 2cm 연장하고 z 방향으로 0-4cm 연장합니다. 나머지 옵션은 그대로 두고 블럭을 솔리드로 만들고 새 구성 요소에 추가합니다.

하위 구성 요소 정의를 마치고 구성 요소 정의로 이동하려면 확인을 선택하십시오. 자동으로 열린 구성요소 추가 대화상자에서 Type as General(솔리드)을 그대로 두고 Name(이름) 필드에 Copper block을 입력한 다음 OK(확인)를 선택하여 구성요소 정의를 완료하십시오.

아이콘을 다시 클릭하여 베드 하위 구성 요소를 작성하십시오. 아래 표시된 범위를 사용하고 컴포넌트에 추가 선택 사항을 새 컴포넌트(2)로 설정하십시오.

하위 구성 요소 정의를 마치고 구성 요소 정의로 이동하려면 확인을 선택하십시오. 대화 형으로 이름 필드에서Bed를 입력한 후 구성요소 정의를 마칩니다. 최종 형상은 다음과 같이 표시됩니다.

새 구성 요소를 추가하면 가로 및 세로 방향으로 그래픽 표시 창에 길이 스케일이 자동으로 생성됩니다. 이 눈금자 도구를 사용하여 생성된 기하학적 객체의 범위를 빠르게 측정할 수 있습니다.

노트

표시 영역에는 지오메트리 모양 정의만 표시되므로 객체가 솔리드인지 구멍인지에 대한 정보는 표시되지 않습니다. 옵션을 사용하여 Mesh 후에 나중에 수행할 수 있습니다.

추가 정보

자세한 내용은 도움말 모델 설정 장의 형상 섹션을 참조하십시오.

구성 요소 속성

열전달 모델은 고체 구성 요소의 전도 방정식을 해결하기 위해 재료 특성이 필요합니다. 이러한 속성은 이 아이콘을 클릭하여 구성 요소 속성 위젯에서 설정합니다.

각 구성 요소에는 솔리드 특성 및 표면 특성이 정의 되어 있어야합니다. 구리 블록에 대해 이를 설정하려면 먼저 형상 위젯에서 구성 요소 1: copper block 요소를 선택하십시오. 그런 다음 컴포넌트 특성 위젯에서 솔리드 특성을 선택하고 다음과 같이 특성을 정의하십시오.

여기에서 두 번째 구성 요소(베드)에 대해 설명된 구성 요소 특성 정의를 위한 대체 방법을 사용할 수 있습니다. 이 방법에서는 구성 요소 2: 베드 구성 요소를 클릭하고 재료 필드 옆에 있는 재료 특성로드 아이콘을 선택하여 시작합니다. 다음으로 재료를 탐색합니다. 이 경우 Solids->Sands->Sand_Quartz 를 선택하고 Load를 선택하십시오.

추가 정보

l 자세한 내용은 모델 설정 장의 유체 섹션을 참조하십시오.

l 주어진 물리적 모델에 필요한 속성에 대한 자세한 내용은 모델 참조 장을 참조하십시오.

Meshing(메싱)

Mesh는 Mesh 위젯에서 생성 및 정의되며, 위젯을 통해 액세스 할 수 있습니다. 이 아이콘을 눌러 새 Mesh를 추가합니다. Mesh의 범위를 형상에 빠르게 적용하려면 형상에 맞추기 라디오 버튼을 선택하고 오프셋 라디오 버튼을 백분율로 유지합니다. 블록 속성에서 셀 크기를 0.004로 설정하십시오.

Mesh 상단은 z 방향으로 위쪽으로 확장해야 합니다. Z-Direciton 탭을 선택하고 Mesh Plane 2에 0.2를 입력합니다.

이 시뮬레이션은 2D가 될 것입니다. 동일한 프로세스에 따라 Y 방향 범위를 -0.005 및 0.005 로 설정하십시오. 그리고 합계 셀을 1로 설정하십시오.

최종 Mesh는 그래픽 디스플레이 창 바로 위의 Mesh->Flow Mesh->View 모드 드롭 다운 메뉴에서 옵션을 변경하여 다른 방식으로 볼 수 있습니다. 그리드 라인 마다 그리드 선을 표시합니다 옵션은 Mesh Plane의 옵션만 표시됩니다 Plane Mesh 및 개요 옵션은 Mesh의 범위를 보여줍니다.

또한 솔버가 Mesh의 최종 지오메트리를 인식하는 방법은 FAVOR TM 알고리즘을 사용하여 형상 정의를 면적 분수 및 부피 분수로 변환합니다. 이렇게 하려면 아이콘을 클릭한 다음 생성을 선택하십시오.

잠시 후 회색 영역이 고체 물질을 나타내는 아래와 같은 형상을 표시해야 합니다.

추가 정보

l Mesh에 대한 자세한 내용은 모델 설정 장의 Mesh 섹션을 참조하십시오.

l FAVOR^TM 및 FAVORize
옵션에 대한 자세한 내용은 모델 설정 장의 Reviewing the FAVORized Geometry and Mesh 섹션을 참조하십시오.

경계 조건

FLOW-3D는 구성 요소 유형 및 활성 물리적 모델에 기초한 구성 요소에 적절한 경계 조건을 자동으로 적용합니다. 그러나 경계 조건 위젯에서 Mesh 블록면의 경계 조건은 각 Mesh 블록에 대해 수동으로 설정해야 합니다( ).

이 매뉴얼의 경우 경계 조건 중 3 가지가 경계조건( X Min , X Max, Z Max 경계)을 기본 대칭 조건조건부터 변경해야 합니다.

·X Min :

o경계 조건 위젯의 경계 섹션 아래에 있는 X Min 목록을 클릭하십시오. Type에서 경계 유형을 Velocity로 설정하고 X 속도에 대해 0.001을 입력하십시오.

·다음으로, 유체 분율 사용에서 유체 표고 사용으로 드롭다운 상자를 변경하고 유체 높이를 0.15로 설정하십시오.

·마지막으로 온도를 298K로 설정하십시오.

·
X Max :

o경계 조건 위젯의 경계 섹션 아래에 있는 X 최대 목록을 클릭하십시오. 경계 유형을 압력으로 설정하고 압력에 대해 0을 입력하십시오.

o다음으로, 유체 분율 사용에서 유체 높이 사용으로 드롭다운 상자를 변경하고 유체 높이를 0.15로 설정하십시오.

o마지막으로 온도를 298K로 맞춥니다.

o XMAX 경계 조건

·
Z 최대 :

o경계 조건 위젯의 경계 섹션 아래에 있는 Z 최대 목록을 클릭하십시오. 경계 유형을 압력으로 설정하고 압력에 대해 0을 입력하십시오.

o다음으로 유체 분율을 0.0으로 설정하십시오.

o마지막으로 온도를 298K로 맞춘다.

