Fig. 8 Distribution of solidification properties on the yz cross section at the maximum width of the melt pool.(a) thermal gradient G, (b) solidification velocity vT, (c) cooling rate G×vT, and (d) morphology factor G/vT. These profiles are calculated with a laser power 300 W and velocity 400 mm/s using (a1 through d1) analytical Rosenthal simulation and (a2 through d2) high-fidelity CFD simulation. The laser is moving out of the page from the upper left corner of each color map (Color figure online)

Quantifying Equiaxed vs Epitaxial Solidification in Laser Melting of CMSX-4 Single Crystal Superalloy

CMSX -4 단결정 초합금의 레이저 용융에서 등축 응고와 에피택셜 응고 정량화

본 논문은 독자의 편의를 위해 기계번역된 내용이어서 자세한 내용은 원문을 참고하시기 바랍니다.

Abstract

에피택셜 과 등축 응고 사이의 경쟁은 적층 제조에서 실행되는 레이저 용융 동안 CMSX-4 단결정 초합금에서 조사되었습니다. 단일 트랙 레이저 스캔은 레이저 출력과 스캐닝 속도의 여러 조합으로 방향성 응고된 CMSX-4 합금의 분말 없는 표면에서 수행되었습니다. EBSD(Electron Backscattered Diffraction) 매핑은 새로운 방향의 식별을 용이하게 합니다. 영역 분율 및 공간 분포와 함께 융합 영역 내에서 핵을 형성한 “스트레이 그레인”은 충실도가 높은 전산 유체 역학 시뮬레이션을 사용하여 용융 풀 내의 온도 및 유체 속도 필드를 모두 추정했습니다. 이 정보를 핵 생성 모델과 결합하여 용융 풀에서 핵 생성이 발생할 확률이 가장 높은 위치를 결정했습니다. 금속 적층 가공의 일반적인 경험에 따라 레이저 용융 트랙의 응고된 미세 구조는 에피택셜 입자 성장에 의해 지배됩니다. 더 높은 레이저 스캐닝 속도와 더 낮은 출력이 일반적으로 흩어진 입자 감소에 도움이 되지만,그럼에도 불구하고 길쭉한 용융 풀에서 흩어진 입자가 분명했습니다.

The competition between epitaxial vs. equiaxed solidification has been investigated in CMSX-4 single crystal superalloy during laser melting as practiced in additive manufacturing. Single-track laser scans were performed on a powder-free surface of directionally solidified CMSX-4 alloy with several combinations of laser power and scanning velocity. Electron backscattered diffraction (EBSD) mapping facilitated identification of new orientations, i.e., “stray grains” that nucleated within the fusion zone along with their area fraction and spatial distribution. Using high-fidelity computational fluid dynamics simulations, both the temperature and fluid velocity fields within the melt pool were estimated. This information was combined with a nucleation model to determine locations where nucleation has the highest probability to occur in melt pools. In conformance with general experience in metals additive manufacturing, the as-solidified microstructure of the laser-melted tracks is dominated by epitaxial grain growth; nevertheless, stray grains were evident in elongated melt pools. It was found that, though a higher laser scanning velocity and lower power are generally helpful in the reduction of stray grains, the combination of a stable keyhole and minimal fluid velocity further mitigates stray grains in laser single tracks.

Introduction

니켈 기반 초합금은 고온에서 긴 노출 시간 동안 높은 인장 강도, 낮은 산화 및 우수한 크리프 저항성을 포함하는 우수한 특성의 고유한 조합으로 인해 가스 터빈 엔진 응용 분야에서 광범위하게 사용됩니다. CMSX-4는 특히 장기 크리프 거동과 관련하여 초고강도의 2세대 레늄 함유 니켈 기반 단결정 초합금입니다. 1 , 2 ]입계의 존재가 크리프를 가속화한다는 인식은 가스 터빈 엔진의 고온 단계를 위한 단결정 블레이드를 개발하게 하여 작동 온도를 높이고 효율을 높이는 데 기여했습니다. 이러한 구성 요소는 사용 중 마모될 수 있습니다. 즉, 구성 요소의 무결성을 복원하고 단결정 미세 구조를 유지하는 수리 방법을 개발하기 위한 지속적인 작업이 있었습니다. 3 , 4 , 5 ]

적층 제조(AM)가 등장하기 전에는 다양한 용접 공정을 통해 단결정 초합금에 대한 수리 시도가 수행되었습니다. 균열 [ 6 , 7 ] 및 흩어진 입자 8 , 9 ] 와 같은 심각한 결함 이 이 수리 중에 자주 발생합니다. 일반적으로 “스트레이 그레인”이라고 하는 응고 중 모재의 방향과 다른 결정학적 방향을 가진 새로운 그레인의 형성은 니켈 기반 단결정 초합금의 수리 중 유해한 영향으로 인해 중요한 관심 대상입니다. 3 , 10 ]결과적으로 재료의 단결정 구조가 손실되고 원래 구성 요소에 비해 기계적 특성이 손상됩니다. 이러한 흩어진 입자는 특정 조건에서 에피택셜 성장을 대체하는 등축 응고의 시작에 해당합니다.

떠돌이 결정립 형성을 완화하기 위해 이전 작업은 용융 영역(FZ) 내에서 응고하는 동안 떠돌이 결정립 형성에 영향을 미치는 수지상 응고 거동 및 처리 조건을 이해하는 데 중점을 두었습니다. 11 , 12 , 13 , 14 ] 연구원들은 단결정 합금의 용접 중에 표류 결정립 형성에 대한 몇 가지 가능한 메커니즘을 제안했습니다. 12 , 13 , 14 , 15 ]응고 전단에 앞서 국부적인 구성 과냉각은 이질적인 핵 생성 및 등축 결정립의 성장을 유발할 수 있습니다. 또한 용융 풀에서 활발한 유체 흐름으로 인해 발생하는 덴드라이트 조각화는 용융 풀 경계 근처에서 새로운 결정립을 형성할 수도 있습니다. 두 메커니즘 모두에서, 표류 결정립 형성은 핵 생성 위치에 의존하며, 차이점은 수상 돌기 조각화는 수상 돌기 조각이 핵 생성 위치로 작용한다는 것을 의미하는 반면 다른 메커니즘은 재료,  를 들어 산화물 입자에서 발견되는 다른 유형의 핵 생성 위치를 사용한다는 것을 의미합니다. 잘 알려진 바와 같이, 많은 주물에 대한 반대 접근법은 TiB와 같은 핵제의 도입을 통해 등축 응고를 촉진하는 것입니다.22알루미늄 합금에서.

헌법적 과냉 메커니즘에서 Hunt 11 ] 는 정상 상태 조건에서 기둥에서 등축으로의 전이(CET)를 설명하는 모델을 개발했습니다. Gaumann과 Kurz는 Hunt의 모델을 수정하여 단결정이 응고되는 동안 떠돌이 결정립이 핵을 생성하고 성장할 수 있는 정도를 설명했습니다. 12 , 14 ] 이후 연구에서 Vitek은 Gaumann의 모델을 개선하고 출력 및 스캐닝 속도와 같은 용접 조건의 영향에 대한 보다 자세한 분석을 포함했습니다. Vitek은 또한 실험 및 모델링 기술을 통해 표류 입자 형성에 대한 기판 방향의 영향을 포함했습니다. 3 , 10 ]일반적으로 높은 용접 속도와 낮은 출력은 표류 입자의 양을 최소화하고 레이저 용접 공정 중 에피택셜 단결정 성장을 최대화하는 것으로 나타났습니다. 3,10 ] 그러나 Vitek은 덴드라이트 조각화를 고려하지 않았으며 그의 연구는 불균질 핵형성이 레이저 용접된 CMSX -4 단결정 합금에서 표류 결정립 형성을 이끄는 주요 메커니즘임을 나타냅니다. 현재 작업에서 Vitek의 수치적 방법이 채택되고 금속 AM의 급속한 특성의 더 높은 속도와 더 낮은 전력 특성으로 확장됩니다.

AM을 통한 금속 부품 제조 는 지난 10년 동안 급격한 인기 증가를 목격했습니다. 16 ] EBM(Electron Beam Melting)에 의한 CMSX-4의 제작 가능성은 자주 조사되었으나 17 , 18 , 19 , 20 , 21 ] CMSX의 제조 및 수리에 대한 조사는 매우 제한적이었다. – 4개의 단결정 구성요소는 레이저 분말 베드 융합(LPBF)을 사용하며, AM의 인기 있는 하위 집합으로, 특히 표류 입자 형성을 완화하는 메커니즘과 관련이 있습니다. 22 ]이러한 조사 부족은 주로 이러한 합금 시스템과 관련된 처리 문제로 인해 발생합니다. 2 , 19 , 22 , 23 , 24 ] 공정 매개변수( 예: 열원 전력, 스캐닝 속도, 스폿 크기, 예열 온도 및 스캔 전략)의 엄격한 제어는 완전히 조밀한 부품을 만들고 유지 관리할 수 있도록 하는 데 필수적입니다. 단결정 미세구조. 25 ] EBM을 사용하여 단결정 합금의 균열 없는 수리가 현재 가능하지만 19 , 24 ] 표류 입자를 생성하지 않는 수리는 쉽게 달성할 수 없습니다.23 , 26 ]

이 작업에서 LPBF를 대표하는 조건으로 레이저 용융을 사용하여 단결정 CMSX-4에서 표류 입자 완화를 조사했습니다. LPBF는 스캐닝 레이저 빔을 사용하여 금속 분말의 얇은 층을 기판에 녹이고 융합합니다. 층별 증착에서 레이저 빔의 사용은 급격한 온도 구배, 빠른 가열/냉각 주기 및 격렬한 유체 흐름을 경험하는 용융 풀을 생성 합니다 이것은 일반적으로 부품에 결함을 일으킬 수 있는 매우 동적인 물리적 현상으로 이어집니다. 28 , 29 , 30 ] 레이저 유도 키홀의 동역학( 예:, 기화 유발 반동 압력으로 인한 위상 함몰) 및 열유체 흐름은 AM 공정에서 응고 결함과 강하게 결합되고 관련됩니다. 31 , 32 , 33 , 34 ] 기하 구조의 급격한 변화가 발생하기 쉬운 불안정한 키홀은 다공성, 볼링, 스패터 형성 및 흔하지 않은 미세 구조 상을 포함하는 유해한 물리적 결함을 유발할 수 있습니다. 그러나 키홀 진화와 유체 흐름은 자연적으로 다음을 통해 포착 하기 어렵 습니다 .전통적인 사후 특성화 기술. 고충실도 수치 모델링을 활용하기 위해 이 연구에서는 전산유체역학(CFD)을 적용하여 표면 아래의 레이저-물질 상호 작용을 명확히 했습니다. 36 ] 이것은 응고된 용융물 풀의 단면에 대한 오랫동안 확립된 사후 특성화와 비교하여 키홀 및 용융물 풀 유체 흐름 정량화를 실행합니다.

CMSX-4 구성 요소의 레이저 기반 AM 수리 및 제조를 위한 적절한 절차를 개발하기 위해 적절한 공정 창을 설정하고 응고 중 표류 입자 형성 경향에 대한 예측 기능을 개발하는 것부터 시작합니다. 다중 합금에 대한 단일 트랙 증착은 분말 층이 있거나 없는 AM 공정에서 용융 풀 형상 및 미세 구조의 정확한 분석을 제공하는 것으로 나타났습니다. 37 , 38 , 39 ]따라서 본 연구에서는 CMSX-4의 응고 거동을 알아보기 위해 분말을 사용하지 않는 단일 트랙 레이저 스캔 실험을 사용하였다. 이는 CMSX-4 단결정의 LPBF 제조를 위한 예비 실험 지침을 제공합니다. 또한 응고 모델링은 기존 용접에서 LPBF와 관련된 급속 용접으로 확장되어 표류 입자 감소를 위한 최적의 레이저 용융 조건을 식별했습니다. 가공 매개변수 최적화를 위한 추가 지침을 제공하기 위해 용융물 풀의 매우 동적인 유체 흐름을 모델링했습니다.

재료 및 방법

단일 트랙 실험

방전 가공(EDM)을 사용하여 CMSX-4 방향성 응고 단결정 잉곳으로부터 샘플을 제작했습니다. 샘플의 최종 기하학은 치수 20의 직육면체 형태였습니다.××20××6mm. 6개 중 하나⟨ 001 ⟩⟨001⟩잉곳의 결정학적 방향은 레이저 트랙이 이 바람직한 성장 방향을 따라 스캔되도록 절단 표면에 수직으로 위치했습니다. 단일 레이저 용융 트랙은 EOS M290 기계를 사용하여 분말이 없는 샘플 표면에 만들어졌습니다. 이 기계는 최대 출력 400W, 가우시안 빔 직경 100의 이터븀 파이버 레이저가 장착된 LPBF 시스템입니다. μμ초점에서 m. 실험 중에 직사각형 샘플을 LPBF 기계용 맞춤형 샘플 홀더의 포켓에 끼워 표면을 동일한 높이로 유지했습니다. 이 맞춤형 샘플 홀더에 대한 자세한 내용은 다른 곳에서 설명합니다. 실험 은 아르곤 퍼지 분위기에서 수행되었으며 예열은 적용되지 않았습니다 단일 트랙 레이저 용융 실험은 다양한 레이저 출력(200~370W)과 스캔 속도(0.4~1.4m/s)에서 수행되었습니다.

성격 묘사

레이저 스캐닝 후, 레이저 빔 스캐닝 방향에 수직인 평면에서 FZ를 통해 다이아몬드 톱을 사용하여 샘플을 절단했습니다. 그 후, 샘플을 장착하고 220 그릿 SiC 페이퍼로 시작하여 콜로이드 실리카 현탁액 광택제로 마무리하여 자동 연마했습니다. 결정학적 특성화는 20kV의 가속 전압에서 TESCAN MIRA 3XMH 전계 방출 주사 전자 현미경(SEM)에서 수행되었습니다. EBSD 지도는0.4μm _0.4μ미디엄단계 크기. Bruker 시스템을 사용하여 EBSD 데이터를 정리하고 분석했습니다. EBSD 클린업은 그레인을 접촉시키기 위한 그레인 확장 루틴으로 시작한 다음 인덱스되지 않은 회절 패턴과 관련된 검은색 픽셀을 해결하기 위해 이웃 방향 클린업 루틴으로 이어졌습니다. 용융 풀 형태를 분석하기 위해 단면을 광학 현미경으로 분석했습니다. 광학 특성화의 대비를 향상시키기 위해 10g CuSO로 구성된 Marbles 시약의 변형으로 샘플을 에칭했습니다.44, 50mL HCl 및 70mL H22영형.

응고 모델링

구조적 과냉 기준에 기반한 응고 모델링을 수행하여 표유 입자의 성향 및 분포에 대한 가공 매개변수의 영향을 평가했습니다. 이 분석 모델링 접근 방식에 대한 자세한 내용은 이전 작업에서 제공됩니다. 3 , 10 ] 참고문헌 3 에 기술된 바와 같이 , 기본 재료의 결정학적 배향을 가진 용융 풀에서 총 표유 입자 면적 분율의 변화는 최소이므로 기본 재료 배향의 영향은 이 작업에서 고려되지 않았습니다. 우리의 LPBF 결과를 이전 작업과 비교하기 위해 Vitek의 작업에서 사용된 수학적으로 간단한 Rosenthal 방정식 3 ]또한 레이저 매개변수의 함수로 용융 풀의 모양과 FZ의 열 조건을 계산하기 위한 기준으로 여기에서 채택되었습니다. Rosenthal 솔루션은 열이 일정한 재료 특성을 가진 반무한 판의 정상 상태 점원을 통해서만 전도를 통해 전달된다고 가정하며 일반적으로 다음과 같이 표현 됩니다 40 , 41 ] .

티=티0+η피2 파이케이엑스2+와이2+지2———-√경험치[- 브이(엑스2+와이2+지2———-√− 엑스 )2α _] ,티=티0+η피2파이케이엑스2+와이2+지2경험치⁡[-V(엑스2+와이2+지2-엑스)2α],(1)

여기서 T 는 온도,티0티0본 연구에서 313K(  , EOS 기계 챔버 온도)로 설정된 주변 온도, P 는 레이저 빔 파워, V 는 레이저 빔 스캐닝 속도,ηη는 레이저 흡수율, k 는 열전도율,αα베이스 합금의 열확산율입니다. x , y , z 는 각각 레이저 스캐닝 방향, 가로 방향 및 세로 방향의 반대 방향과 정렬된 방향입니다 . 이 직교 좌표는 참조 3 의 그림 1에 있는 시스템을 따랐습니다 . CMSX-4에 대한 고상선 온도(1603K)와 액상선 온도(1669K)의 등온선 평균으로 응고 프런트( 즉 , 고체-액체 계면)를 정의했습니다. 42 , 43 , 44 ] 시뮬레이션에 사용된 열물리적 특성은 표 I 에 나열되어 있습니다.표 I CMSX-4의 응고 모델링에 사용된 열물리적 특성

풀 사이즈 테이블

열 구배는 외부 열 흐름에 의해 결정되었습니다.∇ 티∇티45 ] 에 의해 주어진 바와 같이 :

지 = | ∇ 티| =∣∣∣∂티∂엑스나^^+∂티∂와이제이^^+∂티∂지케이^^∣∣∣=(∂티∂엑스)2+(∂티∂와이)2+(∂티∂지)2————————√,G=|∇티|=|∂티∂엑스나^^+∂티∂와이제이^^+∂티∂지케이^^|=(∂티∂엑스)2+(∂티∂와이)2+(∂티∂지)2,(2)

어디나^^나^^,제이^^제이^^, 그리고케이^^케이^^는 각각 x , y 및 z 방향 을 따른 단위 벡터 입니다. 응고 등온선 속도,V티V티는 다음 관계에 의해 레이저 빔 스캐닝 속도 V 와 기하학적으로 관련됩니다.

V티= V코사인θ =V∂티∂엑스(∂티∂엑스)2+(∂티∂와이)2+(∂티∂지)2——————-√,V티=V코사인⁡θ=V∂티∂엑스(∂티∂엑스)2+(∂티∂와이)2+(∂티∂지)2,(삼)

어디θθ는 스캔 방향과 응고 전면의 법선 방향(  , 최대 열 흐름 방향) 사이의 각도입니다. 이 연구의 용접 조건과 같은 제한된 성장에서 수지상 응고 전면은 고체-액체 등온선의 속도로 성장하도록 강제됩니다.V티V티. 46 ]

응고 전선이 진행되기 전에 새로 핵 생성된 입자의 국지적 비율ΦΦ, 액체 온도 구배 G 에 의해 결정 , 응고 선단 속도V티V티및 핵 밀도N0N0. 고정된 임계 과냉각에서 모든 입자가 핵형성된다고 가정함으로써△티N△티N, 등축 결정립의 반경은 결정립이 핵 생성을 시작하는 시점부터 주상 전선이 결정립에 도달하는 시간까지의 성장 속도를 통합하여 얻습니다. 과냉각으로 대체 시간d (ΔT_) / dt = – _V티G디(△티)/디티=-V티G, 열 구배 G 사이의 다음 관계 , 등축 입자의 국부적 부피 분율ΦΦ, 수상 돌기 팁 과냉각ΔT _△티, 핵 밀도N0N0, 재료 매개변수 n 및 핵생성 과냉각△티N△티N, Gäumann 외 여러분 에 의해 파생되었습니다 . 12 , 14 ] Hunt의 모델 11 ] 의 수정에 기반함 :

지 =1엔 + 1- 4π _N03 인치( 1 − Φ )———√삼ΔT _( 1 -△티엔 + 1N△티엔 + 1) .G=1N+1-4파이N0삼인⁡(1-Φ)삼△티(1-△티NN+1△티N+1).(4)

계산을 단순화하기 위해 덴드라이트 팁 과냉각을 전적으로 구성 과냉각의 것으로 추정합니다.△티씨△티씨, 멱법칙 형식으로 근사화할 수 있습니다.△티씨= ( _V티)1 / 엔△티씨=(ㅏV티)1/N, 여기서 a 와 n 은 재료 종속 상수입니다. CMSX-4의 경우 이 값은a = 1.25 ×106ㅏ=1.25×106 s K 3.4m− 1-1,엔 = 3.4N=3.4, 그리고N0= 2 ×1015N0=2×1015미디엄− 3,-삼,참고문헌 3 에 의해 보고된 바와 같이 .△티N△티N2.5K이며 보다 큰 냉각 속도에서 응고에 대해 무시할 수 있습니다.106106 K/s. 에 대한 표현ΦΦ위의 방정식을 재배열하여 해결됩니다.

Φ= 1 -이자형에스\ 여기서\  S=- 4π _N0삼(1( 엔 + 1 ) (GN/ 아V티)1 / 엔)삼=−2.356×1019(vTG3.4)33.4.Φ=1−eS\ where\ S=−4πN03(1(n+1)(Gn/avT)1/n)3=−2.356×1019(vTG3.4)33.4.

(5)

As proposed by Hunt,[11] a value of Φ≤0.66Φ≤0.66 pct represents fully columnar epitaxial growth condition, and, conversely, a value of Φ≥49Φ≥49 pct indicates that the initial single crystal microstructure is fully replaced by an equiaxed microstructure. To calculate the overall stray grain area fraction, we followed Vitek’s method by dividing the FZ into roughly 19 to 28 discrete parts (depending on the length of the melt pool) of equal length from the point of maximum width to the end of melt pool along the x direction. The values of G and vTvT were determined at the center on the melt pool boundary of each section and these values were used to represent the entire section. The area-weighted average of ΦΦ over these discrete sections along the length of melt pool is designated as Φ¯¯¯¯Φ¯, and is given by:

Φ¯¯¯¯=∑kAkΦk∑kAk,Φ¯=∑kAkΦk∑kAk,

(6)

where k is the index for each subsection, and AkAk and ΦkΦk are the areas and ΦΦ values for each subsection. The summation is taken over all the sections along the melt pool. Vitek’s improved model allows the calculation of stray grain area fraction by considering the melt pool geometry and variations of G and vTvT around the tail end of the pool.

수년에 걸쳐 용융 풀 현상 모델링의 정확도를 개선하기 위해 많은 고급 수치 방법이 개발되었습니다. 우리는 FLOW-3D와 함께 고충실도 CFD를 사용했습니다. FLOW-3D는 여러 물리 모델을 통합하는 상용 FVM(Finite Volume Method)입니다. 47 , 48 ] CFD는 유체 운동과 열 전달을 수치적으로 시뮬레이션하며 여기서 사용된 기본 물리 모델은 레이저 및 표면력 모델이었습니다. 레이저 모델에서는 레이 트레이싱 기법을 통해 다중 반사와 프레넬 흡수를 구현합니다. 36 ]먼저, 레이저 빔은 레이저 빔에 의해 조명되는 각 그리드 셀을 기준으로 여러 개의 광선으로 이산화됩니다. 그런 다음 각 입사 광선에 대해 입사 벡터가 입사 위치에서 금속 표면의 법선 벡터와 정렬될 때 에너지의 일부가 금속에 의해 흡수됩니다. 흡수율은 Fresnel 방정식을 사용하여 추정됩니다. 나머지 에너지는 반사광선 에 의해 유지되며 , 반사광선은 재료 표면에 부딪히면 새로운 입사광선으로 처리됩니다. 두 가지 주요 힘이 액체 금속 표면에 작용하여 자유 표면을 변형시킵니다. 금속의 증발에 의해 생성된 반동 압력은 증기 억제를 일으키는 주요 힘입니다. 본 연구에서 사용된 반동 압력 모델은피아르 자형= 특급 _{ B ( 1- _티V/ 티) }피아르 자형=ㅏ경험치⁡{비(1-티V/티)}, 어디피아르 자형피아르 자형는 반동압력, A 와 B 는 재료의 물성에 관련된 계수로 각각 75와 15이다.티V티V는 포화 온도이고 T 는 키홀 벽의 온도입니다. 표면 흐름 및 키홀 형성의 다른 원동력은 표면 장력입니다. 표면 장력 계수는 Marangoni 흐름을 포함하기 위해 온도의 선형 함수로 추정되며,σ =1.79-9.90⋅10− 4( 티− 1654케이 )σ=1.79-9.90⋅10-4(티-1654년케이)엔엠− 1-1. 49 ] 계산 영역은 베어 플레이트의 절반입니다(2300 μμ미디엄××250 μμ미디엄××500 μμm) xz 평면 에 적용된 대칭 경계 조건 . 메쉬 크기는 8입니다. μμm이고 시간 단계는 0.15입니다. μμs는 계산 효율성과 정확성 간의 균형을 제공합니다.

결과 및 논의

용융 풀 형태

이 작업에 사용된 5개의 레이저 파워( P )와 6개의 스캐닝 속도( V )는 서로 다른 29개의 용융 풀을 생성했습니다.피- 브이피-V조합. P 와 V 값이 가장 높은 것은 그림 1 을 기준으로 과도한 볼링과 관련이 있기 때문에 본 연구에서는 분석하지 않았다  .

단일 트랙 용융 풀은 그림  1 과 같이 형상에 따라 네 가지 유형으로 분류할 수 있습니다 39 ] : (1) 전도 모드(파란색 상자), (2) 키홀 모드(빨간색), (3) 전환 모드(마젠타), (4) 볼링 모드(녹색). 높은 레이저 출력과 낮은 스캐닝 속도의 일반적인 조합인 키홀 모드에서 용융물 풀은 일반적으로 너비/깊이( W / D ) 비율이 0.5보다 훨씬 큰 깊고 가느다란 모양을 나타냅니다 . 스캐닝 속도가 증가함에 따라 용융 풀이 얕아져 W / D 가 약 0.5인 반원형 전도 모드 용융 풀을 나타냅니다. W / D _전환 모드 용융 풀의 경우 1에서 0.5 사이입니다. 스캐닝 속도를 1200 및 1400mm/s로 더 높이면 충분히 큰 캡 높이와 볼링 모드 용융 풀의 특징인 과도한 언더컷이 발생할 수 있습니다.

힘과 속도의 함수로서의 용융 풀 깊이와 너비는 각각 그림  2 (a)와 (b)에 표시되어 있습니다. 용융 풀 폭은 기판 표면에서 측정되었습니다. 그림  2 (a)는 깊이가 레이저 출력과 매우 선형적인 관계를 따른다는 것을 보여줍니다. 속도가 증가함에 따라 깊이  파워 곡선의 기울기는 꾸준히 감소하지만 더 높은 속도 곡선에는 약간의 겹침이 있습니다. 이러한 예상치 못한 중첩은 종종 용융 풀 형태의 동적 변화를 유발하는 유체 흐름의 영향과 레이저 스캔당 하나의 이미지만 추출되었다는 사실 때문일 수 있습니다. 이러한 선형 동작은 그림 2 (b) 의 너비에 대해 명확하지 않습니다  . 그림  2(c)는 선형 에너지 밀도 P / V 의 함수로서 용융 깊이와 폭을 보여줍니다 . 선형 에너지 밀도는 퇴적물의 단위 길이당 에너지 투입량을 측정한 것입니다. 50 ] 용융 풀 깊이는 에너지 밀도에 따라 달라지며 너비는 더 많은 분산을 나타냅니다. 동일한 에너지 밀도가 준공 부품의 용융 풀, 미세 구조 또는 속성에서 반드시 동일한 유체 역학을 초래하지는 않는다는 점에 유의하는 것이 중요합니다. 50 ]

그림 1
그림 1
그림 2
그림 2

레이저 흡수율 평가

레이저 흡수율은 LPBF 조건에서 재료 및 가공 매개변수에 따라 크게 달라진다는 것은 잘 알려져 있습니다. 31 , 51 , 52 ] 적분구를 이용한 전통적인 흡수율의 직접 측정은 일반적으로 높은 비용과 구현의 어려움으로 인해 쉽게 접근할 수 없습니다. 51 ] 그  . 39 ] 전도 모드 용융 풀에 대한 Rosenthal 방정식을 기반으로 경험적 레이저 흡수율 모델을 개발했지만 기본 가정으로 인해 키홀 용융 풀에 대한 정확한 예측을 제공하지 못했습니다. 40 ] 최근 간 . 53 ] Ti–6Al–4V에 대한 30개의 고충실도 다중 물리 시뮬레이션 사례를 사용하여 레이저 흡수에 대한 스케일링 법칙을 확인했습니다. 그러나 연구 중인 특정 재료에 대한 최소 흡수(평평한 용융 표면의 흡수율)에 대한 지식이 필요하며 이는 CMSX-4에 대해 알려지지 않았습니다. 다양한 키홀 모양의 용융 풀에 대한 레이저 흡수의 정확한 추정치를 얻기가 어렵기 때문에 상한 및 하한 흡수율로 분석 시뮬레이션을 실행하기로 결정했습니다. 깊은 키홀 모양의 용융 풀의 경우 대부분의 빛을 가두는 키홀 내 다중 반사로 인해 레이저 흡수율이 0.8만큼 높을 수 있습니다. 이것은 기하학적 현상이며 기본 재료에 민감하지 않습니다. 5152 , 54 ] 따라서 본 연구에서는 흡수율의 상한을 0.8로 설정하였다. 참고 문헌 51 에 나타낸 바와 같이 , 전도 용융 풀에 해당하는 최저 흡수율은 약 0.3이었으며, 이는 이 연구에서 합리적인 하한 값입니다. 따라서 레이저 흡수율이 스트레이 그레인 형성에 미치는 영향을 보여주기 위해 흡수율 값을 0.55 ± 0.25로 설정했습니다. Vitek의 작업에서는 1.0의 고정 흡수율 값이 사용되었습니다. 3 ]

퓨전 존 미세구조

그림  3 은 200~300W 및 600~300W 및 600~300W 범위의 레이저 출력 및 속도로 9가지 다른 처리 매개변수에 의해 생성된 CMSX-4 레이저 트랙의 yz 단면 에서 취한 EBSD 역극점도와 해당 역극점도를 보여 줍니다. 각각 1400mm/s. EBSD 맵에서 여러 기능을 쉽게 관찰할 수 있습니다. 스트레이 그레인은 EBSD 맵에서 그 방향에 해당하는 다른 RGB 색상으로 나타나고 그레인 경계를 묘사하기 위해 5도의 잘못된 방향이 사용되었습니다. 여기, 그림  3 에서 스트레이 그레인은 대부분 용융 풀의 상단 중심선에 집중되어 있으며, 이는 용접된 단결정 CMSX-4의 이전 보고서와 일치합니다. 10 ]역 극점도에서, 점 근처에 집중된 클러스터⟨ 001 ⟩⟨001⟩융합 경계에서 유사한 방향을 유지하는 단결정 기반 및 에피택셜로 응고된 덴드라이트를 나타냅니다. 그러나 흩어진 곡물은 식별할 수 있는 질감이 없는 흩어져 있는 점으로 나타납니다. 단결정 기본 재료의 결정학적 방향은 주로⟨ 001 ⟩⟨001⟩비록 샘플을 절단하는 동안 식별할 수 없는 기울기 각도로 인해 또는 단결정 성장 과정에서 약간의 잘못된 방향이 있었기 때문에 약간의 편차가 있지만. 용융 풀 내부의 응고된 수상 돌기의 기본 방향은 다시 한 번⟨ 001 ⟩⟨001⟩주상 결정립 구조와 유사한 에피택셜 성장의 결과. 그림 3 과 같이 용융 풀에서 수상돌기의 성장 방향은 하단의 수직 방향에서 상단의 수평 방향으로 변경되었습니다  . 이 전이는 주로 온도 구배 방향의 변화로 인한 것입니다. 두 번째 전환은 CET입니다. FZ의 상단 중심선 주변에서 다양한 방향의 흩어진 입자가 관찰되며, 여기서 안쪽으로 성장하는 수상돌기가 서로 충돌하여 용융 풀에서 응고되는 마지막 위치가 됩니다.

더 깊은 키홀 모양을 특징으로 하는 샘플에서 용융 풀의 경계 근처에 침전된 흩어진 입자가 분명합니다. 이러한 새로운 입자는 나중에 모델링 섹션에서 논의되는 수상돌기 조각화 메커니즘에 의해 잠재적으로 발생합니다. 결정립이 강한 열 구배에서 핵을 생성하고 성장한 결과, 대부분의 흩어진 결정립은 모든 방향에서 동일한 크기를 갖기보다는 장축이 열 구배 방향과 정렬된 길쭉한 모양을 갖습니다. 그림 3 의 전도 모드 용융 풀 흩어진 입자가 없는 것으로 입증되는 더 나은 단결정 품질을 나타냅니다. 상대적으로 낮은 출력과 높은 속도의 스캐닝 레이저에 의해 생성된 이러한 더 얕은 용융 풀에서 최소한의 결정립 핵형성이 발생한다는 것은 명백합니다. 더 큰 면적 분율을 가진 스트레이 그레인은 고출력 및 저속으로 생성된 깊은 용융 풀에서 더 자주 관찰됩니다. 국부 응고 조건에 대한 동력 및 속도의 영향은 후속 모델링 섹션에서 조사할 것입니다.

그림 3
그림 3

응고 모델링

서론에서 언급한 바와 같이 연구자들은 단결정 용접 중에 표류 결정립 형성의 가능한 메커니즘을 평가했습니다. 12 , 13 , 14 , 15 , 55 ]논의된 가장 인기 있는 두 가지 메커니즘은 (1) 응고 전단에 앞서 구성적 과냉각에 의해 도움을 받는 이종 핵형성 및 (2) 용융물 풀의 유체 흐름으로 인한 덴드라이트 조각화입니다. 첫 번째 메커니즘은 광범위하게 연구되었습니다. 이원 합금을 예로 들면, 고체는 액체만큼 많은 용질을 수용할 수 없으므로 응고 중에 용질을 액체로 거부합니다. 결과적으로, 성장하는 수상돌기 앞에서 용질 분할은 실제 온도가 국부 평형 액상선보다 낮은 과냉각 액체를 생성합니다. 충분히 광범위한 체질적으로 과냉각된 구역의 존재는 새로운 결정립의 핵형성 및 성장을 촉진합니다. 56 ]전체 과냉각은 응고 전면에서의 구성, 동역학 및 곡률 과냉각을 포함한 여러 기여의 합입니다. 일반적인 가정은 동역학 및 곡률 과냉각이 합금에 대한 용질 과냉각의 더 큰 기여와 관련하여 무시될 수 있다는 것입니다. 57 ]

서로 다른 기본 메커니즘을 더 잘 이해하려면피- 브이피-V조건에서 응고 모델링이 수행됩니다. 첫 번째 목적은 스트레이 그레인의 전체 범위를 평가하는 것입니다(Φ¯¯¯¯Φ¯) 처리 매개 변수의 함수로 국부적 표류 입자 비율의 변화를 조사하기 위해 (ΦΦ) 용융 풀의 위치 함수로. 두 번째 목적은 금속 AM의 빠른 응고 동안 응고 미세 구조와 표류 입자 형성 메커니즘 사이의 관계를 이해하는 것입니다.

그림 4
그림 4

그림  4 는 해석적으로 시뮬레이션된 표류 입자 비율을 보여줍니다.Φ¯¯¯¯Φ¯세 가지 레이저 흡수율 값에서 다양한 레이저 스캐닝 속도 및 레이저 출력에 대해. 결과는 스트레이 그레인 면적 비율이 흡수된 에너지에 민감하다는 것을 보여줍니다. 흡수율을 0.30에서 0.80으로 증가시키면Φ¯¯¯¯Φ¯약 3배이며, 이 효과는 저속 및 고출력 영역에서 더욱 두드러집니다. 다른 모든 조건이 같다면, 흡수된 전력의 큰 영향은 평균 열 구배 크기의 일반적인 감소와 용융 풀 내 평균 응고율의 증가에 기인합니다. 스캐닝 속도가 증가하고 전력이 감소함에 따라 평균 스트레이 그레인 비율이 감소합니다. 이러한 일반적인 경향은 Vitek의 작업에서 채택된 그림 5 의 파란색 영역에서 시뮬레이션된 용접 결과와 일치합니다  . 3 ] 더 큰 과냉각 구역( 즉, 지 /V티G/V티영역)은 용접 풀의 표유 입자의 면적 비율이 분홍색 영역에 해당하는 LPBF 조건의 면적 비율보다 훨씬 더 크다는 것을 의미합니다. 그럼에도 불구하고 두 데이터 세트의 일반적인 경향은 유사합니다.  , 레이저 출력이 감소하고 레이저 속도가 증가함에 따라 표류 입자의 비율이 감소합니다. 또한 그림  5 에서 스캐닝 속도가 LPBF 영역으로 증가함에 따라 표유 입자 면적 분율에 대한 레이저 매개변수의 변화 효과가 감소한다는 것을 추론할 수 있습니다. 그림  6 (a)는 그림 3 의 EBSD 분석에서 나온 실험적 표류 결정립 면적 분율  과 그림 4 의 해석 시뮬레이션 결과를  비교합니다.. 열쇠 구멍 모양의 FZ에서 정확한 값이 다르지만 추세는 시뮬레이션과 실험 데이터 모두에서 일관되었습니다. 키홀 모양의 용융 풀, 특히 전력이 300W인 2개는 분석 시뮬레이션 예측보다 훨씬 더 많은 양의 흩어진 입자를 가지고 있습니다. Rosenthal 방정식은 일반적으로 열 전달이 순전히 전도에 의해 좌우된다는 가정으로 인해 열쇠 구멍 체제의 열 흐름을 적절하게 반영하지 못하기 때문에 이러한 불일치가 실제로 예상됩니다. 39 , 40 ] 그것은 또한 그림  4 의 발견 , 즉 키홀 모드 동안 흡수된 전력의 증가가 표류 입자 형성에 더 이상적인 조건을 초래한다는 것을 검증합니다. 그림  6 (b)는 실험을 비교Φ¯¯¯¯Φ¯수치 CFD 시뮬레이션Φ¯¯¯¯Φ¯. CFD 모델이 약간 초과 예측하지만Φ¯¯¯¯Φ¯전체적으로피- 브이피-V조건에서 열쇠 구멍 조건에서의 예측은 분석 모델보다 정확합니다. 전도 모드 용융 풀의 경우 실험 값이 분석 시뮬레이션 값과 더 가깝게 정렬됩니다.

그림 5
그림 5

모의 온도 구배 G 분포 및 응고율 검사V티V티분석 모델링의 쌍은 그림  7 (a)의 CMSX-4 미세 구조 선택 맵에 표시됩니다. 제공지 /V티G/V티(  , 형태 인자)는 형태를 제어하고지 ×V티G×V티(  , 냉각 속도)는 응고된 미세 구조의 규모를 제어하고 , 58 , 59 ]지 -V티G-V티플롯은 전통적인 제조 공정과 AM 공정 모두에서 미세 구조 제어를 지원합니다. 이 플롯의 몇 가지 분명한 특징은 등축, 주상, 평면 전면 및 이러한 경계 근처의 전이 영역을 구분하는 경계입니다. 그림  7 (a)는 몇 가지 선택된 분석 열 시뮬레이션에 대한 미세 구조 선택 맵을 나타내는 반면 그림  7 (b)는 수치 열 모델의 결과와 동일한 맵을 보여줍니다. 등축 미세구조의 형성은 낮은 G 이상 에서 명확하게 선호됩니다.V티V티정황. 이 플롯에서 각 곡선의 평면 전면에 가장 가까운 지점은 용융 풀의 최대 너비 위치에 해당하는 반면 등축 영역에 가까운 지점의 끝은 용융 풀의 후면 꼬리에 해당합니다. 그림  7 (a)에서 대부분의지 -V티G-V티응고 전면의 쌍은 원주형 영역에 속하고 점차 CET 영역으로 위쪽으로 이동하지만 용융 풀의 꼬리는 다음에 따라 완전히 등축 영역에 도달하거나 도달하지 않을 수 있습니다.피- 브이피-V조합. 그림 7 (a) 의 곡선 중 어느 것도  평면 전면 영역을 통과하지 않지만 더 높은 전력의 경우에 가까워집니다. 저속 레이저 용융 공정을 사용하는 이전 작업에서는 곡선이 평면 영역을 통과할 수 있습니다. 레이저 속도가 증가함에 따라 용융 풀 꼬리는 여전히 CET 영역에 있지만 완전히 등축 영역에서 멀어집니다. CET 영역으로 떨어지는 섹션의 수도 감소합니다.Φ¯¯¯¯Φ¯응고된 물질에서.

그림 6
그림 6

그만큼지 -V티G-V티CFD 모델을 사용하여 시뮬레이션된 응고 전면의 쌍이 그림  7 (b)에 나와 있습니다. 세 방향 모두에서 각 점 사이의 일정한 간격으로 미리 정의된 좌표에서 수행된 해석 시뮬레이션과 달리, 고충실도 CFD 모델의 출력은 불규칙한 사면체 좌표계에 있었고 G 를 추출하기 전에 일반 3D 그리드에 선형 보간되었습니다. 그리고V티V티그런 다음 미세 구조 선택 맵에 플롯됩니다. 일반적인 경향은 그림  7 (a)의 것과 일치하지만 이 방법으로 모델링된 매우 동적인 유체 흐름으로 인해 결과에 더 많은 분산이 있었습니다. 그만큼지 -V티G-V티분석 열 모델의 쌍 경로는 더 연속적인 반면 수치 시뮬레이션의 경로는 용융 풀 꼬리 모양의 차이를 나타내는 날카로운 굴곡이 있습니다(이는 G 및V티V티) 두 모델에 의해 시뮬레이션됩니다.

그림 7
그림 7
그림 8
그림 8

유체 흐름을 통합한 응고 모델링

수치 CFD 모델을 사용하여 유동 입자 형성 정도에 대한 유체 흐름의 영향을 이해하고 시뮬레이션 결과를 분석 Rosenthal 솔루션과 비교했습니다. 그림  8 은 응고 매개변수 G 의 분포를 보여줍니다.V티V티,지 /V티G/V티, 그리고지 ×V티G×V티yz 단면에서 x  FLOW-3D에서 (a1–d1) 분석 열 모델링 및 (a2–d2) FVM 방법을 사용하여 시뮬레이션된 용융 풀의 최대 폭입니다. 그림  8 의 값은 응고 전선이 특정 위치에 도달할 때 정확한 값일 수도 있고 아닐 수도 있지만 일반적인 추세를 반영한다는 의미의 임시 가상 값입니다. 이 프로파일은 출력 300W 및 속도 400mm/s의 레이저 빔에서 시뮬레이션됩니다. 용융 풀 경계는 흰색 곡선으로 표시됩니다. (a2–d2)의 CFD 시뮬레이션 용융 풀 깊이는 342입니다. μμm, 측정 깊이 352와 잘 일치 μμ일치하는 길쭉한 열쇠 구멍 모양과 함께 그림 1 에 표시된 실험 FZ의 m  . 그러나 분석 모델은 반원 모양의 용융 풀을 출력하고 용융 풀 깊이는 264에 불과합니다. μμ열쇠 구멍의 경우 현실과는 거리가 멀다. CFD 시뮬레이션 결과에서 열 구배는 레이저 반사 증가와 불안정한 액체-증기 상호 작용이 발생하는 증기 함몰의 동적 부분 근처에 있기 때문에 FZ 하단에서 더 높습니다. 대조적으로 해석 결과의 열 구배 크기는 경계를 따라 균일합니다. 두 시뮬레이션 결과 모두 그림 8 (a1) 및 (a2) 에서 응고가 용융 풀의 상단 중심선을 향해 진행됨에 따라 열 구배가 점차 감소합니다  . 응고율은 그림 8 과 같이 경계 근처에서 거의 0입니다. (b1) 및 (b2). 이는 경계 영역이 응고되기 시작할 때 국부 응고 전면의 법선 방향이 레이저 스캐닝 방향에 수직이기 때문입니다. 이것은 드라이브θ → π/ 2θ→파이/2그리고V티→ 0V티→0식에서 [ 3 ]. 대조적으로 용융 풀의 상단 중심선 근처 영역에서 응고 전면의 법선 방향은 레이저 스캐닝 방향과 잘 정렬되어 있습니다.θ → 0θ→0그리고V티→ 브이V티→V, 빔 스캐닝 속도. G 와 _V티V티값이 얻어지면 냉각 속도지 ×V티G×V티및 형태 인자지 /V티G/V티계산할 수 있습니다. 그림 8 (c2)는 용융 풀 바닥 근처의 온도 구배가 매우 높고 상단에서 더 빠른 성장 속도로  인해 냉각 속도가 용융 풀의 바닥 및 상단 중심선 근처에서 더 높다는 것을 보여줍니다. 지역. 그러나 이러한 추세는 그림  8 (c1)에 캡처되지 않았습니다. 그림 8 의 형태 요인 (d1) 및 (d2)는 중심선에 접근함에 따라 눈에 띄게 감소합니다. 경계에서 큰 값은 열 구배를 거의 0인 성장 속도로 나누기 때문에 발생합니다. 이 높은 형태 인자는 주상 미세구조 형성 가능성이 높음을 시사하는 반면, 중앙 영역의 값이 낮을수록 등축 미세구조의 가능성이 더 크다는 것을 나타냅니다. Tanet al. 또한 키홀 모양의 용접 풀 59 ] 에서 이러한 응고 매개변수의 분포 를 비슷한 일반적인 경향으로 보여주었습니다. 그림  3 에서 볼 수 있듯이 용융 풀의 상단 중심선에 있는 흩어진 입자는 낮은 특징을 나타내는 영역과 일치합니다.지 /V티G/V티그림  8 (d1) 및 (d2)의 값. 시뮬레이션과 실험 간의 이러한 일치는 용융 풀의 상단 중심선에 축적된 흩어진 입자의 핵 생성 및 성장이 등온선 속도의 증가와 온도 구배의 감소에 의해 촉진됨을 보여줍니다.

그림 9
그림 9

그림  9 는 유체 속도 및 국부적 핵형성 성향을 보여줍니다.ΦΦ300W의 일정한 레이저 출력과 400, 800 및 1200mm/s의 세 가지 다른 레이저 속도에 의해 생성된 3D 용융 풀 전체에 걸쳐. 그림  9 (d)~(f)는 로컬ΦΦ해당 3D 보기에서 밝은 회색 평면으로 표시된 특정 yz 단면의 분포. 이 yz 섹션은 가장 높기 때문에 선택되었습니다.Φ¯¯¯¯Φ¯용융 풀 내의 값은 각각 23.40, 11.85 및 2.45pct입니다. 이들은 그림  3 의 실험 데이터와 비교하기에 적절하지 않을 수 있는 액체 용융 풀의 과도 값이며Φ¯¯¯¯Φ¯그림  6 의 값은 이 값이 고체-액체 계면에 가깝지 않고 용융 풀의 중간에서 취해졌기 때문입니다. 온도가 훨씬 낮아서 핵이 생존하고 성장할 수 있기 때문에 핵 형성은 용융 풀의 중간이 아닌 고체-액체 계면에 더 가깝게 발생할 가능성이 있습니다.

그림  3 (a), (d), (g), (h)에서 위쪽 중심선에서 멀리 떨어져 있는 흩어진 결정립이 있었습니다. 그들은 훨씬 더 높은 열 구배와 더 낮은 응고 속도 필드에 위치하기 때문에 과냉각 이론은 이러한 영역에서 표류 입자의 형성에 대한 만족스러운 설명이 아닙니다. 이것은 떠돌이 결정립의 형성을 야기할 수 있는 두 번째 메커니즘,  수상돌기의 팁을 가로지르는 유체 흐름에 의해 유발되는 수상돌기 조각화를 고려하도록 동기를 부여합니다. 유체 흐름이 열 구배를 따라 속도 성분을 갖고 고체-액체 계면 속도보다 클 때, 주상 수상돌기의 국지적 재용융은 용질이 풍부한 액체가 흐물흐물한 구역의 깊은 곳에서 액상선 등온선까지 이동함으로써 발생할 수 있습니다. . 55] 분리된 수상돌기는 대류에 의해 열린 액체로 운반될 수 있습니다. 풀이 과냉각 상태이기 때문에 이러한 파편은 고온 조건에서 충분히 오래 생존하여 길 잃은 입자의 핵 생성 사이트로 작용할 수 있습니다. 결과적으로 수상 돌기 조각화 과정은 활성 핵의 수를 효과적으로 증가시킬 수 있습니다.N0N0) 용융 풀 15 , 60 , 61 ] 에서 생성된 미세 구조에서 표류 입자의 면적을 증가시킵니다.

그림  9 (a) 및 (b)에서 반동 압력은 용융 유체를 아래쪽으로 흐르게 하여 결과 흐름을 지배합니다. 유체 속도의 역방향 요소는 V = 400 및 800mm/s에 대해 각각 최대값 1.0 및 1.6m/s로 더 느려집니다 . 그림  9 (c)에서 레이저 속도가 더 증가함에 따라 증기 침하가 더 얕고 넓어지고 반동 압력이 더 고르게 분포되어 증기 침강에서 주변 영역으로 유체를 밀어냅니다. 역류는 최대값 3.5m/s로 더 빨라집니다. 용융 풀의 최대 너비에서 yz 단면  의 키홀 아래 평균 유체 속도는 그림에 표시된 경우에 대해 0.46, 0.45 및 1.44m/s입니다.9 (a), (b) 및 (c). 키홀 깊이의 변동은 각 경우의 최대 깊이와 최소 깊이의 차이로 정의되는 크기로 정량화됩니다. 240 범위의 강한 증기 내림 변동 μμm은 그림 9 (a)의 V = 400mm/s 경우에서  발견 되지만 이 변동은 그림  9 (c)에서 16의 범위로  크게 감소합니다.μμ미디엄. V = 400mm/s인 경우 의 유체장과 높은 변동 범위는 이전 키홀 동역학 시뮬레이션과 일치합니다. 34 ]

따라서 V = 400mm/s 키홀 케이스의 무질서한 변동 흐름이 용융 풀 경계를 따라 응고된 주상 수상돌기에서 분리된 조각을 구동할 가능성이 있습니다. V = 1200mm/s의 경우 강한 역류 는 그림 3 에서 관찰되지 않았지만 동일한 효과를 가질 수 있습니다. . 덴드라이트 조각화에 대한 유체 유동장의 영향에 대한 이 경험적 설명은 용융 풀 경계 근처에 떠돌이 입자의 존재에 대한 그럴듯한 설명을 제공합니다. 분명히 하기 위해, 우리는 이 가설을 검증하기 위해 이 현상에 대한 직접적인 실험적 관찰을 하지 않았습니다. 이 작업에서 표유 입자 면적 분율을 계산할 때 단순화를 위해 핵 생성 모델링에 일정한 핵 생성 수 밀도가 적용되었습니다. 이는 그림  9 의 표류 입자 영역 비율 이 수지상정 조각화가 발생하는 경우 이러한 높은 유체 흐름 용융 풀에서 발생할 수 있는 것,  강화된 핵 생성 밀도를 반영하지 않는다는 것을 의미합니다.

위의 이유로 핵 형성에 대한 수상 돌기 조각화의 영향을 아직 배제할 수 없습니다. 그러나 단편화 이론은 용접 문헌 [ 62 ] 에서 검증될 만큼 충분히 개발되지 않았 으므로 부차적인 중요성만 고려된다는 점에 유의해야 합니다. 1200mm/s를 초과하는 레이저 스캐닝 속도는 최소한의 표류 결정립 면적 분율을 가지고 있음에도 불구하고 분명한 볼링을 나타내기 때문에 단결정 수리 및 AM 처리에 적합하지 않습니다. 따라서 낮은 P 및 높은 V 에 의해 생성된 응고 전면 근처에서 키홀 변동이 최소화되고 유체 속도가 완만해진 용융 풀이 생성된다는 결론을 내릴 수 있습니다., 처리 창의 극한은 아니지만 흩어진 입자를 나타낼 가능성이 가장 적습니다.

마지막으로 단일 레이저 트랙의 응고 거동을 조사하면 에피택셜 성장 동안 표류 입자 형성을 더 잘 이해할 수 있다는 점에 주목하는 것이 중요합니다. 우리의 현재 결과는 최적의 레이저 매개변수에 대한 일반적인 지침을 제공하여 최소 스트레이 그레인을 달성하고 단결정 구조를 유지합니다. 이 가이드라인은 250W 정도의 전력과 600~800mm/s의 스캔 속도로 최소 흩어진 입자에 적합한 공정 창을 제공합니다. 각 처리 매개변수를 신중하게 선택하면 과거에 스테인리스강에 대한 거의 단결정 미세 구조를 인쇄하는 데 성공했으며 이는 CMSX-4 AM 빌드에 대한 가능성을 보여줍니다. 63 ]신뢰성을 보장하기 위해 AM 수리 프로세스를 시작하기 전에 보다 엄격한 실험 테스트 및 시뮬레이션이 여전히 필요합니다. 둘 이상의 레이저 트랙 사이의 상호 작용도 고려해야 합니다. 또한 레이저, CMSX-4 분말 및 벌크 재료 간의 상호 작용이 중요하며, 수리 중에 여러 층의 CMSX-4 재료를 축적해야 하는 경우 다른 스캔 전략의 효과도 중요한 역할을 할 수 있습니다. 분말이 포함된 경우 Lopez-Galilea 등 의 연구에서 제안한 바와 같이 분말이 주로 완전히 녹지 않았을 때 추가 핵 생성 사이트를 도입하기 때문에 단순히 레이저 분말과 속도를 조작하여 흩어진 입자 형성을 완화하기 어려울 수 있습니다 . 22 ]결과적으로 CMSX-4 단결정을 수리하기 위한 레이저 AM의 가능성을 다루기 위해서는 기판 재료, 레이저 출력, 속도, 해치 간격 및 층 두께의 조합을 모두 고려해야 하며 향후 연구에서 다루어야 합니다. CFD 모델링은 2개 이상의 레이저 트랙 사이의 상호작용과 열장에 미치는 영향을 통합할 수 있으며, 이는 AM 빌드 시나리오 동안 핵 생성 조건으로 단일 비드 연구의 지식 격차를 해소할 것입니다.

결론

LPBF 제조의 특징적인 조건 하에서 CMSX-4 단결정 의 에피택셜(기둥형)  등축 응고 사이의 경쟁을 실험적 및 이론적으로 모두 조사했습니다. 이 연구는 고전적인 응고 개념을 도입하여 빠른 레이저 용융의 미세 구조 특징을 설명하고 응고 조건과 표유 결정 성향을 예측하기 위해 해석적 및 수치적 고충실도 CFD 열 모델 간의 비교를 설명했습니다. 본 연구로부터 다음과 같은 주요 결론을 도출할 수 있다.

  • 단일 레이저 트랙의 레이저 가공 조건은 용융 풀 형상, 레이저 흡수율, 유체 흐름 및 키홀 요동, 입자 구조 및 표류 입자 형성 민감성에 강한 영향을 미치는 것으로 밝혀졌습니다.
  • 레이저 용접을 위해 개발된 이론적인 표유 결정립 핵형성 분석이 레이저 용융 AM 조건으로 확장되었습니다. 분석 모델링 결과와 단일 레이저 트랙의 미세구조 특성화를 비교하면 예측이 전도 및 볼링 조건에서 실험적 관찰과 잘 일치하는 반면 키홀 조건에서는 예측이 약간 과소하다는 것을 알 수 있습니다. 이러한 불일치는 레이저 트랙의 대표성이 없는 섹션이나 유체 속도 필드의 변화로 인해 발생할 수 있습니다. CFD 모델에서 추출한 열장에 동일한 표유 입자 계산 파이프라인을 적용하면 연구된 모든 사례에서 과대평가가 발생하지만 분석 모델보다 연장된 용융 풀의 실험 데이터와 더 정확하게 일치합니다.
  • 이 연구에서 두 가지 표류 결정립 형성 메커니즘인 불균일 핵형성 및 수상돌기 조각화가 평가되었습니다. 우리의 결과는 불균일 핵형성이 용융 풀의 상단 중심선에서 새로운 결정립의 형성으로 이어지는 주요 메커니즘임을 시사합니다.지 /V티G/V티정권.
  • 용융 풀 경계 근처의 흩어진 입자는 깊은 키홀 모양의 용융 풀에서 독점적으로 관찰되며, 이는 강한 유체 흐름으로 인한 수상 돌기 조각화의 영향이 이러한 유형의 용융 풀에서 고려하기에 충분히 강력할 수 있음을 시사합니다.
  • 일반적으로 더 높은 레이저 스캐닝 속도와 더 낮은 전력 외에도 안정적인 키홀과 최소 유체 속도는 또한 흩어진 입자 형성을 완화하고 레이저 단일 트랙에서 에피택셜 성장을 보존합니다.

References

  1. R.C. Reed: The Superalloys: Fundamentals and Applications, Cambridge University Press, Cambridge, 2006, pp.17–20.Book Google Scholar 
  2. A. Basak, R. Acharya, and S. Das: Metall. Mater. Trans. A, 2016, vol. 47A, pp. 3845–59.Article Google Scholar 
  3. J. Vitek: Acta Mater., 2005, vol. 53, pp. 53–67.Article CAS Google Scholar 
  4. R. Vilar and A. Almeida: J. Laser Appl., 2015, vol. 27, p. S17004.Article Google Scholar 
  5. T. Kalfhaus, M. Schneider, B. Ruttert, D. Sebold, T. Hammerschmidt, J. Frenzel, R. Drautz, W. Theisen, G. Eggeler, O. Guillon, and R. Vassen: Mater. Des., 2019, vol. 168, p. 107656.Article CAS Google Scholar 
  6. S.S. Babu, S.A. David, J.W. Park, and J.M. Vitek: Sci. Technol. Weld. Join., 2004, vol. 9, pp. 1–12.Article CAS Google Scholar 
  7. L. Felberbaum, K. Voisey, M. Gäumann, B. Viguier, and A. Mortensen: Mater. Sci. Eng. A, 2001, vol. 299, pp. 152–56.Article Google Scholar 
  8. S. Mokadem, C. Bezençon, J.M. Drezet, A. Jacot, J.D. Wagnière, and W. Kurz: TMS Annual Meeting, 2004, pp. 67–76.
  9. J.M. Vitek: ASM Proc. Int. Conf. Trends Weld. Res., vol. 2005, pp. 773–79.
  10. J.M. Vitek, S. Babu, and S. David: Process Optimization for Welding Single-Crystal Nickel-Bbased Superalloyshttps://technicalreports.ornl.gov/cppr/y2001/pres/120424.pdf
  11. J.D. Hunt: Mater. Sci. Eng., 1984, vol. 65, pp. 75–83.Article CAS Google Scholar 
  12. M. Gäumann, R. Trivedi, and W. Kurz: Mater. Sci. Eng. A, 1997, vol. 226–228, pp. 763–69.Article Google Scholar 
  13. M. Gäumann, S. Henry, F. Cléton, J.D. Wagnière, and W. Kurz: Mater. Sci. Eng. A, 1999, vol. 271, pp. 232–41.Article Google Scholar 
  14. M. Gäumann, C. Bezençon, P. Canalis, and W. Kurz: Acta Mater., 2001, vol. 49, pp. 1051–62.Article Google Scholar 
  15. J.M. Vitek, S.A. David, and S.S. Babu: Welding and Weld Repair of Single Crystal Gas Turbine Alloyshttps://www.researchgate.net/profile/Stan-David/publication/238692931_WELDING_AND_WELD_REPAIR_OF_SINGLE_CRYSTAL_GAS_TURBINE_ALLOYS/links/00b4953204ab35bbad000000/WELDING-AND-WELD-REPAIR-OF-SINGLE-CRYSTAL-GAS-TURBINE-ALLOYS.pdf
  16. B. Kianian: Wohlers Report 2017: 3D Printing and Additive Manufacturing State of the Industry, Annual Worldwide Progress Report, Wohlers Associates, Inc., Fort Collins, 2017.Google Scholar 
  17. M. Ramsperger, L. Mújica Roncery, I. Lopez-Galilea, R.F. Singer, W. Theisen, and C. Körner: Adv. Eng. Mater., 2015, vol. 17, pp. 1486–93.Article CAS Google Scholar 
  18. A.B. Parsa, M. Ramsperger, A. Kostka, C. Somsen, C. Körner, and G. Eggeler: Metals, 2016, vol. 6, pp. 258-1–17.Article Google Scholar 
  19. C. Körner, M. Ramsperger, C. Meid, D. Bürger, P. Wollgramm, M. Bartsch, and G. Eggeler: Metall. Mater. Trans. A, 2018, vol. 49A, pp. 3781–92.Article Google Scholar 
  20. D. Bürger, A. Parsa, M. Ramsperger, C. Körner, and G. Eggeler: Mater. Sci. Eng. A, 2019, vol. 762, p. 138098,Article Google Scholar 
  21. J. Pistor and C. Körner: Sci. Rep., 2021, vol. 11, p. 24482.Article CAS Google Scholar 
  22. I. Lopez-Galilea, B. Ruttert, J. He, T. Hammerschmidt, R. Drautz, B. Gault, and W. Theisen: Addit. Manuf., 2019, vol. 30, p. 100874.CAS Google Scholar 
  23. N. Lu, Z. Lei, K. Hu, X. Yu, P. Li, J. Bi, S. Wu, and Y. Chen: Addit. Manuf., 2020, vol. 34, p. 101228.CAS Google Scholar 
  24. K. Chen, R. Huang, Y. Li, S. Lin, W. Zhu, N. Tamura, J. Li, Z.W. Shan, and E. Ma: Adv. Mater., 2020, vol. 32, pp. 1–8.Google Scholar 
  25. W.J. Sames, F.A. List, S. Pannala, R.R. Dehoff, and S.S. Babu: Int. Mater. Rev., 2016, vol. 61, pp. 315–60.Article Google Scholar 
  26. A. Basak, R. Acharya, and S. Das: Addit. Manuf., 2018, vol. 22, pp. 665–71.CAS Google Scholar 
  27. R. Jiang, A. Mostafaei, J. Pauza, C. Kantzos, and A.D. Rollett: Mater. Sci. Eng. A, 2019. https://doi.org/10.1016/J.MSEA.2019.03.103.Article Google Scholar 
  28. R. Cunningham, C. Zhao, N. Parab, C. Kantzos, J. Pauza, K. Fezzaa, T. Sun, and A.D. Rollett: Science, 2019, vol. 363, pp. 849–52.Article CAS Google Scholar 
  29. B. Fotovvati, S.F. Wayne, G. Lewis, and E. Asadi: Adv. Mater. Sci. Eng., 2018, vol. 2018, p. 4920718.Article Google Scholar 
  30. P.-J. Chiang, R. Jiang, R. Cunningham, N. Parab, C. Zhao, K. Fezzaa, T. Sun, and A.D. Rollett: in Advanced Real Time Imaging II, pp. 77–85.
  31. J. Ye, S.A. Khairallah, A.M. Rubenchik, M.F. Crumb, G. Guss, J. Belak, and M.J. Matthews: Adv. Eng. Mater., 2019, vol. 21, pp. 1–9.Article Google Scholar 
  32. C. Zhao, Q. Guo, X. Li, N. Parab, K. Fezzaa, W. Tan, L. Chen, and T. Sun: Phys. Rev. X, 2019, vol. 9, p. 021052.CAS Google Scholar 
  33. S.A. Khairallah, A.T. Anderson, A. Rubenchik, and W.E. King: Acta Mater., 2016, vol. 108, pp. 36–45.Article CAS Google Scholar 
  34. N. Kouraytem, X. Li, R. Cunningham, C. Zhao, N. Parab, T. Sun, A.D. Rollett, A.D. Spear, and W. Tan: Appl. Phys. Rev., 2019, vol. 11, p. 064054.Article CAS Google Scholar 
  35. T. DebRoy, H. Wei, J. Zuback, T. Mukherjee, J. Elmer, J. Milewski, A. Beese, A. Wilson-Heid, A. De, and W. Zhang: Prog. Mater. Sci., 2018, vol. 92, pp. 112–224.Article CAS Google Scholar 
  36. J.H. Cho and S.J. Na: J. Phys. D, 2006, vol. 39, pp. 5372–78.Article CAS Google Scholar 
  37. I. Yadroitsev, A. Gusarov, I. Yadroitsava, and I. Smurov: J. Mater. Process. Technol., 2010, vol. 210, pp. 1624–31.Article CAS Google Scholar 
  38. S. Ghosh, L. Ma, L.E. Levine, R.E. Ricker, M.R. Stoudt, J.C. Heigel, and J.E. Guyer: JOM, 2018, vol. 70, pp. 1011–16.Article CAS Google Scholar 
  39. Y. He, C. Montgomery, J. Beuth, and B. Webler: Mater. Des., 2019, vol. 183, p. 108126.Article CAS Google Scholar 
  40. D. Rosenthal: Weld. J., 1941, vol. 20, pp. 220–34.Google Scholar 
  41. M. Tang, P.C. Pistorius, and J.L. Beuth: Addit. Manuf., 2017, vol. 14, pp. 39–48.CAS Google Scholar 
  42. R.E. Aune, L. Battezzati, R. Brooks, I. Egry, H.J. Fecht, J.P. Garandet, M. Hayashi, K.C. Mills, A. Passerone, P.N. Quested, E. Ricci, F. Schmidt-Hohagen, S. Seetharaman, B. Vinet, and R.K. Wunderlich: Proc. Int.Symp. Superalloys Var. Deriv., 2005, pp. 467–76.
  43. B.C. Wilson, J.A. Hickman, and G.E. Fuchs: JOM, 2003, vol. 55, pp. 35–40.Article CAS Google Scholar 
  44. J.J. Valencia and P.N. Quested: ASM Handb., 2008, vol. 15, pp. 468–81.Google Scholar 
  45. H.L. Wei, J. Mazumder, and T. DebRoy: Sci. Rep., 2015, vol. 5, pp. 1–7.Google Scholar 
  46. N. Raghavan, R. Dehoff, S. Pannala, S. Simunovic, M. Kirka, J. Turner, N. Carlson, and S.S. Babu: Acta Mater., 2016, vol. 112, pp. 303–14.Article CAS Google Scholar 
  47. R. Lin, H. Wang, F. Lu, J. Solomon, and B.E. Carlson: Int. J. Heat Mass Transf., 2017, vol. 108, pp. 244–56.Article CAS Google Scholar 
  48. M. Bayat, A. Thanki, S. Mohanty, A. Witvrouw, S. Yang, J. Thorborg, N.S. Tiedje, and J.H. Hattel: Addit. Manuf., 2019, vol. 30, p. 100835.CAS Google Scholar 
  49. K. Higuchi, H.-J. Fecht, and R.K. Wunderlich: Adv. Eng. Mater., 2007, vol. 9, pp. 349–54.Article CAS Google Scholar 
  50. Q. Guo, C. Zhao, M. Qu, L. Xiong, L.I. Escano, S.M.H. Hojjatzadeh, N.D. Parab, K. Fezzaa, W. Everhart, T. Sun, and L. Chen: Addit. Manuf., 2019, vol. 28, pp. 600–09.Google Scholar 
  51. J. Trapp, A.M. Rubenchik, G. Guss, and M.J. Matthews: Appl. Mater. Today, 2017, vol. 9, pp. 341–49.Article Google Scholar 
  52. M. Schneider, L. Berthe, R. Fabbro, and M. Muller: J. Phys. D, 2008, vol. 41, p. 155502.Article Google Scholar 
  53. Z. Gan, O.L. Kafka, N. Parab, C. Zhao, L. Fang, O. Heinonen, T. Sun, and W.K. Liu: Nat. Commun., 2021, vol. 12, p. 2379.Article CAS Google Scholar 
  54. B.J. Simonds, E.J. Garboczi, T.A. Palmer, and P.A. Williams: Appl. Phys. Rev., 2020, vol. 13, p. 024057.Article CAS Google Scholar 
  55. J. Dantzig and M. Rappaz: Solidification, 2nd ed., EPFL Press, Lausanne, 2016, pp. 483–532.Google Scholar 
  56. W. Tiller, K. Jackson, J. Rutter, and B. Chalmers: Acta Metall., 1953, vol. 1, pp. 428–37.Article CAS Google Scholar 
  57. D. Zhang, A. Prasad, M.J. Bermingham, C.J. Todaro, M.J. Benoit, M.N. Patel, D. Qiu, D.H. StJohn, M. Qian, and M.A. Easton: Metall. Mater. Trans. A, 2020, vol. 51A, pp. 4341–59.Article Google Scholar 
  58. F. Yan, W. Xiong, and E.J. Faierson: Materials, 2017, vol. 10, p. 1260.Article Google Scholar 
  59. W. Tan and Y.C. Shin: Comput. Mater. Sci., 2015, vol. 98, pp. 446–58.Article CAS Google Scholar 
  60. A. Hellawell, S. Liu, and S.Z. Lu: JOM, 1997, vol. 49, pp. 18–20.Article CAS Google Scholar 
  61. H. Ji: China Foundry, 2019, vol. 16, pp. 262–66.Article Google Scholar 
  62. J.M. Vitek, S.A. David, and L.A. Boatner: Sci. Technol. Weld. Join., 1997, vol. 2, pp. 109–18.Article CAS Google Scholar 
  63. X. Wang, J.A. Muñiz-Lerma, O. Sanchez-Mata, S.E. Atabay, M.A. Shandiz, and M. Brochu: Prog. Addit. Manuf., 2020, vol. 5, pp. 41–49.Article Google Scholar 

Download references

Nanoparticle-enabled increase of energy efficiency during laser metal additive manufacturing

레이저 금속 적층 제조 중 나노 입자로 에너지 효율 증가

Minglei Quo bQilin Guo a bLuis IzetEscano a bAli Nabaa a bKamel Fezzaa cLianyi Chen a b

레이저 금속 적층 제조(AM) 공정의 낮은 에너지 효율은 대규모 산업 생산에서 잠재적인 지속 가능성 문제입니다. 레이저 용융을 위한 에너지 효율의 명시적 조사는 용융 금속의 불투명한 특성으로 인해 매우 어려운 용융 풀 치수 및 증기 내림의 직접적인 특성화를 요구합니다. 

여기에서 우리는 현장 고속 고에너지 x-선 이미징에 의해 Al6061의 레이저 분말 베드 융합(LPBF) 동안 증기 강하 및 용융 풀 형성에 대한 TiC 나노 입자의 효과에 대한 직접적인 관찰 및 정량화를 보고합니다. 정량 결과를 바탕으로, 우리는 Al6061의 LPBF 동안 TiC 나노 입자가 있거나 없을 때 레이저 용융 에너지 효율(여기서 재료를 용융하는 데 필요한 에너지 대 레이저 빔에 의해 전달되는 에너지의 비율로 정의)을 계산했습니다. 

결과는 TiC 나노 입자를 Al6061에 추가하면 레이저 용융 에너지 효율이 크게 증가한다는 것을 보여줍니다(평균 114% 증가, 312에서 521% 증가). W 레이저 출력, 0.4m  /s 스캔 속도). 체계적인 특성 측정, 시뮬레이션 및 x-선 이미징 연구를 통해 우리는 처음으로 세 가지 메커니즘이 함께 작동하여 레이저 용융 에너지 효율을 향상시킨다는 것을 확인할 수 있었습니다.

(1) TiC 나노 입자를 추가하면 흡수율이 증가합니다. (2) TiC 나노입자를 추가하면 열전도율이 감소하고, (3) TiC 나노입자를 추가하면 더 낮은 레이저 출력에서 ​​증기 억제 및 다중 반사를 시작할 수 있습니다(즉, 키홀링에 대한 레이저 출력 임계값을 낮춤). 

여기서 보고한 Al6061의 LPBF 동안 레이저 용융 에너지 효율을 증가시키기 위해 TiC 나노입자를 사용하는 방법 및 메커니즘은 보다 에너지 효율적인 레이저 금속 AM을 위한 공급원료 재료의 개발을 안내할 수 있습니다.

The low energy efficiency of the laser metal additive manufacturing (AM) process is a potential sustainability concern for large-scale industrial production. Explicit investigation of the energy efficiency for laser melting requires the direct characterization of melt pool dimension and vapor depression, which is very difficult due to the opaque nature of the molten metal. Here we report the direct observation and quantification of effects of the TiC nanoparticles on the vapor depression and melt pool formation during laser powder bed fusion (LPBF) of Al6061 by in-situ high-speed high-energy x-ray imaging. Based on the quantification results, we calculated the laser melting energy efficiency (defined here as the ratio of the energy needed to melt the material to the energy delivered by the laser beam) with and without TiC nanoparticles during LPBF of Al6061. The results show that adding TiC nanoparticles into Al6061 leads to a significant increase of laser melting energy efficiency (114% increase on average, 521% increase under 312 W laser power, 0.4 m/s scan speed). Systematic property measurement, simulation, and x-ray imaging studies enable us, for the first time, to identify that three mechanisms work together to enhance the laser melting energy efficiency: (1) adding TiC nanoparticles increases the absorptivity; (2) adding TiC nanoparticles decreases the thermal conductivity, and (3) adding TiC nanoparticles enables the initiation of vapor depression and multiple reflection at lower laser power (i.e., lowers the laser power threshold for keyholing). The method and mechanisms of using TiC nanoparticles to increase the laser melting energy efficiency during LPBF of Al6061 we reported here may guide the development of feedstock materials for more energy efficient laser metal AM.

Nanoparticle-enabled increase of energy efficiency during laser metal additive manufacturing
Nanoparticle-enabled increase of energy efficiency during laser metal additive manufacturing

Keywords

Additive manufacturing

laser powder bed fusion

energy efficiency

keyhole

melt pool

x-ray imaging

metal matrix nanocomposites

Fig. 1. Schematic of lap welding for 6061/5182 aluminum alloys.

알루미늄 합금 겹침 용접 중 용접 형성, 용융 흐름 및 입자 구조에 대한 사인파 발진 레이저 빔의 영향

린 첸 가오 양 미시 옹 장 춘밍 왕
Lin Chen , Gaoyang Mi , Xiong Zhang , Chunming Wang *
중국 우한시 화중과학기술대학 재료공학부, 430074

Effects of sinusoidal oscillating laser beam on weld formation, melt flow and grain structure during aluminum alloys lap welding

Abstract

A numerical model of 1.5 mm 6061/5182 aluminum alloys thin sheets lap joints under laser sinusoidal oscillation (sine) welding and laser welding (SLW) weld was developed to simulate temperature distribution and melt flow. Unlike the common energy distribution of SLW, the sinusoidal oscillation of laser beam greatly homogenized the energy distribution and reduced the energy peak. The energy peaks were located at both sides of the sine weld, resulting in the tooth-shaped sectional formation. This paper illustrated the effect of the temperature gradient (G) and solidification rate (R) on the solidification microstructure by simulation. Results indicated that the center of the sine weld had a wider area with low G/R, promoting the formation of a wider equiaxed grain zone, and the columnar grains were slenderer because of greater GR. The porosity-free and non-penetration welds were obtained by the laser sinusoidal oscillation. The reasons were that the molten pool volume was enlarged, the volume proportion of keyhole was reduced and the turbulence in the molten pool was gentled, which was observed by the high-speed imaging and simulation results of melt flow. The tensile test of both welds showed a tensile fracture form along the fusion line, and the tensile strength of sine weld was significantly better than that of the SLW weld. This was because that the wider equiaxed grain area reduced the tendency of cracks and the finer grain size close to the fracture location. Defect-free and excellent welds are of great significance to the new energy vehicles industry.

온도 분포 및 용융 흐름을 시뮬레이션하기 위해 레이저 사인파 진동 (사인) 용접 및 레이저 용접 (SLW) 용접에서 1.5mm 6061/5182 알루미늄 합금 박판 랩 조인트 의 수치 모델이 개발되었습니다. SLW의 일반적인 에너지 분포와 달리 레이저 빔의 사인파 진동은 에너지 분포를 크게 균질화하고 에너지 피크를 줄였습니다. 에너지 피크는 사인 용접의 양쪽에 위치하여 톱니 모양의 단면이 형성되었습니다. 이 논문은 온도 구배(G)와 응고 속도 의 영향을 설명했습니다.(R) 시뮬레이션에 의한 응고 미세 구조. 결과는 사인 용접의 중심이 낮은 G/R로 더 넓은 영역을 가짐으로써 더 넓은 등축 결정립 영역의 형성을 촉진하고 더 큰 GR로 인해 주상 결정립 이 더 가늘다는 것을 나타냅니다. 다공성 및 비관통 용접은 레이저 사인파 진동에 의해 얻어졌습니다. 그 이유는 용융 풀의 부피가 확대되고 열쇠 구멍의 부피 비율이 감소하며 용융 풀의 난류가 완만해졌기 때문이며, 이는 용융 흐름의 고속 이미징 및 시뮬레이션 결과에서 관찰되었습니다. 두 용접부 의 인장시험 은 융착선을 따라 인장파괴형태를인장강도사인 용접의 경우 SLW 용접보다 훨씬 우수했습니다. 이는 등축 결정립 영역이 넓을수록 균열 경향이 감소하고 파단 위치에 근접한 입자 크기가 미세 하기 때문입니다. 결함이 없고 우수한 용접은 신에너지 자동차 산업에 매우 중요합니다.

Fig. 1. Schematic of lap welding for 6061/5182 aluminum alloys.
Fig. 1. Schematic of lap welding for 6061/5182 aluminum alloys.
Fig. 2. Finite element mesh.
Fig. 2. Finite element mesh.
Fig. 3. Weld morphologies of cross-section and upper surface for the two welds: (a) sine pattern weld; (b) SLW weld.
Fig. 3. Weld morphologies of cross-section and upper surface for the two welds: (a) sine pattern weld; (b) SLW weld.
Fig. 4. Calculation of laser energy distribution: (a)-(c) sine pattern weld; (d)-(f) SLW weld.
Fig. 4. Calculation of laser energy distribution: (a)-(c) sine pattern weld; (d)-(f) SLW weld.
Fig. 5. The partially melted region of zone A.
Fig. 5. The partially melted region of zone A.
Fig. 6. The simulated profiles of melted region for the two welds: (a) SLW weld; (b) sine pattern weld.
Fig. 6. The simulated profiles of melted region for the two welds: (a) SLW weld; (b) sine pattern weld.
Fig. 7. The temperature field simulation results of cross section for sine pattern weld.
Fig. 7. The temperature field simulation results of cross section for sine pattern weld.
Fig. 8. Dynamic behavior of the molten pool at the same time interval of 0.004 s within one oscillating period: (a) SLW weld; (b) sine pattern weld.
Fig. 8. Dynamic behavior of the molten pool at the same time interval of 0.004 s within one oscillating period: (a) SLW weld; (b) sine pattern weld.
Fig. 9. The temperature field and flow field of the molten pool for the SLW weld: (a)~(f) t = 80 ms~100 ms.
Fig. 9. The temperature field and flow field of the molten pool for the SLW weld: (a)~(f) t = 80 ms~100 ms.
Fig. 10. The temperature field and flow field of the molten pool for the sine pattern weld: (a)~(f) t = 151 ms~171 ms.
Fig. 10. The temperature field and flow field of the molten pool for the sine pattern weld: (a)~(f) t = 151 ms~171 ms.
Fig. 11. The evolution of the molten pool volume and keyhole depth within one period.
Fig. 11. The evolution of the molten pool volume and keyhole depth within one period.
Fig. 12. The X-ray inspection results for the two welds: (a) SLW weld, (b) sine pattern weld.
Fig. 12. The X-ray inspection results for the two welds: (a) SLW weld, (b) sine pattern weld.
Fig. 13. Comparison of the solidification parameters for sine and SLW patterns: (a) the temperature field simulated results of the molten pool upper surfaces; (b) temperature gradient G and solidification rate R along the molten pool boundary isotherm from weld centerline to the fusion boundary; (c) G/R; (d) GR.
Fig. 13. Comparison of the solidification parameters for sine and SLW patterns: (a) the temperature field simulated results of the molten pool upper surfaces; (b) temperature gradient G and solidification rate R along the molten pool boundary isotherm from weld centerline to the fusion boundary; (c) G/R; (d) GR.
Fig. 14. The EBSD results of equiaxed grain zone in the weld center of: (a) sine pattern weld; (b) SLW weld; (c) grain size.
Fig. 14. The EBSD results of equiaxed grain zone in the weld center of: (a) sine pattern weld; (b) SLW weld; (c) grain size.
Fig. 15. (a) EBSD results of horizontal sections of SLW weld and sine pattern weld; (b) The columnar crystal widths of SLW weld and sine pattern weld.
Fig. 15. (a) EBSD results of horizontal sections of SLW weld and sine pattern weld; (b) The columnar crystal widths of SLW weld and sine pattern weld.
Fig. 16. (a) The tensile test results of the two welds; (b) Fracture location of SLW weld; (b) Fracture location of sine pattern weld.
Fig. 16. (a) The tensile test results of the two welds; (b) Fracture location of SLW weld; (b) Fracture location of sine pattern weld.

Keywords

Laser welding, Sinusoidal oscillating, Energy distribution, Numerical simulation, Molten pool flow, Grain structure

References

Chen, X., 2014. Study on laser-MAG Hybrid Weaving Welding Charateristics. Master
thesis. Harbin Institute of Technology, China.
Chen, G., Wang, B., Mao, S., Zhong, P., He, J., 2019. Research on the “∞”-shaped laser
scanning welding process for aluminum alloy. Opt. Laser Technol. 115, 32–41.
Cho, W.-I., Na, S.-J., Cho, M.-H., Lee, J.-S., 2010. Numerical study of alloying element
distribution in CO2 laser–GMA hybrid welding. Comput. Mater. Sci. 49, 792–800.
Cho, W.-I., Na, S.-J., Thomy, C., Vollertsen, F., 2012. Numerical simulation of molten
pool dynamics in high power disk laser welding. J. Mater. Process. Technol. 212,
262–275.
Das, A., Butterworth, I., Masters, I., Williams, D., 2018. Microstructure and mechanical
properties of gap-bridged remote laser welded (RLW) automotive grade AA 5182
joints. Mater. Charact. 145, 697–712.
Fetzer, F., Sommer, M., Weber, R., Weberpals, J.-P., Graf, T., 2018. Reduction of pores by
means of laser beam oscillation during remote welding of AlMgSi. Opt. Lasers Eng.
108, 68–77.
Geng, S., Jiang, P., Shao, X., Guo, L., Gao, X., 2020. Heat transfer and fluid flow and their
effects on the solidification microstructure in full-penetration laser welding of
aluminum sheet. J. Mater. Sci. Technol. 46, 50–63.
Hagenlocher, C., Sommer, M., Fetzer, F., Weber, R., Graf, T., 2018a. Optimization of the
solidification conditions by means of beam oscillation during laser beam welding of
aluminum. Mater. Des. 160, 1178–1185.
Hagenlocher, C., Weller, D., Weber, R., Graf, T., 2018b. Reduction of the hot cracking
susceptibility of laser beam welds in AlMgSi alloys by increasing the number of grain
boundaries. Sci. Technol. Weld. Join. 24, 313–319.
Hagenlocher, C., Fetzer, F., Weller, D., Weber, R., Graf, T., 2019. Explicit analytical
expressions for the influence of welding parameters on the grain structure of laser
beam welds in aluminium alloys. Mater. Des. 174, 107791.
Han, X., Tang, X., Wang, T., Shao, C., Lu, F., Cui, H., 2018. Role of ambient pressure in
keyhole dynamics based on beam transmission path method for laser welding on Al
alloy. Int. J. Adv. Manuf. Technol. 99, 1639–1651.
Hao, K., Li, G., Gao, M., Zeng, X., 2015. Weld formation mechanism of fiber laser
oscillating welding of austenitic stainless steel. J. Mater. Process. Technol. 225,
77–83.
Hirt, C.W., Nichols, B.D., 1981. Volume of fluid (VOF) method for the dynamics of free
boundaries. J. Comput. Phys. 39, 201–225.
Jiang, Z., Chen, X., Li, H., Lei, Z., Chen, Y., Wu, S., Wang, Y., 2020. Grain refinement and
laser energy distribution during laser oscillating welding of Invar alloy. Mater. Des.
186, 108195.
Kaplan, A., 1994. A model of deep penetration laser welding based on calculation of the
keyhole profile. J. Phys. D Appl. Phys. 27, 1805–1814.
Kou, S., 2002. Welding Metallurgy, 2nd ed. Wiley-Interscience, New Jersey, USA.
Kuryntsev, S.V., Gilmutdinov, A.K., 2015. The effect of laser beam wobbling mode in
welding process for structural steels. Int. J. Adv. Manuf. Technol. 81, 1683–1691.
Li, P., Nie, F., Dong, H., Li, S., Yang, G., Zhang, H., 2018. Pulse MIG welding of 6061-T6/
A356-T6 aluminum alloy dissimilar T-joint. J. Mater. Eng. Perform. 27, 4760–4769.
Liu, T., Mu, Z., Hu, R., Pang, S., 2019. Sinusoidal oscillating laser welding of 7075
aluminum alloy: hydrodynamics, porosity formation and optimization. Int. J. Heat
Mass Transf. 140, 346–358.
Seto, N., Katayama, S., Matsunawa, A., 2000. High-speed simultaneous observation of
plasma and keyhole behavior during high power CO2 laser welding: effect of
shielding gas on porosity formation. J. Laser Appl. 12, 245–250.
Tang, Z., Vollertsen, F., 2014. Influence of grain refinement on hot cracking in laser
welding of aluminum. Weld. World 58, 355–366.
Wang, L., Gao, M., Zhang, C., Zeng, X., 2016. Effect of beam oscillating pattern on weld
characterization of laser welding of AA6061-T6 aluminum alloy. Mater. Des. 108,
707–717.
Wang, L., Gao, M., Zeng, X., 2018. Experiment and prediction of weld morphology for
laser oscillating welding of AA6061 aluminium alloy. Sci. Technol. Weld. Join. 24,
334–341.
Yamazaki, Y., Abe, Y., Hioki, Y., Nakatani, M., Kitagawa, A., Nakata, K., 2016.
Fundamental study of narrow-gap welding with oscillation laser beam. Weld. Int. 30,
699–707.
Yuan, Z., Tu, Y., Yuan, T., Zhang, Y., Huang, Y., 2021. Size effects on mechanical
properties of pure industrial aluminum sheet for micro/meso scale plastic
deformation: experiment and modeling. J. Alloys. Compd. 859, 157752.
Zou, J., 2016. Characteristics of laser scanning welding process for 5A06 aluminum alloy
thick plate with narrow gap. Materials Processing Engineering. Harbin Welding
Institute, China. Master thesis.

Fig 3. Front view of the ejected powder particles due to the plume movement. Powder particles are colored by their respective temperature while trajectory colors show their magnitude at 0.007 seconds.