추가 정보

자세한 내용은 모델 설정 장의 Mesh 경계 조건 섹션을 참조하십시오.

초기 조건

도메인 내부의 솔리드 객체(구성 요소)와 유체 모두에 대해 초기 조건을 설정해야 합니다.

·
구성 요소 :이 시뮬레이션에서 솔리드 객체에 필요한 유일한 초기 조건은 초기 온도입니다. 이것은 각 구성 요소에 대한 위젯에 설정되어 있는 구성 요소 속성에 대해 수행한 것과 유사한 방식으로 구성 요소를 등록합니다. 구성 요소 속성을 설정할 때 이전과 동일한 방법으로 구성 요소 1의 초기 온도를 350K로 설정하고 구성 요소 2의 초기 온도를 298K로 설정하십시오.

유체: 유체의 초기 조건을 설정하기 위해 조금 더 설정해야 합니다. 이 경우 유체 구성, 온도, 속도 및 압력 분포를 모두 설정해야 합니다. 유체 초기 조건은 초기 위젯을 설정하고 초기 f3d_initial_icon를 클릭하면 열립니다.

아이콘을 선택한 후 유체 목록에서 압력을 선택하고 온도를 298K로 설정합니다. x, y, z 속도를 0.0으로 설정하십시오.

다음으로, 높이/볼륨 목록과 유체 높이 사용 드롭다운 버튼을 선택합니다. 유체 높이를 0.15로 설정하십시오.

추가 정보

자세한 내용은 모델 설정 장의 초기 조건 섹션을 참조하십시오.

출력

FLOW-3D 옵션에는 결과 파일에 기록될 데이터와 출력 위젯에서 발견된 빈도를 제어하는 7가지 데이터 유형이 있습니다. 출력 아이콘을 클릭합니다.

다른 데이터 유형은 다음과 같습니다.

·Restart: 모든 흐름 변수. 기본 출력 주기는 시뮬레이션 시간의 1/10입니다.

·Selected: 사용자가 선택한 흐름 변수 만. 기본 출력 주기는 시뮬레이션 시간의 1/100입니다.

·History: 하나의 변수와 시간의 변화를 보여주는 데이터. 예는 시간 단계 크기, 평균 운동 에너지, 배플에서의 유속 등을 포함합니다. 기본 출력 주기 = 시뮬레이션 시간의 1/100.

·Short print: hd3msg.*파일에 텍스트 진단 데이터가 기록 됩니다. 기본 출력 주기는 시뮬레이션 시간의 1/100입니다.

·Long print : hd3out.*파일에 텍스트 진단 데이터가 기록 됩니다. 기본 출력 주기는 시뮬레이션 시간의 1/10입니다.

·Solidification: 응고 모델이 활성화 된 경우에만 사용 가능합니다.

·FSI TSE: 변형 가능한 솔리드에 대한 추가 출력 옵션.

일반적으로 이 시뮬레이션에는 기본 출력 속도가 적합합니다. 그러나 Selected Data의 일부 추가 구성은 유용합니다. Selected data interval을 0.5로 설정한 다음 Fluid 온도, Fluid velocity, Macroscopic density 및 Wall 온도 옆에 있는 상자를 선택합니다. 그러면 이러한 값이 0.5초마다 출력됩니다.

추가 정보

자세한 내용은 모델 설정 장의 출력 섹션을 참조하십시오.

Numerics

기본 Numerics 옵션은 대부분의 시뮬레이션에서 잘 작동하므로 기본 옵션에서 벗어나야 하는 충분한 이유가 없는 경우에는 현재 그대로 두는 것이 가장 좋습니다.

이것으로 모델 설정 섹션에서 시작된 예제 문제의 설정을 마칩니다. 이제 실행할 준비가 되었으므로 전처리 및 시뮬레이션 실행의 단계에 따라 시뮬레이션을 실행하십시오.

추가 정보

자세한 내용은 모델 설정 장의 Numerics 옵션 섹션을 참조하십시오.

일반 시뮬레이션 설정 점검 목록

시뮬레이션을 설정하는 데 필요한 단계에 대한 개략적인 개요가 아래에 나와 있습니다. 이 목록은 포괄적인 목록이 아닙니다. 일반적인 단계, 고려해야 할 몇 가지 중요한 사항 및 권장되는 설정 순서를 간단히 설명하는 안내서일 뿐입니다.

시작하기 전에

1.물리적 문제의 다이어그램을 그리기 및 주석 달기 : 이 다이어그램에는 기하학적 치수, 유체의 위치, 관련 힘, 움직이는 물체의 속도, 관련 열 전달 메커니즘 등이 포함되어야 합니다. 완성된 다이어그램은 문제에 대한 모든 관련 엔지니어링 정보로 인한 물리적 문제에 대한 이미지여야 합니다.

2.모델링 접근법 결정: 주석이 달린 다이어그램을 가이드로 사용하여 문제점에 접근하는 방법을 결정 : 문제가 되는 유체의 수, 혼화 가능한 경우, 하나 이상의 유체에서 방정식을 풀어야하는 경우 및 압축성이 중요한지 파악하여 시작하십시오. 그런 다음 어떤 물리적 메커니즘이 중요한지 결정하십시오. 이러한 각 옵션 (예: 유체 유형, 열 전달 메커니즘 등)에 대한 관련 엔지니어링 정보를 다이어그램에 추가하십시오. 물리적 메커니즘이 포함되거나 무시된 이유를 정당화하려고 합니다. 이를 통해 시뮬레이션 프로세스 초기에 오류를 수정하는 데 시간이 거의 걸리지 않는 초기에 실수를 잡을 수 있습니다.

3.다이어그램에 계산 영역을 그리고, 계산 영역의 가장자리에 있는 물리적 상황 설명 : 경계의 물리적 상황을 가장 잘 나타내는 경계 조건 유형을 기록합니다. 사용 가능한 경계 조건 유형이 경계의 물리적 상황에 대한 합리적인 근사치가 아닌 경우 이 경계를 다른 곳으로 이동해야 합니다.

모델 설정 : 일반

1.문제, 시뮬레이션의 목적, 사례 번호 등을 설명하는 메모를 추가하십시오. 메모는 향후 사용자 또는 나중에 참조할 수 있도록 설정을 설명하고 정당화하는 데 도움이 됩니다. 시뮬레이션의 목적, 분석 방법 등을 논의해야합니다.

2.사용할 솔버와 프로세서 수를 선택하십시오.

3.단위 시스템 선택: 소규모 문제를 모델링 할 때는 작은 단위 (예 : mm-gm-msec)를 사용하고 규모가 큰 문제는 큰 단위 (예 : SI)를 사용하십시오. 이를 통해 기계 정밀도로 인한 반올림 오류를 방지할 수 있습니다.