316-L 스테인리스강의 레이저 분말 베드 융합 중 콜드 스패터 형성의 충실도 높은 수치 모델링

316-L 스테인리스강의 레이저 분말 베드 융합 중 콜드 스패터 형성의 충실도 높은 수치 모델링

M. BAYAT1,* , AND J. H. HATTEL1

  • Corresponding author
    1 Technical University of Denmark (DTU), Building 425, Kgs. 2800 Lyngby, Denmark

ABSTRACT

Spatter and denudation are two very well-known phenomena occurring mainly during the laser powder bed fusion process and are defined as ejection and displacement of powder particles, respectively. The main driver of this phenomenon is the formation of a vapor plume jet that is caused by the vaporization of the melt pool which is subjected to the laser beam. In this work, a 3-dimensional transient turbulent computational fluid dynamics model coupled with a discrete element model is developed in the finite volume-based commercial software package Flow-3D AM to simulate the spatter phenomenon. The numerical results show that a localized low-pressure zone forms at the bottom side of the plume jet and this leads to a pseudo-Bernoulli effect that drags nearby powder particles into the area of influence of the vapor plume jet. As a result, the vapor plume acts like a momentum sink and therefore all nearby particles point are dragged towards this region. Furthermore, it is noted that due to the jet’s attenuation, powder particles start diverging from the central core region of the vapor plume as they move vertically upwards. It is moreover observed that only particles which are in the very central core region of the plume jet get sufficiently accelerated to depart the computational domain, while the rest of the dragged particles, especially those which undergo an early divergence from the jet axis, get stalled pretty fast as they come in contact with the resting fluid. In the last part of the work, two simulations with two different scanning speeds are carried out, where it is clearly observed that the angle between the departing powder particles and the vertical axis of the plume jet increases with increasing scanning speed.

스패터와 denudation은 주로 레이저 분말 베드 융합 과정에서 발생하는 매우 잘 알려진 두 가지 현상으로 각각 분말 입자의 배출 및 변위로 정의됩니다.

이 현상의 주요 동인은 레이저 빔을 받는 용융 풀의 기화로 인해 발생하는 증기 기둥 제트의 형성입니다. 이 작업에서 이산 요소 모델과 결합된 3차원 과도 난류 ​​전산 유체 역학 모델은 스패터 현상을 시뮬레이션하기 위해 유한 체적 기반 상용 소프트웨어 패키지 Flow-3D AM에서 개발되었습니다.

수치적 결과는 플룸 제트의 바닥면에 국부적인 저압 영역이 형성되고, 이는 근처의 분말 입자를 증기 플룸 제트의 영향 영역으로 끌어들이는 의사-베르누이 효과로 이어진다는 것을 보여줍니다.

결과적으로 증기 기둥은 운동량 흡수원처럼 작용하므로 근처의 모든 입자 지점이 이 영역으로 끌립니다. 또한 제트의 감쇠로 인해 분말 입자가 수직으로 위쪽으로 이동할 때 증기 기둥의 중심 코어 영역에서 발산하기 시작합니다.

더욱이 플룸 제트의 가장 중심 코어 영역에 있는 입자만 계산 영역을 벗어날 만큼 충분히 가속되는 반면, 드래그된 나머지 입자, 특히 제트 축에서 초기 발산을 겪는 입자는 정체되는 것으로 관찰됩니다. 그들은 휴식 유체와 접촉하기 때문에 꽤 빠릅니다.

작업의 마지막 부분에서 두 가지 다른 스캔 속도를 가진 두 가지 시뮬레이션이 수행되었으며, 여기서 출발하는 분말 입자와 연기 제트의 수직 축 사이의 각도가 스캔 속도가 증가함에 따라 증가하는 것이 명확하게 관찰되었습니다.

Fig 1. Two different views of the computational domain for the fluid domain. The vapor plume is simulated by a moving momentum source with a prescribed temperature of 3000 K.
Fig 1. Two different views of the computational domain for the fluid domain. The vapor plume is simulated by a moving momentum source with a prescribed temperature of 3000 K.
Fig 2. (a) and (b) are two snapshots taken at an x-y plane parallel to the powder layer plane before and 0.008 seconds after the start of the scanning process. (c) Shows a magnified view of (b) where detailed powder particles' movement along with their velocity magnitude and directions are shown.
Fig 2. (a) and (b) are two snapshots taken at an x-y plane parallel to the powder layer plane before and 0.008 seconds after the start of the scanning process. (c) Shows a magnified view of (b) where detailed powder particles’ movement along with their velocity magnitude and directions are shown.
Fig 3. Front view of the ejected powder particles due to the plume movement. Powder particles are colored by their respective temperature while trajectory colors show their magnitude at 0.007 seconds.
Fig 3. Front view of the ejected powder particles due to the plume movement. Powder particles are colored by their respective temperature while trajectory colors show their magnitude at 0.007 seconds.

References

[1] T. DebRoy et al., “Additive manufacturing of metallic components – Process, structure
and properties,” Prog. Mater. Sci., vol. 92, pp. 112–224, 2018, doi:
10.1016/j.pmatsci.2017.10.001.
[2] M. Markl and C. Körner, “Multiscale Modeling of Powder Bed–Based Additive
Manufacturing,” Annu. Rev. Mater. Res., vol. 46, no. 1, pp. 93–123, 2016, doi:
10.1146/annurev-matsci-070115-032158.
[3] A. Zinoviev, O. Zinovieva, V. Ploshikhin, V. Romanova, and R. Balokhonov, “Evolution
of grain structure during laser additive manufacturing. Simulation by a cellular automata
method,” Mater. Des., vol. 106, pp. 321–329, 2016, doi: 10.1016/j.matdes.2016.05.125.
[4] Y. Zhang and J. Zhang, “Modeling of solidification microstructure evolution in laser
powder bed fusion fabricated 316L stainless steel using combined computational fluid
dynamics and cellular automata,” Addit. Manuf., vol. 28, no. July 2018, pp. 750–765,
2019, doi: 10.1016/j.addma.2019.06.024.
[5] A. A. Martin et al., “Ultrafast dynamics of laser-metal interactions in additive
manufacturing alloys captured by in situ X-ray imaging,” Mater. Today Adv., vol. 1, p.
100002, 2019, doi: 10.1016/j.mtadv.2019.01.001.
[6] Y. C. Wu et al., “Numerical modeling of melt-pool behavior in selective laser melting
with random powder distribution and experimental validation,” J. Mater. Process.
Technol., vol. 254, no. July 2017, pp. 72–78, 2018, doi:
10.1016/j.jmatprotec.2017.11.032.
[7] W. Gao, S. Zhao, Y. Wang, Z. Zhang, F. Liu, and X. Lin, “Numerical simulation of
thermal field and Fe-based coating doped Ti,” Int. J. Heat Mass Transf., vol. 92, pp. 83–
90, 2016, doi: 10.1016/j.ijheatmasstransfer.2015.08.082.
[8] A. Charles, M. Bayat, A. Elkaseer, L. Thijs, J. H. Hattel, and S. Scholz, “Elucidation of
dross formation in laser powder bed fusion at down-facing surfaces: Phenomenonoriented multiphysics simulation and experimental validation,” Addit. Manuf., vol. 50,
2022, doi: 10.1016/j.addma.2021.102551.
[9] C. Meier, R. W. Penny, Y. Zou, J. S. Gibbs, and A. J. Hart, “Thermophysical phenomena
in metal additive manufacturing by selective laser melting: Fundamentals, modeling,
simulation and experimentation,” arXiv, 2017, doi:
10.1615/annualrevheattransfer.2018019042.
[10] W. King, A. T. Anderson, R. M. Ferencz, N. E. Hodge, C. Kamath, and S. A. Khairallah,
“Overview of modelling and simulation of metal powder bed fusion process at Lawrence
Livermore National Laboratory,” Mater. Sci. Technol. (United Kingdom), vol. 31, no. 8,
pp. 957–968, 2015, doi: 10.1179/1743284714Y.0000000728.

The Study of the effect of step penetration depth on exchanges between surface and subsurface fluxes

The Study of the effect of step penetration depth on exchanges between surface and subsurface fluxes

Authors

1 irrigation department, university of Tehran

2 Dep. of Water Engineering, Faculty of Water and Soil, Gorgan University of Agricultural Sciences and Natural Resources, Golestan.

3 Assistant Professor, Department of Irrigation and Reclamation Engineering, Faculty of Agricultural Engineering and Technology, University College of Agriculture and Natural Resources, University of Tehran, P. O. Box 4111, Karaj, 31587-77871, Iran.

Abstract

The exchange of surface and subsurface flows in riverbeds, especially upstream of control structures as an important ecological area, is very important and noteworthy. The natural morphology of rivers and various in-stream structures along the flow path are important factors in the formation of such flows. Since the in-stream structures in the flow path have a more controlled and effective role than the morphology of rivers in the formation of these exchanges, in this study the effect of the penetration depth of these structures in the porous bed on the characteristics of exchange flows through experiments and Numerical simulation has been investigated. The experiments were performed in a flume with a length of 10 m, width of 20 cm, depth of 30 cm and a slope of 0.01, for three different penetration depths. Potassium permanganate detector was used for tracking the flow. In addition, to obtain exchange flow characteristics; the mainstream and the exchange pattern were simulated by particle tracking method using Flow 3D software. The results showed that in the Reynolds range 1020 to 3450, with increasing the penetration depth of the structure from 0.09 to 0.13 m, the retention time of the exchange flow increases up to 6.6%. In addition, the length of the effect of the structure up to 9%, the length of the exchange path up to 4.6% and the penetration depth of the exchange increases up to 7.7% while the exchange rate decreases to 22%. Therefore, in order to increase the exchange rate, it is recommended to use a structure with a lower penetration depth and to increase the retention time, a structure with a greater penetration depth is recommended.

중요한 생태 지역으로서 특히 제어 구조물의 상류 하천 바닥에서 지표 및 지하 흐름의 교환은 매우 중요하고 주목할 만합니다. 하천의 자연적 형태와 유동 경로를 따라 흐르는 다양한 하천 구조는 이러한 유동 형성에 중요한 요소입니다.

흐름 경로의 유류 구조는 이러한 교환의 형성에서 강의 형태보다 더 제어되고 효과적인 역할을 하기 때문에 본 연구에서는 다공성 층에서 이러한 구조의 침투 깊이가 교환의 특성에 미치는 영향 실험과 수치 시뮬레이션을 통한 흐름이 조사되었습니다.

실험은 길이 10m, 너비 20cm, 깊이 30cm, 기울기 0.01의 수로에서 세 가지 다른 침투 깊이에 대해 수행되었습니다. 흐름을 추적하기 위해 과망간산 칼륨 검출기가 사용되었습니다. 또한, 교환 흐름 특성을 얻기 위해; Flow 3D 소프트웨어를 사용하여 입자 추적 방법으로 주류 및 교환 패턴을 시뮬레이션했습니다.

결과는 Reynolds 범위 1020 ~ 3450에서 구조물의 침투 깊이가 0.09에서 0.13m로 증가함에 따라 교환 흐름의 체류 시간이 최대 6.6%까지 증가함을 보여주었습니다. 또한 구조의 효과 길이는 최대 9%, 교환 경로의 길이는 최대 4.6%, 교환의 침투 깊이는 최대 7.7%까지 증가하는 반면 환율은 22%로 감소합니다.

따라서 환율을 높이기 위해서는 침투깊이가 낮은 구조를 사용하는 것이 좋으며, 머무름 시간을 늘리기 위해서는 침투깊이가 큰 구조를 사용하는 것이 좋습니다.

Keywords

Gating System Design Based on Numerical Simulation and Production Experiment Verification of Aluminum Alloy Bracket Fabricated by Semi-solid Rheo-Die Casting Process

Gating System Design Based on Numerical Simulation and Production Experiment Verification of Aluminum Alloy Bracket Fabricated by Semi-solid Rheo-Die Casting Process

반고체 레오 다이 캐스팅 공정으로 제작된 알루미늄 합금 브래킷의 수치 시뮬레이션 및 생산 실험 검증을 기반으로 한 게이팅 시스템 설계

International Journal of Metalcasting volume 16, pages878–893 (2022)Cite this article

Abstract

In this study a gating system including sprue, runner and overflows for semi-solid rheocasting of aluminum alloy was designed by means of numerical simulations with a commercial software. The effects of pouring temperature, mold temperature and injection speed on the filling process performance of semi-solid die casting were studied. Based on orthogonal test analysis, the optimal die casting process parameters were selected, which were metal pouring temperature 590 °C, mold temperature 260 °C and injection velocity 0.5 m/s. Semi-solid slurry preparation process of Swirled Enthalpy Equilibration Device (SEED) was used for die casting production experiment. Aluminum alloy semi-solid bracket components were successfully produced with the key die casting process parameters selected, which was consistent with the simulation result. The design of semi-solid gating system was further verified by observing and analyzing the microstructure of different zones of the casting. The characteristic parameters, particle size and shape factor of microstructure of the produced semi-solid casting showed that the semi-solid aluminum alloy components are of good quality.

이 연구에서 알루미늄 합금의 반고체 레오캐스팅을 위한 스프루, 러너 및 오버플로를 포함하는 게이팅 시스템은 상용 소프트웨어를 사용한 수치 시뮬레이션을 통해 설계되었습니다. 주입 온도, 금형 온도 및 사출 속도가 반고체 다이캐스팅의 충전 공정 성능에 미치는 영향을 연구했습니다. 직교 테스트 분석을 기반으로 금속 주입 온도 590°C, 금형 온도 260°C 및 사출 속도 0.5m/s인 최적의 다이 캐스팅 공정 매개변수가 선택되었습니다. Swirled Enthalpy Equilibration Device(SEED)의 반고체 슬러리 제조 공정을 다이캐스팅 생산 실험에 사용하였다. 알루미늄 합금 반고체 브래킷 구성 요소는 시뮬레이션 결과와 일치하는 주요 다이 캐스팅 공정 매개변수를 선택하여 성공적으로 생산되었습니다. 반고체 게이팅 시스템의 설계는 주조의 다른 영역의 미세 구조를 관찰하고 분석하여 추가로 검증되었습니다. 생산된 반고체 주조물의 특성 매개변수, 입자 크기 및 미세 구조의 형상 계수는 반고체 알루미늄 합금 부품의 품질이 양호함을 보여주었습니다.

Gating System Design Based on Numerical Simulation and Production Experiment Verification of Aluminum Alloy Bracket Fabricated by Semi-solid Rheo-Die Casting Process
Gating System Design Based on Numerical Simulation and Production Experiment Verification of Aluminum Alloy Bracket Fabricated by Semi-solid Rheo-Die Casting Process

References

  1. G. Li, H. Lu, X. Hu et al., Current progress in rheoforming of wrought aluminum alloys: a review. Met. Open Access Metall. J. 10(2), 238 (2020)CAS Google Scholar 
  2. G. Eisaabadi, A. Nouri, Effect of Sr on the microstructure of electromagnetically stirred semi-solid hypoeutectic Al–Si alloys. Int. J. Metalcast. 12, 292–297 (2018). https://doi.org/10.1007/s40962-017-0161-8CAS Article Google Scholar 
  3. C. Xghab, D. Qza, E. Spma et al., Blistering in semi-solid die casting of aluminium alloys and its avoidance. Acta Mater. 124, 446–455 (2017)Article Google Scholar 
  4. M. Modigell, J. Koke, Rheological modelling on semi-solid metal alloys and simulation of thixocasting processes. J. Mater. Process. Technol. 111(1–3), 53–58 (2001)CAS Article Google Scholar 
  5. A. Pola, M. Tocci, P. Kapranos, Microstructure and properties of semi-solid aluminum alloys: a literature review. Met. Open Access Metall. J. 8(3), 181 (2018)Google Scholar 
  6. M.C. Flemings, Behavior of metal alloys in the semisolid state. Metall. Trans. B 22, 269–293 (1991). https://doi.org/10.1007/BF02651227Article Google Scholar 
  7. Q. Zhu, Semi-solid moulding: competition to cast and machine from forging in making automotive complex components. Trans. Nonferrous Met. Soc. China 20, 1042–1047 (2010)Article Google Scholar 
  8. K. Prapasajchavet, Y. Harada, S. Kumai, Microstructure analysis of Al–5.5 at.%Mg alloy semi-solid slurry by Weck’s reagent. Int. J. Metalcast. 11(1), 123 (2017). https://doi.org/10.1007/s40962-016-0084-9Article Google Scholar 
  9. P. Das, S.K. Samanta, S. Tiwari, P. Dutta, Die filling behaviour of semi solid A356 Al alloy slurry during rheo pressure die casting. Trans. Indian Inst. Met. 68(6), 1215–1220 (2015). https://doi.org/10.1007/s12666-015-0706-6CAS Article Google Scholar 
  10. B. Zhou, S. Lu, K. Xu et al., Microstructure and simulation of semisolid aluminum alloy castings in the process of stirring integrated transfer-heat (SIT) with water cooling. Int. J. Metalcast. 14(2), 396–408 (2019). https://doi.org/10.1007/s40962-019-00357-6CAS Article Google Scholar 
  11. S. Ji, Z. Fan, Solidification behavior of Sn–15 wt Pct Pb alloy under a high shear rate and high intensity of turbulence during semisolid processing. Metall. Mater. Trans. A. 33(11), 3511–3520 (2002). https://doi.org/10.1007/s11661-002-0338-4Article Google Scholar 
  12. P. Kapranos, P.J. Ward, H.V. Atkinson, D.H. Kirkwood, Near net shaping by semi-solid metal processing. Mater. Des. 21, 387–394 (2000). https://doi.org/10.1016/S0261-3069(99)00077-1Article Google Scholar 
  13. H.V. Atkinson, Alloys for semi-solid processing. Solid State Phenom. 192–193, 16–27 (2013)Google Scholar 
  14. L. Rogal, Critical assessment: opportunities in developing semi-solid processing: aluminium, magnesium, and high-temperature alloys. Mater. Sci. Technol. Mst A Publ. Inst. Met. 33, 759–764 (2017)CAS Article Google Scholar 
  15. H. Guo, Rheo-diecasting process for semi-solid aluminum alloys. J. Wuhan Univ. Technol. Mater. Sci. Ed. 22(004), 590–595 (2007)CAS Article Google Scholar 
  16. T. Chucheep, J. Wannasin, R. Canyook, T. Rattanochaikul, S. Janudom, S. Wisutmethangoon, M.C. Flemings, Characterization of flow behavior of semi-solid slurries with low solid fractions. Metall. Mater. Trans. A 44(10), 4754–4763 (2013)CAS Article Google Scholar 
  17. M. Li, Y.D. Li, W.L. Yang et al., Effects of forming processes on microstructures and mechanical properties of A356 aluminum alloy prepared by self-inoculation method. Mater. Res. 22(3) (2019)
  18. P. Côté, M.E. Larouche, X.G. Chen et al., New developments with the SEED technology. Solid State Phenom. 192(3), 373–378 (2012)Article Google Scholar 
  19. I. Dumanić, S. Jozić, D. Bajić et al., Optimization of semi-solid high-pressure die casting process by computer simulation, Taguchi method and grey relational analysis. Inter Metalcast. 15, 108–118 (2021). https://doi.org/10.1007/s40962-020-00422-5Article Google Scholar 
  20. Y. Bai et al., Numerical simulation on the rheo-diecasting of the semi-solid A356 aluminum alloy. Int. J. Miner. Metall. Mater. 16, 422 (2009). https://doi.org/10.1016/S1674-4799(09)60074-1CAS Article Google Scholar 
  21. B.C. Bhunia, Studies on die filling of A356 Al alloy and development of a steering knuckle component using rheo pressure die casting system. J. Mater. Process. Technol. 271, 293–311 (2019). https://doi.org/10.1016/j.jmatprotec.2019.04.014CAS Article Google Scholar 
  22. A. Guo, J. Zhao, C. Xu et al., Effects of pouring temperature and electromagnetic stirring on porosity and mechanical properties of A357 aluminum alloy rheo-diecasting. J. Mater. Eng. Perform. (2018). https://doi.org/10.1007/s11665-018-3310-1Article Google Scholar 
  23. C.G. Kang, S.M. Lee, B.M. Kim, A study of die design of semi-solid die casting according to gate shape and solid fraction. J. Mater. Process. Technol. 204(1–3), 8–21 (2008)CAS Article Google Scholar 
  24. Z. Liu, W. Mao, T. Wan et al., Study on semi-solid A380 aluminum alloy slurry prepared by water-cooling serpentine channel and its rheo-diecasting. Met. Mater. Int. (2020). https://doi.org/10.1007/s12540-020-00672-2Article Google Scholar 
  25. Z.Y. Liu, W.M. Mao, W.P. Wang et al., Investigation of rheo-diecasting mold filling of semi-solid A380 aluminum alloy slurry. Int. J. Miner. Metall. Mater. 24(006), 691–700 (2017)CAS Article Google Scholar 
  26. M. Arif, M.Z. Omar, N. Muhamad et al., Microstructural evolution of solid-solution-treated Zn–22Al in the semisolid state. J. Mater. Sci. Technol. 29(008), 765–774 (2013)CAS Article Google Scholar 

Keywords

  • semi-solid rheo-die casting
  • gating system
  • process parameters
  • numerical simulation
  • microstructure

What’s New – FLOW-3D 2022R1

FLOW-3D 제품의 새로운 2022R1 버전은 Flow Science가 FLOW-3D , FLOW-3D CAST 및 FLOW-3D HYDRO 에 대해 동일한 버전명을 채택 했음을 의미합니다. 2022R1은 FLOW-3D 제품을 위한 통합 코드 베이스로의 전환을 나타내며, 이를 통해 사용자는 최신 버전 개발이 준비되는 즉시 더 빠른 릴리스 버전을 만나실 수 있습니다.

2022R1 릴리스는 상세한 cutcell 표현이라고 하는 FAVOR™ 방법의 확장, 테마 솔버 기본값이 있는 시뮬레이션 템플릿 도입, 이동하는 액적/기포 소스, 새로운 축 펌프 모델, 능동 시뮬레이션 제어 기능에 대한 확장, 사용자는 두 개의 독립 변수를 기반으로 복잡한 속성 종속성을 지정하고 VOF-to-particle 개발과 같은 추가 수치 기능을 지정하여 분해되는 유체 영역의 질량 보존을 개선할 수 있습니다. 간소화된 GUI 개선 사항에는 재설계된 물리 대화 상자, 새로운 초기 조건 위젯, 더 쉽고 빠르고 오류 없는 시뮬레이션 설정을 위해 재설계된 출력 및 지오메트리 위젯이 포함됩니다.

상세한 Cutcell 표현 – FAVOR ™ 의 확장

FAVOR™ 방법은 일반 데카르트 그리드에서 면적 및 부피 분율을 사용하여 솔리드 형상을 구현하는 방법입니다. 이를 통해 FLOW-3D 는 구조화되지 않은 body-fitted mesh에 의존하지 않고 솔리드의 복잡한 형상과 주변의 유체 흐름을 효율적으로 시뮬레이션할 수 있습니다. 상당한 계산상의 이점에도 불구하고 FAVOR™ 방법의 한 가지 문제는 고체 표면을 따라 벽 전단 응력을 계산할 때는 문제가 발생할 수도 있었습니다. 그러나, 상세한 cutcell  표현이라고 하는 FAVOR™의 확장은 벽 전단 응력 계산을 크게 개선하여 솔리드 표면 근처의 유체 유동 해석에서 상당한 개선을 가져옵니다.

detailed cutcell 표현 의 검증뿐만 아니라 advanced numerics 에 대해 자세히 알아보십시오 .

정체점으로부터의 각도
상세한 컷셀 표현

Tabular Properties

점도 및 표면 장력과 같은 재료 속성은 온도, 밀도, 변형률 또는 오염 물질 농도와 같은 것을 나타내는 사용자 정의 스칼라 양과 같은 흐름 조건에 따라 달라질 수 있습니다. 이러한 속성을 기능적 형태에 맞추려면 특히 속성이 둘 이상의 독립 변수에 종속되는 경우 복잡한 곡선 맞춤이 필요할 수 있습니다. FLOW-3D 의 새로운 Tabular Properties 기능은  사용자가 최대 2개의 독립 변수를 사용하여 테이블 형식으로 유체 속성을 정의할 수 있습니다. 예를 들어, 표면 장력은 오염 물질 농도 및 온도에 대한 복잡한 비선형 종속성을 설명하기 위해 실험 데이터에서 표로 만들 수 있으며, 점도는 변형률 속도 및 온도에 대한 종속성을 나타내기 위해 실험 데이터에서 표로 만들 수 있습니다. 사용자는 표 속성 대화 상자에서 단일 변수 또는 두 개의 변수 종속성을 입력할 수 있습니다.

점도는 고체 함량(밀도)과 변형률의 함수로 정의됩니다. 이 예에서 조밀한 유체 영역은 시간이 0일 때 조밀한 침전된 유체 영역과 위쪽에 맑은 물이 있는 정지된 풀로 미끄러져 내려갑니다.

표 속성
이 대화 상자는 표 속성 기능을 사용하여 변형률 및 온도의 함수로 점도를 정의하는 방법을 보여줍니다. 세 가지 다른 온도에 대한 변형률의 함수로서의 점도에 대한 값이 대화 상자의 오른쪽에 표시되고 그래프로 표시됩니다.

Expanded Active Simulation Control

능동 시뮬레이션 제어(ASC) 는 Probe로 지정한 부분의 흐름 정보를 기반으로 시뮬레이션을 제어하는 ​​데 매우 유용합니다. 이번 릴리스에서 ASC는 일반 이력 데이터, 플럭스 표면 및 sampling volumes의 흐름 정보를 기반으로 추가 제어를 허용하도록 확장되었습니다.

포인트 프로브에 비해 플럭스 표면 및 샘플링 볼륨의 장점 중 하나는 포인트 기반이 아닌 표면 또는 볼륨에 대해 평균화된 정보를 제공할 수 있다는 것입니다. 어떤 상황에서는 표면 기반 및 볼륨 기반 정보가 시뮬레이션에서 관심 있는 동작을 더 잘 나타낼 수 있습니다.

이 새로운 기능을 통해 사용자는 다음을 수행할 수 있습니다.

  • 제어 볼륨의 온도가 임계값을 초과하거나 아래로 떨어지면 시뮬레이션을 종료합니다.
  • 샘플링 볼륨의 난류 에너지를 기반으로 노즐에서 충전 속도를 제어합니다.
  • 자속 평면의 평균 속도를 기반으로 출력 주파수를 제어합니다.
  • 샘플링 볼륨의 채우기 비율이 사용자가 지정한 값에 도달하면 시뮬레이션을 종료합니다.

이 예에서 극저온 탱크 공급 파이프의 펌프(진한 회색 직사각형)는 일정한 유속으로 추진제 탱크에서 액체 산소를 끌어옵니다. 액체 산소가 배출됨에 따라 얼리지의 압력이 지정된 값 아래로 떨어질 때 활성 시뮬레이션 제어에 의해 질량/운동량 소스(상단의 회색 막대)가 트리거됩니다. 얼리지 압력이 지정된 값 이상으로 상승하면 가압이 꺼집니다.

VOF to Particles

FLOW-3D 에서 복잡한 자유표면을 추적하는 VOF 방법의 정확성과 견고성은 유체 입자와 결합하여 향상되었습니다. VOF 입자라고 하는 새로운 입자 종류는 VOF 기능 대신 사용되어, 계산 영역에서 작은 유체 인대와 액적을 추적하여 유체 부피와 운동량을 더 잘 보존할 수 있습니다. 중력 제어 프로세스에서 더 높은 시간 단계 크기도 예상할 수 있습니다. VOF 유체는 특정 조건이 충족되면 특정 시간과 위치에서 자동으로 VOF 입자로 변환됩니다. 그런 다음 입자 모션은 Lagrangian 입자 모델을 사용하여 계산되고 입자는 유체에 다시 들어갈 때 VOF 표현으로 다시 변환됩니다.

입자-FLOW-3D 2022R1에 대한 VOF
입자에 대한 VOF

Axial Pump Model

FLOW-3D의 새로운 Axial Pump Model을 통해 사용자는 시뮬레이션에서 Axial Pump의 실제 효과를 구현할 수 있습니다. 펌프 동작과 관련하여 두 가지 옵션이 있습니다. 첫 번째 옵션은 유체가 지정된 속도로 이동하도록 펌프를 통한 체적 유량 또는 유속을 규정하는 것입니다. 이 옵션은 펌프에 작동 유량이 제공될 때 적합합니다. 두 번째 옵션은 펌프 성능 곡선을 기반으로 펌프 작동에 대한 보다 완전한 정의를 제공합니다. 이 경우 사용자는 펌프 성능 곡선의 선형 근사치를 정의하여 펌프를 통과하는 유량이 펌프 전체의 압력 강하에 따라 달라지도록 할 수 있습니다. 이 구성에서 펌프의 일반적인 동작은 다음과 같이 표시됩니다.

축 펌프 설정
GUI의 팬/임펠러 구성요소
축 펌프 설정
GUI의 축 펌프 구성 요소

Droplet/Bubble Source Model | 액적/기포 소스 모델

FLOW-3D 는 처음 개발된 이후 로 표면 장력 작용에 따라 진화하는 유체 모양을 시뮬레이션하기 위해 노즐 및 기타 오리피스 모양에서 분사되는 액적을 모델링하는 데 사용되었습니다. 그러나 기판에 대한 액적의 영향만 관심이 있기 때문에 노즐을 떠날 때 액적의 모양을 시뮬레이션할 필요가 없는 경우가 있습니다. 또한, 유체에서 기포의 이동을 모델링하는 것은 흥미로울 수 있지만 기포의 시작은 아닙니다. 새로운 액적/기포 소스 모델은 이와 같은 경우에 유용합니다.

이 예에서 액적 소스는 원형 패턴으로 이동하면서 액적을 10m/s의 속도로 다공성 매체로 아래쪽으로 토출하여 링 모양 디자인을 만듭니다.

방울/거품 설정
사용자 인터페이스에서 액적/기포 소스 설정

Simulation Templates

새로운 시뮬레이션 템플릿은 자유 표면이 있는 하나의 유체에 대해 비압축성 흐름 또는 2개의 유체 압축성 시뮬레이션과 같은 주어진 모델링 프레임워크를 기반으로 중요한 매개변수를 미리 로드합니다. 새로운 시뮬레이션이 생성되면 FLOW-3D 에서 가장 일반적으로 모델링된 사례를 다루는 6개의 템플릿이 포함된 대화 상자가 사용자에게 표시됩니다 . ‘없음’ 옵션을 사용하면 고급 사용자가 특수 수치 설정을 적용할 수 있도록 빈 슬레이트로 시작할 수 있습니다. 템플릿을 사용하면 모델 설정 프로세스를 신속하게 처리하고 사용자가 실수를 하거나 매개변수 정의를 잊어버리는 것을 방지할 수 있습니다.

시뮬레이션 템플릿
GUI의 새로운 시뮬레이션 템플릿

추가 솔버 기능

추가 솔버 기능에는 비뉴턴 유체에 대한 Herschel-Bulkley 모델 및 분해되기 쉬운 유체 영역에 대한 질량 보존을 개선하기 위한 기체-공동 변환, 다중 이벤트 동작 및 이벤트 옵션 지원을 포함한 확장된 질량-운동량 소스 프로브 이벤트가 포함됩니다. 동반된 공기의 부피 분율과 용질 농도에 대한 것입니다.

솔버 기능
Herschel-Bulkley 모델
솔버 기능
활성 시뮬레이션 질량 운동량 소스 이벤트

GUI 개선

WSIWYN 설계 접근 방식을 사용한 간소화된 GUI 개선에는 재설계된 물리 및 초기 조건 대화 상자, 더 쉽고 빠르며 오류 없는 시뮬레이션 설정을 위해 재설계된 출력 및 지오메트리 위젯이 포함됩니다.

초기 조건 위젯

초기 조건 위젯은 초기 유체 및 기체 영역 설정을 개선하여 더 쉽고 빠르게 만듭니다. 새로운 디자인에서는 전역, 영역 및 포인터 개체가 별도의 탭에 배치되어 설정을 훨씬 더 명확하게 볼 수 있습니다.

초기 조건
초기 조건 – 지역
초기 조건 - 정수압
초기 조건 – 정수압
초기 조건
초기 조건 – 포인터

출력 위젯

재설계된 출력 위젯을 통해 사용자는 시뮬레이션 결과 파일에서 어떤 출력을 사용할 수 있는지 정확히 확인할 수 있으며, 하나의 간결한 보기에서 다시 시작 및 선택한 데이터 출력을 명확히 알 수 있습니다.

출력 위젯
재설계된 공간 출력 위젯
출력 위젯
출력 위젯 – 지오메트리 데이터
출력 위젯
공간 데이터가 기록될 때 출력을 강제 실행하면 기록 및 공간 데이터 출력에 대한 동기화된 출력이 사용자에게 제공됩니다.

대화형 지오메트리 생성 및 편집

대화형 지오메트리 생성 및 편집 기능이 그 어느 때보다 향상되었으며 이제 다음이 포함됩니다.

  • 회전, 이동 및 크기 조정을 포함한 새로운 대화형 도구 선택이 가능합니다.
  • 작업을 클릭하고 수정할 지오메트리를 선택하여 회전, 이동 또는 크기 조정 모드를 시작합니다.
  • 위쪽 화살표 아이콘을 클릭하거나 ESC 키를 누르면 일반 선택 모드로 돌아갑니다.

Geometry Widget

기하학 위젯은 이제 다양한 속성 그룹을 결합하고 관련 항목을 함께 배치하는 WYSIWYN 디자인 접근 방식을 사용하여 더 쉽고 빠르게 탐색할 수 있습니다.

기하학 위젯
지오메트리 위젯

Easier Access to Help

이제 물리 대화 상자 내에서 클릭 한 번으로 관련 문서, 자습서 및 도움말 다이어그램에 액세스할 수 있습니다.

더 쉽게 도움을 받을 수 있습니다
물리학 대화상자

간소화된 물리 대화 상자

사용자가 시뮬레이션을 더 빠르게 설정하고 설정 오류를 줄일 수 있도록 많은 물리 대화 상자가 간소화되었습니다.

거품 및 상 변화
Bubble and phase change model
공기 유입
Air entrainment model
드리프트 플럭스
Drift flux model
Fig. 8. Pressure distribution during the infiltration of preform with the 50 ¯m particles and 20 % starches: (a) 25 % filled, (b) 57 % filled, and (c) 99 % filled.

Experimental study and numerical simulation of infiltration of AlSi12 alloys into Si porous preforms with micro-computed tomography inspection characteristics

마이크로 컴퓨터 단층 촬영 검사 특성을 가진 Si 다공성 프리폼에 AlSi12 합금의 침투에 대한 실험적 연구 및 수치 시뮬레이션

Ruizhe LIU1 and Haidong ZHAO1
1National Engineering Research Center of Near-Net-Shape Forming for Metallic Materials, South China University of Technology,
Guangzhou 510640, China

Abstract

전분 함량(10, 20 및 30%)과 입자 크기(20, 50 및 90 m)가 다른 실리콘 입자 예비 성형체는 압축 성형 및 열처리를 통해 제작되었습니다. 프리폼의 기공 특성은 고해상도(³1 m) 3차원(3D) X선 마이크로 컴퓨터 단층 촬영(V-CT)으로 검사되었습니다. AlSi12 합금의 프리폼으로의 침투는 진공 보조 압력 침투 장치에서 800 °C 및 400 kPa의 조건에서 서로 다른 압력 적용 시간(3, 8 및 15초)으로 수행되었습니다. 고해상도(³500 nm) 수직 주사 백색광 간섭 프로파일로미터를 사용하여 복합 재료의 전면을 감지했습니다. Navier-Stokes 방정식을 기반으로 하는 ¯-CT 검사에서 실제 기공 형상을 고려하여 침투를 미시적으로 시뮬레이션했습니다. 그 결과 전분 함량과 입자크기가 증가할수록 복합재료의 표면적이 증가하는 것으로 나타났다. 전분 함량과 비교하여 입자 크기는 전면 표면적에 더 많은 영향을 미칩니다. 시뮬레이션에서 침투가 진행됨에 따라 액체 AlSi12의 압력이 감소했습니다. 복합재의 잔류 기공은 침투와 함께 증가했습니다. 실험 및 시뮬레이션 결과에 따르면 침투 방향을 따라 더 큰 압력 강하가 복합 재료의 더 많은 잔류 기공을 유도합니다.

Silicon particle preforms with different starch contents (10, 20 and 30%) and particle sizes (20, 50 and 90 ¯m) were fabricated by compression mold forming and heat treatment. The pore characteristics of preforms were inspected with a high-resolution (³1 ¯m) three-dimensional (3D) X-ray micro-computed tomography (¯-CT). The infiltration of AlSi12 alloys into the preforms were carried out under the condition of 800 °C and 400 kPa with different pressure-applied times (3, 8 and 15 s) in a vacuum-assisted pressure infiltration apparatus. A highresolution (³500 nm) vertical scanning white light interfering profilometer was used to detect the front surfaces of composites. The infiltration was simulated at micro-scale by considering the actual pore geometry from the ¯- CT inspection based on the Navier-Stokes equation. The results demonstrated that as the starch content and particle size increased, the front surface area of composite increased. Compared with the starch content, the particle size has more influence on the front surface area. In the simulation, as the infiltration progressed, the pressure of liquid AlSi12 decreased. The residual pores of composites increased with infiltration. According to the experiment and simulation results, a larger pressure drop along the infiltration direction leads to more residual pores of composites.

Fig. 1. Size distributions of Si particles.
Fig. 1. Size distributions of Si particles.
Fig. 2. Schematic of different locations of composites.
Fig. 2. Schematic of different locations of composites.
Fig. 3. Three-dimensional geometry with the reconstruction technology, enmeshment and infiltration parameters of Si preforms: (a) geometry, and (b) meshes and flow direction.
Fig. 3. Three-dimensional geometry with the reconstruction technology, enmeshment and infiltration parameters of Si preforms: (a) geometry, and (b) meshes and flow direction.
Fig. 4. Number-based frequencies of effective pore radius and throat radius: (a) effective pore radius of preforms with the 50 ¯m particles, (b) effective throat radius of preforms with the 50 ¯m particles, (c) effective pore radius of preforms with the 20 % starches, and (d) effective throat radius of preforms with the 20 % starches.
Fig. 4. Number-based frequencies of effective pore radius and throat radius: (a) effective pore radius of preforms with the 50 ¯m particles, (b) effective throat radius of preforms with the 50 ¯m particles, (c) effective pore radius of preforms with the 20 % starches, and (d) effective throat radius of preforms with the 20 % starches.
Fig. 5. 3D topological morphologies of front surfaces of composites: (a) 50 ¯m-10 %, (b) 50 ¯m-20 %, (c) 50 ¯m-30 %, (d) 20 ¯m-20 %, and (e) 90 ¯m-20 %.
Fig. 5. 3D topological morphologies of front surfaces of composites: (a) 50 ¯m-10 %, (b) 50 ¯m-20 %, (c) 50 ¯m-30 %, (d) 20 ¯m-20 %, and (e) 90 ¯m-20 %.
Fig. 6. Schematic of capillary tube.
Fig. 6. Schematic of capillary tube.
Fig. 8. Pressure distribution during the infiltration of preform with the 50 ¯m particles and 20 % starches: (a) 25 % filled, (b) 57 % filled, and (c) 99 % filled.
Fig. 8. Pressure distribution during the infiltration of preform with the 50 ¯m particles and 20 % starches: (a) 25 % filled, (b) 57 % filled, and (c) 99 % filled.
Fig. 9. Pressure distributions of liquid AlSi12 during the infiltration of preforms: (a) different fill fractions, (b) different starch contents, and (c) different particle sizes.
Fig. 9. Pressure distributions of liquid AlSi12 during the infiltration of preforms: (a) different fill fractions, (b) different starch contents, and (c) different particle sizes.
Fig. 10. Metallographs of composites: (a) different locations of composite with the 20 ¯m particles and 20 % starches, and (b) different locations of composite with the 90 ¯m particles and 20 % starches.
Fig. 10. Metallographs of composites: (a) different locations of composite with the 20 ¯m particles and 20 % starches, and (b) different locations of composite with the 90 ¯m particles and 20 % starches.
Fig. 11. Area fractions of residual pores of composites: (a) 50 ¯m (different starch contents), and (b) 20 % (different particle sizes).
Fig. 11. Area fractions of residual pores of composites: (a) 50 ¯m (different starch contents), and (b) 20 % (different particle sizes).

References

1) V. G. Resmi, K. M. Sree Manu, V. Lakshmi, M.
Brahmakumar, T. P. D. Rajan, C. Pavithran and B. C.
Pai, J. Porous Mat., 22, 1445­1454 (2015).
2) C. García-Cordovilla, E. Louis and J. Narciso, Acta
Mater., 47, 4461­4479 (1999).
3) D. B. Miracle, Compos. Sci. Technol., 65, 2526­2540
(2005).
4) J. M. Chiou and D. D. L. Chung, J. Mater. Sci., 28,
1447­1470 (1993).
5) Q. G. Zhang and M. Y. Gu, J. Compos. Mater., 40, 471­
478 (2006).
6) C. M. Lawrence Wu and G. W. Han, Compos. Part AAppl. S., 37, 1858­1862 (2006).
7) X. Y. Cai, X. W. Yin, X. K. Ma, X. M. Fan, Y. Z. Cai,
J. P. Li, L. F. Cheng and L. T. Zhang, Ceram. Int., 42,
10144­10150 (2016).
8) J. M. Molina, E. Piñero, J. Narciso, C. GarcíaCordovilla and E. Louis, Curr. Opin. Solid St. M., 9,
202­210 (2005).
9) A. Léger, L. Weber and A. Mortensen, Acta Mater., 91,
57­69 (2015).
10) Y. Q. Ma, L. H. Qi, W. G. Zheng, J. M. Zhou and L. Y.
Ju, T. Nonferr. Metal. Soc., 23, 1915­1921 (2013).
11) J. T. Tian, E. Piñero, J. Narciso and E. Louis, Scripta
Mater., 53, 1483­1488 (2005).
12) J. Narciso, A. Alonso, A. Pamies, C. García-Cordovilla
and E. Louis, Metall. Mater. Trans. A, 26A, 983­990
(1995).
13) J. Roger, M. Avenel and L. Lapuyade, J. Eur. Ceram.
Soc., 40, 1859­1868 (2020).
14) J. Roger, M. Avenel and L. Lapuyade, J. Eur. Ceram.
Soc., 40, 1869­1876 (2020).
15) R. Scardovelli and S. Zaleski, Annu. Rev. Fluid Mech.,
31, 567­603 (1999).
16) H. D. Zhao, I. Ohnaka and J. D. Zhu, Appl. Math.
Model., 32, 185­194 (2008).
17) Y. He, A. E. Bayly, A. Hassanpour, F. Muller, K. Wu
and D. M. Yang, Powder Technol., 338, 548­562
(2018).
18) K. D. Nikitin, K. M. Terekhov and Y. V. Vassilevski,
Appl. Math. Lett., 86, 236­242 (2018).
19) J. F. Xiao, X. Liu, Y. M. Luo, J. C. Cai and J. F. Xu,
Colloid. Surface. A, 591, 124572 (2020).
20) N. Birgle, R. Masson and L. Trenty, J. Comput. Phys.,
368, 210­235 (2018).
21) M. Chaaban, Y. Heider and B. Markert, Int. J. Heat
Fluid Fl., 83, 108566 (2020).
22) S. Zhang, M. J. Zhu, X. Zhao, D. G. Xiong, H. Wan,
S. X. Bai and X. D. Wang, Compos. Part A-Appl. S., 90,
71­81 (2016).
23) J. Roger, L. Guesnet, A. Marchais and Y. Le Petitcorps,
J. Alloy. Compd., 747, 484­494 (2018).
24) Q. Wan, H. D. Zhao and C. Zou, ISIJ Int., 54, 511­515
(2014).
25) F. Liu, H. D. Zhao, R. S. Yang and F. Z. Sun, Mater.
Today Commun., 19, 114­123 (2019).
26) D. Roussel, A. Lichtner, D. Jauffrès, J. Villanova, R. K.
Bordia and C. L. Martin, Scripta Mater., 113, 250­253
(2016).
27) M. Fukushima, T. Ohji, H. Hyuga, C. Matsunaga and Y.
Yoshizawa, J. Mater. Res., 32, 3286­3293 (2017).
28) M. Fukushima, H. Hyuga, C. Matsunaga and Y.
Yoshizawa, J. Am. Ceram. Soc., 101, 3266­3270
(2018).
29) R. Z. Liu, H. D. Zhao, H. Long and B. Xie, Mater.
Charact., 137, 370­378 (2017).
30) B. Xie, H. D. Zhao, H. Long, J. L. Peng and R. Z. Liu,
Ceram. Int., 45, 23924­23933 (2019).
31) R. Z. Liu, H. D. Zhao and B. Xie, Transport Porous
Med., 131, 1053­1063 (2020).
32) Y. Li, H. W. Chen, F. Q. Wang, X. L. Xia and H. P. Tan,
Infrared Phys. Techn., 113, 103646 (2021).
33) P. Tahmasebi, M. Sahimi, A. H. Kohanpur and A.
Valocchi, J. Petrol. Sci. Eng., 155, 21­33 (2017).
34) B. Gharedaghloo, S. J. Berg and E. A. Sudicky, Adv.
Water Resour., 143, 103681 (2020).
35) A. Viswanath, M. V. Manu, S. Savithri and U. T. S.
Pillai, J. Mater. Process. Tech., 244, 320­330 (2017).
36) D. Silin and T. Patzek, Physica A, 371, 336­360 (2006).
37) W. Hui, Y. S. Wang, D. Z. Ren and H. Jin, J. Petrol. Sci.
Eng., 192, 107295 (2020).
38) H. Nakae and H. Katoh, J. Jpn. I. Met. Mater., 63,
1356­1362 (1999).