4.유체 수, 인터페이스 추적 옵션 및 유량 모드를 선택하십시오. 주석이 달린 다이어그램을 이 단계의 지침으로 사용하십시오. 유체의 수는 질량, 운동량 및 에너지 보존을 관장하는 방정식이 유체 분율 f> 0″ width=”44″ height=”17″ border=”0″>(유체<span lang= 1을 나타내는) 또는 유체 분획 $f \ geq 0$ (유체 1 및 유체 2)이 있는 영역에서 해결되는지 여부를 나타냅니다. 인터페이스
추적 옵션은 유체 분율의 변화가 급격한지 또는 확산되어야 하는지 여부를 정의하는 반면, 흐름 모드는 두 유체 문제에서 처리되는 영역을 정의합니다.

5.마감 조건 정의: 시뮬레이션 종료 시점을 선택합니다. 시간, 채우기 비율 또는 기타 정상 상태 측정을 기반으로 할 수 있습니다.

6.기존 결과에서 시뮬레이션을 다시 시작하는 방법 정의 (선택 사항): 기존 결과 파일에서 시뮬레이션을 다시 시작할 때 다시 시작 옵션이 적용됩니다. 재시작 옵션은 재시작 소스 파일에서 가져온 정보와 시뮬레이션의 초기 조건을 사용하여 재설정되는 정보를 정의합니다.

모델 설정 : 물리

1.주석이 달린 다이어그램을 기반으로 관련 실제 모델 활성화

모델 설정 : 유체

1.유체의 속성 정의 1: 주석이 달린 다이어그램을 가이드로 사용하여 활성 물리적 모델에 대한 적절한 물리적 속성을 정의하십시오.

2.유체 2의 속성 정의 (사용하는 경우): 주석이 달린 다이어그램을 가이드로 사용하여 활성 물리적 모델에 적절한 물리적 속성을 정의하십시오.

3.인터페이스의 속성 정의: f = 1과 f = 0의 영역 사이의 인터페이스 속성을 정의하십시오. 여기에는 표면 장력, 상 변화 및 확산에 대한 특성이 포함됩니다.

모델 설정 : Mesh 및 형상

1.모든 STL 파일의 오류 점검: ADmesh, netfabb Studio 또는 유사한 프로그램을 사용하여 모든 STL 파일의 오류를 점검하십시오. 이는 모델 설정에 시간을 소비하기 전에 형상
정의와 관련된 문제를 파악하는 데 도움이 됩니다.

2.모든 하위 구성 요소 및 구성 요소 가져 오기 및 정의 : 주석이 달린 다이어그램에 설명 된 대로 실제 사례와 일치하도록 3D 솔리드 형상을 정의합니다. 최종 결과는 물리적 형상의 정확한 복제본이어야 합니다. 각 부분에 설명적인 이름을 사용하고 대량 소스가 될 구성 요소를 포함하십시오.

3.모든 구성 요소의 속성 정의: 주석이 달린 다이어그램에 그려진 내용을 기반으로 각 구성 요소의 모든 재료 속성, 표면 속성, 모션 속성 등을 정의합니다. 경계 조건이 정의될 때까지 질량 소스 특성을 정의하기를 기다리십시오.

4.스프링과 로프 및 각각에 대한 관련 속성을 정의합니다.

5.주석이 달린 다이어그램에 설명된 시뮬레이션 도메인과 일치하도록 Mesh를 정의하십시오. 도메인의 모서리가 다이어그램에서 식별된 위치에 있는지 확인하십시오. 또한 인터페이스 (셀이 있는 셀과 셀이 다른 셀 이 있는 셀)를 식별하려면 세 개의 셀이 필요합니다. ). 최소 5 개의 셀이 예상되는 가장 얇은 연속 영역에 맞도록 충분히 작은 셀을 사용하십시오. 과 .

6.지오메트리를 정의하는 모든 배플 정의

7.경계 조건, 질량 소스, 질량 모멘텀 소스, 밸브 및 벤트 정의: 경계 조건 (질량 소스, 질량 모멘텀 소스, 밸브 및 벤트 포함)은 모든 방정식을 풀기 위해 주어진 위치에서 솔루션을 규정합니다. 주석이 달린 다이어그램을 사용하여 각 경계 (또는 소스 등)에 지정된 내용이 유동 솔루션, 열 전달 솔루션, 전위 등에 대한 현실과 일치하는지 확인하십시오.

8.유체 및 구성 요소의 초기 조건을 정의합니다. 초기 조건은 모든 방정식 (유량 솔루션, 열 전달 솔루션, 전위 등)에 대해 모든 영역에서 솔루션을 규정합니다. .주석이
달린 다이어그램을 사용하여 초기 조건에 지정된 내용이 현재 현실에 대한 근사치인지 확인하십시오. 유체 영역뿐만 아니라 구성 요소의 초기 조건을 설정해야 합니다.

9.모든 측정 장치 정의 (샘플링 볼륨, 플럭스 표면 및 히스토리 프로브)

모델 설정 : 출력

1.출력 기준 (시간, 채우기 비율 또는 응고된 비율)을 선택하십시오.

2.재시작 데이터에 추가할 출력을 선택하십시오.

3.선택한 데이터에 기록할 정보를 선택하십시오.

4.재시작, 선택, 히스토리, 짧은 인쇄 및 긴 인쇄 데이터의 출력 속도 정의 : 기본 속도는 재시작 및 긴 인쇄 데이터의 경우 (10개 출력)/(시뮬레이션 종료 시간) 및 선택한 기록, 짧은 인쇄 데이터의 경우 (100개 출력)/(시뮬레이션 종료 시간)입니다.

모델 설정 : 숫자

1.기본값이 아닌 필수 숫자 옵션을 선택 FLOW-3D의 숫자 옵션은 고급 사용자를 대상으로 하며, 지배 방정식을 해결하는 데 사용되는 숫자 근사치 및 방법을 상당히 제어할 수 있습니다. 이러한 옵션 중 일부를 잘못 사용하면 솔루션에 문제가 발생할 수 있으므로 일반적으로 이 옵션의 기능을 먼저 이해하고 조정의 정당성을 갖추지 않고는 이러한 설정을 조정하지 않습니다.

5.FLOW-3D에서 후 처리

이 섹션에서는 FLOW-3D에 통합된 포스트 프로세서를 사용하는 방법에 대해 설명합니다. 보다 강력한 외부 포스트프로세서 FlowSight에 대한 튜토리얼은 FlowSight 설명서를 참조하십시오. 또한 이 섹션에서는 Flow Over A Weir 예제 문제를 실행하여 생성된 결과 파일을 사용합니다. 이 예제 문제를 실행하는 방법에 대한 지침은 예제 추가 및 시뮬레이션 사전 처리 및 실행을 참조합니다.