Figure 3: 3D temperature contours and 2D melt pool cross-sections where the melt pool is stabilized at x=500 µm from the start of the laser initial location for cases where (a) absorptivity = 0.1, Recoil pressure coefficient B = 1 and laser beam radius = 12 µm, (b) absorptivity = 0.1, Recoil pressure coefficient B = 20 and laser beam radius = 12 µm, (c) absorptivity = 0.1, Recoil pressure coefficient B = 1 and laser beam radius = 18 µm, (d) absorptivity = 0.45, Recoil pressure coefficient B = 1 and laser beam radius = 18 µm, (e) absorptivity = 0.45, Recoil pressure coefficient B = 20 and laser beam radius = 12 µm, (f) absorptivity = 0.45, Recoil pressure coefficient B = 20 and laser beam radius = 18 µm.

MULTI-PHYSICS NUMERICAL MODELLING OF 316L AUSTENITIC STAINLESS STEEL IN LASER POWDER BED FUSION PROCESS AT MESO-SCALE

W.E. Alphonso1, M.Bayat1,*, M. Baier 2, S. Carmignato2, J.H. Hattel1
1Department of Mechanical Engineering, Technical University of Denmark (DTU), Lyngby, Denmark
2Department of Management and Engineering – University of Padova, Padova, Italy

ABSTRACT

L-PBF(Laser Powder Bed Fusion)는 레이저 열원을 사용하여 선택적으로 통합되는 분말 층으로 복잡한 3D 금속 부품을 만드는 금속 적층 제조(MAM) 기술입니다. 처리 영역은 수십 마이크로미터 정도이므로 L-PBF를 다중 규모 제조 공정으로 만듭니다.

기체 기공의 형성 및 성장 및 용융되지 않은 분말 영역의 생성은 다중물리 모델에 의해 예측할 수 있습니다. 또한 이러한 모델을 사용하여 용융 풀 모양 및 크기, 온도 분포, 용융 풀 유체 흐름 및 입자 크기 및 형태와 같은 미세 구조 특성을 계산할 수 있습니다.

이 작업에서는 용융, 응고, 유체 흐름, 표면 장력, 열 모세관, 증발 및 광선 추적을 통한 다중 반사를 포함하는 스테인리스 스틸 316-L에 대한 충실도 다중 물리학 중간 규모 수치 모델이 개발되었습니다. 완전한 실험 설계(DoE) 방법을 사용하는 통계 연구가 수행되었으며, 여기서 불확실한 재료 특성 및 공정 매개변수, 즉 흡수율, 반동 압력(기화) 및 레이저 빔 크기가 용융수지 모양 및 크기에 미치는 영향을 분석했습니다.

또한 용융 풀 역학에 대한 위에서 언급한 불확실한 입력 매개변수의 중요성을 강조하기 위해 흡수율이 가장 큰 영향을 미치고 레이저 빔 크기가 그 뒤를 잇는 주요 효과 플롯이 생성되었습니다. 용융 풀 크기에 대한 반동 압력의 중요성은 흡수율에 따라 달라지는 용융 풀 부피와 함께 증가합니다.

모델의 예측 정확도는 유사한 공정 매개변수로 생성된 단일 트랙 실험과 시뮬레이션의 용융 풀 모양 및 크기를 비교하여 검증됩니다.

더욱이, 열 렌즈 효과는 레이저 빔 크기를 증가시켜 수치 모델에서 고려되었으며 나중에 결과적인 용융 풀 프로파일은 모델의 견고성을 보여주기 위한 실험과 비교되었습니다.

Laser Powder Bed Fusion (L-PBF) is a Metal Additive Manufacturing (MAM) technology where a complex 3D metal part is built from powder layers, which are selectively consolidated using a laser heat source. The processing zone is in the order of a few tenths of micrometer, making L-PBF a multi-scale manufacturing process. The formation and growth of gas pores and the creation of un-melted powder zones can be predicted by multiphysics models. Also, with these models, the melt pool shape and size, temperature distribution, melt pool fluid flow and its microstructural features like grain size and morphology can be calculated. In this work, a high fidelity multi-physics meso-scale numerical model is developed for stainless steel 316-L which includes melting, solidification, fluid flow, surface tension, thermo-capillarity, evaporation and multiple reflection with ray-tracing. A statistical study using a full Design of Experiments (DoE) method was conducted, wherein the impact of uncertain material properties and process parameters namely absorptivity, recoil pressure (vaporization) and laser beam size on the melt pool shape and size was analysed. Furthermore, to emphasize on the significance of the above mentioned uncertain input parameters on the melt pool dynamics, a main effects plot was created which showed that absorptivity had the highest impact followed by laser beam size. The significance of recoil pressure on the melt pool size increases with melt pool volume which is dependent on absorptivity. The prediction accuracy of the model is validated by comparing the melt pool shape and size from the simulation with single track experiments that were produced with similar process parameters. Moreover, the effect of thermal lensing was considered in the numerical model by increasing the laser beam size and later on the resultant melt pool profile was compared with experiments to show the robustness of the model.

Figure 1: a) Computational domain for single track L-PBF which includes a 200 μm thick substrate and 45 μm powder layer thickness b) 3D temperature contour plot after scanning a single track with melt pool contours at two locations along the scanning direction where the green region indicates the melted regions.
Figure 1: a) Computational domain for single track L-PBF which includes a 200 μm thick substrate and 45 μm powder layer thickness b) 3D temperature contour plot after scanning a single track with melt pool contours at two locations along the scanning direction where the green region indicates the melted regions.
Figure 2: Main effects plot of uncertain parameters: absorptivity, recoil pressure coefficient and laser beam radius on the melt pool dimensions (width and depth)
Figure 2: Main effects plot of uncertain parameters: absorptivity, recoil pressure coefficient and laser beam radius on the melt pool dimensions (width and depth)
Figure 3: 3D temperature contours and 2D melt pool cross-sections where the melt pool is stabilized at x=500 µm from the start of the laser initial location for cases where (a) absorptivity = 0.1, Recoil pressure coefficient B = 1 and laser beam radius = 12 µm, (b) absorptivity = 0.1, Recoil pressure coefficient B = 20 and laser beam radius = 12 µm, (c) absorptivity = 0.1, Recoil pressure coefficient B = 1 and laser beam radius = 18 µm, (d) absorptivity = 0.45, Recoil pressure coefficient B = 1 and laser beam radius = 18 µm, (e) absorptivity = 0.45, Recoil pressure coefficient B = 20 and laser beam radius = 12 µm, (f) absorptivity = 0.45, Recoil pressure coefficient B = 20 and laser beam radius = 18 µm.
Figure 3: 3D temperature contours and 2D melt pool cross-sections where the melt pool is stabilized at x=500 µm from the start of the laser initial location for cases where (a) absorptivity = 0.1, Recoil pressure coefficient B = 1 and laser beam radius = 12 µm, (b) absorptivity = 0.1, Recoil pressure coefficient B = 20 and laser beam radius = 12 µm, (c) absorptivity = 0.1, Recoil pressure coefficient B = 1 and laser beam radius = 18 µm, (d) absorptivity = 0.45, Recoil pressure coefficient B = 1 and laser beam radius = 18 µm, (e) absorptivity = 0.45, Recoil pressure coefficient B = 20 and laser beam radius = 12 µm, (f) absorptivity = 0.45, Recoil pressure coefficient B = 20 and laser beam radius = 18 µm.
Figure 4: Validation of Numerical model with Recoil pressure coefficient B= 20, absorptivity = 0.45 and a) laser beam radius = 15 µm b) laser beam radius = 20 µm
Figure 4: Validation of Numerical model with Recoil pressure coefficient B= 20, absorptivity = 0.45 and a) laser beam radius = 15 µm b) laser beam radius = 20 µm

CONCLUSION

In this work, a high-fidelity multi-physics numerical model was developed for L-PBF using the FVM method in Flow-3D. The impact of uncertainty in the input parameters including absorptivity, recoil pressure and laser beam size on the melt pool is addressed using a DoE method. The DoE analysis shows that absorptivity has the highest impact on the melt pool. The recoil pressure and laser beam size only become significant once absorptivity is 0.45. Furthermore, the numerical model is validated by comparing the predicted melt pool shape and size with experiments conducted with similar process parameters wherein a high prediction accuracy is achieved by the model. In addition, the impact of thermal lensing on the melt pool dimensions by increasing the laser beam spot size is considered in the validated numerical model and the resultant melt pool is compared with experiments.

REFERENCES

[1] T. Bonhoff, M. Schniedenharn, J. Stollenwerk, P. Loosen, Experimental and theoretical analysis of thermooptical effects in protective window for selective laser melting, Proc. Int. Conf. Lasers Manuf. LiM. (2017)
26–29. https://www.wlt.de/lim/Proceedings2017/Data/PDF/Contribution31_final.pdf.
[2] L.R. Goossens, Y. Kinds, J.P. Kruth, B. van Hooreweder, On the influence of thermal lensing during selective
laser melting, Solid Free. Fabr. 2018 Proc. 29th Annu. Int. Solid Free. Fabr. Symp. – An Addit. Manuf. Conf.
SFF 2018. (2020) 2267–2274.
[3] J. Shinjo, C. Panwisawas, Digital materials design by thermal-fluid science for multi-metal additive
manufacturing, Acta Mater. 210 (2021) 116825. https://doi.org/10.1016/j.actamat.2021.116825.
[4] Z. Zhang, Y. Huang, A. Rani Kasinathan, S. Imani Shahabad, U. Ali, Y. Mahmoodkhani, E. Toyserkani, 3-
Dimensional heat transfer modeling for laser powder-bed fusion additive manufacturing with volumetric heat
sources based on varied thermal conductivity and absorptivity, Opt. Laser Technol. 109 (2019) 297–312.
https://doi.org/10.1016/j.optlastec.2018.08.012.
[5] M. Bayat, A. Thanki, S. Mohanty, A. Witvrouw, S. Yang, J. Thorborg, N.S. Tiedje, J.H. Hattel, Keyholeinduced porosities in Laser-based Powder Bed Fusion (L-PBF) of Ti6Al4V: High-fidelity modelling and
experimental validation, Addit. Manuf. 30 (2019) 100835. https://doi.org/10.1016/j.addma.2019.100835.
[6] M. Bayat, S. Mohanty, J.H. Hattel, Multiphysics modelling of lack-of-fusion voids formation and evolution
in IN718 made by multi-track/multi-layer L-PBF, Int. J. Heat Mass Transf. 139 (2019) 95–114.
https://doi.org/10.1016/j.ijheatmasstransfer.2019.05.003.
[7] J. Metelkova, Y. Kinds, K. Kempen, C. de Formanoir, A. Witvrouw, B. Van Hooreweder, On the influence
of laser defocusing in Selective Laser Melting of 316L, Addit. Manuf. 23 (2018) 161–169.
https://doi.org/10.1016/j.addma.2018.08.006.

그림 1 하천횡단구조물 하류부 횡단구조물 파괴

유입조건에 따른압력변이로 인한하천횡단구조물 하류물받이공 및 바닥보호공설계인자 도출최종보고서

주관연구기관 / 홍익대학교 산학협력단
공동연구기관 / 한국건설기술연구원
공동연구기관 / 주식회사 지티이

연구의 목적 및 내용

하천횡단구조물이 하천설계기준(2009)대로 설계되었음에도 불구하고, 하류부에서 물받이공 및 바닥보호공의 피해가 발생하여, 구조물 본체에 대한 안전성이 현저하 게 낮아지고 있는 실정이다. 하천설계기준이 상류부의 수리특성을 반영하였다고 하나 하류부의 수리특성인 유속의 변동 성분 또는 압력의 변동성분까지 고려하고 있지는 않다. 현재 많은 선행연구에서 이러한 난류적 특성이 구조물에 미치는 영 향에 대해 제시하고 있는 실정이며, 국내 하천에서의 피해 또한 이와 관련이 있다 고 판단된다. 이에 본 연구에서는 난류성분 특히 압력의 변동성분이 물받이공과 바닥보호공에 미치는 영향을 정량적으로 분석하여, 하천 횡단구조물의 치수 안전 성 증대에 기여하고자 한다. 물받이공과 바닥보호공에 미치는 압력의 변동성분 (pressure fluctuation) 영향을 분석하기 위해 크게 3가지로 연구내용을 분류하였 다. 첫 번째는 압력의 변동으로 순간적인 음압구배(adversed pressure gradient) 가 발생할 경우 바닥보호공의 사석 및 블록이 이탈하는 것이다. 이를 확인하기 위 해 정밀한 압력 측정장치를 통해 압력변이를 측정하여, 사석의 이탈 가능성을 검 토할 것이며, 최종적으로 이탈에 대한 한계조건을 도출할 것이다. 두 번째는 압력 의 변동이 물받이공의 진동을 유발시켜 이를 지지하고 있는 지반에 다짐효과를 가 져와 물받이공과 지반사이에 공극이 발생하는 경우이다. 이러한 공극으로 물받이 공은 자중 및 물의 압력을 받게 되어, 결국 휨에 의한 파괴가 발생할 가능성이 있 게 된다. 본 연구에서는 실험을 통하여 압력의 변동과 물받이공의 진동을 동시에 측정하여, 진동이 발생하지 않을 최소 두께를 제시할 것이다. 세 번째는 압력변이 로 인한 물받이공의 진동이 피로파괴로 연결되는 경우이다. 이 현상 또한 수리실 험을 통해 압력변이-피로파괴의 관계를 정량적으로 분석하여, 한계 조건을 제시할 것이다. 본 연구는 국내 보 및 낙차공에서 발생하는 다양한 Jet의 특성을 수리실 험으로 재현해야 하며, 이를 위해 평면 Jet 분사기(plane Jet injector)를 고안/ 제작하여, 효율적인 수리실험을 수행할 것이다. 또한 3차원 수치해석을 통해 실제 스케일에 적용함으로써 연구결과의 활용도 및 적용성을 높이고자 한다.

Keywords

압력변이, 물받이공, 바닥보호공, 난류, 진동

 그림 1 하천횡단구조물 하류부 횡단구조물 파괴
그림 1 하천횡단구조물 하류부 횡단구조물 파괴
그림 2. 시간에 따른 압력의 변동 양상 및 정의
그림 2. 시간에 따른 압력의 변동 양상 및 정의
 그림 3. 하천횡단구조물 하류부 도수현상시 발생하는 압력변이 분포도, Fr=8.0 상태이며, 바닥(slab)에 양압과 음압이 지속적으로 작용한다. (Fiorotto & Rinaldo, 2010)
그림 3. 하천횡단구조물 하류부 도수현상시 발생하는 압력변이 분포도, Fr=8.0 상태이며, 바닥(slab)에 양압과 음압이 지속적으로 작용한다. (Fiorotto & Rinaldo, 2010)
 그림 4. 파괴 개념
그림 4. 파괴 개념
그림 6. PIV 측정 원리(www.photonics.com)
그림 6. PIV 측정 원리(www.photonics.com)
그림 7. LED회로판 및 BIV기법 기본개념
그림 7. LED회로판 및 BIV기법 기본개념
그림 8. BIV측정기법을 적용한 순간이미지 (Lin et al., 2012)
그림 8. BIV측정기법을 적용한 순간이미지 (Lin et al., 2012)
그림 9. 감세공의 분류
그림 9. 감세공의 분류
그림 17 수리실헐 수로시설: (a) 전체수로전경, (b) Weir 보를 포함한 측면도, (c) 도수조건 실험전경
그림 17 수리실헐 수로시설: (a) 전체수로전경, (b) Weir 보를 포함한 측면도, (c) 도수조건 실험전경
그림 18 수리실험 개요도
그림 18 수리실험 개요도
그림 127 난류모형별 압력 Data (측정위치는 그림 125 참조)
그림 127 난류모형별 압력 Data (측정위치는 그림 125 참조)
그림 128 RNG 모형을 이용한 수치모의 결과
그림 128 RNG 모형을 이용한 수치모의 결과
그림 129 LES 모형을 이용한 수치모의 결과
그림 129 LES 모형을 이용한 수치모의 결과
그림 130 압력 Data의 필터링
그림 130 압력 Data의 필터링
그림 134 Case 1의 흐름특성 분포도 및 그래프
그림 134 Case 1의 흐름특성 분포도 및 그래프

참고문헌

국토기술연구센터 (1998) 하상유지공의 구조설계 지침.

감사원 (2013) 감사원 결과보고서- 4대강살리기 사업 주요시설물 품질 밑 수질관리 실태.

국토해양부 (2009) 전국 하천횡단 구조물 설치현황 및 어도 실태조사 보고서. 국토해양부 (2010). 낙동강 살리기 사업 24공구(성주칠곡지구) 실시설계보고서.

국토해양부 (2012) 보도자료-준공대비 점검결과, 4대강 보 안전 재확인.

국토해양부 (2012) 국가 및 지방하천 종합정비 마스터플랜.

국토교통성 (2008) 하천사방기술기준.

농림부 (1996). 농업생산기반정비사업계획 설계기준. 류권규(역자) (2009). 난류의 수치모의(원저자 : 梶島岳夫, 1999).

류권규, 마리안 머스테, 로버트 에테마, 윤병만 (2006). “난류 중 부유사의 속도 지체 측정.” 한국수자원학회논문집, 제39권, 제2호, pp.99-108.

배재현, 이경훈, 신종근, 양용수, 이주희 (2011). “입자영상유속계를 이용한 은어의 유영능력 측정.” 제47권, 제4호, pp.411-418.

우효섭 (2001). 하천수리학. 청문각.

한국수자원학회 (2009). 하천설계기준해설.

한국건설기술연구원 (2014) 입자영상유속계(PIV)를 이용한 하천구조물 주변 유동해석 기법 개발

한국건설기술연구원 (2017) 보와 하상유지공의 안전성 확보를 위한 물받이와 바닥보호공의 성능평가
기법에 대한 원천기술개발

국토기술연구센터 (1998) 하상유지공의 구조설계 지침.

감사원 (2013) 감사원 결과보고서- 4대강살리기 사업 주요시설물 품질 밑 수질관리 실태. 국토해양부 (2009) 전국 하천횡단 구조물 설치현황 및 어도 실태조사 보고서.

국토해양부 (2012) 보도자료-준공대비 점검결과, 4대강 보 안전 재확인. 국토해양부 (2012) 국가 및 지방하천 종합정비 마스터플랜.

국토교통성 (2008) 하천사방기술기준.

농림부 (1996). 농업생산기반정비사업계획 설계기

류권규(역자) (2009). 난류의 수치모의(원저자 : 梶島岳夫, 1999).
류권규, 마리안 머스테, 로버트 에테마, 윤병만 (2006). “난류 중 부유사의 속도 지체 측정.” 한국수자원학회논문집, 제39권, 제2호, pp.99-108.
배재현, 이경훈, 신종근, 양용수, 이주희 (2011). “입자영상유속계를 이용한 은어의 유영능력 측정.” 제47권, 제4호, pp.411-418.
우효섭 (2001). 하천수리학. 청문각. 한국수자원학회 (2009). 하천설계기준해설. 한국건설기술연구원 (2014) 입자영상유속계(PIV)를 이용한 하천구조물 주변 유동해석 기법 개발
한국건설기술연구원 (2017) 보와 하상유지공의 안전성 확보를 위한 물받이와 바닥보호공의 성능평가
기법에 대한 원천기술개발

Adrian, R. J., Meinhart, C. D., & Tomkins, C. D. (2000). Vortex organization in the outer
region of the turbulent boundary layer. Journal of Fluid Mechanics, 422, 1-54.
Anderson, T. W., & Darling, D. A. (1954). A test of goodness of fit. Journal of the American
statistical association, 49(268), 765-769.
Altman, E. I. (1968). Financial ratios, discriminant analysis and the prediction of corporate
bankruptcy. The journal of finance, 23(4), 589-609.
Barjastehmaleki, S., Fiorotto, V., & Caroni, E. (2016). Spillway stilling basins lining design
via Taylor hypothesis. Journal of Hydraulic Engineering, 142(6), 04016010.
Beheshti, M. R., Khosrojerdi, A., & Borghei, S. M. (2013). Experimental study of air-water
turbulent flow structures on stepped spillways. International Journal of Physical Sciences,
8(25), 1362-1370.
Bligh, W. G. (1910). Dams, barrages and weirs on porous foundations. Engineering News, 64(26),
708-710.
Bowers, C. E., &Tsai, F. Y. (1969). Fluctuating pressure in spillway stilling basins. Journal
of the Hydraulics Division, 95(6), 2071-2080.
Brater, E. F., King, H. W., Lindell, J. E., & Wei, C. Y. (1976). Handbook of hydraulics for
the solution of hydraulic engineering problems (Vol. 7). New York: McGraw-Hill.
Castillo, L. G., Carrillo, J. M., & Sordo-Ward, Á. (2014). Simulation of overflow nappe
impingement jets. Journal of Hydroinformatics, 16(4), 922-940

Lin, C., Hsieh, S. C., Lin, I. J., Chang, K. A., & Raikar, R. V. (2012). Flow property and
self-similarity in steady hydraulic jumps. Experiments in Fluids, 53(5), 1591-1616

Chanson, H. (1999). The Hydraulics of Open Channel Flow: An Introduction. Physical Modelling
of Hydraulics.
Chow, V. T. (1959). Open-Channel Hydraulics, McGraw Hill Book Company, Inc., New York.
Christensen, B. A. (1984). “Analysis of Partially Filled Circular Storm Sewers.” J. of
Hydraulic Engineering, ASCE, Vol. 110, No. 8.
El-Ragaby, A., El-Salakawy, E., and Benmokrane, B., “Fatigue Life Evaluation of Concrete
Bridge Deck Slabs Reinforced with Glass FRP Composite Bars,” Journal of Composites for
Construction, ASCE, Vol. 11, No. 3, 2007, pp. 258-268. (doi: http://dx.doi.org/10.1061/(ASCE)
1090-0268(2007)11:3(258),
Fiorotto, V., & Rinaldo, A. (1992). Turbulent pressure fluctuations under hydraulic jumps.
Journal of Hydraulic Research, 30(4), 499-520.
Flow Science (2015). FLOW-3D User Manual(Release 11.1.0), Los Alamos, New Mexico.
González-Betancourt, M. (2016). Uplift force and momenta on a slab subjected to hydraulic
jump. Dyna, 83(199), 124-133.
Grinstein, L., & Lipsey, S. I. (2001). Encyclopedia of mathematics education. Routledge.
Grubbs, F. E., & Beck, G. (1972). Extension of sample sizes and percentage points for
significance tests of outlying observations. Technometrics, 14(4), 847-854.
Gylltoft K. (1983): Fracture mechanics models for fatigue in concrete structures. Doctoral
thesis / Tekniska högskolan i Luleå, 25D, Luleå, 210 pp.
Herlina, H. and Jirka, G. H. (2008). “Experiments on gas transfer near the air-water
interface in a grid-stirred tank.” Journal of Fluid Mechanics, 594, pp.183-208.
IACWD (Interagency Advisory Committee on Water Data). (1982). Guidelines for determining flood
flow frequency. Bulletin 17B.
JIRKA, G. H. (2008). Experiments on gas transfer at the air–water interface induced by
oscillating grid turbulence. Journal of Fluid Mechanics, 594, 183-208.
Kadota, A., Suzuki, K., Rummel, A. C., Weitbrecht, V., & Jirka, G. H. (2007). Shallow flow
visualization around a single groyne. In Proc. of 7th International Symposium of Particle
Image Velocimetry (CD-ROM).
Kazemi, F., Khodashenas, S. R., & Sarkardeh, H. (2016). Experimental study of pressure
fluctuation in stilling basins. International Journal of Civil Engineering, 14(1), 13-21.
Klowak, C., Memon, A., and Mufti, A., “Static and fatigue investigation of second generation
steel-free bridge decks,” Cement & Concrete Composites, ScienceDirect, Elsevier, Vol. 28, No.

10, 2006, pp. 890-897. (doi: http://dx.doi.org/10.1016/j.cemconcomp.2006.07.019),
Koca, K., Noss, C., Anlanger, C., Brand, A., & Lorke, A. (2017). Performance of the Vectrino
Profiler at the sediment–water interface. Journal of Hydraulic Research, 55(4), 573-581.
Kolmogorov, A. (1933). Sulla determinazione empirica di una lgge di distribuzione. Inst. Ital.
Attuari, Giorn., 4, 83-91.
Leon, A., & Alnahit, A. (2016). A Remotely Controlled Siphon System for Dynamic Water Storage
Management.
Lin, C., Hsieh, S., Chang, K. and Raikar, R. (2012). “Flow property and self-similarity in
steady hydraulic jumps.” Experiments in Fluid, 53, pp. 1591-1616.
Lopardo, R., Fattor, C. A., Casado, J. M. and Lopardo, M. C. (2004). “Aspects of vibration
and fatigue of materials related to coherent structures of macroturbulent flows”
International Conference on Hydraulic of Dams and River Structures.
Lopardo, R. A., & Romagnoli, M. (2009). Pressure and velocity fluctuations in stilling basins.
In Advances in Water Resources and Hydraulic Engineering (pp. 2093-2098). Springer, Berlin,
Heidelberg.
Sanchez, P. A., Ramirez, G. E., Vergara, R., & Minguillo, F. (1973). Performance of
Sulfur-Coated Urea Under Intermittently Flooded Rice Culture in Peru 1. Soil Science Society
of America Journal, 37(5), 789-792.
Matsui, S., Tokai, D., Higashiyama, H., and Mizukoshi, M., “Fatigue Durability of Fiber
Reinforced Concrete Decks Under Running Wheel Load,” Proceedings 3rd International Conference
on Concrete Under Severe Conditions, Ed. N. Banthia, Vancouver, Canada, 2001, pp. 982-991.,
Mohammadi, S. F., Galgoul, N. S., Starossek, U., & Videiro, P. M. (2016). An efficient time
domain fatigue analysis and its comparison to spectral fatigue assessment for an offshore
jacket structure. Marine Structures, 49, 97-115.
Pothof, I. (2011). Co-current air-water flow in downward sloping pipes. Stichting Deltares
Pothof, I. W. M., & Clemens, F. H. L. R. (2011). Experimental study of air–water flow in
downward sloping pipes. International journal of multiphase flow, 37(3), 278-292.
Ryu, Y., Chang, K. A., & Lim, H. J. (2005). Use of bubble image velocimetry for measurement of
plunging wave impinging on structure and associated greenwater. Measurement Science and
Technology, 16(10), 1945.
Sanjou, M., & Nezu, I. (2009). Turbulence structure and coherent motion in meandering compound
open-channel flows. Journal of Hydraulic Research, 47(5), 598-610.
Sargison, J. E., & Percy, A. (2009). Hydraulics of broad-crested weirs with varying side
slopes. Journal of irrigation and drainage engineering, 135(1), 115-118.

Sobani, A. (2014). Pressure fluctuations on the slabs of stilling basins under hydraulic jump.
Song, Y., Chang, K, Ryu, Y. and Kwon, S. (2013). “ Experimental study on flow kinematics and
impact pressure in liquid sloshing.”, Experiments in Fluid, 54, pp. 1592.
Stagonas, D., Lara, J. L., Losada, I. J., Higuera, P., Jaime, F. F., & Muller, G. (2014).
Large scale measurements of wave loads and mapping of impact pressure distribution at the
underside of wave recurves. In Proceedings of the HYDRALAB IV Joint User Meeting.
Toso, J. W., & Bowers, C. E. (1988). Extreme pressures in hydraulic-jump stilling basins.
Journal of Hydraulic Engineering, 114(8), 829-843.
Youn, S. G. and Chang, S. P., “Behavior of Composite Bridge Decks Subjected to Static and
Fatigue Loading,” Structural Journal, ACI Technical paper, Title No. 95-S23, 1998, pp.
249-258. (doi: http://dx.doi.org/10.14359/543),

Flow-3D 모형을 이용한 인공어초 설치 지반의 입경에 따른 세굴 특성 분석

Flow-3D 모형을 이용한 인공어초 설치 지반의 입경에 따른 세굴 특성 분석

Abstract

해저 지반에 설치되는 인공어초는 유속 및 수심이 동일한 경우라도 지반 조건에 따라 세굴 패턴이 크게 차이나는 경우가 있다. 따라서 본 연구에서는 모래, 실트 및 점토 등과 같이 다양한 해저 지반에 설치하는 인공어초의 지반공학적 안정성을 평가하고자 Flow-3D를 이용하여 세굴 해석을 수행하였다. 수치해석 결과 지반 입경이 작을수록 인공어초 주변에서 발생하는 세굴량이 커지며, 평형상태에 도달하는 시간이 더 오래 걸리는 결과를 보였다. 반면 입경이 커질수록 세굴량이 작아지며, 세굴된 지반 입자가 인공어초 후면부에 퇴적되는 결과를 보였다. 또한 최대 세굴심도와 입경은 비선형적인 관계를 나타내었다. 특히 세립토에서 최대 세굴심도가 크게 증가하였다.

Artificial reef-installed seabeds may have significantly different scouring patterns depending on the ground conditions, such as the soil particle size, even though the flow velocity and water depth are similar. In this study, the scour characteristics of the ground were determined using Flow-3D to evaluate the geotechnical stability of artificial reefs installed on various seabeds, such as sand, silt, and clay. The analysis results indicated that the smaller the particle size of the soil, the larger the amount of scour that occurs around the artificial reef and the longer it takes to reach an equilibrium state. However, eroded soil particles were deposited on the rear part of the artificial reef as the soil particle size increased. The maximum scour depth and average particle size showed a non-linear relationship. In particular, the maximum scour depth increased significantly in fine-grained soils.

Keywords

인공어초 , Flow-3D, 지반 입경 , 세굴 , 최대 세굴심도 , Artificial Reef , Flow-3D , Soil Particle Size , Scour , Maximum Scour Depth

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

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 1.1: Schematic Overview of Metal Laser Powder Bed Fusion Process [2]
Figure 1.2: Commercial Powder Bed Fusion Systems
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 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 2.1: 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 2.2: (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 2.3: (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 2.4: 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 2.5: (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 2.6: 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 2.7: Bottom Layer Inherent Strain under Default Process Parameters along Horizontal Scanning Path
Figure 2.8: Snapshots of the Element Activation Process
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 2.9: 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 2.10: 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 2.11: 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 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
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
s) at the Preheating Temperature of 500 °C
Figure 3.15: Melt Pool Cross Section Comparison Between Simulation and Experiment for Single Track
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).

Figure 3 Simulation PTC pipes enhanced with copper foam and nanoparticles in FLOW-3D software.

다공성 미디어 및 나노유체에 의해 강화된 수집기로 태양광 CCHP 시스템의 최적화

Optimization of Solar CCHP Systems with Collector Enhanced by Porous Media and Nanofluid


Navid Tonekaboni,1Mahdi Feizbahr,2 Nima Tonekaboni,1Guang-Jun Jiang,3,4 and Hong-Xia Chen3,4

Abstract

태양열 집열기의 낮은 효율은 CCHP(Solar Combined Cooling, Heating, and Power) 사이클의 문제점 중 하나로 언급될 수 있습니다. 태양계를 개선하기 위해 나노유체와 다공성 매체가 태양열 집열기에 사용됩니다.

다공성 매질과 나노입자를 사용하는 장점 중 하나는 동일한 조건에서 더 많은 에너지를 흡수할 수 있다는 것입니다. 이 연구에서는 평균 일사량이 1b인 따뜻하고 건조한 지역의 600 m2 건물의 전기, 냉방 및 난방을 생성하기 위해 다공성 매질과 나노유체를 사용하여 태양열 냉난방 복합 발전(SCCHP) 시스템을 최적화했습니다.

본 논문에서는 침전물이 형성되지 않는 lb = 820 w/m2(이란) 정도까지 다공성 물질에서 나노유체의 최적량을 계산하였다. 이 연구에서 태양열 집열기는 구리 다공성 매체(95% 다공성)와 CuO 및 Al2O3 나노 유체로 향상되었습니다.

나노유체의 0.1%-0.6%가 작동 유체로 물에 추가되었습니다. 나노유체의 0.5%가 태양열 집열기 및 SCCHP 시스템에서 가장 높은 에너지 및 엑서지 효율 향상으로 이어지는 것으로 밝혀졌습니다.

본 연구에서 포물선형 집열기(PTC)의 최대 에너지 및 엑서지 효율은 각각 74.19% 및 32.6%입니다. 그림 1은 태양 CCHP의 주기를 정확하게 설명하기 위한 그래픽 초록으로 언급될 수 있습니다.

The low efficiency of solar collectors can be mentioned as one of the problems in solar combined cooling, heating, and power (CCHP) cycles. For improving solar systems, nanofluid and porous media are used in solar collectors. One of the advantages of using porous media and nanoparticles is to absorb more energy under the same conditions. In this research, a solar combined cooling, heating, and power (SCCHP) system has been optimized by porous media and nanofluid for generating electricity, cooling, and heating of a 600 m2 building in a warm and dry region with average solar radiation of Ib = 820 w/m2 in Iran. In this paper, the optimal amount of nanofluid in porous materials has been calculated to the extent that no sediment is formed. In this study, solar collectors were enhanced with copper porous media (95% porosity) and CuO and Al2O3 nanofluids. 0.1%–0.6% of the nanofluids were added to water as working fluids; it is found that 0.5% of the nanofluids lead to the highest energy and exergy efficiency enhancement in solar collectors and SCCHP systems. Maximum energy and exergy efficiency of parabolic thermal collector (PTC) riches in this study are 74.19% and 32.6%, respectively. Figure 1 can be mentioned as a graphical abstract for accurately describing the cycle of solar CCHP.

1. Introduction

Due to the increase in energy consumption, the use of clean energy is one of the important goals of human societies. In the last four decades, the use of cogeneration cycles has increased significantly due to high efficiency. Among clean energy, the use of solar energy has become more popular due to its greater availability [1]. Low efficiency of energy production, transmission, and distribution system makes a new system to generate simultaneously electricity, heating, and cooling as an essential solution to be widely used. The low efficiency of the electricity generation, transmission, and distribution system makes the CCHP system a basic solution to eliminate waste of energy. CCHP system consists of a prime mover (PM), a power generator, a heat recovery system (produce extra heating/cooling/power), and thermal energy storage (TES) [2]. Solar combined cooling, heating, and power (SCCHP) has been started three decades ago. SCCHP is a system that receives its propulsive force from solar energy; in this cycle, solar collectors play the role of propulsive for generating power in this system [3].

Increasing the rate of energy consumption in the whole world because of the low efficiency of energy production, transmission, and distribution system causes a new cogeneration system to generate electricity, heating, and cooling energy as an essential solution to be widely used. Building energy utilization fundamentally includes power required for lighting, home electrical appliances, warming and cooling of building inside, and boiling water. Domestic usage contributes to an average of 35% of the world’s total energy consumption [4].

Due to the availability of solar energy in all areas, solar collectors can be used to obtain the propulsive power required for the CCHP cycle. Solar energy is the main source of energy in renewable applications. For selecting a suitable area to use solar collectors, annual sunshine hours, the number of sunny days, minus temperature and frosty days, and the windy status of the region are essentially considered [5]. Iran, with an average of more than 300 sunny days, is one of the suitable countries to use solar energy. Due to the fact that most of the solar radiation is in the southern regions of Iran, also the concentration of cities is low in these areas, and transmission lines are far apart, one of the best options is to use CCHP cycles based on solar collectors [6]. One of the major problems of solar collectors is their low efficiency [7]. Low efficiency increases the area of collectors, which increases the initial cost of solar systems and of course increases the initial payback period. To increase the efficiency of solar collectors and improve their performance, porous materials and nanofluids are used to increase their workability.

There are two ways to increase the efficiency of solar collectors and mechanical and fluid improvement. In the first method, using porous materials or helical filaments inside the collector pipes causes turbulence of the flow and increases heat transfer. In the second method, using nanofluids or salt and other materials increases the heat transfer of water. The use of porous materials has grown up immensely over the past twenty years. Porous materials, especially copper porous foam, are widely used in solar collectors. Due to the high contact surface area, porous media are appropriate candidates for solar collectors [8]. A number of researchers investigated Solar System performance in accordance with energy and exergy analyses. Zhai et al. [9] reviewed the performance of a small solar-powered system in which the energy efficiency was 44.7% and the electrical efficiency was 16.9%.

Abbasi et al. [10] proposed an innovative multiobjective optimization to optimize the design of a cogeneration system. Results showed the CCHP system based on an internal diesel combustion engine was the applicable alternative at all regions with different climates. The diesel engine can supply the electrical requirement of 31.0% and heating demand of 3.8% for building.

Jiang et al. [11] combined the experiment and simulation together to analyze the performance of a cogeneration system. Moreover, some research focused on CCHP systems using solar energy. It integrated sustainable and renewable technologies in the CCHP, like PV, Stirling engine, and parabolic trough collector (PTC) [21215].

Wang et al. [16] optimized a cogeneration solar cooling system with a Rankine cycle and ejector to reach the maximum total system efficiency of 55.9%. Jing et al. analyzed a big-scale building with the SCCHP system and auxiliary heaters to produced electrical, cooling, and heating power. The maximum energy efficiency reported in their work is 46.6% [17]. Various optimization methods have been used to improve the cogeneration system, minimum system size, and performance, such as genetic algorithm [1819].

Hirasawa et al. [20] investigated the effect of using porous media to reduce thermal waste in solar systems. They used the high-porosity metal foam on top of the flat plate solar collector and observed that thermal waste decreased by 7% due to natural heat transfer. Many researchers study the efficiency improvement of the solar collector by changing the collector’s shapes or working fluids. However, the most effective method is the use of nanofluids in the solar collector as working fluid [21]. In the experimental study done by Jouybari et al. [22], the efficiency enhancement up to 8.1% was achieved by adding nanofluid in a flat plate collector. In this research, by adding porous materials to the solar collector, collector efficiency increased up to 92% in a low flow regime. Subramani et al. [23] analyzed the thermal performance of the parabolic solar collector with Al2O3 nanofluid. They conducted their experiments with Reynolds number range 2401 to 7202 and mass flow rate 0.0083 to 0.05 kg/s. The maximum efficiency improvement in this experiment was 56% at 0.05 kg/s mass flow rate.

Shojaeizadeh et al. [24] investigated the analysis of the second law of thermodynamic on the flat plate solar collector using Al2O3/water nanofluid. Their research showed that energy efficiency rose up to 1.9% and the exergy efficiency increased by a maximum of 0.72% compared to pure water. Tiwari et al. [25] researched on the thermal performance of solar flat plate collectors for working fluid water with different nanofluids. The result showed that using 1.5% (optimum) particle volume fraction of Al2O3 nanofluid as an absorbing medium causes the thermal efficiency to enhance up to 31.64%.

The effect of porous media and nanofluids on solar collectors has already been investigated in the literature but the SCCHP system with a collector embedded by both porous media and nanofluid for enhancing the ratio of nanoparticle in nanofluid for preventing sedimentation was not discussed. In this research, the amount of energy and exergy of the solar CCHP cycles with parabolic solar collectors in both base and improved modes with a porous material (copper foam with 95% porosity) and nanofluid with different ratios of nanoparticles was calculated. In the first step, it is planned to design a CCHP system based on the required load, and, in the next step, it will analyze the energy and exergy of the system in a basic and optimize mode. In the optimize mode, enhanced solar collectors with porous material and nanofluid in different ratios (0.1%–0.7%) were used to optimize the ratio of nanofluids to prevent sedimentation.

2. Cycle Description

CCHP is one of the methods to enhance energy efficiency and reduce energy loss and costs. The SCCHP system used a solar collector as a prime mover of the cogeneration system and assisted the boiler to generate vapor for the turbine. Hot water flows from the expander to the absorption chiller in summer or to the radiator or fan coil in winter. Finally, before the hot water wants to flow back to the storage tank, it flows inside a heat exchanger for generating domestic hot water [26].

For designing of solar cogeneration system and its analysis, it is necessary to calculate the electrical, heating (heating load is the load required for the production of warm water and space heating), and cooling load required for the case study considered in a residential building with an area of 600 m2 in the warm region of Iran (Zahedan). In Table 1, the average of the required loads is shown for the different months of a year (average of electrical, heating, and cooling load calculated with CARRIER software).Table 1 The average amount of electric charges, heating load, and cooling load used in the different months of the year in the city of Zahedan for a residential building with 600 m2.

According to Table 1, the maximum magnitude of heating, cooling, and electrical loads is used to calculate the cogeneration system. The maximum electric load is 96 kW, the maximum amount of heating load is 62 kW, and the maximum cooling load is 118 kW. Since the calculated loads are average, all loads increased up to 10% for the confidence coefficient. With the obtained values, the solar collector area and other cogeneration system components are calculated. The cogeneration cycle is capable of producing 105 kW electric power, 140 kW cooling capacity, and 100 kW heating power.

2.1. System Analysis Equations

An analysis is done by considering the following assumptions:(1)The system operates under steady-state conditions(2)The system is designed for the warm region of Iran (Zahedan) with average solar radiation Ib = 820 w/m2(3)The pressure drops in heat exchangers, separators, storage tanks, and pipes are ignored(4)The pressure drop is negligible in all processes and no expectable chemical reactions occurred in the processes(5)Potential, kinetic, and chemical exergy are not considered due to their insignificance(6)Pumps have been discontinued due to insignificance throughout the process(7)All components are assumed adiabatic

Schematic shape of the cogeneration cycle is shown in Figure 1 and all data are given in Table 2.

Figure 1 Schematic shape of the cogeneration cycle.Table 2 Temperature and humidity of different points of system.

Based on the first law of thermodynamic, energy analysis is based on the following steps.

First of all, the estimated solar radiation energy on collector has been calculated:where α is the heat transfer enhancement coefficient based on porous materials added to the collector’s pipes. The coefficient α is increased by the porosity percentage, the type of porous material (in this case, copper with a porosity percentage of 95), and the flow of fluid to the collector equation.

Collector efficiency is going to be calculated by the following equation [9]:

Total energy received by the collector is given by [9]

Also, the auxiliary boiler heat load is [2]

Energy consumed from vapor to expander is calculated by [2]

The power output form by the screw expander [9]:

The efficiency of the expander is 80% in this case [11].

In this step, cooling and heating loads were calculated and then, the required heating load to reach sanitary hot water will be calculated as follows:

First step: calculating the cooling load with the following equation [9]:

Second step: calculating heating loads [9]:

Then, calculating the required loud for sanitary hot water will be [9]

According to the above-mentioned equations, efficiency is [9]

In the third step, calculated exergy analysis as follows.

First, the received exergy collector from the sun is calculated [9]:

In the previous equation, f is the constant of air dilution.

The received exergy from the collector is [9]

In the case of using natural gas in an auxiliary heater, the gas exergy is calculated from the following equation [12]:

Delivering exergy from vapor to expander is calculated with the following equation [9]:

In the fourth step, the exergy in cooling and heating is calculated by the following equation:

Cooling exergy in summer is calculated [9]:

Heating exergy in winter is calculated [9]:

In the last step based on thermodynamic second law, exergy efficiency has been calculated from the following equation and the above-mentioned calculated loads [9]:

3. Porous Media

The porous medium that filled the test section is copper foam with a porosity of 95%. The foams are determined in Figure 2 and also detailed thermophysical parameters and dimensions are shown in Table 3.

Figure 2 Copper foam with a porosity of 95%.Table 3 Thermophysical parameters and dimensions of copper foam.

In solar collectors, copper porous materials are suitable for use at low temperatures and have an easier and faster manufacturing process than ceramic porous materials. Due to the high coefficient conductivity of copper, the use of copper metallic foam to increase heat transfer is certainly more efficient in solar collectors.

Porous media and nanofluid in solar collector’s pipes were simulated in FLOW-3D software using the finite-difference method [27]. Nanoparticles Al2O3 and CUO are mostly used in solar collector enhancement. In this research, different concentrations of nanofluid are added to the parabolic solar collectors with porous materials (copper foam with porosity of 95%) to achieve maximum heat transfer in the porous materials before sedimentation. After analyzing PTC pipes with the nanofluid flow in FLOW-3D software, for energy and exergy efficiency analysis, Carrier software results were used as EES software input. Simulation PTC with porous media inside collector pipe and nanofluids sedimentation is shown in Figure 3.

Figure 3 Simulation PTC pipes enhanced with copper foam and nanoparticles in FLOW-3D software.

3.1. Nano Fluid

In this research, copper and silver nanofluids (Al2O3, CuO) have been added with percentages of 0.1%–0.7% as the working fluids. The nanoparticle properties are given in Table 4. Also, system constant parameters are presented in Table 4, which are available as default input in the EES software.Table 4 Properties of the nanoparticles [9].

System constant parameters for input in the software are shown in Table 5.Table 5 System constant parameters.

The thermal properties of the nanofluid can be obtained from equations (18)–(21). The basic fluid properties are indicated by the index (bf) and the properties of the nanoparticle silver with the index (np).

The density of the mixture is shown in the following equation [28]:where ρ is density and ϕ is the nanoparticles volume fraction.

The specific heat capacity is calculated from the following equation [29]:

The thermal conductivity of the nanofluid is calculated from the following equation [29]:

The parameter β is the ratio of the nanolayer thickness to the original particle radius and, usually, this parameter is taken equal to 0.1 for the calculated thermal conductivity of the nanofluids.

The mixture viscosity is calculated as follows [30]:

In all equations, instead of water properties, working fluids with nanofluid are used. All of the above equations and parameters are entered in the EES software for calculating the energy and exergy of solar collectors and the SCCHP cycle. All calculation repeats for both nanofluids with different concentrations of nanofluid in the solar collector’s pipe.

4. Results and Discussion

In the present study, relations were written according to Wang et al. [16] and the system analysis was performed to ensure the correctness of the code. The energy and exergy charts are plotted based on the main values of the paper and are shown in Figures 4 and 5. The error rate in this simulation is 1.07%.

Figure 4 Verification charts of energy analysis results.

Figure 5 Verification charts of exergy analysis results.

We may also investigate the application of machine learning paradigms [3141] and various hybrid, advanced optimization approaches that are enhanced in terms of exploration and intensification [4255], and intelligent model studies [5661] as well, for example, methods such as particle swarm optimizer (PSO) [6062], differential search (DS) [63], ant colony optimizer (ACO) [616465], Harris hawks optimizer (HHO) [66], grey wolf optimizer (GWO) [5367], differential evolution (DE) [6869], and other fusion and boosted systems [4146485054557071].

At the first step, the collector is modified with porous copper foam material. 14 cases have been considered for the analysis of the SCCHP system (Table 6). It should be noted that the adding of porous media causes an additional pressure drop inside the collector [922263072]. All fourteen cases use copper foam with a porosity of 95 percent. To simulate the effect of porous materials and nanofluids, the first solar PTC pipes have been simulated in the FLOW-3D software and then porous media (copper foam with porosity of 95%) and fluid flow with nanoparticles (AL2O3 and CUO) are generated in the software. After analyzing PTC pipes in FLOW-3D software, for analyzing energy and exergy efficiency, software outputs were used as EES software input for optimization ratio of sedimentation and calculating energy and exergy analyses.Table 6 Collectors with different percentages of nanofluids and porous media.

In this research, an enhanced solar collector with both porous media and Nanofluid is investigated. In the present study, 0.1–0.5% CuO and Al2O3 concentration were added to the collector fully filled by porous media to achieve maximum energy and exergy efficiencies of solar CCHP systems. All steps of the investigation are shown in Table 6.

Energy and exergy analyses of parabolic solar collectors and SCCHP systems are shown in Figures 6 and 7.

Figure 6 Energy and exergy efficiencies of the PTC with porous media and nanofluid.

Figure 7 Energy and exergy efficiency of the SCCHP.

Results show that the highest energy and exergy efficiencies are 74.19% and 32.6%, respectively, that is achieved in Step 12 (parabolic collectors with filled porous media and 0.5% Al2O3). In the second step, the maximum energy efficiency of SCCHP systems with fourteen steps of simulation are shown in Figure 7.

In the second step, where 0.1, −0.6% of the nanofluids were added, it is found that 0.5% leads to the highest energy and exergy efficiency enhancement in solar collectors and SCCHP systems. Using concentrations more than 0.5% leads to sediment in the solar collector’s pipe and a decrease of porosity in the pipe [73]. According to Figure 7, maximum energy and exergy efficiencies of SCCHP are achieved in Step 12. In this step energy efficiency is 54.49% and exergy efficiency is 18.29%. In steps 13 and 14, with increasing concentration of CUO and Al2O3 nanofluid solution in porous materials, decreasing of energy and exergy efficiency of PTC and SCCHP system at the same time happened. This decrease in efficiency is due to the formation of sediment in the porous material. Calculations and simulations have shown that porous materials more than 0.5% nanofluids inside the collector pipe cause sediment and disturb the porosity of porous materials and pressure drop and reduce the coefficient of performance of the cogeneration system. Most experience showed that CUO and AL2O3 nanofluids with less than 0.6% percent solution are used in the investigation on the solar collectors at low temperatures and discharges [74]. One of the important points of this research is that the best ratio of nanofluids in the solar collector with a low temperature is 0.5% (AL2O3 and CUO); with this replacement, the cost of solar collectors and SCCHP cycle is reduced.

5. Conclusion and Future Directions

In the present study, ways for increasing the efficiency of solar collectors in order to enhance the efficiency of the SCCHP cycle are examined. The research is aimed at adding both porous materials and nanofluids for estimating the best ratio of nanofluid for enhanced solar collector and protecting sedimentation in porous media. By adding porous materials (copper foam with porosity of 95%) and 0.5% nanofluids together, high efficiency in solar parabolic collectors can be achieved. The novelty in this research is the addition of both nanofluids and porous materials and calculating the best ratio for preventing sedimentation and pressure drop in solar collector’s pipe. In this study, it was observed that, by adding 0.5% of AL2O3 nanofluid in working fluids, the energy efficiency of PTC rises to 74.19% and exergy efficiency is grown up to 32.6%. In SCCHP cycle, energy efficiency is 54.49% and exergy efficiency is 18.29%.

In this research, parabolic solar collectors fully filled by porous media (copper foam with a porosity of 95) are investigated. In the next step, parabolic solar collectors in the SCCHP cycle were simultaneously filled by porous media and different percentages of Al2O3 and CuO nanofluid. At this step, values of 0.1% to 0.6% of each nanofluid were added to the working fluid, and the efficiency of the energy and exergy of the collectors and the SCCHP cycle were determined. In this case, nanofluid and the porous media were used together in the solar collector and maximum efficiency achieved. 0.5% of both nanofluids were used to achieve the biggest efficiency enhancement.

In the present study, as expected, the highest efficiency is for the parabolic solar collector fully filled by porous material (copper foam with a porosity of 95%) and 0.5% Al2O3. Results of the present study are as follows:(1)The average enhancement of collectors’ efficiency using porous media and nanofluids is 28%.(2)Solutions with 0.1 to 0.5% of nanofluids (CuO and Al2O3) are used to prevent collectors from sediment occurrence in porous media.(3)Collector of solar cogeneration cycles that is enhanced by both porous media and nanofluid has higher efficiency, and the stability of output temperature is more as well.(4)By using 0.6% of the nanofluids in the enhanced parabolic solar collectors with copper porous materials, sedimentation occurs and makes a high-pressure drop in the solar collector’s pipe which causes decrease in energy efficiency.(5)Average enhancement of SCCHP cycle efficiency is enhanced by both porous media and nanofluid 13%.

Nomenclature

:Solar radiation
a:Heat transfer augmentation coefficient
A:Solar collector area
Bf:Basic fluid
:Specific heat capacity of the nanofluid
F:Constant of air dilution
:Thermal conductivity of the nanofluid
:Thermal conductivity of the basic fluid
:Viscosity of the nanofluid
:Viscosity of the basic fluid
:Collector efficiency
:Collector energy receives
:Auxiliary boiler heat
:Expander energy
:Gas energy
:Screw expander work
:Cooling load, in kilowatts
:Heating load, in kilowatts
:Solar radiation energy on collector, in Joule
:Sanitary hot water load
Np:Nanoparticle
:Energy efficiency
:Heat exchanger efficiency
:Sun exergy
:Collector exergy
:Natural gas exergy
:Expander exergy
:Cooling exergy
:Heating exergy
:Exergy efficiency
:Steam mass flow rate
:Hot water mass flow rate
:Specific heat capacity of water
:Power output form by the screw expander
Tam:Average ambient temperature
:Density of the mixture.

Greek symbols

ρ:Density
ϕ:Nanoparticles volume fraction
β:Ratio of the nanolayer thickness.

Abbreviations

CCHP:Combined cooling, heating, and power
EES:Engineering equation solver.

Data Availability

For this study, data were generated by CARRIER software for the average electrical, heating, and cooling load of a residential building with 600 m2 in the city of Zahedan, Iran.

Conflicts of Interest

The authors declare that they have no conflicts of interest.

Acknowledgments

This work was partially supported by the National Natural Science Foundation of China under Contract no. 71761030 and Natural Science Foundation of Inner Mongolia under Contract no. 2019LH07003.

References

  1. A. Fudholi and K. Sopian, “Review on solar collector for agricultural produce,” International Journal of Power Electronics and Drive Systems (IJPEDS), vol. 9, no. 1, p. 414, 2018.View at: Publisher Site | Google Scholar
  2. G. Yang and X. Zhai, “Optimization and performance analysis of solar hybrid CCHP systems under different operation strategies,” Applied Thermal Engineering, vol. 133, pp. 327–340, 2018.View at: Publisher Site | Google Scholar
  3. J. Wang, Z. Han, and Z. Guan, “Hybrid solar-assisted combined cooling, heating, and power systems: a review,” Renewable and Sustainable Energy Reviews, vol. 133, p. 110256, 2020.View at: Publisher Site | Google Scholar
  4. Y. Tian and C. Y. Zhao, “A review of solar collectors and thermal energy storage in solar thermal applications,” Applied Energy, vol. 104, pp. 538–553, 2013.View at: Publisher Site | Google Scholar
  5. J. M. Hassan, Q. J. Abdul-Ghafour, and M. F. Mohammed, “CFD simulation of enhancement techniques in flat plate solar water collectors,” Al-Nahrain Journal for Engineering Sciences, vol. 20, no. 3, pp. 751–761, 2017.View at: Google Scholar
  6. M. Jahangiri, O. Nematollahi, A. Haghani, H. A. Raiesi, and A. Alidadi Shamsabadi, “An optimization of energy cost of clean hybrid solar-wind power plants in Iran,” International Journal of Green Energy, vol. 16, no. 15, pp. 1422–1435, 2019.View at: Publisher Site | Google Scholar
  7. I. H. Yılmaz and A. Mwesigye, “Modeling, simulation and performance analysis of parabolic trough solar collectors: a comprehensive review,” Applied Energy, vol. 225, pp. 135–174, 2018.View at: Google Scholar
  8. F. Wang, J. Tan, and Z. Wang, “Heat transfer analysis of porous media receiver with different transport and thermophysical models using mixture as feeding gas,” Energy Conversion and Management, vol. 83, pp. 159–166, 2014.View at: Publisher Site | Google Scholar
  9. H. Zhai, Y. J. Dai, J. Y. Wu, and R. Z. Wang, “Energy and exergy analyses on a novel hybrid solar heating, cooling and power generation system for remote areas,” Applied Energy, vol. 86, no. 9, pp. 1395–1404, 2009.View at: Publisher Site | Google Scholar
  10. M. H. Abbasi, H. Sayyaadi, and M. Tahmasbzadebaie, “A methodology to obtain the foremost type and optimal size of the prime mover of a CCHP system for a large-scale residential application,” Applied Thermal Engineering, vol. 135, pp. 389–405, 2018.View at: Google Scholar
  11. R. Jiang, F. G. F. Qin, X. Yang, S. Huang, and B. Chen, “Performance analysis of a liquid absorption dehumidifier driven by jacket-cooling water of a diesel engine in a CCHP system,” Energy and Buildings, vol. 163, pp. 70–78, 2018.View at: Publisher Site | Google Scholar
  12. F. A. Boyaghchi and M. Chavoshi, “Monthly assessments of exergetic, economic and environmental criteria and optimization of a solar micro-CCHP based on DORC,” Solar Energy, vol. 166, pp. 351–370, 2018.View at: Publisher Site | Google Scholar
  13. F. A. Boyaghchi and M. Chavoshi, “Multi-criteria optimization of a micro solar-geothermal CCHP system applying water/CuO nanofluid based on exergy, exergoeconomic and exergoenvironmental concepts,” Applied Thermal Engineering, vol. 112, pp. 660–675, 2017.View at: Publisher Site | Google Scholar
  14. B. Su, W. Han, Y. Chen, Z. Wang, W. Qu, and H. Jin, “Performance optimization of a solar assisted CCHP based on biogas reforming,” Energy Conversion and Management, vol. 171, pp. 604–617, 2018.View at: Publisher Site | Google Scholar
  15. F. A. Al-Sulaiman, F. Hamdullahpur, and I. Dincer, “Performance assessment of a novel system using parabolic trough solar collectors for combined cooling, heating, and power production,” Renewable Energy, vol. 48, pp. 161–172, 2012.View at: Publisher Site | Google Scholar
  16. J. Wang, Y. Dai, L. Gao, and S. Ma, “A new combined cooling, heating and power system driven by solar energy,” Renewable Energy, vol. 34, no. 12, pp. 2780–2788, 2009.View at: Publisher Site | Google Scholar
  17. Y.-Y. Jing, H. Bai, J.-J. Wang, and L. Liu, “Life cycle assessment of a solar combined cooling heating and power system in different operation strategies,” Applied Energy, vol. 92, pp. 843–853, 2012.View at: Publisher Site | Google Scholar
  18. J.-J. Wang, Y.-Y. Jing, and C.-F. Zhang, “Optimization of capacity and operation for CCHP system by genetic algorithm,” Applied Energy, vol. 87, no. 4, pp. 1325–1335, 2010.View at: Publisher Site | Google Scholar
  19. L. Ali, “LDA–GA–SVM: improved hepatocellular carcinoma prediction through dimensionality reduction and genetically optimized support vector machine,” Neural Computing and Applications, vol. 87, pp. 1–10, 2020.View at: Google Scholar
  20. S. Hirasawa, R. Tsubota, T. Kawanami, and K. Shirai, “Reduction of heat loss from solar thermal collector by diminishing natural convection with high-porosity porous medium,” Solar Energy, vol. 97, pp. 305–313, 2013.View at: Publisher Site | Google Scholar
  21. E. Bellos, C. Tzivanidis, and Z. Said, “A systematic parametric thermal analysis of nanofluid-based parabolic trough solar collectors,” Sustainable Energy Technologies and Assessments, vol. 39, p. 100714, 2020.View at: Publisher Site | Google Scholar
  22. H. J. Jouybari, S. Saedodin, A. Zamzamian, M. E. Nimvari, and S. Wongwises, “Effects of porous material and nanoparticles on the thermal performance of a flat plate solar collector: an experimental study,” Renewable Energy, vol. 114, pp. 1407–1418, 2017.View at: Publisher Site | Google Scholar
  23. J. Subramani, P. K. Nagarajan, S. Wongwises, S. A. El-Agouz, and R. Sathyamurthy, “Experimental study on the thermal performance and heat transfer characteristics of solar parabolic trough collector using Al2O3 nanofluids,” Environmental Progress & Sustainable Energy, vol. 37, no. 3, pp. 1149–1159, 2018.View at: Publisher Site | Google Scholar
  24. E. Shojaeizadeh, F. Veysi, and A. Kamandi, “Exergy efficiency investigation and optimization of an Al2O3-water nanofluid based Flat-plate solar collector,” Energy and Buildings, vol. 101, pp. 12–23, 2015.View at: Publisher Site | Google Scholar
  25. A. K. Tiwari, P. Ghosh, and J. Sarkar, “Solar water heating using nanofluids–a comprehensive overview and environmental impact analysis,” International Journal of Emerging Technology and Advanced Engineering, vol. 3, no. 3, pp. 221–224, 2013.View at: Google Scholar
  26. D. R. Rajendran, E. Ganapathy Sundaram, P. Jawahar, V. Sivakumar, O. Mahian, and E. Bellos, “Review on influencing parameters in the performance of concentrated solar power collector based on materials, heat transfer fluids and design,” Journal of Thermal Analysis and Calorimetry, vol. 140, no. 1, pp. 33–51, 2020.View at: Publisher Site | Google Scholar
  27. M. Feizbahr, C. Kok Keong, F. Rostami, and M. Shahrokhi, “Wave energy dissipation using perforated and non perforated piles,” International Journal of Engineering, vol. 31, no. 2, pp. 212–219, 2018.View at: Google Scholar
  28. K. Khanafer and K. Vafai, “A critical synthesis of thermophysical characteristics of nanofluids,” International Journal of Heat and Mass Transfer, vol. 54, no. 19-20, pp. 4410–4428, 2011.View at: Publisher Site | Google Scholar
  29. K. Farhana, K. Kadirgama, M. M. Rahman et al., “Improvement in the performance of solar collectors with nanofluids – a state-of-the-art review,” Nano-Structures & Nano-Objects, vol. 18, p. 100276, 2019.View at: Publisher Site | Google Scholar
  30. M. Turkyilmazoglu, “Condensation of laminar film over curved vertical walls using single and two-phase nanofluid models,” European Journal of Mechanics-B/Fluids, vol. 65, pp. 184–191, 2017.View at: Publisher Site | Google Scholar
  31. X. Zhang, J. Wang, T. Wang, R. Jiang, J. Xu, and L. Zhao, “Robust feature learning for adversarial defense via hierarchical feature alignment,” Information Sciences, vol. 2020, 2020.View at: Google Scholar
  32. X. Zhang, T. Wang, W. Luo, and P. Huang, “Multi-level fusion and attention-guided CNN for image dehazing,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 1, 2020.View at: Publisher Site | Google Scholar
  33. X. Zhang, M. Fan, D. Wang, P. Zhou, and D. Tao, “Top-k feature selection framework using robust 0-1 integer programming,” IEEE Transactions on Neural Networks and Learning Systems, vol. 1, pp. 1–15, 2020.View at: Publisher Site | Google Scholar
  34. X. Zhang, D. Wang, Z. Zhou, and Y. Ma, “Robust low-rank tensor recovery with rectification and alignment,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 43, no. 1, pp. 238–255, 2019.View at: Google Scholar
  35. X. Zhang, R. Jiang, T. Wang, and J. Wang, “Recursive neural network for video deblurring,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 1, 2020.View at: Publisher Site | Google Scholar
  36. X. Zhang, T. Wang, J. Wang, G. Tang, and L. Zhao, “Pyramid channel-based feature attention network for image dehazing,” Computer Vision and Image Understanding, vol. 1, 2020.View at: Google Scholar
  37. M. Mirmozaffari, “Machine learning algorithms based on an optimization model,” 2020.View at: Google Scholar
  38. M. Mirmozaffari, M. Yazdani, A. Boskabadi, H. Ahady Dolatsara, K. Kabirifar, and N. Amiri Golilarz, “A novel machine learning approach combined with optimization models for eco-efficiency evaluation,” Applied Sciences, vol. 10, no. 15, p. 5210, 2020.View at: Publisher Site | Google Scholar
  39. M. Vosoogha and A. Addeh, “An intelligent power prediction method for wind energy generation based on optimized fuzzy system,” Computational Research Progress in Applied Science & Engineering (CRPASE), vol. 5, pp. 34–43, 2019.View at: Google Scholar
  40. A. Javadi, N. Mikaeilvand, and H. Hosseinzdeh, “Presenting a new method to solve partial differential equations using a group search optimizer method (GSO),” Computational Research Progress in Applied Science and Engineering, vol. 4, no. 1, pp. 22–26, 2018.View at: Google Scholar
  41. F. J. Golrokh, Gohar Azeem, and A. Hasan, “Eco-efficiency evaluation in cement industries: DEA malmquist productivity index using optimization models,” ENG Transactions, vol. 1, pp. 1–8, 2020.View at: Google Scholar
  42. H. Yu, “Dynamic Gaussian bare-bones fruit fly optimizers with abandonment mechanism: method and analysis,” Engineering with Computers, vol. 1, pp. 1–29, 2020.View at: Google Scholar
  43. C. Yu, “SGOA: annealing-behaved grasshopper optimizer for global tasks,” Engineering with Computers, vol. 1, pp. 1–28, 2021.View at: Google Scholar
  44. W. Shan, Z. Qiao, A. A. Heidari, H. Chen, H. Turabieh, and Y. Teng, “Double adaptive weights for stabilization of moth flame optimizer: balance analysis, engineering cases, and medical diagnosis,” Knowledge-Based Systems, vol. 1, p. 106728, 2020.View at: Google Scholar
  45. J. Tu, H. Chen, J. Liu et al., “Evolutionary biogeography-based whale optimization methods with communication structure: towards measuring the balance,” Knowledge-Based Systems, vol. 212, p. 106642, 2021.View at: Publisher Site | Google Scholar
  46. Y. Zhang, “Towards augmented kernel extreme learning models for bankruptcy prediction: algorithmic behavior and comprehensive analysis,” Neurocomputing, vol. 1, 2020.View at: Google Scholar
  47. Y. Zhang, R. Liu, X. Wang, H. Chen, and C. Li, “Boosted binary Harris hawks optimizer and feature selection,” Engineering with Computers, vol. 1, pp. 1–30, 2020.View at: Google Scholar
  48. H.-L. Chen, G. Wang, C. Ma, Z.-N. Cai, W.-B. Liu, and S.-J. Wang, “An efficient hybrid kernel extreme learning machine approach for early diagnosis of Parkinson’s disease,” Neurocomputing, vol. 184, pp. 131–144, 2016.View at: Publisher Site | Google Scholar
  49. L. Hu, G. Hong, J. Ma, X. Wang, and H. Chen, “An efficient machine learning approach for diagnosis of paraquat-poisoned patients,” Computers in Biology and Medicine, vol. 59, pp. 116–124, 2015.View at: Publisher Site | Google Scholar
  50. L. Shen, H. Chen, Z. Yu et al., “Evolving support vector machines using fruit fly optimization for medical data classification,” Knowledge-Based Systems, vol. 96, pp. 61–75, 2016.View at: Publisher Site | Google Scholar
  51. J. Xia, H. Chen, Q. Li et al., “Ultrasound-based differentiation of malignant and benign thyroid Nodules: an extreme learning machine approach,” Computer Methods and Programs in Biomedicine, vol. 147, pp. 37–49, 2017.View at: Publisher Site | Google Scholar
  52. C. Li, L. Hou, B. Y. Sharma et al., “Developing a new intelligent system for the diagnosis of tuberculous pleural effusion,” Computer Methods and Programs in Biomedicine, vol. 153, pp. 211–225, 2018.View at: Publisher Site | Google Scholar
  53. X. Zhao, X. Zhang, Z. Cai et al., “Chaos enhanced grey wolf optimization wrapped ELM for diagnosis of paraquat-poisoned patients,” Computational Biology and Chemistry, vol. 78, pp. 481–490, 2019.View at: Publisher Site | Google Scholar
  54. M. Wang and H. Chen, “Chaotic multi-swarm whale optimizer boosted support vector machine for medical diagnosis,” Applied Soft Computing Journal, vol. 88, 2020.View at: Publisher Site | Google Scholar
  55. X. Xu and H.-L. Chen, “Adaptive computational chemotaxis based on field in bacterial foraging optimization,” Soft Computing, vol. 18, no. 4, pp. 797–807, 2014.View at: Publisher Site | Google Scholar
  56. R. U. Khan, X. Zhang, R. Kumar, A. Sharif, N. A. Golilarz, and M. Alazab, “An adaptive multi-layer botnet detection technique using machine learning classifiers,” Applied Sciences, vol. 9, no. 11, p. 2375, 2019.View at: Publisher Site | Google Scholar
  57. A. Addeh, A. Khormali, and N. A. Golilarz, “Control chart pattern recognition using RBF neural network with new training algorithm and practical features,” ISA Transactions, vol. 79, pp. 202–216, 2018.View at: Publisher Site | Google Scholar
  58. N. Amiri Golilarz, H. Gao, R. Kumar, L. Ali, Y. Fu, and C. Li, “Adaptive wavelet based MRI brain image de-noising,” Frontiers in Neuroscience, vol. 14, p. 728, 2020.View at: Publisher Site | Google Scholar
  59. N. A. Golilarz, H. Gao, and H. Demirel, “Satellite image de-noising with Harris hawks meta heuristic optimization algorithm and improved adaptive generalized Gaussian distribution threshold function,” IEEE Access, vol. 7, pp. 57459–57468, 2019.View at: Publisher Site | Google Scholar
  60. M. Eisazadeh and J. Rezapour, “Multi-objective optimization of the composite sheets using PSO algorithm,” 2017.View at: Google Scholar
  61. I. Bargegol, M. Nikookar, R. V. Nezafat, E. J. Lashkami, and A. M. Roshandeh, “Timing optimization of signalized intersections using shockwave theory by genetic algorithm,” Computational Research Progress in Applied Science & Engineering, vol. 1, pp. 160–167, 2015.View at: Google Scholar
  62. B. Bai, Z. Guo, C. Zhou, W. Zhang, and J. Zhang, “Application of adaptive reliability importance sampling-based extended domain PSO on single mode failure in reliability engineering,” Information Sciences, vol. 546, pp. 42–59, 2021.View at: Publisher Site | Google Scholar
  63. J. Liu, C. Wu, G. Wu, and X. Wang, “A novel differential search algorithm and applications for structure design,” Applied Mathematics and Computation, vol. 268, pp. 246–269, 2015.View at: Publisher Site | Google Scholar
  64. X. Zhao, D. Li, B. Yang, C. Ma, Y. Zhu, and H. Chen, “Feature selection based on improved ant colony optimization for online detection of foreign fiber in cotton,” Applied Soft Computing, vol. 24, pp. 585–596, 2014.View at: Publisher Site | Google Scholar
  65. D. Zhao, “Chaotic random spare ant colony optimization for multi-threshold image segmentation of 2D Kapur entropy,” Knowledge-Based Systems, vol. 24, p. 106510, 2020.View at: Google Scholar
  66. H. Chen, A. A. Heidari, H. Chen, M. Wang, Z. Pan, and A. H. Gandomi, “Multi-population differential evolution-assisted Harris hawks optimization: framework and case studies,” Future Generation Computer Systems, vol. 111, pp. 175–198, 2020.View at: Publisher Site | Google Scholar
  67. J. Hu, H. Chen, A. A. Heidari et al., “Orthogonal learning covariance matrix for defects of grey wolf optimizer: insights, balance, diversity, and feature selection,” Knowledge-Based Systems, vol. 213, p. 106684, 2021.View at: Publisher Site | Google Scholar
  68. G. Sun, B. Yang, Z. Yang, and G. Xu, “An adaptive differential evolution with combined strategy for global numerical optimization,” Soft Computing, vol. 24, pp. 1–20, 2019.View at: Google Scholar
  69. G. Sun, C. Li, and L. Deng, “An adaptive regeneration framework based on search space adjustment for differential evolution,” Neural Computing and Applications, vol. 24, pp. 1–17, 2021.View at: Google Scholar
  70. A. Addeh and M. Iri, “Brain tumor type classification using deep features of MRI images and optimized RBFNN,” ENG Transactions, vol. 2, pp. 1–7, 2021.View at: Google Scholar
  71. F. J. Golrokh and A. Hasan, “A comparison of machine learning clustering algorithms based on the DEA optimization approach for pharmaceutical companies in developing countries,” Soft Computing, vol. 1, pp. 1–8, 2020.View at: Google Scholar
  72. H. Tyagi, P. Phelan, and R. Prasher, “Predicted efficiency of a low-temperature nanofluid-based direct absorption solar collector,” Journal of Solar Energy Engineering, vol. 131, no. 4, 2009.View at: Publisher Site | Google Scholar
  73. S. Rashidi, M. Bovand, and J. A. Esfahani, “Heat transfer enhancement and pressure drop penalty in porous solar heat exchangers: a sensitivity analysis,” Energy Conversion and Management, vol. 103, pp. 726–738, 2015.View at: Publisher Site | Google Scholar
  74. N. Akram, R. Sadri, S. N. Kazi et al., “A comprehensive review on nanofluid operated solar flat plate collectors,” Journal of Thermal Analysis and Calorimetry, vol. 139, no. 2, pp. 1309–1343, 2020.View at: Publisher Site | Google Scholar
Fig. 2. Schematic indication of the separate parts comprising the rotary kiln model, together with the energy fluxes from Eq. (1).

화염 모델링, 열 전달 및 클링커 화학을 포함한 시멘트 가마에 대한 CFD 예측

E Mastorakos Massias 1C.D Tsakiroglou D.A Goussis V.N Burganos A.C Payatakes 2

Abstract

실제 작동 조건에서 석탄 연소 회전 시멘트 가마의 클링커 형성은 방사선에 대한 Monte Carlo 방법, 가마 벽의 에너지 방정식에 대한 유한 체적 코드 및 클링커에 대한 화학 반응을 포함한 에너지 보존 방정식 및 종에 대한 새로운 코드. 기상의 온도 장, 벽으로의 복사 열유속, 가마 및 클링커 온도에 대한 예측 간의 반복적인 절차는 내부 벽 온도의 분포를 명시적으로 예측하는 데 사용됩니다. 여기에는 열 흐름 계산이 포함됩니다. 수갑. 가스와 가마 벽 사이의 주요 열 전달 모드는 복사에 의한 것이며 내화물을 통해 환경으로 손실되는 열은 입력 열의 약 10%이고 추가로 40%는 장입 가열 및 클링커 형성. 예측은 실제 규모의 시멘트 가마에서 경험과 제한된 측정을 기반으로 한 경향과 일치합니다.

키워드

산업용 CFD, 로타리 가마, 클링커 형성, 복사 열전달, Industrial CFD, Rotary kilns, Clinker formation, Radiative heat transfer

1 . 소개

시멘트 산업은 에너지의 주요 소비자이며, 미국에서 산업 사용자의 총 화석 연료 소비량의 약 1.4%를 차지하며 [1] 일반적인 비에너지 사용량은 제조된 클링커 1kg당 약 3.2MJ [2] 입니다. CaCO 3  →  CaO  +  CO 2 반응이 일어나기 때문입니다., 클링커 형성의 첫 번째 단계는 높은 흡열성입니다. 시멘트 가마에서 에너지를 절약하기 위한 현재의 경향은 일반적으로 길이가 약 100m이고 직경이 약 5m인 회전 실린더인 가마를 떠나는 배기 가스로부터 에너지를 보다 효율적으로 회수하는 것과 저열량 연료의 사용에 중점을 둡니다. 값. 2-5초 정도의 화염 체류 시간을 허용하고 2200K의 높은 온도에 도달하는 회전 가마의 특성은 또한 시멘트 가마를 유기 폐기물 및 용제에 대한 상업용 소각로에 대한 경쟁력 있는 대안으로 만듭니다 [3]. 클링커의 형성이 이러한 2차 액체 연료의 사용으로 인한 화염의 변화로부터 어떤 식으로든 영향을 받지 않도록 하고, 대기 중으로 방출되는 오염 물질의 양에 대한 현재 및 미래 제한을 준수할 수 있도록, 화염 구조의 세부 사항과 화염에서 고체 충전물로의 열 전달을 더 잘 이해할 필요가 있습니다.

최근 시멘트 가마 4 , 5 , 6 , 7 에서 유동장 및 석탄 연소의 이론적 모델링복사 열 전달을 포함한 전산 유체 역학(CFD) 코드를 사용하여 달성되었습니다. 이러한 결과는 시멘트 가마에 대한 최초의 결과였으며 화염 길이, 산소 소비 등과 관련하여 실험적으로 관찰된 경향을 재현했기 때문에 그러한 코드가 수용 가능한 정확도로 대규모 산업용 용광로에 사용될 수 있음을 보여주었습니다. 킬른과 클링커는 포함하지 않았고, 벽온도의 경계조건은 가스온도와 용액영역의 열유속에 영향을 미치므로 계산에 필요한 경계조건은 예측하지 않고 실험적 측정에 기초하였다. 기상에 대한 CFD 솔루션은 앞으로의 주요 단계이지만 회전 가마를 포괄적으로 모델링하는 데만으로는 충분하지 않습니다.

내화물의 열 전달과 전하에 대한 세부 사항은 다양한 저자 8 , 9 , 10 , 11에 의해 조사되었습니다 . 충전물(보통 잘 혼합된 것으로 가정)은 노출된 표면에 직접 복사되는 열 외에도 전도에 의해 가마 벽에서 가열됩니다. 가장 완전한 이론적 노력에서, 가마 벽 (내화물)에 대한 3 차원 열전도 방정식을 해결하고, 두 개 또는 세 개의 인접하는 영역으로 한정 한 좌표 축 방향에서 어느 방사선 방사선 열전달 영역 모델과 결합 [ 10] 또는 자세히 해결 [11]. 그러나 클링커 형성 중에 일어나는 화학 반응은 고려되지 않았고 기체 상이 균일한 온도로 고정되어 필요한 수준의 정확도로 처리되지 않았습니다.

최종적으로 연소에 의해 방출되는 에너지(일부)를 받는 고체 전하가 화학 반응을 거쳐 최종 제품인 클링커를 형성합니다. 이것들은 [12]에 설명된 주요 특징에 대한 단순화된 모델과 함께 시멘트 화학 문헌에서 광범위한 조사의 주제였습니다 . 그 작업에서, 고체 온도 및 조성의 축 방향 전개를 설명하는 odes가 공식화되고 해결되었지만, 전하에 대한 열유속 및 따라서 클링커 형성 속도를 결정하는 가스 및 벽 온도는 1차원으로 근사되었습니다. 자세한 화염 계산이 없는 모델.

화염, 벽 및 장입물에 대한 위의 이론적 모델 중 어느 것도 회전식 가마 작동을 위한 진정한 예측 도구로 충분하지 않다는 것이 분명합니다. 국부 가스 온도(CFD 계산 결과 중 하나)는 벽 온도에 크게 의존합니다. 클링커 형성은 에너지를 흡수하므로 지역 가스 및 벽 온도에 따라 달라지며 둘 다 화염에 의존합니다. 벽은 화염에서 클링커로의 순 열 전달에서 “중개자” 역할을 하며, 내화재 두께에 따라 환경으로 피할 수 없는 열 손실이 발생합니다. 이러한 상호 의존성은 가마의 거동에 중요하며 개별 프로세스를 개별적으로 계산하는 데 중점을 두었기 때문에 문헌에서 발견된 수학적 모델로는 다루기 어렵습니다.

본 논문에서 우리는 위에 설명된 유형의 세 가지 개별 모델을 결합하여 수행되는 회전식 시멘트 가마에서 발생하는 대부분의 공정에 대한 포괄적인 모듈식 모델을 제시합니다. 우리 작업은 4 , 5 , 6 , 7 에서와 같이 석탄 연소를 위한 다차원 CFD 코드로 기체 상태를 처리합니다 . 10 , 11 에서와 같이 가마 벽의 3차원 열전도 방정식을 풉니다 . 9 , 12 와 유사한 모델로 잘 혼합된 전하 온도 및 조성을 해결합니다.. 3개의 모듈(화염, 벽, 전하)은 내화물에 입사하는 열유속의 축 분포에 대해 수렴이 달성될 때까지 반복적으로 계산됩니다. 충전 온도 및 구성. 따라서 이전 작업에 비해 현재의 주요 이점은 완전성에 있습니다. 이는 가스-킬른-클링커 시스템의 다양한 부분에서 에너지 흐름의 정량화를 통해 킬른 작동에 대한 더 나은 이해를 가능하게 하고 여기에서 사용된 방법을 건조 및 소각과 같은 다른 회전 킬른 응용 분야에 적용할 수 있게 합니다.

이 문서의 특정 목적은 회전식 시멘트 가마에 대한 포괄적인 모델을 제시하고 화염에서 클링커로의 에너지 플럭스와 가마에서 열 손실을 정량화하는 것입니다. 이 문서의 나머지 부분은 다음과 같이 구성됩니다. 2장 에서는 다양한 모델과 해법을 제시하고 3장 에서는 그 결과를 제시하고 논의한다 . 여기에는 본격적인 회전식 시멘트 가마의 제한된 측정값과의 비교가 포함됩니다. 이 논문은 가장 중요한 결론의 요약으로 끝납니다.

2 . 모델 공식화

2.1 . 개요

Fig. 1 은 시멘트 로터리 킬른의 단면을 보여준다. 가마의 회전은 전하의 움직임을 유도하여 후자를 대략적으로 잘 혼합되도록 합니다 [10] , 여기에서 채택할 가정입니다. 우리는 이 코팅을 클링커와 유사한 물리적 특성의 고체 재료로 모델링하여 가마 내화물에 부착된 클링커의 존재를 허용할 것입니다. 우리는 이 층의 두께가 가마를 따라 균일하다고 가정합니다. 이것은 아마도 지나치게 단순화한 것일 수 있지만 관련 데이터를 사용할 수 없습니다. 모델 설명을 진행하기 전에 그림 2 에 개략적으로 표시된 회전식 가마의 다양한 에너지 흐름을 이해하는 것이 중요합니다 .

석탄 연소에 의해 방출되는 에너지(단위 시간당)( 석탄 )는 배기 가스(Δ 가스 )와 함께 가마 밖으로 흘러 가마 벽에 직접 복사( rad ) 및 대류( conv )됩니다. 공급 및 배기 덕트( rad,1  + rad,2 ) 에 대한 축 방향의 복사에 의해 작은 부분이 손실됩니다 . 전하 가마 시스템은 복사( rad ) 및 대류( conv )에 의해 가스로부터 에너지(Δ cl )를 흡수 하고 주변으로 열을 잃습니다( Q 손실 ). 전체 에너지 균형에서 개별 항의 계산, 즉(1a)큐석탄=ΔH가스-Q라드-Q전환-Q일, 1-Q일, 2,(1b)큐라드+Q전환=ΔH클+Q손실여기에서 다음 섹션에 설명된 대로 가스, 가마 및 클링커에 대한 이산화 에너지를 국부적으로 해결함으로써 수행됩니다.

2.2 . CFD 코드

가스 운동량, 종 농도 및 에너지의 Favre 평균 방정식은 표준 k – ε 모델을 사용하여 방사 모듈(RAD-3D)과 함께 상업적으로 이용 가능한 축대칭 CFD 코드(FLOW-3D)에 의해 해결됩니다. [13] . 기하학이 실제로 3차원이고 벽 온도의 각도 분포가 존재하지만 합리적인 시간과 현재 워크스테이션에서 완전한 3으로 솔루션을 얻을 수 있도록 기체상을 축대칭으로 취급합니다. -D를 요구하는 해상도로 계산하려면 슈퍼컴퓨터에 의존해야 합니다. FLOW-3D에서 사용되는 다양한 하위 모델의 일부 기능과 벽 경계 조건에 대한 특수 처리는 다음과 같습니다.

2.2.1 . 석탄 연소

Rossin-Rammler 크기 분포(45μm 평균 직경, 1.3 지수 [6] )를 따르는 석탄 입자 는 CPU 시간을 줄이기 위해 솔루션 영역(즉, 확률적 구성 요소 없이)에서 결정론적으로 추적되었지만 분산을 과소 평가하는 단점이 있습니다 . 14] . 입자는 2-반응 모델에 따라 휘발되도록 허용되었고 휘발성 연소는 무한히 빠른 것으로 간주되었습니다. 석탄 연소에 대한 설명의 세부 사항은 FLOW-3D에서 석탄 휘발 및 열분해의 “표준” 상수 집합이 합리적인 결과를 제공하고 Ref. [5] .