FlowSight 사용에 대한 기본 참조는 FlowSight의 Help->helpLocal Help 메뉴에서 액세스하는 FlowSight 사용자 설명서입니다.

추가 정보

기존 플롯

기존 플롯은 솔버가 자동으로 생성하는 사전 정의된 플롯입니다. 사용자 정의 플롯은 아래의 사용자 정의 플롯 섹션에 설명되어 있습니다.

1.분석 탭을 클릭하십시오. FLOW-3D 결과 대화 상자가 표시됩니다; 메세지가 나타나지 않으면 (분석 탭이 열림) 결과 파일 열기를 선택하여 동일한 대화 상자를 엽니다.

2.기존 라디오 버튼을 선택하십시오. 데이터 파일 경로 상자에 두 가지 유형의 파일이 표시됩니다 (있는 경우). 이름이 prpplt.*있는 파일 에는 전처리 flsplt.*기에 의해 자동으로 작성된 플롯이 포함되고 이름이 있는 파일에는 입력 파일에 사전 지정된 플롯 뿐만 아니라 후 처리기에 의해 자동으로 작성된 플롯이 포함됩니다.

3. 확인을 선택 flsplt.Flow_Over_A_Weir하고 클릭하십시오. 그러면 디스플레이 탭이 자동으로 열립니다.

4.사용 가능한 플롯 목록이 오른쪽에 나타납니다. 목록에서 해당 플롯의 이름을 클릭하면 특정 플롯을 볼 수 있습니다. 플롯 26 이 아래에 나와 있습니다.

커스텀 플롯

1.분석 탭으로 돌아갑니다. 대화 상자를 열려면 결과 파일 열기를 선택하십시오.

2.전체 출력 파일을 보려면 사용자 정의 단일 선택 단추를 선택하십시오. 전체 출력 파일에는 prpgrf.*파일과 파일이 포함됩니다 flsgrf.*. 시뮬레이션이 실행되었으므로 전 처리기 출력 파일이 삭제되어 flsgrf파일에 통합되었습니다.

3.flsgrf.Flow_Over_A_Weir대화 상자 에서 파일을 선택하고 확인을 클릭하십시오.

이제 분석 탭이 표시됩니다. 시뮬레이션 결과를 시각화 하는 방법에는 여러 가지가 있습니다. 사용 가능한 플롯 유형은 다음과 같습니다.

·Custom : 이 매뉴얼 의 FLSINP 파일을 사용하여 플롯합니다. 사용자 정의 섹션의 출력 코드를 사용하여 출력 플롯을 수동으로 수정하는 데 사용할 수 있습니다. 이것은 고급 옵션입니다.

·프로브 : 개별 셀, 경계, 구성 요소 및 도메인 전체(전역) 변수 대 시간에 대한 그래픽 및 텍스트 출력을 표시합니다. 자세한 내용은 프로브 플롯 및 프로브 : 특정 시점의 데이터와 시간 을 참조하십시오.

·1-D : 셀 데이터는 X, Y 또는 Z 방향의 셀 라인을 따라 볼 수 있습니다. 플롯 제한은 공간 및 시간에 모두 적용할 수 있습니다. 자세한 내용은 1-D 플롯 및 1-D : 라인을 따른 데이터 대 시간 을 참조하십시오.

·2-D : 셀 데이터는 XY, YZ 또는 XZ 평면에서 볼 수 있습니다. 플롯 제한은 공간 및 시간에 모두 적용할 수 있습니다. 속도 벡터 및 입자를 추가할 수 있습니다. 자세한 내용은 2 차원 플롯 및 2 차원 : 평면의 데이터와 시간의 데이터 를 참조하십시오.

·3-D : 유체와 고체의 표면 플롯을 생성하고 셀 데이터로 채색 할 수 있습니다. 속도 벡터, 입자 (있는 경우) 및 유선과 같은 추가 정보를 추가할 수 있습니다. 플롯 제한은 공간 및 시간에 모두 적용할 수 있습니다. 자세한 내용은 3D 플롯 및 3D : 표면의 데이터 대 시간 을 참조하십시오.

·텍스트 출력 : cell-by-cell 재시작, 선택 및 응고 데이터를 텍스트 파일에 쓸 수 있습니다. 자세한 내용은 텍스트 출력 및 텍스트 : ASCII 형식의 공간 데이터 출력 대 시간 을 참조하십시오.

·중립 파일 : 재시작 및 선택된 데이터는 별도의 텍스트 파일에 정의 된 지정된 지점(보간 또는 셀 중심)에서 출력 될 수 있습니다. 자세한 내용은 중립 파일 : 사용자 정의 좌표에서의 공간 데이터 출력 대 시간 을 참조하십시오.

·FSI TSE : 유한 요소 유체 / 고체 상호 작용 및 열 응력 진화 물리학 패키지에서 출력됩니다. 자세한 내용은 FSI / TSE : 표면의 구조 데이터와 시간 을 참조하십시오.

3 차원 도표

1.Analyze -> 3-D 탭을 선택하십시오.

2.Iso-surface = Fraction of fluid를 선택하십시오. 이것은 표면을 그리는 데 사용되는 변수입니다. 선택한 등면 변수에 대한 등고선 값 기준을 충족하는 모든 셀을 통해 표면이 그려집니다. 유체의 분율이 기본값이며 유체 표면이 표시됩니다.

3.색상 변수 = 압력을 선택하십시오. 이 선택은 등위면의 색을 지정하는 데 사용되는 변수를 결정합니다 (이 경우 유체 표면은 압력에 의해 색이 그려집니다).

4.Component iso-surface overlay = Solid volume을 선택하십시오. 솔리드 볼륨 은 유체와 함께 솔리드 구성 요소를 표시합니다. 이전 단계에서는 체적 분수의 보완을 등위면으로 선택하여 이 작업을 수행했지만 이 옵션을 사용하면 유체와 고체 표면을 동시에 플롯 할 수 있습니다.

5.이동 시간 프레임의 최소 및 최대 위치들 (0 내지 1.25 초)에 슬라이더 위치.

6.렌더 버튼을 클릭하여 디스플레이 탭으로 전환하고 t = 0.0에서 1.25 초 사이에 일련의 11 플롯을 생성하여 압력에 의해 채색된 유체 표면과 위어 구조를 보여줍니다. 데이터 다시 시작 이 선택되었으므로 11 개의 플롯이 있습니다.

7.사용 가능한 플롯이 사용 가능한 시간 프레임 목록에 나열됩니다. 다음을 클릭하여 시간 프레임 사이를 이동하거나 시간 프레임을 두 번 클릭하여 표시하십시오. 첫 번째 및 마지막 시간 프레임은 다음과 같아야 합니다.

8.Analyze -> 3-D 탭으로 돌아가서 Data Source 그룹에서 Selected data 라디오 버튼을 선택하십시오.

9.시간 프레임 선택기의 두 슬라이더가 모두 오른쪽에 있으므로 마지막 시간 프레임 만 생성됩니다. 사용 가능한 시간 프레임이 많고 렌더링하는데 시간이 오래 걸리므로 선택한 데이터를 선택하면 인터페이스에서 자동으로 수행됩니다. 사용 가능한 모든 시간 프레임을 렌더링 하려면 왼쪽 슬라이더를 Time Frame Min = 0 으로 이동하십시오.

10. 렌더링 버튼을 클릭하십시오. 몇 초 안에 뷰가 디스플레이 창으로 전환되고 101 개의 플롯이 사용 가능한 시간 프레임 목록에 나열됩니다. 시간 프레임 사이를 이동하려면 다음을 반복해서 클릭하십시오.

대칭 흐름 표시

위어 중심 아래로 대칭 평면을 사용하여 시뮬레이션을 설정했으므로 위어 구조의 절반만 시뮬레이션되고 표시됩니다. 프리젠테이션 목적으로 대칭 모델의 두 반쪽을 모두 표시할
수 있습니다.

1.아래와 같이 Analyze -> 3-D 탭으로 돌아가서 Open Symmetry Boundaries 확인란을 선택하십시오.

2.렌더링을 클릭하십시오. 유체 표면이 디스플레이 탭의 대칭 경계에서 열린 상태로 나타납니다.

3.화면 위의 도구 모음 메뉴에서 도구 -> 대칭을 선택하십시오.

4.대화 상자에서 Y 방향 확인란을 선택하여 Y = 0 평면에서 결과를 미러링합니다.

5.적용 및 닫기를 선택하십시오.

6.마지막 시간 프레임을 두 번 클릭하십시오. 디스플레이는 아래와 같이 전체 위어 구조를 보여줍니다.

3 차원 애니메이션 만들기

다음 단계는 3 차원 유체 표면의 애니메이션을 만드는 것입니다. 애니메이션은 사용 가능한 시간 프레임 목록의 프레임에서 만든 동영상입니다. 애니메이션의 시각적 효과를 향상시키려면 모든 프레임에 공통 색상 스케일을 적용하는 것이 좋습니다.

1.분석 -> 3-D 탭으로 돌아갑니다.

2.윤곽 제한 그룹 상자에서 전역 라디오 버튼을 모두 선택하십시오.

3.렌더 를 클릭 하여 다시 그리고 디스플레이 탭으로 돌아갑니다.

4.도구 -> 대칭 -> Y 방향 -> 적용 선택을 반복하여 Y = 0 평면에서 결과를 반영합니다.

5.선택 도구 -> 애니메이션 -> 러버 밴드 캡처를 다음과 같이 선택 확인 Mesh지가 나타납니다 그것을 읽은 후.

6.마우스 왼쪽 버튼을 클릭 한 상태에서 드래그하여 애니메이션을 적용할 화면 부분을 선택하십시오. 선택한 영역 주위에 선택 상자가 나타납니다.

7.디스플레이 창 위에서 빨간색 캡처 버튼을 선택하십시오. 애니메이션을 시작하는 대화 상자가 나타납니다.

8.애니메이션의 기본 이름은 out.avi입니다. 아래에 표시된 것처럼 보다 구체적인 이름이 권장됩니다.

9.기본 프레임 속도는 초당 10 프레임입니다. 이 시뮬레이션의 마감 시간은 1.25 초이고, 일정한 시간 간격으로 100 개의 플롯이 있으므로 ‘실제‘속도는 초당 80 프레임입니다. 너무 빠를 수 있으므로 대신 5 를 입력 하고 확인을 누르십시오.

10. 각 시간 프레임이 표시 창에 렌더링 되고 비트 맵 파일이 시뮬레이션 디렉토리에 작성됩니다. 이 프로세스가 완료되면 다음 대화 상자가 나타납니다.

프로세스의 다음 단계를 시작하려면 확인 버튼을 클릭하십시오. 새로운 프로세스 (BMP2VAI.exe)가 시작되고 압축 방법을 선택할 수 있는 새로운 비디오 압축 창이 나타납니다. 다른 창 뒤에 숨겨져 있으면 앞으로 가져옵니다.
애니메이션의 기본 압축은 압축되지 않습니다. 파일 크기가 너무 커서 뷰어에 로드 할 수 없으므로 대부분의 애니메이션에는 권장되지 않습니다. Windows를 사용하는 경우 Microsoft Video 1을, Linux를 사용하는 경우 Cinepak을 선택하십시오. 여기에서 선택하는 것은 컴퓨터에서 사용할 수 있는 비디오 코덱과 비디오를 표시하는 데 사용하는 기계에서 사용할 수 있는 것입니다.
애니메이션 속도가 데이터 속도에 의해 제한되지 않도록 데이터 속도 확인란을 선택 취소하십시오.

압축 프로세스를 시작하려면 확인을 클릭하십시오. 압축이 완료되면 다음 대화 상자가 나타납니다.

확인을 클릭하십시오. 애니메이션 프로세스가 완료되었습니다.
Windows 탐색기에서 .avi 파일을 찾는 가장 빠른 방법 은 시뮬레이션 관리자 탭으로 이동하여 시뮬레이션 입력 파일 링크를 클릭하는 것 입니다.
.avi파일 을 두 번 클릭하여 애니메이션을 재생 하십시오. 이전에 선택한 압축 형식을 읽을 수 있는 올바른 코덱이 설치되어 있지 않으면 오픈 소스 다중 코덱 비디오 플레이어 설치를 고려하십시오.

2 차원 도표

1.Analyze -> 2-D 탭을 선택하십시오. 이 시뮬레이션의 결과를 보는 데 가장 유용한 평면은 평면 Y = 0.0에있는 위어 중심선의 XZ 평면입니다.

2.XZ 평면 라디오 버튼을 선택하십시오.

3.Y 제한 슬라이더를 모두 Y = 0.25 (Y = 0.0에 가장 가까운 셀 중심 y 좌표)로 드래그 합니다. 또한 동일한 위치가 J = 2 로 식별되어 해당 셀이 도메인에서 두 번째임을 나타냅니다. 첫 번째 셀 (J = 1) 은 Mesh 외부에 있으며 경계
조건 속성을 계산하는 데 사용됩니다. 기본 윤곽 변수는 압력이며 기본 속도 벡터는 기본적으로 선택됩니다. 솔리드 형상은 모든 2D 플롯과 함께 자동으로 표시되므로 3D 플롯과 같이 활성화 할 필요가 없습니다.

4.벡터 옵션을 클릭하고 X = 2 및 Z = 2를 입력하십시오. 벡터는 이제 다른 모든 셀에 플롯 됩니다. 벡터 옵션을 적용하려면 확인을 선택하십시오.