2.2.2 . 복사와 대류

가스의 복사 강도는 RAD-3D 모듈을 사용하여 80,000개의 입자로 Monte-Carlo 방법으로 계산되었습니다. 가마는 반경 방향으로 7개, 축 방향으로 19개(크기가 0.1  ×  1.0 m와 0.2  ×  5.0 m 사이)로 불균일한 구역으로 나뉘었으며 각 구역 에서 방사선 강도가 균일하다고 가정했습니다. 방사선 모듈의 출력은 내부적으로 FLOW-3D에 대한 유체 계산에 인터페이스되고 외부적으로 벽 및 클링커에 대한 코드에 인터페이스되었습니다( 섹션 2.3 섹션 2.4 참조). 방사선 패키지의 이산화된 구역은 CFD 그리드의 셀보다 훨씬 커야 하므로 구역에 온도 평균이 형성될 수 있는 많은 셀이 포함될 수 있다는 점을 이해하는 것이 중요합니다. 상대적으로 조잡한 복사 구역의 분해능과 Monte-Carlo 방법의 통계적 특성은 구역의 복사 열유속이 더 미세한 구역화 및 더 많은 입자로 몇 번의 실행에 의해 결정된 바와 같이 최대 약 10%까지 부정확할 수 있음을 의미합니다. 또한 경계면에 입사하는 열유속은 영역 크기보다 미세한 분해능으로 결정할 수 없으므로 복사 열유속은 벽에 인접한 19개 영역 각각의 중심에서만 계산됩니다. 0.15m -1 의 흡수 계수는 Ref.[11] . 엄밀히 말하면, 흡수 계수는 국부적 가스 조성과 온도의 함수이므로 균일하지 않아야 합니다. 그러나 가스 조성은 가마의 일부만 차지하는 화염 내에서만 변 하므로( 3절 참조 ) 균일한 흡수 계수를 가정하는 것이 합리적입니다. 또한, 현재 버전의 소프트웨어는 FLOW-3D의 반복 프로세스 동안 이 요소의 자동 재조정을 허용하지 않습니다. 여기서 로컬 가스 특성이 계산되므로 일정하고 균일한 흡수 계수가 필요합니다.

최종적으로, 벽에서 대류 열전달이 플로우 3D 패키지에서 표준 출력 표준 “벽 기능”제형에 혼입 난류 경계층에 대한 식에 기초하고,의 속도 경계 조건과 유사한 K – ε 모델. FLOW-3D 및 RAD-3D에서 입력으로 사용하고 출력으로 계산된 다양한 양은 그림 3에 개략적으로 표시 됩니다.

2.2.3 . 그리드

반경 방향 47개, 축 방향 155개 노드를 갖는 불균일한 격자를 사용하였으며 격자 독립성 연구를 수행한 결과 충분하다고 판단하였다. 유사한 크기의 그리드도 Refs에서 적절한 것으로 밝혀졌습니다. 4 , 5 , 6 , 7 . 매우 높은 축 방향 및 소용돌이 속도로 인해 석탄 버너 유정에 가까운 지역을 해결하기 위해 특별한 주의를 기울였습니다. HP 715/100MHz 워크스테이션에서 이 그리드의 일반적인 CPU 시간은 10시간이었습니다.

2.2.4 . 경계 조건

벽 온도에 대한 경계 조건은 기체상 및 복사 솔버 모두에 필요하다는 것을 인식하는 것이 중요합니다. 아래에서는 4 , 5 , 6 , 7 을 규정하기 보다는 축대칭 그리드에 대한 이 온도 분포를 예측하는 대략적인 방법을 설명합니다 .

내벽 온도 w ( in , x , ϕ ) 의 각도 분포 가 알려져 있다고 가정합니다 . 그런 다음 전체 3차원 문제를 “동등한” 축대칭 문제로 줄이기 위해 가상의 내벽 온도 RAD ( x )는(2)2πε에티4라드(x) = ε클∫0ㄷ티4클(엑스)디ϕ + ε에∫ㄷ2π티4에(아르 자형~에, x, ϕ)디ϕ”효과적인” 경계 조건으로 사용할 수 있습니다. RAD ( x )는 방위각으로 평균화된 “복사 가중” 온도입니다. 필요한 경계 조건으로 이 온도를 사용하는 것은 복사가 열 전달을 지배한다는 기대에 의해 동기가 부여됩니다(후반부 확인, 섹션 3.4 ). 따라서 전체 3차원 문제와 이 “유효한” 축대칭 문제에서 가스에서 가마로의 전체 에너지 흐름은 거의 동일할 것으로 예상됩니다.  의 사용 (2) 축대칭 코드로 기체상 및 복사장을 계산할 수 있으므로 엔지니어링 워크스테이션을 사용하여 문제를 다루기 쉽습니다.

고려되는 가마의 규모와 온도에서 가스는 광학적으로 두꺼운 것으로 간주될 수 있습니다. 솔루션(나중에 제시됨)은 평균 경로 길이(즉, “광자”의 모든 에너지가 흡수되기 전의 평균 길이)가 약 3.2m임을 보여주며, 이는 가마 내경 4.1m보다 작습니다. 이것은 내벽에 입사하는 복사 플럭스가 국부적 벽과 가스 온도에 강하게 의존하고 더 먼 축 또는 방위각 위치에서 벽의 온도에 약하게만 의존함을 의미합니다. 이것은 기체상에 사용된 축대칭 근사에 대한 신뢰를 줍니다. 그것은 또한 Refs의 “구역 방법”을 의미합니다. 8 , 9 , 10표면에 입사하는 방사선이 1-2 구역 길이보다 더 먼 축 위치와 무관한 것으로 간주되는 경우에는 충분했을 것입니다.

2.3 . 가마 온도

내부 소성로 표면 온도 w ( in , x , ϕ )는 Eq. 에서 필요합니다 (2) 및 가마 벽 에너지 방정식의 솔루션 결과의 일부입니다. 각속도 ω로 회전하는 좌표계 에서 후자는 [10] 이 됩니다 .(3)ω∂(ϱ에씨피티에)∂ϕ=1아르 자형∂∂아르 자형에게에아르 자형∂티에∂아르 자형+1아르 자형2∂∂ϕ에게에∂티에∂ϕ+∂∂엑스에게에∂티에∂엑스경계 조건에 따라(3a)r=R~에,Θ<ϕ⩽2π:에게∂티에∂아르 자형=q라드(x)+q전환(엑스),(3b)r=R~에, 0 <ϕ⩽Θ:에게∂티에∂아르 자형=qw–cl(x, ϕ) = hw–cl티클(x)-T에(아르 자형~에, x, ϕ),(3c)r=R밖, 0 <ϕ⩽2π:.케이∂티에∂아르 자형=h쉿티쉿-T∞+ ε쉿티4쉿-T4∞.

전도도, 밀도 및 비열용량에 대한 값은 실제 가마에 사용되는 내화물 재료에 대한 제조업체 정보에서 가져옵니다 [15] . 외부 쉘 온도 sh = w ( out , x , ϕ )는 x 및 ϕ 에 따라 달라질 수 있습니다 .

위 방정식에 대한 몇 가지 의견이 있습니다. 에서는 식. (3a) 에서 열유속의 방위각 의존성이 제거되었습니다. 이전에 언급했듯이 흐름은 광학적으로 두꺼운 것으로 간주됩니다. 즉, 화염이 너무 방사되고 너무 넓기 때문에 벽면 요소가 화염을 가로질러 반대쪽 벽을 “보지” 않습니다. 따라서 rad ( x , ϕ ) 의 계산은 다른 각도 위치로부터의 복사를 포함할 필요 없이 가스 ( r , x ) 및 로컬 w ( in , x , ϕ )를 기반으로 할 수 있습니다. 여기부터 qrad ( x )는 Eq. 의 방위각 평균 온도를 기반으로 하는 축대칭 RAD-3D 솔루션에서 가져옵니다 (2) , 결과적인 rad ( x )는 어떤 의미에서 방위각으로 평균된 열유속입니다. 식 따라서 (3a) 는 우리가 이 열유속을 모든 ϕ 에 등분포한다는 것을 의미합니다 . Eq 에서 rad 의 각도 변화를 무시한다는 점에 유의하십시오 . (3a) 는 Refs. [10] 또는 [11] 이 우선되어야 합니다.

소성로와 장입물 사이의 열전달 계수 w-cl 은 소성로의 에너지 흐름과 온도를 정확하게 예측하는 데 중요하지만 잘 알려져 있지 않습니다. 500 W / m의 전형적인 값  K는 여기에 제시된 결과 사용되고있다 [8] . 계산된 w ( r , x , ϕ ) 및 RAD ( x) 이 계수의 선택에 따라 달라지지만 예측은 질적으로 변하지 않습니다. 껍질에서 대기로의 열 전달은 복사와 별도로 강제 및 자연 대류를 통해 발생합니다. 자연 대류에 대한 열전달 계수는 Ref. [11] , 현재 조건에서 약 5 W/m 2 K의 일반적인 값 을 사용합니다. 그러나 쉘에 불어오는 외부 팬은 과열을 피하기 위해 산업에서 종종 사용되며 이러한 효과는 총 sh =30 W/m 2 K 를 사용하여 여기에서 모델링 되었습니다. 방사율에는 다음 값이 사용되었습니다. ε w = ε cl = 0.9 및 ε sh = 0.8.

식 (3) 은 가마의 방사형 기울기가 훨씬 더 가파르기 때문에 방위각 및 축 전도를 무시한 후 명시적 유한 체적 방법으로 해결되었습니다. 방사형으로 50개 노드와 축 방향으로 19개 노드가 있는 균일하지 않은 그리드가 사용되었으며 회전으로 인한 화염에 주기적으로 노출되는 표면으로 인해 발생하는 빠른 온도 변화를 따르기 위해 내부 표면에서 적절한 방사형 분해능이 사용되었습니다. 동일한 이유로 사용 된 작은 단계(Δ ϕ = π /100)는 가마의 큰 열 관성과 함께 가마 벽 온도가 수렴되도록 하기 위해 2시간 정도의 CPU 시간이 필요했습니다.

2.4 . 수갑

가마에 대한 모델의 마지막 부분은 클링커 온도 및 조성 보존 방정식에 관한 것으로, 축 방향 기울기만 고려하고 전도는 무시합니다.(4)씨피V클디(ϱ클티클)디엑스=−엘wclㄷㅏ클∫0ㄷ큐w–cl(x, ϕ)디ϕ +엘gclㅏ클큐라드(x)+q전환(엑스)−∑나Nsp아르 자형나시간0, 나는에프+씨피티,(5)V클디(ϱ클와이나)디엑스=r나,(6)V클디ϱ클디엑스=−r무엇2,여기서 cl 은 속도 cl 로 흐르는 전하가 덮는 단면적 이며 둘 다 일정하다고 가정하고 gcl =2 in sin( Θ /2) 전하로 덮인 섹터의 현( 그림 1 ) , WCL = Θ 에서는 , SP 화학 종의 수와 r에 난을 (kg / m의 형성 속도 순 3 종의) I를 . 전하의 밀도는 Eq를 감소시킵니다 (6) CO 2 에 대한 질량 손실로 인한하소하는 동안 초기 값은 총 질량 유량이 ϱ cl cl cl 과 같도록 선택되었습니다 . 참고 ρ (CL)이 있다 하지 전하 느슨하게 포장 된 입자로 이루어지는 것으로 생각 될 수있는 바와 같이, 충전 재료 밀도하지만 벌크 밀도. 우리는 또한 전하의 실제 입상 흐름 패턴을 조사하는 것보다 적은 것은 모델의 신뢰성에 크게 추가되지 않는 임시 설명 [10] 이라고 믿기 때문에 전하의 전도를 무시 합니다. 전하는 CaCO 3 , CaO, SiO 2 , Al 2 O 3 , Fe 로 구성된 것으로 가정합니다.2 O 3 , C2S, C3S, C3A 및 C4AF로, 마지막 4종은 클링커화 중에 형성된 복합 염에 대해 시멘트 화학자가 사용하는 특수 표기법으로 표시됩니다. 다음과 같은 화학 반응을 가정합니다 [12] .

(나)CaCO3→높은+무엇2k = 108특급(−175728/RT)
(Ⅱ)높은+2SiO2→C2Sk = 107특급(−240000/RT)
(Ⅲ)높은+C2S→C3Sk = 109특급(−420000/RT)
(IV)3높은+로2그만큼3→C3Ak = 108특급(−310000/RT)
(V)4높은+로2그만큼3+철2그만큼3→Q4AFk = 108특급(−330000/RT)

상기 시행 착오에 의해 선택되는 아 레니 우스 식에 사용되는 사전 지수 인자 및 활성화 온도는 카코에 대한 활성화 에너지를 제외하고, 가마의 출구에서의 전하의 예상 조성물을 얻었다 (3) 에서 촬영 한 분해 참조 [16] . 우리는 이러한 반응이 임시 모델임을 강조합니다. 실제로 고체상의 화학반응은 다양한 종의 결정들 사이의 계면에서 일어나며 확산이 제한적 이지만 [17] , 클링커 화학에 대한 상세한 처리는 본 연구의 범위를 벗어난다.

클링커 형성의 마지막 단계로 간주되는 반응 (III)은 고온에서 액상이 존재할 때만 발생합니다. 클링커의 용융은 액체 분획 fus 에 대해서도 해결함으로써 모델링되었습니다 .(7)엘소란V클디(ϱ클와이소란)디엑스=RHS의식(4)만약 T의 CL이 융해 온도와 같거나보다 커진다 T의 FUS 와 T의 FUS 의 = 1560 K. 상한 Y의 FUS = 0.3 수행 하였다 [17] 상기 식을. (7) 무시되었다.

상미분 방정식, , Gear 방식과 통합되었습니다. 가마 온도에 대한 유한 체적 코드( 2.3절 )와 클링커에 대한 코드는 반복적으로 해결되었으며( 그림 4 ), 이는 벽 클링커 열유속 w–cl ( x , ϕ ).

2.5 . 최종 커플링

전체 문제(가스, 가마, 장입)는 반복 방식으로 해결되었습니다. RAD 의 균일한 분포에서 시작 하여 기체상은 rad ( x ) 및 conv ( x ) 의 축 분포를 제공하도록 해결되었습니다 . 이것들은 다음에서 사용되었습니다., 그 솔루션의 새로운 추정 결과 RAD ( X 통해) 식. (2) . 그런 다음 FLOW3D-RAD3D 실행이 6차 다항식 피팅의 계수 형태로 프로그램에 도입된 새로운 경계 조건으로 반복되었습니다. 의 연속 추정치 사이에 0.5 미만의 밑에 이완 인자 RAD ( X)는 벽 온도에 대한 복사 열유속의 민감도가 크기 때문에 필요한 것으로 밝혀졌습니다. 일반적으로 HP 715 워크스테이션에서 10일 정도의 총 CPU 시간에 해당하는 내벽 온도(연속 반복이 40K 이상 변하지 않을 때 정의됨)의 수렴을 달성하기 위해 이러한 단계 사이에 약 10번의 반복이 필요했습니다. . 그림 5 는 균일한 값(1600K)에서 시작하여 최종 프로파일까지 RAD ( x ) 의 수렴 이력을 보여줍니다 .

2.6 . 가마 조건

사용된 일부 매개변수에 대한 작동 조건 및 값은 표 1 표 2 표 3에 나와 있습니다. 이 값은 시멘트 회전 가마의 전형입니다.

표 1 . 공기 및 석탄 입자 입구 조건

수송소용돌이중고등 학년석탄
m (kg/s)2.2531.7592.91045.9304.0
 (m/s)77.136.576.112.7336.5
V (m/s)−20.7063.900
W (m/s)00112.800
 (케이)3183833181273383

표 2 . 클링커 조성(질량 분율)

밀가루가마 입구가마 출구
m (kg/s)50.37439.81532.775
 (케이)11001785
CACO 30.79470.402180
높은00.338010.0229
그런가 20.14340.181430
알 2 O 30.03490.04420
철 2 O 30.02700.034160
C2S000.1808
C3S000.5981
C3A000.0731
Q4AF000.1242
소성 인자00.61.0

소성 계수 카코의 비율을 3 의 CaO로 변환 된 FARINE있다.

표 3 . 재료 속성 및 기타 매개변수

ω (래드/초)0.5
V의 CL (m / s)0.035
 (K)300
sh (W/m 2 K)30
w–cl (W/m 2 K)500
ε w , ε cl0.9
ε 0.8
C의 P (클링커) (킬로 / kg K)1.5
ϱ cl (kg/m 3 )1200
fus (kJ/kg)418.4
p (벽) (kJ/kg K)1.5
ϱ w (kg/m 3 )1600–3000
k는 w (W / m K)0.6–3.0
석탄 열 방출(kJ/kg)25475

3 . 결과 및 토론

이 섹션에서는 먼저 화염 구조에 대한 정보와 함께 예측된 공기역학적 패턴의 세부사항을 제시합니다. 소성로 내화물의 온도 분포와 클링커 조성의 변화를 설명합니다. 이 섹션은 가마의 전체 에너지 균형과 가능한 모델 개선에 대한 논의로 끝납니다.

3.1 . 화염 구조

그림 6 은 명확성을 위해 방사상 좌표가 과장된 온도의 등고선 플롯을 보여줍니다. 석탄은 주입 지점에서 약 1m 지점에서 약간 축에서 벗어나 점화되며 최대 화염 온도(약 2400K)는 경험에 따라 약 40m 하류에서 도달합니다 [15] . 완전한 입자 소진에 대한 가장 긴 시간은 버너에서 45m에 해당하는 약 1.4초였습니다. 방사형 온도 프로파일( 그림 7 ) 은 온도의 상당한 불균일성이 있음을 보여주지만 출구 프로파일이 본질적으로 평평해짐에 따라 하류에서 감소합니다. 또한 벽에 인접한 가스가 더 차가운 열 경계층이 존재한다는 것이 분명합니다.석탄 노즐에서 최대 30m까지 벽보다 이것은 이 영역에서 대류에 의한 열 전달이 음(즉, 기체 쪽으로)임을 의미하며, 3.4절 에서 더 자세히 논의된 지점 입니다.

버너 출구 바로 하류에 길이가 약 1 버너 직경인 재순환 구역이 있는데( 그림 8 ), 여기에서 화염이 더 하류에서 발화하기 때문에 소용돌이 안정화 화염 [7] 에서와 같이 화염 안정화에 기여하지 않습니다 . 그러나 액체 연료를 사용할 때는 중요할 수 있으므로 버너에 가까운 그리드의 세부 사항을 강조해야 합니다. 버너에서 처음 몇 미터는 매우 높은 전단력과 높은 난류 에너지 생산을 포함하며 이것이 그리드 미세 조정을 강조하는 또 다른 이유입니다. 휘발성 물질 연소 영역( x =10m, r =1m) 에서 k 및 ε 의 일반적인 예측 값 은 24.3 및 142m 2 /s입니다.3 , 각각. 대규모 난류 시간은 171ms이고 Kolmogorov 시간 규모는 1.1ms입니다. 휘발성 물질의 연소는 0.1ms(일반적인 탄화수소 연료) 정도의 시간 규모에서 발생하며, 이는 가마의 소규모 난류 시간보다 10배 더 짧습니다. 따라서 이 흐름에서 연소에 대한 유한 속도 동역학을 포함할 필요는 없으며 “혼합 연소” 근사가 합리적입니다.

3.2 . 가마 온도 분포

중심선에서 계산된 가스 온도, 온도 RAD ( x ) 및 클링커 온도는 그림 9 에서 비교됩니다 . 최고 가스 온도는 25~40m 사이에 위치하며 내화 내부 표면 온도도 최고점입니다. 클링커는 놀랍게도 가마에서 나오기 전 마지막 몇 미터 동안 벽보다 뜨겁 습니다. 복사에 의해 내화물에 입사하는 열유속은 대류에 의한 것보다 1-2 배 더 높으며( 그림 10 ) 가마의 처음 10m에 대한 총 열 전달 은 가스를  합니다. 이 관찰의 중요성은 나중에 논의됩니다.

대류로 인한 에너지 플럭스는 화염에서 가마까지의 전체 에너지 플럭스의 매우 작은 부분인 것으로 밝혀졌습니다( 그림 10 ). 여기서 예측된 대류의 작은 기여는 Ref. [11] . 그 작업에서 대류 열 전달 계산에 사용된 가스 온도는 가마 단면의 평균이었고 따라서 축 근처에 있는 화염의 기여로 인해 벽 부근의 온도보다 훨씬 높았습니다. . 여기에서 우리는 온도와 가스 속도 및 난류 운동 에너지의 국부적 값을 기반으로 하는 보다 정확한 열전달 계수를 사용했기 때문에 보다 정확한 결과를 기대합니다.

예측된 벽 온도는 모든 방향에서 불균일합니다. Fig. 11 은 가마가 회전함에 따라 화염에 노출되었을 때 벽이 가스에 의해 연속적으로 가열되고 클링커에 열을 공급하여 냉각되는 것을 보여준다. 이것은 약 100K의 일반적인 각도 온도 변화를 갖는 대부분의 가마 길이에 해당됩니다. 대조적으로 버너에 가까우면 벽 은 (0 < ϕ < π /2) 동안 클링커에서 열을 얻고 다음으로 열을  습니다. 노출될 때의 가스( π /2 < ϕ < 2 π ). 벽과 클링커 온도가 같으면서 방위각 변화가 없는 경우가 발생할 수 있습니다( 그림 11 ,        x = 17.5m). 이 온도 변화가 작은 것으로 간주될 수 있지만 벽에서 클링커까지의 열유속을 계산하는 위치에 있으려면 전체 3차원 내벽 온도 분포를 계산해야 합니다(0  < ϕ 범위에서 발생 < π /2).   

그림 12 는 ϕ에 독립적인 외부(쉘) 온도와 함께 고체의 큰 비열로 인해 각도 방향의 변화 영역이 벽으로 약 1cm만 확장됨을 보여줍니다( 그림 12b) .. 벽 온도 방사 분포는 가스 온도, 입사 방사선 및 내화 재료의 특성이 변하기 때문에 축 방향 거리에 따라 달라집니다. 정확한 예측을 위해서는 내화물에 부착된 클링커 코팅의 두께에 대한 정확한 지식이 필요합니다. 여기에서 우리는 이 코팅을 클링커와 유사한 물성을 가진 균일한 두께의 재료로 취급했습니다. 그러나 이 코팅층의 실제 물리적 특성과 두께 분포에 관한 실험 데이터를 사용하여 예측의 신뢰성이 향상될 것입니다.

마지막으로, 그림 13 은 외부 쉘 온도가 화염 영역에서 최고조에 달하고 대략적으로 실험 경향을 따른다는 것을 보여줍니다 [15] . 외부 가마 외피는 다양한 강철 두께, 방사율(외피 착색으로 인한) 및 열 전달 계수(송풍기 간격으로 인한)를 갖고 가마는 가변 내화 두께(에 의한 침식으로 인해)를 갖기 때문에 정확한 비교는 의미가 없습니다. 클링커), 여기에 사용된 가정과 반대입니다. 전체 규모 가마는 또한 차등 코팅 및 내화 침식으로 인한 최대 ±100K의 쉘 온도 각도 변동을 보여줍니다 [15] . 따라서 우리는 그림 13 의 일치 가 실제 가마의 복잡성을 고려할 때 예상할 수 있는 만큼 우수 하다고 믿습니다 .

이 섹션에 제시된 예측은 가마 내부의 열 전달 경로에 대한 다음 그림을 뒷받침합니다. 대부분의 가마 길이에서 장입물은 화염으로부터의 복사와 벽으로부터의 열 전도에 의해 가열되고 있습니다. 장입물이 내화물보다 더 차갑기 때문입니다. 가마가 회전함에 따라 내화물은 화염에 노출될 때 열을 얻고 이를 클링커에 공급합니다( 그림 11 ). 벽의 이 “재생” 작용은 Refs. 9 , 10 및 현재 결과에서 재현되었습니다. 그러나 버너 근처에서 반대 에너지 흐름이 발생합니다( 그림 11 , 작은 x). 여기의 가스는 아직 충분히 뜨겁지 않아 내화물이나 장입물에 에너지를 공급하지 않습니다. 이 영역에서 벽은 다가오는 전하에 의해 열을 얻으므로 고체가 없을 때보다 더 뜨겁게 유지됩니다. 벽과 전하가 대류와 복사에 의해 가스에 열을 공급합니다. 우리는 이것을 “음의 재생” 작용으로 식별할 수 있으며 가마의 더 높은 온도 영역( x  >  15m) 에서 클링커에 의해 흡수된 에너지에 의해 유지됩니다 . 전반적으로 클링커는 x  >  15 m 에서 열을 흡수 하고 0  < x < 15 m 에서 일부를 가스로 되돌려 줍니다.   

이 상호 작용은 간단하지 않으며 쉽게 예상할 수 없습니다. 이는 예를 들어 고체를 액체 연료로 대체하여 화염을 수정하면 열유속 분포를 변경하여 최종 클링커 온도에 중대한 영향을 미칠 수 있음을 의미합니다. 현재의 포괄적인 모델이 제공하는 세부 사항은 가마에서 이러한 변화를 평가하는 데 도움이 될 것입니다.

3.3 . 클링커 온도 및 조성

클링커 온도( 그림 9 )는 가장 높은 화염 온도에 도달하는 축 방향 위치에서 거의 최고조에 달하며 클링커는 약 1780K에서 킬른에 존재하며 이는 시멘트 킬른에서 실험 측정값에 가까운 값입니다 [15] . 초기 및 최종 클링커 조성은 표 2 에 나와 있으며 실제 가마에서 작동 값에 가깝습니다 [15] . 다양한 클링커 성분의 축방향 분포( 그림 14 )는 완전한 하소를 위해 고체 유입구에서 약 25m, C2S, C3A 및 C4AF 생성을 위해 추가로 10m가 소요됨을 보여줍니다. 첫 번째 액체상은 x 에서 발견됩니다.=50m이고 액화는 경험과 일치하는 예측인 매우 직후에 완료됩니다 [17] . 클링커화 반응(R-III)은 모델에서 액체가 나타날 때 시작되는 것으로 가정되었으며, 그림 14 에서 클링커화에는 나머지 길이의 거의 전체가 완료되어야 한다는 것이 분명 합니다. 예측은 전체적으로 시멘트 가마 운영의 경험과 일치하며 여기에 사용된 화학적 및 물리적 매개변수가 현실적인 값을 가지고 있음을 의미합니다.

3.4 . 글로벌 에너지 균형

전지구적 에너지 균형은 기체상(FLOW-3D 및 RAD-3D에 의한)과 소성로 장입 시스템에 대한 솔루션에서 쉽게 계산할 수 있으며 표 4 에 나와 있습니다. CFD 코드는 방사 모듈과 함께 에너지를 약 2%까지 절약합니다. 작은 것으로 간주되는 이 오류는 주로 RAD-3D의 영역 이산화와 Monte-Carlo 계산의 유한한 입자 수로 인해 발생하는 오류에 기인하며 CPU 시간을 희생하여 개선할 수 있습니다. 소성로-클링커 계산의 정확도는 더 나쁩니다. 소성로-클링커 시스템에 입력되는 에너지의 약 10% 오류( rad  + conv )입니다. 이는 수렴된 솔루션이 식 (3) , 그리고 보다 정확한 암시적 솔버에 의해 개선될 수 있습니다.

표 4 . CFD 그리드 및 가마-클링커 조합에 대한 글로벌 에너지 균형

가스(MW)
라드 , 1−2.47
라드 , 2−2.72
큐 라드−57.12
전환0.04
석탄101.2
Δ 가스41.25
균형2.32
가마 클링커
큐 라드57.12
전환−0.04
손실−10.45
Δ H의 CL40.99
균형5.64

에너지 흐름의 정의는 그림 2 를 참조하십시오 .

시멘트 회전식 가마의 에너지 사용에 관한 몇 가지 흥미로운 결론은 표 4 의 결과를 통해 얻을 수 있습니다 . 연소에 의해 방출되는 에너지의 약 40%는 전하 가열 및 클링커 형성에 필요하고 약 10%는 내화물을 통해 대기로 손실됩니다. 나머지의 대부분은 본질적으로 배기 가스와 함께 소성로 밖으로 흐릅니다. 이 중 일부는 소성로 외부의 예비 하소기 및 사이클론에서 회수됩니다. 내부 가마 벽과 장입 온도를 자세히 다루는 여기에 제시된 포괄적인 모델에 의존하지 않고는 국지적 가스 온도를 정확하게 예측하고 이에 따라 향후 연구에서 오염 물질 형성을 예측하는 것이 불가능하다는 것이 분명합니다.

3.5 . 논의

여기에 제시된 회전식 시멘트 가마 작동에 대한 포괄적인 모델의 결과는 합리적이며 실험적으로 관찰된 경향을 재현합니다. 이전 모델링 작업에 비해 이 작업의 주요 이점은 가마에서 발생하는 대부분의 물리적 프로세스를 포함한다는 점입니다. 특히, 가스 온도와 클링커로의 열유속 및 이에 따른 클링커 형성을 결정하는 데 가장 중요한 양인 내벽 온도는 실험 데이터를 사용하여 규정된 것이 아니라 예측되었습니다. 이 특정 기능은 현재 모델을 진정한 예측형으로 만듭니다.

우리는 전체 3차원 문제를 공기역학에 대한 “동등한” 축대칭 문제로 줄이는 방법을 포함했습니다( 식 (2) ). 이를 통해 현재 워크스테이션에서 솔루션을 얻을 수 있습니다. 모델의 모듈식 특성, 즉 공기역학, 복사, 가마 및 장입에 대한 별도의 코드는 해당 모듈만 수정하면 다른 회전 가마 응용 프로그램(예: 소각 및 건조)에도 사용할 수 있음을 의미합니다. 예를 들어, 고형 폐기물의 소각은 현재 코드로 모델링할 수 있지만 적절한 화학.

실험 데이터와의 상세한 비교는 이용 가능한 측정이 거의 없고 현지 시멘트 회사에서 제공한 경험적 데이터로 제한되어 매우 어렵습니다 [15] . 비교는 앞서 지적한 바와 같이 출구 클링커 조성과 온도가 산업적 경험( 표 2 ) 이내 이고, 배기 가스 조성은 공장 굴뚝에서 측정된 값에 가깝고(“가짜 공기” 희석을 허용한 후), 가마 외피 온도는 측정 범위 내에 있습니다( 그림 13 ). 이 동의는 모델이 프로세스의 정확한 표현임을 시사합니다.

더 높은 정확도의 예측을 달성하려면 모델의 다양한 부분에서 개선이 필요합니다. 내화물의 정확한 두께(즉, 내화물과 부착된 클링커)를 설정해야 합니다. 이는 가마 벽을 통해 주변으로 열 손실이 발생하여 외부 쉘 온도에 영향을 미치기 때문입니다. 새 내화물이 있는 가마에서 쉘 온도 측정과 자세한 비교가 이루어져야 합니다(불균일한 코팅 두께가 방지되도록). 벽 재료의 물리적 특성(열용량, 밀도, 전도도)의 적절한 값을 사용해야 합니다. 가장 큰 불확실성은 클링커 코팅의 가정된 특성에 관한 것입니다. 내벽 표면의 방사율과 가스의 흡수 계수를 더 자세히 조사해야 합니다. 가마에 입사하는 복사 열유속에 영향을 미치므로 벽 온도에 영향을 줄 수 있습니다. 클링커의 온도는 사용된 비열 용량에 따라 달라지므로 정확한 평가에 각별한 주의가 필요합니다. 화염의 국지적 온도와 종 구성에 대한 지식은 CFD 코드를 검증하는 데 매우 유용할 것이지만 그러한 적대적인 환경에서 측정은 분명히 달성하기 매우 어렵습니다. 마지막으로 클링커 화학 및 전하 이동은 개선할 수 있는 영역입니다. 그러한 적대적인 환경에서의 측정은 분명히 달성하기 매우 어렵습니다. 마지막으로 클링커 화학 및 전하 이동은 개선할 수 있는 영역입니다. 그러한 적대적인 환경에서의 측정은 분명히 달성하기 매우 어렵습니다. 마지막으로 클링커 화학 및 전하 이동은 개선할 수 있는 영역입니다.

이러한 모든 잠재적 개선과 모델과 관련된 불확실성에도 불구하고 가마의 모든 에너지 경로가 적절한 세부 사항으로 모델링되었기 때문에 전체 동작은 최소한 질적으로 정확합니다. 클링커 출구 구성, 쉘 온도 및 배기 가스 구성과 같은 중요한 양은 허용 가능한 정확도로 예측됩니다. 이 모델은 버너, 연료 유형, 품질 및 수량, 예비 하소 수준( 표 2 ) 또는 고형물 유량 등의 변경과 같은 많은 상황에서 산업계에 매우 유용할 것으로 예상됩니다 . 소성로 운영자는 최종 클링커 구성이 여전히 허용 가능하고 현재의 포괄적인 모델이 이 방향에 도움이 될 수 있는지 확인해야 합니다.

4 . 결론

실제 작동 조건에서 석탄 연소 회전 시멘트 가마의 클링커 형성은 석탄 화염과 가마 사이의 열 교환, 가마와 역류 고체 사이의 열 교환, 고형물을 최종 제품(클링커)으로 변환합니다. 방사선에 대한 Monte-Carlo 방법을 포함하는 축대칭 CFD 코드(상용 패키지 FLOW-3D)가 기상에 사용되었습니다. 가마 벽의 온도는 유한 체적 열전도 코드로 계산되었으며 클링커에 대한 종 및 에너지 보존 방정식도 공식화 및 해결되었습니다. 기체 온도 필드에 대한 예측 사이의 반복적인 절차, 벽에 대한 복사 열 유속, 가마 및 클링커 온도는 실험에서 이러한 정보를 사용한 이전 모델링 노력과 달리 내벽 온도 분포를 명시적으로 계산하는 데 사용되었습니다. 접선 좌표에 대한 통합은 CFD 코드에 필요한 경계 조건으로 사용되는 “유효” 내벽 온도의 축 분포를 초래했습니다. 이 절차를 통해 클링커로의 열 흐름 계산이 가능하고 축대칭 CFD 코드로 3차원 문제를 대략적으로 처리할 수 있습니다. CFD 코드에 필요한 경계 조건으로 사용됩니다. 이 절차를 통해 클링커로의 열 흐름 계산이 가능하고 축대칭 CFD 코드로 3차원 문제를 대략적으로 처리할 수 있습니다. CFD 코드에 필요한 경계 조건으로 사용됩니다. 이 절차를 통해 클링커로의 열 흐름 계산이 가능하고 축대칭 CFD 코드로 3차원 문제를 대략적으로 처리할 수 있습니다.

결과는 복사가 가스와 가마 벽 사이의 대부분의 열 전달을 설명하는 반면 내화물을 통한 환경으로의 열 손실은 입력 열의 약 10%를 설명한다는 것을 보여줍니다. 화학 반응과 충전물의 가열은 연소 에너지의 약 40%를 흡수합니다. 따라서 이러한 사항을 반드시 고려해야 합니다. 예측은 실제 규모의 시멘트 가마에서 얻은 경험과 측정값을 기반으로 한 경향과 일치합니다.

감사의 말

이 작업은 과학 및 기술을 위한 그리스 사무국 프로젝트 EPET-II/649의 자금 지원을 받았습니다. Mr.P에게 진심으로 감사드립니다. 시멘트 가마에 관한 지침 및 데이터는 그리스 TITAN SA의 Panagiotopoulos에게 문의하십시오.

References
1 S.R. Turns, An Introduction to Combustion, Concepts and Applications, McGraw-Hill, New York, 1996
Google Scholar
2 V. Johansen, T.V. Kouznetsova, Clinker formation and new processes, Presented at the Ninth International Congress on the Chemistry of Cement, India, 1992; also RAMBOLL Bulletin No. 42, 1993
Google Scholar
3 Basel Convention, UNEP Document No. 93-7758, 1993
Google Scholar
4 N.C Markatos
Mathematical modelling of single and two-phase flow problems in the process industries
Revue de l’Institut Français du Pétrole, 48 (1993), p. 631
View PDFCrossRefView Record in ScopusGoogle Scholar
5 T. Avgeropoulos, J.P. Glekas, C. Papadopoulos, Numerical simulation of the combustion aerodynamics inside a rotary cement kiln, in: Pilavachi (Ed.), Energy Efficiency in Process Technology, Elsevier, London, 1993, p. 767
Google Scholar
6 F.C. Lockwood, B. Shen, T. Lowes, Numerical study of petroleum coke fired cement kiln flames, Presented at the Third International Conference on Combustion Technologies for a Clean Environment, Lisbon, 1995
Google Scholar
7 F.C. Lockwood, B. Shen, Performance predictions of pulverised-coal flames of power station furnace and cement kiln types, Twenty-Fifth Symposium International on Combustion, The Combustion Institute, 1994 p. 503
Google Scholar
8 P.V Barr, J.K Brimacombe, A.P Watkinson
A heat-transfer model for the rotary kiln: Part II, development of the cross-section model
Metallurgical Transactions B, 20B (1989), p. 403
View Record in ScopusGoogle Scholar
9 V Frisch, R Jeschar
Possibilities for optimizing the burning process in rotary cement kilns
Zement-Kalk-Gips, 36 (1983), p. 549
View Record in ScopusGoogle Scholar
10 A.A Boateng, P.V Barr
A thermal model for the rotary kiln including heat transfer within the bed
Int. J. Heat Mass Transfer, 39 (1996), p. 2131
ArticleDownload PDFView Record in ScopusGoogle Scholar
11 M.G. Carvahlo, T. Farias, A. Martius, A three-dimensional modelling of the radiative heat transfer in a cement kiln, in: Carvahlo et al. (Eds.), Combustion Technologies for a Clean Environment, Gordon and Breach, London, 1995, p. 146
Google Scholar
12 H.A Spang
A dynamic model of a cement kiln
Automatica, 8 (1972), p. 309
ArticleDownload PDFView Record in ScopusGoogle Scholar
13 CFDS, FLOW-3D Users Manual, AEA Harwell, UK
Google Scholar
14 E Mastorakos, J.J McGuirk, A.M.K.P Taylor
The origin of turbulence acquired by heavy particles in a round, turbulent jet
Part. Part. Syst. Charact., 7 (1990), p. 203
View PDFCrossRefView Record in ScopusGoogle Scholar
15 P. Panagiotopoulos, TITAN S.A. Cement Company, Personal communication, 1996
Google Scholar
16 M.S Murthy, B.R Harish, K.S Rajanandam, K.Y Ajoy Pavan Kumar
Investigation on the kinetics of thermal decomposition of calcium carbonate
Chem. Eng. Sci., 49 (1996), p. 2198
Google Scholar
17 V. Johansen, Cement production and chemistry, Presented at the Symposium on Cement Manufacturing and Chemistry, Anaheim, November 1989; also RAMBOLL Bulletin No. 41, 1993
Google Scholar
1 Also at Department of Mechanical Engineering, University of Patras, Greece.

2 Also at Department of Chemical Engineering, University of Patras, Greece.

View of King Edward Memorial Park Foreshore interception structures and approach to vortex drop shaft - Courtesy of Mott MacDonald

Thames Tideway Tunnel – East Contract – Hydraulic Modelling

수력 구조물의 수력 설계 및 모델링 경험 (Experiences in the hydraulic design and modelling of the hydraulic structures)

CFD Modelling: View of Earl Pumping Station interception structures and approach to vortex drop shaft - Courtesy of Mott MacDonald
CFD Modelling: View of Earl Pumping Station interception structures and approach to vortex drop shaft – Courtesy of Mott MacDonald

템스 타이드웨이 터널은 주로 템스 강 아래 런던 중심부를 통과하는 새로운 저장 및 이송 터널입니다. 최대 지름 7.2m의 길이약 25km에 달하는 주요 터널은 서쪽액톤에서 동쪽의 수도원 밀스까지 운행됩니다. 이 프로젝트의 목적은 템스 강에 도달하기 전에 결합된 하수 흐름을 가로채고 저장하여 가장 오염이 많은 복합 하수 오버플로(CSOS)의 34개 를 제어하는 것입니다. 템스 타이드웨이 터널은 베크턴 하수 처리 작업에서 치료를 위해 흐름을 수송할 수도원 밀스의 리 터널에 연결됩니다. CSO 현장에서는 소용돌이 낙하 샤프트와 같은 가로채기 및 전환 구조물이 근처 표면 하수 네트워크에서 깊은 저장 터널로 결합된 하수 흐름을 수송합니다.

East main works

터널을 납품하는 회사인 Tideway는 프로젝트를 세 부분으로 분리했습니다. 동쪽 구간은 프로젝트의 가장 깊은 부분이며, 65m 깊이에 도달합니다. 버몬드시의 챔버 부두는 애비 밀스 (Abbey Mills)에 이르는이 5.5km 터널 섹션의 주요 드라이브 사이트입니다. 동부 개발에는 그리니치 펌핑 스테이션에서 챔버 스워프의 주요 터널까지 약 4.5km의 5m 내부 직경 연결 터널이 포함되어 있습니다.

4개의 드롭 샤프트가 현재 설계 및 제작 중입니다. 이들은 24-36m 3/s 범위의 설계 흐름을 가지며 차단 및 전환 구조, 터널 격리 게이트 및 플랩 밸브가 있는 밸브 챔버, 와류 발생기 입구 구조, 와류 드롭 튜브 및 에너지 소산 및 탈기 챔버를 포함한 유압 구조로 구성됩니다.

The challenge/ hydraulic modelling

이러한 새로운 구조의 설계는 수많은 엔지니어링 문제에 직면해 있습니다. 최대 36m3/s의 대규모 설계 유량은 기존 네트워크에 부정적인 영향을 미치거나 기존 CSO를 통해 유출되지 않고 완전히 캡처되어 터널로 안전하게 전달되어야 합니다.

또한 복잡한 흐름 패턴이 발생하는 수축된 설계와 시스템의 올바른 작동을 위해 필요하고 불리한 유체 역학 조건으로부터 보호해야 하는 기계 플랜트의 필요성을 초래하는 공간 제약이 있습니다. 또한, 소용돌이 낙하 샤프트 내부에 최대 50m까지 떨어지는 흐름에 의해 생성되는 많은 양의 에너지는 터널로 전달하기 전에 안전하게 소멸되고 유동을 제거해야합니다.

이러한 과제를 해결하기 위해 프로젝트 팀은 물리적 스케일 모델링과 함께 CFD(계산 유체 역학) 모델링을 광범위하게 사용했습니다.

CFD 모델링: 얼 펌핑 스테이션 소용돌이 드롭 샤프트 및 저장 터널 의 보기 - Courtesy of Mott MacDonald
CFD 모델링: arl Pumping Station 소용돌이 드롭 샤프트 및 저장 터널 의 보기 – Courtesy of Mott MacDonald

전산 유체 역학 모델링

CFD는 초기 설계 단계에서 사용되는 주요 유압 모델링 도구로, 모든 유압 구조를 모델링하고, 설계 수정을 통합하고, 결과를 신속하게 시각화 및 분석하고, 성능을 마무리할 수 있는 기능을 제공했습니다.

제안된 설계의 3D 건물 정보 모델링(BIM) 형상을 CFD 소프트웨어로 전송하여 CFD 유체 도메인에 대한 형상을 생성하는 데 필요한 시간을 줄였습니다.

FlowScience Inc에서 개발한 Flow 3D가 주요 모델링 플랫폼으로 활용되었습니다. 이 소프트웨어는 공기-물 인터페이스를 추적하기 위해 유체 체적 방법을 적용하여 자유 표면 흐름을 정확하게 모델링하는 기능이 있습니다.

입방 격자를 사용한 3D 구조형 메쉬를 사용하였고, 레이놀즈평균 Navier-Stokes 접근법을 표준 k-omega 난기류 모델로 사용하여 난류를 해석하였습니다.

View of King Edward Memorial Park Foreshore interception structures and approach to vortex drop shaft - Courtesy of Mott MacDonald
View of King Edward Memorial Park Foreshore interception structures and approach to vortex drop shaft – Courtesy of Mott MacDonald

메쉬 해상도에 대한 민감도 분석이 수행되었고 계산 메쉬의 적합성에 대한 추론을 허용하기 위해 이전 개념 단계 구조의 물리적 스케일 모델링에서 사용 가능한 결과와 비교되었습니다. 와류 발생기 및 드롭 튜브의 목과 같이 급격한 기울기가 발생하는 영역의 메쉬에 특별한 주의를 기울였습니다.

전체 메쉬 해상도와 계산 효율성 간의 균형은 설계 목적을 위해 충분히 정확하지만 설계 프로그램 목표를 충족하는 시간 척도 내에서 결정적으로 중요한 솔루션을 생성하는 데 필요했습니다.

CFD 모델이 수렴되면 결과가 시각화되었습니다. 주요 산출물에는 구조 전체에 걸친 상세한 수위, 크기와 벡터, 흐름 유선이 있는 속도 플롯이 포함되었습니다. CFD 모델에 의해 생성된 데이터는 유동장의 거동을 이해하는 데 매우 유용했으며 이러한 결과를 분석하여 설계가 어떻게 수행되고 있는지에 대한 결론을 내릴 수 있었습니다.

View of King Edward Memorial Park Foreshore drop shaft and energy dissipation chamber - Courtesy of Mott MacDonald
View of King Edward Memorial Park Foreshore drop shaft and energy dissipation chamber – Courtesy of Mott MacDonald

물리적 스케일 유압 모델링

물리적 규모의 수력학적 모델링은 작동 조건의 전체 범위에 걸쳐 설계의 수력학적 성능을 종합적으로 평가하고 설계 개선 사항을 알리고 테스트하는 데 사용되었습니다.

프로그램의 효율성을 위해 수력구조물의 설계가 잘 진행된 단계에서 물리적인 규모의 모델링을 수행하였다. CFD 모델링은 이미 수행되어 설계의 전체 성능에 대한 확신을 제공했습니다. 주요 구조 부재도 MEICA 공장을 위해 크기가 조정되었고 설계 공간이 확보되었습니다.

설계 개발의 이 단계에서 물리적 모델링을 수행하는 것은 시간이 많이 소요되는 물리적 모델에 필요한 주요 변경의 위험을 줄이는 것을 목표로 했습니다. 또한 모델 테스트가 수력 구조의 최종 의도 설계를 가능한 한 가깝게 반영하도록 했습니다.

물리적 모델링을 위해 두 개의 사이트가 선택되었으며, 주로 공간 제약으로 인해 유압 구조의 설계가 더 복잡했습니다. 이러한 사이트는 다음과 같은 사이트였습니다.

  • 그리니치 펌핑 스테이션은 1:10 규모의 전체 작업 현장 모델이 건설되었습니다.
  • CSO 차단 구조의 모델이 수행된 King Edward Memorial Park 및 Foreshore는 1:10 축척으로, 드롭 샤프트 에너지 소산 및 탈기 챔버의 별도 모델은 1:12 축척으로 구축되었습니다.

모델은 실험실 시설에서 전문 하청 업체 BHR 그룹에 의해 구축 및 테스트되었습니다. 모델은 최신 디자인 BIM 모델에서 생성된 모델 도면을 사용하여 주로 퍼스펙스와 합판으로 구축되었다. 모델 시공승인을 받기 전에 도면은 실험실에서 유압 구조물의 정확한 복제본을 보장하기 위해 BIM 모델에 대한 엄격한 치수 검사를 받았습니다.

Model of King Edward Mermorial Park and Foreshore energy dissipation chamber in operation - Courtesy of Mott MacDonald & BHR Group
Model of King Edward Mermorial Park and Foreshore energy dissipation chamber in operation – Courtesy of Mott MacDonald & BHR Group

중력의 힘이 이러한 구조에서 개방 채널 유체 흐름을 지배하기 때문에 유사성을 보장하기 위해 프로토타입(전체 규모 설계) 및 축소된 축소 모델에서 Froude 수를 동일하게 유지하는 것이 중요합니다. 따라서 Froude 수의 동일성을 유지하기 위해 모델을 유속으로 작동했습니다. 규모는 또한 모든 흐름 조건에서 흐름이 완전히 난류임을 보장할 수 있을 만큼 충분히 커야 했으며 이는 모델의 다른 부분에서 흐름의 레이놀즈 수를 추정하여 확인했습니다.

축소된 물리적 모델에서는 모든 스케일 효과를 제거할 수 없습니다. 표면 장력은 비례하지 않기 때문에 프로토타입과 모델의 Weber 수(초기 힘과 표면 장력 사이의 비율을 나타냄)가 다르고 둘 사이의 액체 상태에 포함된 공기의 양도 다릅니다. 이것은 방법의 한계로 인식되고 이해되며 공기 동반 결과에 스케일링 계수를 적용하여 해결되었습니다.

이 모델은 작동 사례를 설정하는 미리 정의된 테스트 매트릭스에 따라 테스트를 거쳤습니다. 여기에는 다양한 흐름 사례와 저장 터널 꼬리 수위가 포함됩니다. 유량은 보정된 기기로 엄격하게 제어되었으며, 필요한 경우 모델로의 유량은 관심 영역의 유량이 유입구 조건에 의해 인위적으로 영향을 받지 않도록 조절되었습니다.

흐름의 동작을 관찰하고 기록했습니다.

  • 수위는 압력 태핑을 통해 또는 모델 측벽의 수직 눈금을 통해 시각적으로 기록되었습니다.
  • 플로우 패턴은 염료 추적기의 도움을 받아 시각적으로 기록되었습니다.

특히 관심의 한 측면은 소용돌이 흐름이었다. 소용돌이 발생기및 소용돌이 낙하튜브를 통한 흐름에 대한 상세한 관찰은 흐름이 안정적이고, 맥동과 도미 효과가 없는지, 그리고 흐름 범위 전반특히 관심의 한 측면은 소용돌이 흐름이었습니다. 와류 발생기 및 와류 드롭 튜브를 통한 흐름에 대한 자세한 관찰은 흐름이 안정적이고 맥동 과도 효과가 없으며 와류 흐름이 드롭 튜브에서 잘 형성되어 흐름 범위 전체에 걸쳐 안정적인 공기 코어를 유지하면서 관찰되었습니다.

(left) Physical model of Greenwich Pumping Station interception chamber flap valves in operation and (right) physical model of Greenwich PS internal structures for energy dissipation within the shaft - Courtesy of Mott MacDonald and BHR Group
(left) Physical model of Greenwich Pumping Station interception chamber flap valves in operation and (right) physical model of Greenwich PS internal structures for energy dissipation within the shaft – Courtesy of Mott MacDonald and BHR Group

와류 발생기에서 임계유량이 발생하기 때문에 확실한 수두-방전 관계가 설정되어 수위를 판독하여 유량을 측정할 수 있는 기회를 제공합니다. 와류 발생기에 대한 접근 암거에 위치한 압력 탭핑은 유속 범위에 걸쳐 수심 값을 기록하여 각 방울 구조에 대해 수두 방출 곡선을 도출할 수 있도록 했습니다. 프로토타입에서 이 지점에서 수집된 레벨 신호는 흐름을 계산하고 격리 게이트를 제어하는 ​​데 사용됩니다.

흐름이 와류 드롭 튜브 아래로 수 미터 떨어지고 드롭 샤프트의 바닥에 있는 물 풀로 충돌할 때 공기가 물 속으로 동반됩니다. 터널 시스템에서 발생하는 압축 공기 주머니와 저장 용량 감소 문제를 피하기 위해 드롭 샤프트에서 저장 터널로 전달되는 공기의 양을 최소화하는 것이 중요합니다. 이 목적을 달성하기 위해, 드롭 샤프트의 베이스가 흐름의 에너지 소산 및 탈기 기능을 수행하는 것이 매우 중요합니다. 이것은 충분한 체적을 제공하도록 샤프트의 크기를 조정하고 다음과 같은 흐름을 조절하기 위해 샤프트 내부 벽을 설계함으로써 달성되었습니다.

  • 플런지 풀이 형성되었습니다.
  • 샤프트의 흐름 경로/유지 시간은 가능한 한 오래 지속됩니다.
  • 샤프트 의 베이스의 특정 영역은 위쪽 흐름 경로를 촉진합니다.

이러한 조치는 떨어지는 물의 에너지가 소멸되고 공기가 가능한 한 흐름에서 분리되도록 하는 것을 목표로 하고 저장 터널로 전달됩니다.

에너지 소산 및 탈기 구조의 성능을 평가하기 위해 드롭 샤프트에서 저장 터널을 통과하는 공기 흐름을 물 변위 방법으로 측정했습니다. 흐름에 혼입된 정확한 양의 공기를 보장하기 위해 모델은 와류 드롭 튜브의 전체 높이를 통합했습니다. 설계의 허용 기준에 대해 최대 기류는 최대 설계 수류의 백분율로 정의된 미리 정의된 값으로 제한되었습니다. 스케일 효과를 설명하기 위해 모델에서 허용 가능한 최대 기류량은 프로토타입에 비해 약 6배 감소했습니다.

hysical model of Greenwich PS showing energy dissipation chamber and entrance to connection tunnel - Courtesy of Mott MacDonald and BHR Group
hysical model of Greenwich PS showing energy dissipation chamber and entrance to connection tunnel – Courtesy of Mott MacDonald and BHR Group

물리적 규모 모델링은 또한 구조물을 통한 퇴적물의 이동성을 테스트했습니다. 이는 하수 네트워크에서 발생하는 예상 입자 크기 분포와 일치하도록 조정된 모의물의 양으로 모델에 투여함으로써 달성되었습니다.

모델의 설계 개선은 주로 탈기 성능을 개선하기 위한 샤프트 내부 구조의 조정, 퇴적물 이동성을 돕기 위한 벤치 및 기타 조치의 포함으로 구성되었습니다. 이러한 개선 사항은 재테스트를 통해 확인된 다음 설계에 통합되었습니다. 물리적 모델링의 데이터는 관찰된 좋은 일치와 함께 CFD 모델링의 결과와 비교되었습니다.

최종 모델링 결과는 흐름이 기존 하수 네트워크에서 전환되는 위치 근처에서 큰 난류가 발생하는 반면 차단 챔버는 이 에너지를 부분적으로 소산할 수 있을 만큼 충분히 크기가 지정되었으며 특정 수력 설계 요소를 포함하면 문제가 있는 유압 거동이 기계 장비 근처에서 관찰되었습니다. 더 높은 유속에서 일부 공기 동반 와류는 유체의 대부분에 형성됩니다. 그러나 이러한 높은 폭풍 유속의 간헐적인 특성을 고려할 때 콘크리트 구조물의 열화를 일으킬 것으로 예상되지는 않았습니다. 결과는 또한 구조가 최대 설계 흐름을 Thames Tideway Tunnel로 전환하여 기존 보유 CSO를 통한 유출을 방지할 수 있음을 나타냅니다. 차단실과 와류 낙하축을 연결하는 선형 연결 암거는 흐름 조절에 긍정적인 영향을 미쳤고 소용돌이 낙하 튜브의 작동은 흐름 범위에 걸쳐 안정적인 것으로 관찰되었습니다.

Conclusions

Thames Tideway Tunnel의 수력 구조물 설계에는 복잡한 3D 난류 유동 거동이 포함되며 설계 단계에서 고급 수력 모델링 도구를 사용해야 합니다. CFD 모델링을 통해 제안된 설계를 테스트하고 수정할 수 있으므로 설계 흐름이 필요한 성능 매개변수 내에서 안전하게 수용됩니다.

이 프로젝트에서 CFD를 활용한 주요 이점은 비교적 짧은 시간에 수력학적 모델링을 수행할 수 있는 능력, 생성된 데이터의 유용성 및 시각화할 수 있는 능력이었습니다. 이는 설계를 알리고 확인하는 데 도움이 되었습니다. CFD 모델링은 제한된 도시 환경 내에서 설정된 이러한 수력학적 구조를 설계하는 데 유용한 도구였습니다.

Physical Modelling – View of King Edward Memorial Park and Foreshore Energy Dissipation Chamber - Courtesy of Mott MacDonald and BHR Group
Physical Modelling – View of King Edward Memorial Park and Foreshore Energy Dissipation Chamber – Courtesy of Mott MacDonald and BHR Group

구조의 중요성으로 인해 물리적 모델링이 수행되어 결과에 대한 신뢰도를 높이고 CFD가 한계를 나타내는 수력 성능 측면을 추가로 연구했습니다. 물리적 모델은 이해 관계자에게 구조 내부에서 흐름이 어떻게 수행되고 있는지 정확히 보여주기 위해 유용한 것으로 입증되었습니다. 또한, 모델 테스트가 대부분 최종 설계를 반영한다는 점을 감안할 때 구조물의 수력 성능에 대한 기록이 유지됩니다.

Timescale

5개 샤프트 중 4개에 대한 굴착이 진행 중이거나 완료되었으며 1차 기초 슬래브와 2차 라이닝이 올해 말 전에 샤프트에 부어질 것입니다. 주 터널인 Selina의 TBM은 2020년 터널링이 시작되어 연말에 현장으로의 마지막 여정을 시작할 것입니다.

The editor and publishers thank Ricardo Telo, Senior Hydraulic Engineer, and Tejal Shah, Senior Mechanical Engineer, both with Mott MacDonald, for providing the above article for publication.

첨부 파일

Figure 2. (a) Scanning electron microscopy images of Ti6Al4V powder particles and (b) simulated powder bed using discrete element modelling

Laser Powder Bed에서 Laser Drilling에 의한 Keyhole 형성 Ti6Al4V 생체 의학 합금의 융합: 메조스코픽 전산유체역학 시뮬레이션 대 경험적 검증을 사용한 수학적 모델링

Keyhole Formation by Laser Drilling in Laser Powder Bed Fusion of Ti6Al4V Biomedical Alloy: Mesoscopic Computational Fluid Dynamics Simulation versus Mathematical Modelling Using Empirical Validation

Asif Ur Rehman 1,2,3,*
,† , Muhammad Arif Mahmood 4,*
,† , Fatih Pitir 1
, Metin Uymaz Salamci 2,3
,
Andrei C. Popescu 4 and Ion N. Mihailescu 4

Abstract

LPBF(Laser Powder Bed fusion) 공정에서 작동 조건은 열 분포를 기반으로 레이저 유도 키홀 영역을 결정하는 데 필수적입니다. 얕은 구멍과 깊은 구멍으로 분류되는 이러한 영역은 LPBF 프로세스에서 확률과 결함 형성 강도를 제어합니다.

LPBF 프로세스의 핵심 구멍을 연구하고 제어하기 위해 수학적 및 CFD(전산 유체 역학) 모델이 제공됩니다. CFD의 경우 이산 요소 모델링 기법을 사용한 유체 체적 방법이 사용되었으며, 분말 베드 보이드 및 표면에 의한 레이저 빔 흡수를 포함하여 수학적 모델이 개발되었습니다.

동적 용융 풀 거동을 자세히 살펴봅니다. 실험적, CFD 시뮬레이션 및 분석적 컴퓨팅 결과 간에 정량적 비교가 수행되어 좋은 일치를 얻습니다.

LPBF에서 레이저 조사 영역 주변의 온도는 높은 내열성과 분말 입자 사이의 공기로 인해 분말층 주변에 비해 급격히 상승하여 레이저 횡방향 열파의 이동이 느려집니다. LPBF에서 키홀은 에너지 밀도에 의해 제어되는 얕고 깊은 키홀 모드로 분류될 수 있습니다. 에너지 밀도를 높이면 얕은 키홀 구멍 모드가 깊은 키홀 구멍 모드로 바뀝니다.

깊은 키홀 구멍의 에너지 밀도는 다중 반사와 키홀 구멍 내의 2차 반사 빔의 집중으로 인해 더 높아져 재료가 빠르게 기화됩니다.

깊은 키홀 구멍 모드에서는 온도 분포가 높기 때문에 액체 재료가 기화 온도에 가까우므로 얕은 키홀 구멍보다 구멍이 형성될 확률이 훨씬 높습니다. 온도가 급격히 상승하면 재료 밀도가 급격히 떨어지므로 비열과 융해 잠열로 인해 유체 부피가 증가합니다.

그 대가로 표면 장력을 낮추고 용융 풀 균일성에 영향을 미칩니다.

In the laser powder bed fusion (LPBF) process, the operating conditions are essential in determining laser-induced keyhole regimes based on the thermal distribution. These regimes, classified into shallow and deep keyholes, control the probability and defects formation intensity in the LPBF process. To study and control the keyhole in the LPBF process, mathematical and computational fluid dynamics (CFD) models are presented. For CFD, the volume of fluid method with the discrete element modeling technique was used, while a mathematical model was developed by including the laser beam absorption by the powder bed voids and surface. The dynamic melt pool behavior is explored in detail. Quantitative comparisons are made among experimental, CFD simulation and analytical computing results leading to a good correspondence. In LPBF, the temperature around the laser irradiation zone rises rapidly compared to the surroundings in the powder layer due to the high thermal resistance and the air between the powder particles, resulting in a slow travel of laser transverse heat waves. In LPBF, the keyhole can be classified into shallow and deep keyhole mode, controlled by the energy density. Increasing the energy density, the shallow keyhole mode transforms into the deep keyhole mode. The energy density in a deep keyhole is higher due to the multiple reflections and concentrations of secondary reflected beams within the keyhole, causing the material to vaporize quickly. Due to an elevated temperature distribution in deep keyhole mode, the probability of pores forming is much higher than in a shallow keyhole as the liquid material is close to the vaporization temperature. When the temperature increases rapidly, the material density drops quickly, thus, raising the fluid volume due to the specific heat and fusion latent heat. In return, this lowers the surface tension and affects the melt pool uniformity.

Keywords: laser powder bed fusion; computational fluid dynamics; analytical modelling; shallow
and deep keyhole modes; experimental correlation

Figure 1. Powder bed schematic with voids.
Figure 1. Powder bed schematic with voids.
Figure 2. (a) Scanning electron microscopy images of Ti6Al4V powder particles and (b) simulated powder bed using discrete element modelling
Figure 2. (a) Scanning electron microscopy images of Ti6Al4V powder particles and (b) simulated powder bed using discrete element modelling
Figure 3. Temperature field contour formation at various time intervals (a) 0.695 ms, (b) 0.795 ms, (c) 0.995 ms and (d) 1.3 ms.
Figure 3. Temperature field contour formation at various time intervals (a) 0.695 ms, (b) 0.795 ms, (c) 0.995 ms and (d) 1.3 ms.
Figure 4. Detailed view of shallow depth melt mode with temperature field at 0.695 ms
Figure 4. Detailed view of shallow depth melt mode with temperature field at 0.695 ms
Figure 5. Melt flow stream traces formation at various time intervals (a) 0.695 ms, (b) 0.795 ms, (c) 0.995 ms and (d) 1.3 ms
Figure 5. Melt flow stream traces formation at various time intervals (a) 0.695 ms, (b) 0.795 ms, (c) 0.995 ms and (d) 1.3 ms
Figure 6. Density evolution of the melt pool at various time intervals (a) 0.695 ms, (b) 0.795 ms, (c) 0.995 ms and (d) 1.3 ms.
Figure 6. Density evolution of the melt pool at various time intervals (a) 0.695 ms, (b) 0.795 ms, (c) 0.995 ms and (d) 1.3 ms.
Figure 7. Un-melted and melted regions at different time intervals (a) 0.695 ms, (b) 0.795 ms, (c) 0.995 ms and (d) 1.3 ms
Figure 7. Un-melted and melted regions at different time intervals (a) 0.695 ms, (b) 0.795 ms, (c) 0.995 ms and (d) 1.3 ms
Figure 8. Transformation from shallow depth melt flow to deep keyhole formation when laser power increased from (a) 170 W to (b) 200 W
Figure 8. Transformation from shallow depth melt flow to deep keyhole formation when laser power increased from (a) 170 W to (b) 200 W
Figure 9. Stream traces and laser beam multiple reflections in deep keyhole melt flow mode
Figure 9. Stream traces and laser beam multiple reflections in deep keyhole melt flow mode
Figure 10. A comparison between analytical and CFD simulation results for peak thermal distribution value in the deep keyhole formation
Figure 10. A comparison between analytical and CFD simulation results for peak thermal distribution value in the deep keyhole formation
Figure 11. A comparison among experiments [49], CFD and analytical simulations for deep keyhole top width and bottom width
Figure 11. A comparison among experiments [49], CFD and analytical simulations for deep keyhole top width and bottom width

References

  1. Kok, Y.; Tan, X.P.; Wang, P.; Nai, M.L.S.; Loh, N.H.; Liu, E.; Tor, S.B. Anisotropy and heterogeneity of microstructure and
    mechanical properties in metal additive manufacturing: A critical review. Mater. Des. 2018, 139, 565–586. [CrossRef]
  2. Ansari, P.; Salamci, M.U. On the selective laser melting based additive manufacturing of AlSi10Mg: The process parameter
    investigation through multiphysics simulation and experimental validation. J. Alloys Compd. 2022, 890, 161873. [CrossRef]
  3. Guo, N.; Leu, M.C. Additive manufacturing: Technology, applications and research needs. Front. Mech. Eng. 2013, 8, 215–243.
    [CrossRef]
  4. Mohsin Raza, M.; Lo, Y.L. Experimental investigation into microstructure, mechanical properties, and cracking mechanism of
    IN713LC processed by laser powder bed fusion. Mater. Sci. Eng. A 2021, 819, 141527. [CrossRef]
  5. Dezfoli, A.R.A.; Lo, Y.L.; Raza, M.M. Prediction of Epitaxial Grain Growth in Single-Track Laser Melting of IN718 Using Integrated
    Finite Element and Cellular Automaton Approach. Materials 2021, 14, 5202. [CrossRef]
  6. Tiwari, S.K.; Pande, S.; Agrawal, S.; Bobade, S.M. Selection of selective laser sintering materials for different applications. Rapid
    Prototyp. J. 2015, 21, 630–648. [CrossRef]
  7. Liu, F.H. Synthesis of bioceramic scaffolds for bone tissue engineering by rapid prototyping technique. J. Sol-Gel Sci. Technol.
    2012, 64, 704–710. [CrossRef]
  8. Ur Rehman, A.; Sglavo, V.M. 3D printing of geopolymer-based concrete for building applications. Rapid Prototyp. J. 2020, 26,
    1783–1788. [CrossRef]
  9. Ur Rehman, A.; Sglavo, V.M. 3D printing of Portland cement-containing bodies. Rapid Prototyp. J. 2021. ahead of print. [CrossRef]
  10. Popovich, A.; Sufiiarov, V. Metal Powder Additive Manufacturing. In New Trends in 3D Printing; InTech: Rijeka, Croatia, 2016.
  11. Jia, T.; Zhang, Y.; Chen, J.K.; He, Y.L. Dynamic simulation of granular packing of fine cohesive particles with different size
    distributions. Powder Technol. 2012, 218, 76–85. [CrossRef]
  12. Ansari, P.; Ur Rehman, A.; Pitir, F.; Veziroglu, S.; Mishra, Y.K.; Aktas, O.C.; Salamci, M.U. Selective Laser Melting of 316L
    Austenitic Stainless Steel: Detailed Process Understanding Using Multiphysics Simulation and Experimentation. Metals 2021,
    11, 1076. [CrossRef]
  13. Ur Rehman, A.; Tingting, L.; Liao, W. 4D Printing; Printing Ceramics from Metals with Selective Oxidation. Patent No.
    W0/2019/052128, 21 March 2019.
  14. Ullah, A.; Wu, H.; Ur Rehman, A.; Zhu, Y.; Liu, T.; Zhang, K. Influence of laser parameters and Ti content on the surface
    morphology of L-PBF fabricated Titania. Rapid Prototyp. J. 2021, 27, 71–80. [CrossRef]
  15. Ur Rehman, A. Additive Manufacturing of Ceramic Materials and Combinations with New Laser Strategies. Master’s Thesis,
    Nanjing University of Science and Technology, Nanjing, China, 2017.
  16. Wong, K.V.; Hernandez, A. A Review of Additive Manufacturing. ISRN Mech. Eng. 2012, 2012, 1–10. [CrossRef]
  17. Körner, C. Additive manufacturing of metallic components by selective electron beam melting—A review. Int. Mater. Rev. 2016,
    61, 361–377. [CrossRef]
  18. Fayazfar, H.; Salarian, M.; Rogalsky, A.; Sarker, D.; Russo, P.; Paserin, V.; Toyserkani, E. A critical review of powder-based additive
    manufacturing of ferrous alloys: Process parameters, microstructure and mechanical properties. Mater. Des. 2018, 144, 98–128.
    [CrossRef]
  19. Everton, S.K.; Hirsch, M.; Stavroulakis, P.I.; Leach, R.K.; Clare, A.T. Review of in-situ process monitoring and in-situ metrology
    for metal additive manufacturing. Mater. Des. 2016, 95, 431–445. [CrossRef]
  20. Sing, S.L.; An, J.; Yeong, W.Y.; Wiria, F.E. Laser and electron-beam powder-bed additive manufacturing of metallic implants: A
    review on processes, materials and designs. J. Orthop. Res. 2016, 34, 369–385. [CrossRef] [PubMed]
  21. Olakanmi, E.O.; Cochrane, R.F.; Dalgarno, K.W. A review on selective laser sintering/melting (SLS/SLM) of aluminium alloy
    powders: Processing, microstructure, and properties. Prog. Mater. Sci. 2015, 74, 401–477. [CrossRef]
  22. Mahmood, M.A.; Popescu, A.C.; Hapenciuc, C.L.; Ristoscu, C.; Visan, A.I.; Oane, M.; Mihailescu, I.N. Estimation of clad geometry
    and corresponding residual stress distribution in laser melting deposition: Analytical modeling and experimental correlations.
    Int. J. Adv. Manuf. Technol. 2020, 111, 77–91. [CrossRef]
  23. Mahmood, M.A.; Popescu, A.C.; Oane, M.; Ristoscu, C.; Chioibasu, D.; Mihai, S.; Mihailescu, I.N. Three-jet powder flow
    and laser–powder interaction in laser melting deposition: Modelling versus experimental correlations. Metals 2020, 10, 1113.
    [CrossRef]
  24. King, W.; Anderson, A.T.; Ferencz, R.M.; Hodge, N.E.; Kamath, C.; Khairallah, S.A. Overview of modelling and simulation of
    metal powder bed fusion process at Lawrence Livermore National Laboratory. Mater. Sci. Technol. 2015, 31, 957–968. [CrossRef]
  1. Gong, H.; Rafi, K.; Gu, H.; Starr, T.; Stucker, B. Analysis of defect generation in Ti-6Al-4V parts made using powder bed fusion
    additive manufacturing processes. Addit. Manuf. 2014, 1, 87–98. [CrossRef]
  2. Frazier, W.E. Metal additive manufacturing: A review. J. Mater. Eng. Perform. 2014, 23, 1917–1928. [CrossRef]
  3. Panwisawas, C.; Qiu, C.L.; Sovani, Y.; Brooks, J.W.; Attallah, M.M.; Basoalto, H.C. On the role of thermal fluid dynamics into the
    evolution of porosity during selective laser melting. Scr. Mater. 2015, 105, 14–17. [CrossRef]
  4. Yan, W.; Ge, W.; Qian, Y.; Lin, S.; Zhou, B.; Liu, W.K.; Lin, F.; Wagner, G.J. Multi-physics modeling of single/multiple-track defect
    mechanisms in electron beam selective melting. Acta Mater. 2017, 134, 324–333. [CrossRef]
  5. Qian, Y.; Yan, W.; Lin, F. Parametric study and surface morphology analysis of electron beam selective melting. Rapid Prototyp. J.
    2018, 24, 1586–1598. [CrossRef]
  6. Panwisawas, C.; Perumal, B.; Ward, R.M.; Turner, N.; Turner, R.P.; Brooks, J.W.; Basoalto, H.C. Keyhole formation and thermal
    fluid flow-induced porosity during laser fusion welding in titanium alloys: Experimental and modelling. Acta Mater. 2017, 126,
    251–263. [CrossRef]
  7. King, W.E.; Barth, H.D.; Castillo, V.M.; Gallegos, G.F.; Gibbs, J.W.; Hahn, D.E.; Kamath, C.; Rubenchik, A.M. Observation of
    keyhole-mode laser melting in laser powder-bed fusion additive manufacturing. J. Mater. Process. Technol. 2014, 214, 2915–2925.
    [CrossRef]
  8. Panwisawas, C.; Sovani, Y.; Turner, R.P.; Brooks, J.W.; Basoalto, H.C.; Choquet, I. Modelling of thermal fluid dynamics for fusion
    welding. J. Mater. Process. Technol. 2018, 252, 176–182. [CrossRef]
  9. Martin, A.A.; Calta, N.P.; Hammons, J.A.; Khairallah, S.A.; Nielsen, M.H.; Shuttlesworth, R.M.; Sinclair, N.; Matthews, M.J.;
    Jeffries, J.R.; Willey, T.M.; et al. Ultrafast dynamics of laser-metal interactions in additive manufacturing alloys captured by in situ
    X-ray imaging. Mater. Today Adv. 2019, 1, 100002. [CrossRef]
  10. Cunningham, R.; Zhao, C.; Parab, N.; Kantzos, C.; Pauza, J.; Fezzaa, K.; Sun, T.; Rollett, A.D. Keyhole threshold and morphology
    in laser melting revealed by ultrahigh-speed x-ray imaging. Science 2019, 363, 849–852. [CrossRef] [PubMed]
  11. Tang, C.; Tan, J.L.; Wong, C.H. A numerical investigation on the physical mechanisms of single track defects in selective laser
    melting. Int. J. Heat Mass Transf. 2018, 126, 957–968. [CrossRef]
  12. Mirkoohi, E.; Ning, J.; Bocchini, P.; Fergani, O.; Chiang, K.-N.; Liang, S. Thermal Modeling of Temperature Distribution in Metal
    Additive Manufacturing Considering Effects of Build Layers, Latent Heat, and Temperature-Sensitivity of Material Properties. J.
    Manuf. Mater. Process. 2018, 2, 63. [CrossRef]
  13. Oane, M.; Sporea, D. Temperature profiles modeling in IR optical components during high power laser irradiation. Infrared Phys.
    Technol. 2001, 42, 31–40. [CrossRef]
  14. Cleary, P.W.; Sawley, M.L. DEM modelling of industrial granular flows: 3D case studies and the effect of particle shape on hopper
    discharge. Appl. Math. Model. 2002, 26, 89–111. [CrossRef]
  15. Parteli, E.J.R.; Pöschel, T. Particle-based simulation of powder application in additive manufacturing. Powder Technol. 2016, 288,
    96–102. [CrossRef]
  16. Cao, L. Numerical simulation of the impact of laying powder on selective laser melting single-pass formation. Int. J. Heat Mass
    Transf. 2019, 141, 1036–1048. [CrossRef]
  17. Tian, Y.; Yang, L.; Zhao, D.; Huang, Y.; Pan, J. Numerical analysis of powder bed generation and single track forming for selective
    laser melting of SS316L stainless steel. J. Manuf. Process. 2020, 58, 964–974. [CrossRef]
  18. Lee, Y.S.; Zhang, W. Modeling of heat transfer, fluid flow and solidification microstructure of nickel-base superalloy fabricated by
    laser powder bed fusion. Addit. Manuf. 2016, 12, 178–188. [CrossRef]
  19. Tang, M.; Pistorius, P.C.; Beuth, J.L. Prediction of lack-of-fusion porosity for powder bed fusion. Addit. Manuf. 2017, 14, 39–48.
    [CrossRef]
  20. Promoppatum, P.; Yao, S.C.; Pistorius, P.C.; Rollett, A.D. 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 2017, 3, 685–694. [CrossRef]
  21. Rosenthal, D. Mathematical Theory of Heat Distribution During Welding and Cutting. Weld. J. 1941, 20, 220–234.
  22. Chen, Q.; Zhao, Y.Y.; Strayer, S.; Zhao, Y.Y.; Aoyagi, K.; Koizumi, Y.; Chiba, A.; Xiong, W.; To, A.C. Elucidating the Effect
    of Preheating Temperature on Melt Pool Morphology Variation in Inconel 718 Laser Powder Bed Fusion via Simulation and
    Experiment. Available online: https://www.sciencedirect.com/science/article/pii/S2214860420310149#bb8 (accessed on 30
    April 2021).
  23. Ur Rehman, A.; Pitir, F.; Salamci, M.U. Laser Powder Bed Fusion (LPBF) of In718 and the Impact of Pre-Heating at 500 and
    1000 ◦C: Operando Study. Materials 2021, 14, 6683. [CrossRef] [PubMed]
  24. Ur Rehman, A.; Pitir, F.; Salamci, M.U. Full-Field Mapping and Flow Quantification of Melt Pool Dynamics in Laser Powder Bed
    Fusion of SS316L. Materials 2021, 14, 6264. [CrossRef] [PubMed]
  25. Gong, H.; Gu, H.; Zeng, K.; Dilip, J.J.S.; Pal, D.; Stucker, B.; Christiansen, D.; Beuth, J.; Lewandowski, J.J. Melt Pool Characterization
    for Selective Laser Melting of Ti-6Al-4V Pre-alloyed Powder. In Proceedings of the International Solid Freeform Fabrication
    Symposium, Austin, TX, USA, 10–12 August 2014; 2014; pp. 256–267.
  26. Song, B.; Dong, S.; Liao, H.; Coddet, C. Process parameter selection for selective laser melting of Ti6Al4V based on temperature
    distribution simulation and experimental sintering. Int. J. Adv. Manuf. Technol. 2012, 61, 967–974. [CrossRef]
  27. Guo, Q.; Zhao, C.; Qu, M.; Xiong, L.; Hojjatzadeh, S.M.H.; Escano, L.I.; Parab, N.D.; Fezzaa, K.; Sun, T.; Chen, L. In-situ full-field
  28. mapping of melt flow dynamics in laser metal additive manufacturing. Addit. Manuf. 2020, 31, 100939. [CrossRef]
  29. Messler, J.R.W. Principles of Welding: Processes, Physics, Chemistry, and Metallurgy; John Wiley & Sons: New York, NY, USA, 2008;
  30. ISBN 9783527617494.
  31. Khairallah, S.A.; Anderson, A.T.; Rubenchik, A.M.; King, W.E. Laser powder-bed fusion additive manufacturing: Physics of
  32. complex melt flow and formation mechanisms of pores, spatter, and denudation zones. Acta Mater. 2016, 108, 36–45. [CrossRef]
  33. Ur Rehman, A.; Mahmood, M.A.; Pitir, F.; Salamci, M.U.; Popescu, A.C.; Mihailescu, I.N. Mesoscopic Computational Fluid
  34. Dynamics Modelling for the Laser-Melting Deposition of AISI 304 Stainless Steel Single Tracks with Experimental Correlation: A
  35. Novel Study. Metals 2021, 11, 1569. [CrossRef]
  36. Paul, A.; Debroy, T. Free surface flow and heat transfer in conduction mode laser welding. Metall. Trans. B 1988, 19, 851–858.
  37. [CrossRef]
  38. Aucott, L.; Dong, H.; Mirihanage, W.; Atwood, R.; Kidess, A.; Gao, S.; Wen, S.; Marsden, J.; Feng, S.; Tong, M.; et al. Revealing
  39. internal flow behaviour in arc welding and additive manufacturing of metals. Nat. Commun. 2018, 9, 5414. [CrossRef]
  40. Abderrazak, K.; Bannour, S.; Mhiri, H.; Lepalec, G.; Autric, M. Numerical and experimental study of molten pool formation
  41. during continuous laser welding of AZ91 magnesium alloy. Comput. Mater. Sci. 2009, 44, 858–866. [CrossRef]
  42. Bayat, M.; Thanki, A.; Mohanty, S.; Witvrouw, A.; Yang, S.; Thorborg, J.; Tiedje, N.S.; Hattel, J.H. Keyhole-induced porosities in
  43. Laser-based Powder Bed Fusion (L-PBF) of Ti6Al4V: High-fidelity modelling and experimental validation. Addit. Manuf. 2019,
  44. 30, 100835. [CrossRef]
Design of Inductive Sensor System for Wear Particles in Oil

금속재료 표면의 잔류응력 초음파 측정법

Design of Inductive Sensor System for Wear Particles in Oil

NIU Ze, LI Kai, BAI Wenbin, SUN Yuanyuan, GONG Qingqing, HAN Yan
Shanxi Provincial Key Laboratory of Information Detection and Processing, North University of China, Taiyuan 030051

Abstract

오일의 연마 입자는 엔진 및 기타 장비의 마모 상태를 반영할 수 있습니다.오일 금속 연마 입자의 온라인 모니터링을 실현하기 위해 전자기 원리에 기반한 3코일 센서의 수학적 모델이 설정되었습니다. 유도 및 센서의 최적 구조 매개변수(내경), 간격, 너비 등), 간섭성 복조 모델을 사용하여 마모 입자 신호를 추출하고 마모 입자 신호의 생성 원리를 분석합니다. 

시스템은 다층 차폐 구조를 채택하여 외부 자기장 간섭을 효과적으로 줄일 수 있으며 설계된 센서 감지 시스템은 관련 테스트를 위해 팬 기어 박스의 오일 회로에 연결됩니다. 테스트 결과 시스템은 마모 입자 신호를 효과적으로 추출할 수 있으며 마모 입자 신호는 동시에 연마 입자의 속도와 크기에 영향을 받습니다.

1-18의 유속에서 187μm 강자성을 달성할 수 있습니다 L/min 금속 연마 입자 및 578μm 비강자성 금속 연마 입자의 검출은 BP 신경망과 결합되어 오일 금속 연마 입자의 특성 매개변수를 적응적으로 구별할 수 있으며, 이는 오일 연마 입자의 개발에 대한 이론적 지원을 제공합니다.

미래의 라인 모니터링 장비 그리고 기술 지원은 기계 장비의 고장 진단을 위한 중요한 기반을 제공합니다.

Key words

oil,wear particle detection,coherent demodulation,multilayer shielding

Reference

[1] 郭静英, 赵志龙, 陈森, 等. 二节螺线管式润滑油金属颗粒传感器研究[J]. 仪表技术与传感器, 2018(1):13-16. GUO Jingying, ZHAO Zhilong, CHEN Sen, et al. Research on two-section solenoid type lubricating oil metal particle sensor[J]. Instrument Technology and Sensor, 2018(1):13-16.
[2] 张勇, 司二伟, 李国盛, 等. 润滑油金属磨粒传感器设计及试验研究[J]. 润滑与密封, 2017, 42(4):89-94. ZHANG Yong, SI Erwei, LI Guosheng, et al. Design and experimental study of lubricating oil metal abrasive sensor[J]. Lubrication and Sealing, 2017, 42(4):89-94.
[3] 曾霖, 张洪朋, 滕怀波, 等. 一种船机油液多污染物检测新方法研究[J]. 机械工程学报, 2018, 54(12):125-132. ZENG Lin, ZHANG Hongpeng, TENG Huaibo, et al. Research on a new method for detecting multiple pollutants in marine oil[J]. Journal of Mechanical Engineering, 2018, 54(12):125-132.
[4] 孙衍山, 杨昊, 佟海滨, 等. 航空发动机滑油磨粒在线监测[J]. 仪器仪表学报, 2017, 38(7):1561-1569. SUN Yanshan, YANG Hao, TONG Haibin, et al. Online monitoring of aero-engine lubricant oil wear particles[J]. Chinese Journal of Scientific Instrument, 2017, 38(7):1561-1569.
[5] DING Y, WANG Y, XIANG J. An online debris sensor system with vibration resistance for lubrication analysis[J]. Review of entific Instruments, 2016, 87(2):1590-1597.
[6] 莫固良, 汪慧云, 李兴旺, 等. 飞机健康监测与预测系统的发展及展望[J]. 振动、测试与诊断, 2013, 33(6):925-930. MO Guliang, WANG Huiyun, LI Xingwang, et al. The development and prospect of aircraft health monitoring and prediction systems[J]. Vibration, Testing and Diagnosis, 2013, 33(6):925-930.
[7] 李萌, 郑长松, 李和言, 等. 电感式磨粒在线监测传感器的激励特性分析[J]. 传感器与微系统, 2014, 33(6):19-22, 30. LI Meng, ZHENG Changsong, LI Heyan, et al. Analysis of excitation characteristics of inductive wear particle online monitoring sensors[J]. Sensors and Microsystems, 2014, 33(6):19-22, 30.
[8] FAN X, LIANG M, YEAP T. A joint time-invariant wavelet transform and kurtosis approach to the improvement of in-line oil debris sensor capability[J]. Smart Materials & Structures, 2009, 18(8):1-13.
[9] MURALI S, JAGTIANI A V, XIA G, et al. A microfluidic Coulter counting device for metal wear detection in lubrication oil[J]. Review of Scientific Instruments, 2009, 80(1):016105.
[10] 孙广涛, 张洪朋, 顾长智, 等. 高精度微流体多参数液压油检测芯片设计[J]. 仪器仪表学报, 2019, 40(2):59-66. SUN Guangtao, ZHANG Hongpeng, GU Changzhi, et al. Design of high-precision microfluidic multi-parameter hydraulic oil detection chip[J]. Chinese Journal of Scientific Instrument, 2019, 40(2):59-66.
[11] 马来好, 张洪朋, 乔卫亮, 等. 双螺线管套管结构的液压油金属颗粒检测传感器[J]. 仪器仪表学报, 2019, 40(7):216-223. MA Laihao, ZHANG Hongpeng, QIAO Weiliang, et al. Hydraulic oil metal particle detection sensor with double solenoid casing structure[J]. Chinese Journal of Scientific Instrument, 2019, 40(7):216-223.
[12] 白晨朝, 张洪朋, 曾霖, 等. 双螺线圈式液压油微污染物检测传感器[J]. 仪器仪表学报, 2019, 40(6):16-22. BAI Chenchao, ZHANG Hongpeng, ZENG Lin, et al. Double spiral coil type hydraulic oil micro-pollutant detection sensor[J]. Chinese Journal of Scientific Instrument, 2019, 40(6):16-22.
[13] 史皓天, 张洪朋, 曾霖, 等. 采用柱形极板的电容式油液检测传感器[J]. 仪表技术与传感器, 2019(8):8-12. SHI Haotian, ZHANG Hongpeng, ZENG Lin, et al. Capacitive oil detection sensor using columnar plates[J]. Instrument Technology and Sensor, 2019(8):8-12.
[14] 虞子雷, 张洪朋, 曾霖, 等. 基于微流控谐振式芯片的金属颗粒检测[J]. 电子测量与仪器学报, 2017, 31(10):1627-1632. YU Zilei, ZHANG Hongpeng, ZENG Lin, et al. Metal particle detection based on microfluidic resonant chip[J]. Journal of Electronic Measurement and Instrument, 2017, 31(10):1627-1632.
[15] 张洪朋, 白晨朝, 孙广涛, 等. 高通量微型多参数油液污染物检测传感器[J]. 光学精密工程, 2018, 26(9):2237-2245. ZHANG Hongpeng, BAI Chenchao, SUN Guangtao, et al. High-throughput miniature multi-parameter oil contaminant detection sensor[J]. Optics and Precision Engineering, 2018, 26(9):2237-2245.
[16] 郑长松, 李萌, 高震, 等. 电感式磨粒传感器磨感电动势提取方法[J]. 振动. 测试与诊断, 2016, 36(1):36-41, 196. ZHENG Changsong, LI Meng, GAO Zhen, et al. Method for extracting the electromotive force of the inductive wear sensor[J]. Vibration. Test and Diagnosis, 2016, 36(01):36-41, 196.
[17] 吴超, 郑长松, 马彪. 电感式磨粒传感器中铁磁质磨粒特性仿真研究[J]. 仪器仪表学报, 2011, 32(12):2774-2780. WU Chao, ZHENG Changsong, MA Biao. Simulation study on the characteristics of ferromagnetic wear particles in an inductive wear particle sensor[J]. Chinese Journal of Scientific Instrument, 2011, 32(12):2774-2780.
[18] 把鑫, 王吉芳, 左云波, 等. 基于FPGA的油液在线监测系统[J]. 仪表技术与传感器, 2015(6):103-106. BA Xin, WANG Jifang, ZUO Yunbo, et al. On-line oil monitoring system based on FPGA[J]. Instrumentation Technology and Sensors, 2015(6):103-106.
[19] 游修东, 陈勇, 陈遥沛. 近距离磁感应线圈的磁场计算与仿真分析[J]. 水雷战与舰船防护, 2017, 25(1):54-59. YOU Xiudong, CHEN Yong, CHEN Yaopei. Magnetic field calculation and simulation analysis of close-range magnetic induction coils[J]. Mine Warfare and Ship Protection, 2017, 25(1):54-59.
[20] 高震, 郑长松, 贾然, 等. 综合传动油液金属磨粒在线监测传感器研究[J]. 广西大学学报, 2017, 42(2):409-418. GAO Zhen, ZHENG Changsong, JIA Ran, et al. Research on on-line monitoring sensor for metal wear particles in comprehensive transmission oil[J]. Journal of Guangxi University, 2017, 42(2):409-418.
[21] 于振南, 刘倩, 高秀晓, 等. 基于低通滤波的相敏检波算法改进与实现[J]. 测井技术, 2018, 42(5):568-570, 576. YU Zhennan, LIU Qian, GAO Xiuxiao, et al. Improvement and realization of phase-sensitive detection algorithm based on low-pass filtering[J]. Logging Technology, 2018, 42(5):568-570, 576.
[22] 范红波, 张英堂, 李志宁, 等. 电感式磨粒传感器中铁磁质磨粒的磁特性研究[J]. 摩擦学学报, 2009, 29(5):452-457. FAN Hongbo, ZHANG Yingtang, LI Zhining, et al. Study on the magnetic properties of ferromagnetic wear particles in inductive wear particle sensors[J]. Acta Tribology, 2009, 29(5):452-457.
[23] FAN Hongbo, ZHANG Yingtang, LI Zhining, et al. Design and noise control of the portable wear debris concentration detector[C]//2009 International Conference on Measuring Technology and Mechatronics AutomationICMTMA 2009:206-209.
[24] DUKA K, GERRIT J. Advanced oil debris monitoring for pipeline mechanical drive gas turbines[C/CD]//Asme Turbo Expo:Power for Land, Sea, & Air, 2000.
[25] 左云波, 谷玉海, 王立勇. 电磁式油液金属磨粒检测系统研究[J]. 设备管理与维修, 2018(13):21-23. ZUO Yunbo, GU Yuhai, WANG Liyong. Research on electromagnetic oil metal debris detection system[J]. Equipment Management and Maintenance, 2018(13):21-23.
[26] DU Li, ZHU Xiaoliang, HAN Yu, et al. Improving sensitivity of an inductive pulse sensor for detection of metallic wear debris in lubricants using parallel LC resonance method[J]. Measurement Science and Technology, 2013, 24(7):075106.
[27] CAO Yunpeng, LIU Rui, DU Jianwei, et al. Gas turbine bearing wear monitoring method based on magnetic plug inductance sensor[C/CD]//ASME Turbo Expo 2018:Turbomachinery Technical Conference and Exposition. 2018.