5.Y = 0 평면에서 2 차원 압력 플롯의 시간 시퀀스를 생성하려면 렌더링을 클릭하십시오. T = 0.0 초 (왼쪽) 인 다음과 유사한 그래픽이 나타납니다. T = 0.125 초 (중간); 그리고 T = 1.25 초 (오른쪽).

6.디스플레이 화면의 오른쪽 상단에 있는 형식 버튼을 선택하십시오.

7.선 색상, 벡터 길이 및 화살촉 크기 변경과 같은 다양한 옵션을 시험해보십시오. 변경 사항을 보려면 적용을 선택하십시오. 완료되면 재설정 및 확인을 선택하여
기본 설정으로 돌아가서 대화 상자를 닫습니다. 모든 플롯에 대해 선호하는 옵션 세트가 있는 경우 저장 버튼을 선택하여 저장할 수 있습니다.

1 차원 도표

분석 -> 1-D 탭을 선택하십시오. 이 탭에서는 하나 이상의 플롯 시간에서 셀 행을 따라 압력, 유체 깊이, 유체 상승 및 속도와 같은 셀별 출력 변수의 꺾은 선형
차트 플롯을 사용할 수 있습니다.
데이터 소스 로 선택을 선택합니다. 사용 가능한 변수는 이제 더 빈번한 플로팅을 위해 선택된 변수 만 표시합니다.
자유 변수 표고를 데이터 변수 로 선택하십시오. 유압 데이터는 출력 탭에서 선택되었으므로 사용할 수 있습니다.

이 시뮬레이션의 흐름 방향은 주로 x 축과 평행하므로 X 방향을 선택하십시오.
Y 방향 슬라이더를 0.25(J = 2)로 이동하여 Y 방향에서 흐름 중심선에 가장 가까운 셀이 표시됩니다.
기본적으로 전체 X 범위가 표시됩니다. 플롯의 범위를 제한하려는 경우 X 방향 슬라이더를 이동할 수 있습니다. Z 방향 슬라이더의 위치는 주어진 x, y 위치에서 z 셀의 각 열에 대해 하나의 자유 표면 높이만 기록되므로 중요하지 않습니다. 시간 프레임 슬라이더는 0초와 1.25초여야 합니다.

렌더링을 클릭하십시오. t = 0.0에서 t = 1.25s까지의 시리즈 플롯이 디스플레이 탭의 플롯 목록에 나열됩니다. 이러한 플롯을 볼 수 있는 여러 가지 모드가
있습니다. 기본 모드는 단일 모드이며 형식 버튼 아래의 드롭 다운 상자에 표시됩니다.

다양한 시간에 유체 표면 높이의 플롯을 비교하려면 드롭 다운 상자에서 오버레이 모드를 선택하십시오.
오른쪽 창에서 플롯 1, 13 및 101 을 선택하려면 클릭하십시오. 플롯 이름에는 또한 기록된 시간이 표시됩니다 (t = 0.0, 0.15s 및 1.25 초). 출력은 아래와 같이 나타납니다.

이 플롯을 비트 맵 또는 포스트 스크립트 파일에 저장하려면 출력 버튼을 선택하십시오.
확인 화면에 플롯 오버레이 플롯을 캡처하는 확인란을 (그리고 단 하나의 출력 파일을).
쓰기 버튼을 선택하여 이미지 파일을 만듭니다.
결과 이미지 파일은 시뮬레이션 디렉토리에 있으며 (시뮬레이션 관리자 탭 에서이 파일을 찾는 방법을 기억하십시오) 이름이 지정한 plots_on_screen.bmp됩니다.

프로브 플롯

1.
분석 -> 프로브 탭을 선택하십시오. 시간 기록 플롯은이 탭에서 변수 대 시간의 라인 그래프 또는 텍스트 출력으로 생성됩니다. FLOW-3D 에는 데이터 소스 그룹에서 선택되는 세 가지 유형의 시간 종속 데이터가 있습니다.

·공간 데이터 : 재시작 및 선택된 데이터 소스. 단일 x, y, z 셀 중심 좌표의 시간 종속 값이 표시됩니다. 값은 시간과 관련하여 통합되거나 시간과 관련하여 차별화되거나 이동 평균 (시간)으로 통합될 수 있습니다.

·일반 history 데이터 :. 글로벌 수량은 시간에 따라 다릅니다. 일반적인 양은 평균 운동 에너지, 시간 단계 및 대류 볼륨 오류입니다. 또한 이 데이터 유형에는 모델 설정 -> 메싱 및 지오메트리 탭에서 이러한 옵션을 선택한 경우 지정된 측정 위치(배플, 샘플링 볼륨, 히스토리 프로브)의 모든 데이터와 이동 또는 정지 상태의 솔리드 및 스프링/로프를
위한 통합 출력이 포함됩니다.

·Mesh-dependent data : 메쉬 경계에서 시간에 따른 수량(계산 또는 사용자 지정)입니다. 일반적인 수량은 경계에서의 유량 및 경계에서의 지정된 유체 높이입니다.

2.데이터 원본에서 일반 기록 라디오 버튼을 선택합니다. X, Y 및 Z 데이터 점 슬라이더가 회색으로 바뀝니다. 이는 일반 기록 데이터가 특정 셀과 연결되어 있지 않기 때문입니다.

3.목록에서 질량 평균 유체 평균 운동 에너지를 선택하십시오.

4. 단위를 선택하여 플로팅 단위 대화 상자를 엽니다.

5. 플롯에 단위 표시를 선택하십시오.

6. SI, CGS, slugs/feet/seconds 또는 pounds/inches/seconds를 선택하여 원하는 단위 시스템으로 결과를 변환하고 출력합니다. 장치를 표시하고 변환하려면 모델 설정 -> 일반 탭에서 장치 시스템을 선택해야 합니다. 이전 단계에서 이 항목을 확인했으며, 지오메트리 및 유체 특성은 centimeters/grams/seconds 시스템에서 지정되었습니다.

7.Plotting Units 대화 상자를 닫으려면 OK를 선택하십시오.

8.데이터의 그래픽 출력을 생성하려면 렌더를 선택하십시오. 출력은 시간에 따른 영역의 모든 유체에 대한 질량 평균 평균 운동 에너지를 보여줍니다. 이전 단계에서 선택한 사항에 따라 단위 레이블과 함께 그림이 나타납니다. 플롯은 총 운동 에너지가 일부 평균값 주위에서 진동하고 있음을 나타냅니다. 진동이 작아짐에 따라 시뮬레이션은 정상 상태 흐름에 접근합니다.

9.분석 -> 프로브 탭으로 돌아갑니다.

10. 출력 양식 그룹에서 텍스트를 선택하여 그래프를 텍스트 데이터로 출력한 다음 렌더링을 다시 선택하십시오.

11. 나타나는 텍스트 대화 상자에서 다른 이름으로 저장 버튼을 선택하여 출력을 텍스트 파일로 저장할 수 있습니다.

12. 출력 창을 닫으려면 계속을 선택하십시오.

텍스트 출력

1.Analyze -> Text Output 탭을 선택하십시오.

2.텍스트 출력 은 셀별 데이터 ( 다시 시작 또는 선택됨 ) 만 출력 할 수 있고 (구성 요소, 측정 스테이션 또는 글로벌 데이터 없음) 둘 이상의 셀을 선택할 수 있다는 점을 제외하고 프로브 탭 과 동일한 방식으로 작동합니다. 각 플롯 시간에 대한 출력 데이터. 셀은 슬라이더를 사용하여 3D 블록에서 선택됩니다. 기본 공간 범위는 전체 도메인으로 설정됩니다.

3.직접 텍스트 데이터를 출력해보십시오.

FLOW-3D 및TruVOF는 미국 및 기타 국가에서 등록 상표입니다.

Selective electron beam melting – void Formation (선택적 전자 빔 용해 – 빈 공간 형성)

선택적 전자 빔 용해란?

L-PBF 프로세스와 매우 유사하지만 몇 가지 주요 차이점이 존재함
– 레이저 소스 대신 사용되는 전자 빔
– 진공 챔버에서 공정이 발생
– 더 큰 층 / 분말 크기로 인해 만드는 속도는 높아지지만 표면 조도는 낮아짐
– 고온에서 공정이 발생
– 낮은 잔류 응력 및 더 조밀한 미세 구조
SEBM 프로세스 모델링
– 깊이는 전자빔의 흡수를 기반함
– 볼링이나 불균일성과 같은 용융지 결함은 여전히 연관됨

스캔 전략 및 빈 공간 형성

Ti-6Al-4V에서 다중 트랙 및 다중 레이어의 SEBM 프로세스를 조사한 연구
– 분말 확산의 이산 소자 방법 (DEM) 모델과 분말 용융의 (CFD) 모델을 통합
스캔 전략은 빈 공간의 심각성에 어떤 영향을 미칠까?

빈 공간 형성의 성향

여러 트랙의 여러 레이어
1. 단방향 케이스 (a)
– 두 스캔 경로의 중간 부근에 빈 공간이 형성됨
– 이 위치에서는 분말 입자의 두꺼운 층과 낮은 에너지 밀도를 가짐
2. 반대 방향 케이스 (b)
– 두 번째 레이어 트랙의 시작 근처에 추가로 빈 공간이 있는 중심으로부터 빈 위치 오프셋
– 시작점 근처의 녹는 깊이는 트랙을 따라 멀어짐
– 가장자리 근처의 빈 공간은 단방향보다 반대 방향의 경우 더 뚜렷함

레이어 별로 회전하며 스캔하는 전략
– 중심선 사이의 중간 지점에서 첫 번째 및 두 번째 레이어에서 빈 공간이 관찰 됨
-빈 공간은 θ=0° 및 θ=180°에서 더 일반적임

레이어 별로 엮어가며 스캔하는 전략
– 제 2층 스캔 라인은 제 1층 스캔 라인의 중심을 따라 놓임
– 두 번째 레이어 스캔 위치로 인한 빈 공간 제거가 보다 효과적임

금속 3D 프린팅 파우더 베드 해석(PBF해석)

Laser Powder Bed Additive Manufacturing

Heat transfer and fluid flow modeling

레이저 파우더 베드 퓨전 (L-PBF) 첨가제 제조에는 복잡한 물리적 공정이 필요합니다. 특히, 흡수 된 레이저 빔 에너지는 입자를 녹여 강한 유체 흐름이 표면 장력 기울기 (또는 Marangoni 전단 응력)에 의해 주로 발생하는 용융 풀을 형성합니다. 열 전달 및 유체 유동은 분말 베드 내의 분말 입자의 국부적 배열에 의해 영향을 받으며, 이는 위치에 따라 다를 수 있습니다. 매우 일시적인 유체 흐름으로 인해 용융 된 풀 표면 (자유 표면)의 형상이 끊임없이 진화하여 최종 표면 품질에 영향을 미칩니다.

Numerical modeling approach

본 연구에서는 분말 포장 특성, 공정 변수 및 용융 풀 역학이 표면 품질에 미치는 영향을 정량적으로 이해하기 위해 두 가지 모델을 순서대로 사용합니다. 첫 번째 모델은 오픈 소스 이산 요소 방법 (DEM) 코드 인 Yade를 기반으로 개발 된 분말 입자 포장 모델입니다. 입자 적층 정보 (예를 들어, 개별 입자의 위치 및 반경)를 제공한다. 이러한 정보는 FLOW-3D를 기반으로 한 3D 과도 용융 풀 모델 인 두 번째 모델에 입력됩니다. 두 모델의 세부 사항은 문헌 [1]에 나와있다. FLOW-3D를 기반으로 한 용융 풀 모델의 특징을 요약하면 다음과 같습니다.

과도 유체 흐름 시뮬레이션은 그림 1에서와 같이 1000 μm (길이), 270 μm (너비) 및 190 μm (높이) 치수의 3D 계산 영역에서 수행됩니다. 도메인은 50 μm 두께의 층 의 분말 입자를 90㎛ 두께의 기판 위에 놓았다. 도메인의 미리 알림은 처음에는 무효로 채워집니다. 분말 층 형상은 DEM 시뮬레이션의 결과를 사용하여 초기화됩니다. 총 셀 수를 줄이면서 공간 분해능을 극대화하기 위해 메쉬 크기가 기판 / 파우더 레이어 인터페이스를 향하여 기판에서 9 μm에서 3 μm까지 연속적으로 감소하는 편향 메쉬가 사용됩니다. 메쉬 크기는 파우더 레이어와 그 위의 빈 공간에서 3 μm로 일정하게 유지됩니다. 총 셀 수는 143 만입니다.

경계 조건의 경우, 가우시안 분포에 기초한 소정의 열유속이 분말 층의 상부 표면에 부과되어 X 방향을 따라 이동하는 레이저로부터의 열 입력을 나타낸다. 온도에 따른 표면 장력은 FLOW-3D에서 사용 가능한 개선 된 표면 장력 모델을 사용하여 포함됩니다. 다른 열 – 물리적 특성의 경우, FLOW-3D 데이터베이스에서 사용 가능한 IN718 합금에 대한 데이터가 사용됩니다.

Result and discussion

그림 2는 시간 = 55 μs에서 용융 풀 내의 온도 등면 및 속도 벡터의 종단면도 (즉, 레이저 이동 방향에 평행 한 단면)를 도시한다. 용융 된 풀 경계는 1608.15 K에서 등온선으로 표시되며, IN718의 액상 선 온도입니다. 이 그림의 오른쪽에 표시된 것처럼 입자는 부분적으로 용융 풀로 용융됩니다. 용융 된 풀 표면 근처에서, 용융 금속은 레이저 빔 바로 밑의 중심 위치에서 풀의 후단으로 당겨진다. 풀 표면 근처의 용융 금속의 이와 같은 역류는 풀의 후단을 향해 고비를 형성하는 동안 레이저 빔 아래에서 움푹 들어간 표면 프로파일을 생성한다. 다음에서 논의되는 바와 같이, 혹 모양은 볼 결함의 형성을 초래할 수 있습니다.

볼링(balling)은 그림 3에서와 같이 용융 풀이 불연속으로 분리되어 분리 된 섬으로 갈라질 때 발생할 수있는 결함입니다.이 그림에서 알 수 있듯이 레이저 빔 바로 아래의 용융 풀은 안정적이지 않으며 후단이 빠르게 분리됩니다 정면에서 분리 된 섬을 형성합니다. 분리는 그림 3 (c)와 같이 용융 풀의 중간에있는 보이드에서 시작된다. 이 공극은 레이저가 앞으로 계속 이동하면서 팽창하여 결국 용융 된 풀을 두 부분으로 나눕니다. 도 3 (e) 및 (f). 공극의 형성과 그 팽창은 표면 장력 구배 (Marangoni 효과)에 의해 강한 후진 유동에 의해 유발됩니다.

Summary

L-PBF에서의 열 전달 및 유체 흐름의 3D 과도 시뮬레이션은 볼 결함의 형성을 정량적으로 이해하기 위해 수행됩니다. 단순한 선형 트랙 만 시뮬레이션되었지만, 본 모델은 최종 빌드 품질의 중요한 속성 인 용융 풀 표면 프로파일 및 볼링 결함 형성을 연구 할 때 분말 레벨 시뮬레이션의 중요성을 보여줍니다.

뿐만 아니라 위의 금속 분말 소결 시뮬레이션은 금속 3D 프린팅(Metal 3D Printing) 산업의 핵심 기술이며 차후 많은 연구와 응용이 기대되는 분야가 될 것입니다.

Acknowledgements

이 자료는 수상 번호 N00014-14-1-0688하에 미해군 연구소(ONR)가 지원하는 연구과제에 기초로 작성되었습니다.

References

[1] Y.S. Lee and W. Zhang, Mesoscopic Simulation of Heat Transfer and Fluid Flow in Laser Powder Bed Additive Manufacturing, In: 2015 Annual International Solid Freeform Fabrication Symposium, Austin, TX, pp. 1154-1165, August 2015.

금속 3D 프린팅 파우더 베드 수치해석

Laser Powder Bed Additive Manufacturing

Heat transfer and fluid flow modeling

Numerical modeling approach

약 600 마이크로 초 길이의 L-PBF의 과도 시뮬레이션은 약 40 시간의 클럭 시간이 소요되었으며 인텔 ® 제온 ® 프로세서 E5335 및 4GB RAM의 중간 정도급의 워크 스테이션에서 수행되었습니다.

Tag: 레이어

Kalix Bridge 디지털 트윈: 미래 극한 기후 현상으로 인한 구조적 부하

1. Introducción

2. Descripción del puente de Kalix

3. Simulación de viento

3.1. Parámetros de simulación

3.2. Modelo de turbulencia

3.3. Rejilla computacional y resultados

4. Simulación hidráulica

4.1. Parámetros de simulación

4.2 Cuadrícula computacional y resultados

5. Conclusión

6. Reconocimiento

Abstract

키워드

Introduction

References

Liquid-solid co-printing of multi-material 3D fluidic devices via material jetting

Abstract

Keywords

Bibliography

Effect of carrier gases on the entrainment defects within AZ91 alloy castings

Abstract

Keywords

키워드

1 . 소개

2 . 실험

2.1 . 용융 및 주조

2.2 . 산화 세포

3 . 결과

3.1 . SF 6 /air 에서 형성된 엔트레인먼트 결함의 구조 및 구성

3.2 . SF 6 /CO 2 에 형성된 연행 결함의 구조 및 조성

3.3 . 산화 전지에서 산화막의 진화

4 . 논의

4.1 . SF 6 /air 에서 형성된 연행 결함의 진화

4.2 . SF 6 /CO 2 에서 형성된 연행 결함의 진화

4.3 . 운반 가스가 동반 가스 소비 및 AZ91 주물의 재현성에 미치는 영향

7 . 결론

감사의 말

Abstract

Keywords

미세 구조 예측

레이저 파우더 베드 융합으로 제작 된 니켈 기반 초합금의 열전달, 유체 흐름 및 응고 미세 구조 모델링

열 응력 | Thermal Stresses

Thermal Stresses Case Study

와이어 파우더 기반 DED | Wire Powder Based DED

와이어 기반 DED | Wire Based DED

레이저 파우더 베드 퓨전 (L-PBF)

파우더 베드 부설 공정

Melting | 파우더 베드 용해

Multilayer | 다층 적층 제조

LPBF의 키홀 링 | Keyholing in LPBF

바인더 분사 (Binder jetting)

Scan Strategy | 스캔 전략

Beam Shaping | 빔 형성

Multi-material Powder Bed Fusion | 다중 재료 분말 베드 융합

다중 재료 용접 사례 연구

이종 금속의 레이저 키홀 용접에서 금속 혼합 조사

방향성 에너지 증착

레이저 파우더 베드 융합 오버행 영역에서 표면 거칠기의 원인에 대한 실험 및 수치 조사

ABSTRACT

1. Introduction

References

전산 유체 역학 레이저 첨가제 모델링 제조 공정 및 중력의 영향

6.5 Conclusion

Liquid Metal 3D Printing

Computational Models

입자 / Particles

FLOW-3D의 Lagrangian 입자 모델

Lagrangian 입자를 직접 금속 증착에 적용

실험 설정

모델 검증

층 두께의 영향

결론

수치해석에서 SSD가 필요한가?

NVMe/M.2/SATA SSD 비교 정리

SATA SSD vs. NVMe SSD

가격 : NVMe > SATA

SSD 선택 시 유의해서 봐야할 것

구입전 사용자가 알아야 할 NVMe SSD

3.1 . SF ₆ /air 에서 형성된 엔트레인먼트 결함의 구조 및 구성

3.2 . SF ₆ /CO _{2 에} 형성된 연행 결함의 구조 및 조성

4.1 . SF ₆ /air 에서 형성된 연행 결함의 진화

4.2 . SF ₆ /CO ₂ 에서 형성된 연행 결함의 진화