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 Liab J.M.T.Daviesa Xiangzhen Zhuc
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 , 56] .

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%).

아연미네소타마그네슘
9.40.610.150.020.0050.0017잔여

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).

그림 1

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).

그림 2

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 3

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.

그림 4

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.

그림 5

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] .

그림 6

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

영형마그네슘NS아연NSNS
그림 6 (b)의 어두운 영역3.481.3279.130.4713.630.570.080.73
그림 6 (b)의 밝은 영역3.5884.4811.250.68

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).

그림 7

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(  8b)은 산화막 표면에 반점을 나타내었다. 반점의 직경은 수백 나노미터에서 수 마이크론 미터까지 다양했습니다.

그림 8

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 .

그림 9

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 ).

영형마그네슘NS아연NSNS
그림 8 (a)의 어두운 영역7.253.6469.823.827.030.86
그림 8 (a)의 밝은 영역2.100.4482.8313.261.36

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 .

그림 10

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).

그림 11

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.

그림 12

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.

그림 13

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 [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  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.

그림 14

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. .

그림 15

또한 저자의 이전 출판물 [69] 은 선형화된 Weibull 플롯의 단점을 보여주었으며, 이는 Weibull 추정 의 더 높은 편향과 잘못된 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

1.

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

Figures-Effects of sinusoidal oscillating laser beam on weld formation, melt flow and grain structure during aluminum alloys lap welding

알루미늄 합금 겹침 용접 중 용접 형성, 용융 흐름 및 입자 구조에 대한 사인파 발진 레이저 빔의 영향

Effects of sinusoidal oscillating laser beam on weld formation, melt flow and grain structure during aluminum alloys lap welding

Lin Chen, Gaoyang Mi, Xiong Zhang, Chunming Wang
School of Materials Science and Engineering, Huazhong University of Science and Technology, Wuhan, 430074, China

Abstract

레이저 사인파 진동(사인) 용접 및 레이저 용접(SLW)에서 1.5mm 6061/5182 알루미늄 합금 박판 랩 조인트의 수치 모델이 온도 분포와 용융 흐름을 시뮬레이션하기 위해 개발되었습니다.

SLW의 일반적인 에너지 분포와 달리 레이저 빔의 사인파 진동은 에너지 분포를 크게 균질화하고 에너지 피크를 줄였습니다. 에너지 피크는 사인 용접의 양쪽에 위치하여 톱니 모양의 단면이 형성되었습니다. 이 논문은 시뮬레이션을 통해 응고 미세구조에 대한 온도 구배(G)와 응고 속도(R)의 영향을 설명했습니다.

결과는 사인 용접의 중심이 낮은 G/R로 더 넓은 영역을 가짐으로써 더 넓은 등축 결정립 영역의 형성을 촉진하고 더 큰 GR로 인해 주상 결정립이 더 가늘다는 것을 나타냅니다. 다공성 및 비관통 용접은 레이저 사인파 진동에 의해 얻어졌습니다.

그 이유는 용융 풀의 부피가 확대되고 열쇠 구멍의 부피 비율이 감소하며 용융 풀의 난류가 완만해졌기 때문이며, 이는 용융 흐름의 고속 이미징 및 시뮬레이션 결과에서 관찰되었습니다. 두 용접부의 인장시험에서 융착선을 따라 인장파괴 형태를 보였고 사인 용접부의 인장강도가 SLW 용접부보다 유의하게 우수하였습니다.

이는 등축 결정립 영역이 넓을수록 균열 경향이 감소하고 파단 위치에 근접한 입자 크기가 미세하기 때문입니다. 결함이 없고 우수한 용접은 신에너지 자동차 산업에 매우 중요합니다.

A numerical model of 1.5 mm 6061/5182 aluminum alloys thin sheets lap joints under laser sinusoidal oscillation (sine) welding and laser welding (SLW) weld was developed to simulate temperature distribution and melt flow. Unlike the common energy distribution of SLW, the sinusoidal oscillation of laser beam greatly homogenized the energy distribution and reduced the energy peak. The energy peaks were located at both sides of the sine weld, resulting in the tooth-shaped sectional formation. This paper illustrated the effect of the temperature gradient (G) and solidification rate (R) on the solidification microstructure by simulation. Results indicated that the center of the sine weld had a wider area with low G/R, promoting the formation of a wider equiaxed grain zone, and the columnar grains were slenderer because of greater GR. The porosity-free and non-penetration welds were obtained by the laser sinusoidal oscillation. The reasons were that the molten pool volume was enlarged, the volume proportion of keyhole was reduced and the turbulence in the molten pool was gentled, which was observed by the high-speed imaging and simulation results of melt flow. The tensile test of both welds showed a tensile fracture form along the fusion line, and the tensile strength of sine weld was significantly better than that of the SLW weld. This was because that the wider equiaxed grain area reduced the tendency of cracks and the finer grain size close to the fracture location. Defect-free and excellent welds are of great significance to the new energy vehicles industry.

Keywords

Laser weldingSinusoidal oscillatingEnergy distributionNumerical simulationMolten pool flowGrain structure

Figures-Effects of sinusoidal oscillating laser beam on weld formation, melt flow and grain structure during aluminum alloys lap welding
Figures-Effects of sinusoidal oscillating laser beam on weld formation, melt flow and grain structure during aluminum alloys lap welding
Numerical study of the dam-break waves and Favre waves down sloped wet rigid-bed at laboratory scale

Numerical study of the dam-break waves and Favre waves down sloped wet rigid-bed at laboratory scale

WenjunLiua  BoWangb  YakunGuoc

a State Key Laboratory of Hydraulics and Mountain River Engineering, College of Water Resource and Hydropower, Sichuan University, Chengdu, 610065, China
State Key Laboratory of Hydraulics and Mountain River Engineering, Sichuan University, College Of Water Resource and Hydropower, Chengdu, 610065, China
faculty of Engineering & Informatics, University of Bradford, BD7 1DP, UK

Abstract

The bed slope and the tailwater depth are two important ones among the factors that affect the propagation of the dam-break flood and Favre waves. Most previous studies have only focused on the macroscopic characteristics of the dam-break flows or Favre waves under the condition of horizontal bed, rather than the internal movement characteristics in sloped channel. The present study applies two numerical models, namely, large eddy simulation (LES) and shallow water equations (SWEs) models embedded in the CFD software package FLOW-3D to analyze the internal movement characteristics of the dam-break flows and Favre waves, such as water level, the velocity distribution, the fluid particles acceleration and the bed shear stress, under the different bed slopes and water depth ratios. The results under the conditions considered in this study show that there is a flow state transition in the flow evolution for the steep bed slope even in water depth ratio α = 0.1 (α is the ratio of the tailwater depth to the reservoir water depth). The flow state transition shows that the wavefront changes from a breaking state to undular. Such flow transition is not observed for the horizontal slope and mild bed slope. The existence of the Favre waves leads to a significant increase of the vertical velocity and the vertical acceleration. In this situation, the SWEs model has poor prediction. Analysis reveals that the variation of the maximum bed shear stress is affected by both the bed slope and tailwater depth. Under the same bed slope (e.g., S0 = 0.02), the maximum bed shear stress position develops downstream of the dam when α = 0.1, while it develops towards the end of the reservoir when α = 0.7. For the same water depth ratio (e.g., α = 0.7), the maximum bed shear stress position always locates within the reservoir at S0 = 0.02, while it appears in the downstream of the dam for S0 = 0 and 0.003 after the flow evolves for a while. The comparison between the numerical simulation and experimental measurements shows that the LES model can predict the internal movement characteristics with satisfactory accuracy. This study improves the understanding of the effect of both the bed slope and the tailwater depth on the internal movement characteristics of the dam-break flows and Favre waves, which also provides a valuable reference for determining the flood embankment height and designing the channel bed anti-scouring facility.

댐붕괴 홍수와 파브르 파도의 전파에 영향을 미치는 요인 중 하상경사와 후미수심은 두 가지 중요한 요소이다. 대부분의 선행 연구들은 경사 수로에서의 내부 이동 특성보다는 수평층 조건에서 댐파괴류나 Favre파동의 거시적 특성에만 초점을 맞추었다.

본 연구에서는 CFD 소프트웨어 패키지 FLOW-3D에 내장된 LES(Large Eddy Simulation) 및 SWE(Shallow Water Equation) 모델의 두 가지 수치 모델을 적용하여 댐-파괴 흐름 및 Favre 파도의 내부 이동 특성을 분석합니다.

수위, 속도 분포, 유체 입자 가속도 및 층 전단 응력, 다양한 층 경사 및 수심 비율로. 본 연구에서 고려한 조건하의 결과는 수심비 α = 0.1(α는 저수지 수심에 대한 tailwater 깊이의 비율)에서도 급경사면에 대한 유동상태 전이가 있음을 보여준다. 유동 상태 전이는 파면이 파단 상태에서 비정형으로 변하는 것을 보여줍니다.

수평 경사와 완만한 바닥 경사에서는 이러한 흐름 전이가 관찰되지 않습니다. Favre 파의 존재는 수직 속도와 수직 가속도의 상당한 증가로 이어집니다. 이 상황에서 SWE 모델은 예측이 좋지 않습니다.

분석에 따르면 최대 바닥 전단 응력의 변화는 바닥 경사와 꼬리 수심 모두에 영향을 받습니다. 동일한 바닥 경사(예: S0 = 0.02)에서 최대 바닥 전단 응력 위치는 α = 0.1일 때 댐의 하류에서 발생하고 α = 0.7일 때 저수지의 끝쪽으로 발생합니다.

동일한 수심비(예: α = 0.7)에 대해 최대 바닥 전단 응력 위치는 항상 S0 = 0.02에서 저수지 내에 위치하는 반면, S0 = 0 및 0.003에 대해 흐름이 진화한 후 댐 하류에 나타납니다. 수치적 시뮬레이션과 실험적 측정을 비교한 결과 LES 모델이 내부 움직임 특성을 만족스러운 정확도로 예측할 수 있음을 알 수 있습니다.

본 연구는 댐 파절류 및 Favre파의 내부 이동 특성에 대한 하상 경사 및 후미 수심의 영향에 대한 이해를 향상 시키며, 이는 또한 제방 높이를 결정하고 수로 저반위 설계를 위한 귀중한 참고자료를 제공한다.

Keywords

Figure Numerical study of the dam-break waves and Favre waves down sloped wet rigid-bed at laboratory scale
Figure Numerical study of the dam-break waves and Favre waves down sloped wet rigid-bed at laboratory scale

Dam-break flow, Bed slope, Wet bed, Velocity profile, Bed shear stress, Large eddy simulation
댐파괴유동, 하상경사, 습상, 유속분포, 하상전단응력, 대와류 시뮬레이션

Laser powder bed fusion Figure

A study of transient and steady-state regions from single-track deposition in laser powder bed fusion

SubinShrestha KevinChou

J.B. Speed School of Engineering, University of Louisville, Louisville, KY 40292, United States

Abstract

The surface morphology of parts made by the laser powder bed fusion (L-PBF) process is governed by the flow of the melt pool. The nature of the molten metal flow depends on the material properties, process parameters, and powder-bed particles, etc., and may result in potentially significant variations along a laser scanning path.

This study investigates the formation of transient and steady-state zones through a single-track l-PBF experiment using Inconel 625 powder. Single tracks with lengths of 1 mm and 2 mm were fabricated using 195 W laser power and scan speeds of 400 mm/s or 800 mm/s. The surface morphology of the track was analyzed using a white light interferometer (WLI), and an individual single track can be divided into three distinct zones based on the track width and height.

The initial transient region has a wider and taller solidified track geometry, the region near the end of a scan has a tapered profile with a decreasing track width and height, while the steady-state region in the middle has a smaller variation in the width and height.

A mesoscale numerical model was further developed using FLOW-3D to examine the formation of the transient and steady-state zones. At the start of a scan, strong flow occurs outward and backward, leading to the formation of a wider track with a bump. As the scan continues, the thermal gradient stabilizes, leading to a steady state, which resulted in a very small fluctuation in the width. Furthermore, the tapered end of the scan track is due to the half-lemniscate shape of the melt pool during laser scanning.

L-PBF(Laser Powder Bed fusion) 공정으로 만든 부품의 표면 형태는 용융 풀의 흐름에 따라 결정됩니다. 용융 금속 흐름의 특성은 재료 특성, 공정 매개변수 및 분말층 입자 등에 따라 달라지며 레이저 스캐닝 경로를 따라 잠재적으로 상당한 변동이 발생할 수 있습니다.

이 연구는 Inconel 625 분말을 사용하여 단일 트랙 l-PBF 실험을 통해 과도 및 정상 상태 영역의 형성을 조사합니다. 1 mm 및 2 mm 길이의 단일 트랙은 195 W 레이저 출력과 400 mm/s 또는 800 mm/s의 스캔 속도를 사용하여 제작되었습니다. 트랙의 표면 형태는 백색광 간섭계(WLI)를 사용하여 분석되었으며 개별 단일 트랙은 트랙 너비와 높이에 따라 3개의 별개 영역으로 나눌 수 있습니다.

초기 과도 영역은 더 넓고 더 높은 응고된 트랙 형상을 가지며, 스캔 끝 근처의 영역은 트랙 너비와 높이가 감소하는 테이퍼 프로파일을 갖는 반면, 중간의 정상 상태 영역은 너비와 높이에서 더 작은 변동을 가집니다. 신장. 중간 규모 수치 모델은 과도 및 정상 상태 영역의 형성을 조사하기 위해 FLOW-3D를 사용하여 추가로 개발되었습니다.

스캔이 시작될 때 강한 흐름이 바깥쪽과 뒤쪽으로 발생하여 범프가 있는 더 넓은 트랙이 형성됩니다. 스캔이 계속됨에 따라 열 구배가 안정화되어 정상 상태로 이어지며 폭의 변동이 매우 작습니다. 또한 스캔 트랙의 끝이 가늘어지는 것은 레이저 스캔 중 용융 풀의 반-렘니케이트 모양 때문입니다.

A study of transient and steady-state regions from single-track deposition in laser powder bed fusion
A study of transient and steady-state regions from single-track deposition in laser powder bed fusion

Keywords

Additive manufacturing, Laser powder bed fusion, Numerical modelling, Transient region

FLOW DEM

FLOW-3D DEM Module 개요

FLOW DEM 은 FLOW-3D 의 기체 및 액체 유동 해석에 DEM(Discrete Element Method : 개별 요소법)공법인 입자의 거동을 분석해주는 모듈입니다.

dem9

dem10
주요 기능 : 고체 요소의 충돌, 스프링(Spring) / 대시 포트(Dash Pot) 모델 적용 Void, 1 fluid, 2 fluid(자유 계면 포함) 각각의 모드에 대응 가변 밀도 / 가변 직경 입자 크기조절로 입자 특성을 유지하면서 입자 수를 감소 독립적인 DEM의 Sub Time Step 이용

Discrete Element Method : 개별 요소법

다수의 고체 요소의 충돌 운동을 분석하는 데 유용합니다. 유동 해석과 함께 사용하면 광범위한 용도에 응용을 할 수 있습니다.

dem1

입자 간의 충돌

Voigt model은 스프링(Spring) 및 대시 포트(Dash pot)의 조합에 의해 입자 충돌 시의 힘을 평가합니다. 탄성력 부분은 스프링 모델에서,
비탄성 충돌의 에너지 소산부분은 대시 포트 모델에서 시뮬레이션되고 있으며, 중량 및 항력은 작용하는 외력으로 고려 될 수 있습니다.

분석 모드

기본적으로 이용하는 운동 방정식은 FLOW-3D 에 사용되는 질량 입자의 운동 방정식과 같은 것이지만, 여기에 DEM으로
평가되는 항목이 추가되기 형태로되어 있으며, 실제 시뮬레이션으로는 ‘void + DEM’, ‘1 Fluid + DEM’ , ‘ 1 Fluid 자유계면 + DEM ‘을 기본 유동 모드로 취급이 가능합니다.

dem4

입자 유형

입자 타입도 표준 기능의 질량 입자 모델처럼 입자 크기 (반경)와 밀도가 동일한 것 외, 크기는 같지만 밀도가 다른 것이나 밀도는 같지만 크기가 다른 것 등도 취급 가능합니다. 이로 인해 표준 질량 입자 모델에서는 입자 간의 상호 작용이 고려되어 있지 않기 때문에 모든 아래에 가라 앉아 버리고 있었지만, FLOW DEM을 이용하여 기하학적 관계를 평가하는 것이 가능합니다.

dem7

응용 분야

1. Mechanical Engineering 분야

수지 충전, 스쿠류 이송, 분말 이송 / Resin filling, screw conveyance, powder conveyance

2. Civil Engineering분야

3. Civil Engineering 분야

파편, 자갈, 낙 성/ Debris flow, gravel, falling rock

dem11

3. Chemical Engineering, Pharmaceutics 분야

유동층, 사이클론, 교반기 / Fluidized bed, cyclone, stirrer

dem12

4. MEMS, Electrical Engineering 분야

하전 입자를 포함한 전기장 해석 등

dem15

입자 그룹 가시화

그룹 가시화

DEM은 일반적으로 다수의 입자를 필요로하는 분석을 상정하고 있습니다. 
다만 이 경우, 계산 부하가 높아 지므로 현실적인 계산자원을 고려하면, 입자 수가 너무 많아 현실적으로 취급 할 수 없는 경우 입자의 특성은 유지하고 숫자를 줄여 가시화할 필요가 있습니다 .
일반적인 유동해석 계산의 메쉬 해상도에 해당합니다.
메쉬 수 많음 (계산 부하 큼) → 소 (계산 부하 적음)
입자 수 다 (계산 부하 큼) → 소 (계산 부하 적음)

원래 입자수

입자 사이즈를 키운경우

그룹 가시화

  • 입자 수를 줄이기 위해 그대로 입경을 크게했을 경우와 그룹 가시화 한 경우의 비교.
  • 입자 크기를 크게하면 개별 입자 특성이 달라지기 때문에 거동이 달라진다. (본 사례에서는 부력이 커진다.)
  • 그룹 가시화의 경우 개별 특성은 동일 원래의 거동과 대체로 일치한다.

주조 시뮬레이션에 DEM 적용

그룹 가시화 비교 예

그룹 가시화한 경우와 입경을 크게하여 수를 줄인 경우, 입경을 크게하면
개별 입자 특성이 변화하여 거동이 바뀌어 버리기 때문에 실제 계산으로는 사용할 수 어렵습니다.

중자 모래 분사 분석

DEM에서의 계산부하를 생각할 때는 입자모델에 의한 안정제한을 고려해야 하지만 서브타임스텝이라는 개념을 도입함으로써 입자의 경우와 유체의 경우의 타임스텝을 바꾸고 필요이상으로 계산시간을 들이지 않고 효율적으로 계산하는 것을 가능하게 하고 있습니다.

이를 통해 예를 들어 중자사 분사 시뮬레이션 실험에서는 이러한 문제로 자주 이용되는 빙엄 유체에서는 실험과의 정합성이 별로 좋지 않기 때문에 당사에서는 이전부터 입상류 모델이라는 모델을 개발하고 연속체로부터의 접근에서도 실험과의 높은 정합성을 실현할 수 있는 모델화를 해왔는데, 이번에 DEM을 사용해도 그것과 거의 같은 결과를 얻습니다. 할 수 있음을 확인할 수 있었다.

Reference :

  • Lefebvre D., Mackenbrock A., Vidal V., Pavan V. and Haigh PM, 2004,
  • Development and use of simulation in the Design of Blown Cores and Moulds

FLOW-3D AM

flow3d AM-product
FLOW-3D AM-product

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 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 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.

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.

다층 적층 적층 제조 시뮬레이션

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.

이종 금속의 레이저 키홀 용접에서 금속 혼합 조사
이종 금속의 레이저 키홀 용접에서 금속 혼합 조사
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
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.

Fig6. 실험실 연구에서 계단식 오버 플로우에 대한 쐐기 요소의 선택된 형상 및 배열

Numerical and Experimental Study of Wedge Elements Influence on Hydraulic Parameters and Energy Dissipation over Stepped Spillway in Skimming Flow Regime

Wedge Elements의 수치 및 실험적 연구가 스키밍 흐름 체제에서 계단식 배수로에 대한 유압 매개 변수 및 에너지 소산에 미치는 영향

Authors

  • Kiyoumars Roushangar  1 ; samira akhgar 2
  • 1 Civil Engineering Department, Tabriz University, Tabriz, Iran.
  • 2 Water Engineering Department, Faculty of Civil Engineering, Tabriz University, Tabriz, Iran

Abstract

A stepped spillway is a hydraulic and cost-effective measure to dissipate the energy of large water flow over the spillway. Due to some limitations in stepped spillways, this study has intended a plan to increase and improve the effectiveness of energy depreciation. For this purpose, the effect of the wedge-shaped elements on the velocity and pressure changes over the steps, water level, and energy dissipation downstream the stepped spillway are evaluated.In this regard, several forms of wedge elements are studied with changes in wedge arrangement and the rate of discharge by using a numerical model of Flow-3D, and the appropriate models from the aspect of the most energy depreciation are selected and studied in the laboratory.In the laboratory, 25 experiments were performed on 5 physical models. Numerical and experimental results show that the addition of wedge elements on the stepped spillway has reduced the velocity and water depth downstream of the spillway to about 80% and 30%, respectively, and the energy dissipation over the stepped spillway increased by about 2.7 times. Also, by drawing the distribution profiles of pressure on the edge and the floor of steps, it was observed that the negative pressure in the horizontal section turned into a positive one. Also, negative pressure in the vertical section decreased up to 96% and positive pressure increased about 2 times. As well as increasing the density of the elements, the results that increase the energy dissipation are going to be more remarkable.

요약계단식 배수로는 배수로를 통해 큰 물 흐름의 에너지를 분산시키는 유압적이고 비용 효율적인 조치입니다. 계단식 배수로의 일부 한계로 인해 본 연구는 에너지 감가 상각의 효과를 높이고 개선하기위한 계획을 세웠습니다. 이를 위해 계단, 수위 및 계단식 배수로 하류의 에너지 소실에 대한 속도 및 압력 변화에 대한 쐐기 모양 요소의 영향을 평가합니다. 이와 관련하여 Flow-3D의 수치 모델을 이용하여 쐐기 배열 및 배출 속도의 변화로 여러 형태의 쐐기 요소를 연구하고 가장 에너지 감가 상각 측면에서 적절한 모델을 선택하여 실험실에서 연구합니다. .실험실에서는 5 개의 물리적 모델에 대해 25 개의 실험이 수행되었습니다. 수치 및 실험 결과에 따르면 계단식 배수로에 쐐기 요소를 추가하면 배수로 하류의 속도와 수심이 각각 약 80 % 및 30 %로 감소했으며 계단식 배수로에 대한 에너지 소산은 약 2.7 배 증가했습니다. 또한 계단의 가장자리와 바닥의 압력 분포 프로파일을 그려서 수평 단면의 부압이 양압으로 변하는 것을 관찰했습니다. 또한 수직 부의 부압은 96 %까지 감소했고 양압은 약 2 배 증가했습니다. 요소의 밀도를 높이는 것 외에도 에너지 소산을 증가시키는 결과가 더욱 두드러 질 것입니다.

키워드

Stepped spillway Wedge elements Change of the velocity and pressure Energy dissipation Flow-3D, 계단식 방수로, 웨지 요소 , 속도와 압력의 변화 , 에너지 소산 


Fig. 1. Geometry and alignment of the wedges in the numerical study    Fig. 2. Secondary water depth versus unit flow rate in the simple stepped spillway and stepped spillway with wedge elements.
Fig. 1. Geometry and alignment of the wedges in the numerical study Fig. 2. Secondary water depth versus unit flow rate in the simple stepped spillway and stepped spillway with wedge elements.
Fig6. 실험실 연구에서 계단식 오버 플로우에 대한 쐐기 요소의 선택된 형상 및 배열
Fig6. 실험실 연구에서 계단식 오버 플로우에 대한 쐐기 요소의 선택된 형상 및 배열

 참고 문헌

[1] H. CHANSON. Comparison of energy dissipation between
nappe and skimming flow regimes on stepped chutes. Journal of
hydraulic research, 32.1994, 213-218.
[2] M. R. CHAMANI & N. RAJARATNAM. Jet flow on stepped
spillways. Journal of Hydraulic Engineering, 120.1994, 254-259.
[3] J.A. KELLS. Comparison of energy dissipation between nappe
and skimming flow regimes on stepped chutes discussion. IAHR
Journal of Hydraulic Research 33.1995, 128-133.
[4] M. TABBARA, J. CHATILA & R. AWWAD. Computational
simulation of flow over stepped spillways. Computers &
structures, 83.2005, 2215-2224.
[5] S. RAZI, F. SALMASI & A. H. DALIR. Laboratory Study of
the Effects of Step Number, Slope and Particle Size on Energy
Dissipation in Gabion Stepped Spillways. Amir Kabir Civil
Engineering Journal, 2018.

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 PeiPages 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 (Ra) 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 Ra 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 Ra 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 (Ra ) 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 Ra 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
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 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 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 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 5. The cross-sectional contour of border tracks in a 45° overhang region.
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).
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).
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 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 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 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 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 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 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 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).
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]
Figure 1. (a) Top view of the microfluidic-magnetophoretic device, (b) Schematic representation of the channel cross-sections studied in this work, and (c) the magnet position relative to the channel location (Sepy and Sepz are the magnet separation distances in y and z, respectively).

Continuous-Flow Separation of Magnetic Particles from Biofluids: How Does the Microdevice Geometry Determine the Separation Performance?

1Department of Chemical and Biomolecular Engineering, ETSIIT, University of Cantabria, Avda. Los Castros s/n, 39005 Santander, Spain
2William G. Lowrie Department of Chemical and Biomolecular Engineering, The Ohio State University, 151 W. Woodruff Ave., Columbus, OH 43210, USA
*Author to whom correspondence should be addressed.
Sensors 202020(11), 3030; https://doi.org/10.3390/s20113030
Received: 16 April 2020 / Revised: 21 May 2020 / Accepted: 25 May 2020 / Published: 27 May 2020
(This article belongs to the Special Issue Lab-on-a-Chip and Microfluidic Sensors)

Abstract

The use of functionalized magnetic particles for the detection or separation of multiple chemicals and biomolecules from biofluids continues to attract significant attention. After their incubation with the targeted substances, the beads can be magnetically recovered to perform analysis or diagnostic tests. Particle recovery with permanent magnets in continuous-flow microdevices has gathered great attention in the last decade due to the multiple advantages of microfluidics. As such, great efforts have been made to determine the magnetic and fluidic conditions for achieving complete particle capture; however, less attention has been paid to the effect of the channel geometry on the system performance, although it is key for designing systems that simultaneously provide high particle recovery and flow rates. Herein, we address the optimization of Y-Y-shaped microchannels, where magnetic beads are separated from blood and collected into a buffer stream by applying an external magnetic field. The influence of several geometrical features (namely cross section shape, thickness, length, and volume) on both bead recovery and system throughput is studied. For that purpose, we employ an experimentally validated Computational Fluid Dynamics (CFD) numerical model that considers the dominant forces acting on the beads during separation. Our results indicate that rectangular, long devices display the best performance as they deliver high particle recovery and high throughput. Thus, this methodology could be applied to the rational design of lab-on-a-chip devices for any magnetically driven purification, enrichment or isolation.

Keywords: particle magnetophoresisCFDcross sectionchip fabrication

Korea Abstract

생체 유체에서 여러 화학 물질과 생체 분자의 검출 또는 분리를위한 기능화 된 자성 입자의 사용은 계속해서 상당한 관심을 받고 있습니다. 표적 물질과 함께 배양 한 후 비드를 자기 적으로 회수하여 분석 또는 진단 테스트를 수행 할 수 있습니다. 연속 흐름 마이크로 장치에서 영구 자석을 사용한 입자 회수는 마이크로 유체의 여러 장점으로 인해 지난 10 년 동안 큰 관심을 모았습니다. 

따라서 완전한 입자 포획을 달성하기 위한 자기 및 유체 조건을 결정하기 위해 많은 노력을 기울였습니다. 그러나 높은 입자 회수율과 유속을 동시에 제공하는 시스템을 설계하는 데있어 핵심이기는 하지만 시스템 성능에 대한 채널 형상의 영향에 대해서는 덜주의를 기울였습니다. 

여기에서 우리는 자기 비드가 혈액에서 분리되고 외부 자기장을 적용하여 버퍼 스트림으로 수집되는 YY 모양의 마이크로 채널의 최적화를 다룹니다. 비드 회수 및 시스템 처리량에 대한 여러 기하학적 특징 (즉, 단면 형상, 두께, 길이 및 부피)의 영향을 연구합니다. 

이를 위해 분리 중에 비드에 작용하는 지배적인 힘을 고려하는 실험적으로 검증 된 CFD (Computational Fluid Dynamics) 수치 모델을 사용합니다. 우리의 결과는 직사각형의 긴 장치가 높은 입자 회수율과 높은 처리량을 제공하기 때문에 최고의 성능을 보여줍니다. 

따라서 이 방법론은 자기 구동 정제, 농축 또는 분리를 위한 랩온어 칩 장치의 합리적인 설계에 적용될 수 있습니다.

Figure 1. (a) Top view of the microfluidic-magnetophoretic device, (b) Schematic representation of the channel cross-sections studied in this work, and (c) the magnet position relative to the channel location (Sepy and Sepz are the magnet separation distances in y and z, respectively).
Figure 1. (a) Top view of the microfluidic-magnetophoretic device, (b) Schematic representation of the channel cross-sections studied in this work, and (c) the magnet position relative to the channel location (Sepy and Sepz are the magnet separation distances in y and z, respectively).
Figure 2. (a) Channel-magnet configuration and (b–d) magnetic force distribution in the channel midplane for 2 mm, 5 mm and 10 mm long rectangular (left) and U-shaped (right) devices.
Figure 2. (a) Channel-magnet configuration and (b–d) magnetic force distribution in the channel midplane for 2 mm, 5 mm and 10 mm long rectangular (left) and U-shaped (right) devices.
Figure 3. (a) Velocity distribution in a section perpendicular to the flow for rectangular (left) and U-shaped (right) cross section channels, and (b) particle location in these cross sections.
Figure 3. (a) Velocity distribution in a section perpendicular to the flow for rectangular (left) and U-shaped (right) cross section channels, and (b) particle location in these cross sections.
Figure 4. Influence of fluid flow rate on particle recovery when the applied magnetic force is (a) different and (b) equal in U-shaped and rectangular cross section microdevices.
Figure 4. Influence of fluid flow rate on particle recovery when the applied magnetic force is (a) different and (b) equal in U-shaped and rectangular cross section microdevices.
Figure 5. Magnetic bead capture as a function of fluid flow rate for all of the studied geometries.
Figure 5. Magnetic bead capture as a function of fluid flow rate for all of the studied geometries.
Figure 6. Influence of (a) magnetic and fluidic forces (J parameter) and (b) channel geometry (θ parameter) on particle recovery. Note that U-2mm does not accurately fit a line.
Figure 6. Influence of (a) magnetic and fluidic forces (J parameter) and (b) channel geometry (θ parameter) on particle recovery. Note that U-2mm does not accurately fit a line.
Figure 7. Dependence of bead capture on the (a) functional channel volume and (b) particle residence time (tres). Note that in the curve fitting expressions V represents the functional channel volume and that U-2mm does not accurately fit a line.
Figure 7. Dependence of bead capture on the (a) functional channel volume and (b) particle residence time (tres). Note that in the curve fitting expressions V represents the functional channel volume and that U-2mm does not accurately fit a line.

References

  1. Gómez-Pastora, J.; Xue, X.; Karampelas, I.H.; Bringas, E.; Furlani, E.P.; Ortiz, I. Analysis of separators for magnetic beads recovery: From large systems to multifunctional microdevices. Sep. Purif. Technol. 2017172, 16–31. [Google Scholar] [CrossRef]
  2. Wise, N.; Grob, T.; Morten, K.; Thompson, I.; Sheard, S. Magnetophoretic velocities of superparamagnetic particles, agglomerates and complexes. J. Magn. Magn. Mater. 2015384, 328–334. [Google Scholar] [CrossRef]
  3. Khashan, S.A.; Elnajjar, E.; Haik, Y. CFD simulation of the magnetophoretic separation in a microchannel. J. Magn. Magn. Mater. 2011323, 2960–2967. [Google Scholar] [CrossRef]
  4. Khashan, S.A.; Furlani, E.P. Scalability analysis of magnetic bead separation in a microchannel with an array of soft magnetic elements in a uniform magnetic field. Sep. Purif. Technol. 2014125, 311–318. [Google Scholar] [CrossRef]
  5. Furlani, E.P. Magnetic biotransport: Analysis and applications. Materials 20103, 2412–2446. [Google Scholar] [CrossRef]
  6. Gómez-Pastora, J.; Bringas, E.; Ortiz, I. Design of novel adsorption processes for the removal of arsenic from polluted groundwater employing functionalized magnetic nanoparticles. Chem. Eng. Trans. 201647, 241–246. [Google Scholar]
  7. Gómez-Pastora, J.; Bringas, E.; Lázaro-Díez, M.; Ramos-Vivas, J.; Ortiz, I. The reverse of controlled release: Controlled sequestration of species and biotoxins into nanoparticles (NPs). In Drug Delivery Systems; Stroeve, P., Mahmoudi, M., Eds.; World Scientific: Hackensack, NJ, USA, 2017; pp. 207–244. ISBN 9789813201057. [Google Scholar]
  8. Ruffert, C. Magnetic bead-magic bullet. Micromachines 20167, 21. [Google Scholar] [CrossRef]
  9. Yáñez-Sedeño, P.; Campuzano, S.; Pingarrón, J.M. Magnetic particles coupled to disposable screen printed transducers for electrochemical biosensing. Sensors 201616, 1585. [Google Scholar] [CrossRef]
  10. Schrittwieser, S.; Pelaz, B.; Parak, W.J.; Lentijo-Mozo, S.; Soulantica, K.; Dieckhoff, J.; Ludwig, F.; Guenther, A.; Tschöpe, A.; Schotter, J. Homogeneous biosensing based on magnetic particle labels. Sensors 201616, 828. [Google Scholar] [CrossRef]
  11. He, J.; Huang, M.; Wang, D.; Zhang, Z.; Li, G. Magnetic separation techniques in sample preparation for biological analysis: A review. J. Pharm. Biomed. Anal. 2014101, 84–101. [Google Scholar] [CrossRef]
  12. Ha, Y.; Ko, S.; Kim, I.; Huang, Y.; Mohanty, K.; Huh, C.; Maynard, J.A. Recent advances incorporating superparamagnetic nanoparticles into immunoassays. ACS Appl. Nano Mater. 20181, 512–521. [Google Scholar] [CrossRef]
  13. Gómez-Pastora, J.; González-Fernández, C.; Fallanza, M.; Bringas, E.; Ortiz, I. Flow patterns and mass transfer performance of miscible liquid-liquid flows in various microchannels: Numerical and experimental studies. Chem. Eng. J. 2018344, 487–497. [Google Scholar] [CrossRef]
  14. Gale, B.K.; Jafek, A.R.; Lambert, C.J.; Goenner, B.L.; Moghimifam, H.; Nze, U.C.; Kamarapu, S.K. A review of current methods in microfluidic device fabrication and future commercialization prospects. Inventions 20183, 60. [Google Scholar] [CrossRef]
  15. Nanobiotechnology; Concepts, Applications and Perspectives; Niemeyer, C.M.; Mirkin, C.A. (Eds.) Wiley-VCH: Weinheim, Germany, 2004; ISBN 3527305068. [Google Scholar]
  16. Khashan, S.A.; Dagher, S.; Alazzam, A.; Mathew, B.; Hilal-Alnaqbi, A. Microdevice for continuous flow magnetic separation for bioengineering applications. J. Micromech. Microeng. 201727, 055016. [Google Scholar] [CrossRef]
  17. Basauri, A.; Gomez-Pastora, J.; Fallanza, M.; Bringas, E.; Ortiz, I. Predictive model for the design of reactive micro-separations. Sep. Purif. Technol. 2019209, 900–907. [Google Scholar] [CrossRef]
  18. Abdollahi, P.; Karimi-Sabet, J.; Moosavian, M.A.; Amini, Y. Microfluidic solvent extraction of calcium: Modeling and optimization of the process variables. Sep. Purif. Technol. 2020231, 115875. [Google Scholar] [CrossRef]
  19. Khashan, S.A.; Alazzam, A.; Furlani, E. A novel design for a microfluidic magnetophoresis system: Computational study. In Proceedings of the 12th International Symposium on Fluid Control, Measurement and Visualization (FLUCOME2013), Nara, Japan, 18–23 November 2013. [Google Scholar]
  20. Pamme, N. Magnetism and microfluidics. Lab Chip 20066, 24–38. [Google Scholar] [CrossRef]
  21. Gómez-Pastora, J.; Amiri Roodan, V.; Karampelas, I.H.; Alorabi, A.Q.; Tarn, M.D.; Iles, A.; Bringas, E.; Paunov, V.N.; Pamme, N.; Furlani, E.P.; et al. Two-step numerical approach to predict ferrofluid droplet generation and manipulation inside multilaminar flow chambers. J. Phys. Chem. C 2019123, 10065–10080. [Google Scholar] [CrossRef]
  22. Gómez-Pastora, J.; Karampelas, I.H.; Bringas, E.; Furlani, E.P.; Ortiz, I. Numerical analysis of bead magnetophoresis from flowing blood in a continuous-flow microchannel: Implications to the bead-fluid interactions. Sci. Rep. 20199, 7265. [Google Scholar] [CrossRef]
  23. Tarn, M.D.; Pamme, N. On-Chip Magnetic Particle-Based Immunoassays Using Multilaminar Flow for Clinical Diagnostics. In Microchip Diagnostics Methods and Protocols; Taly, V., Viovy, J.L., Descroix, S., Eds.; Humana Press: New York, NY, USA, 2017; pp. 69–83. [Google Scholar]
  24. Phurimsak, C.; Tarn, M.D.; Peyman, S.A.; Greenman, J.; Pamme, N. On-chip determination of c-reactive protein using magnetic particles in continuous flow. Anal. Chem. 201486, 10552–10559. [Google Scholar] [CrossRef]
  25. Wu, X.; Wu, H.; Hu, Y. Enhancement of separation efficiency on continuous magnetophoresis by utilizing L/T-shaped microchannels. Microfluid. Nanofluid. 201111, 11–24. [Google Scholar] [CrossRef]
  26. Vojtíšek, M.; Tarn, M.D.; Hirota, N.; Pamme, N. Microfluidic devices in superconducting magnets: On-chip free-flow diamagnetophoresis of polymer particles and bubbles. Microfluid. Nanofluid. 201213, 625–635. [Google Scholar] [CrossRef]
  27. Gómez-Pastora, J.; González-Fernández, C.; Real, E.; Iles, A.; Bringas, E.; Furlani, E.P.; Ortiz, I. Computational modeling and fluorescence microscopy characterization of a two-phase magnetophoretic microsystem for continuous-flow blood detoxification. Lab Chip 201818, 1593–1606. [Google Scholar] [CrossRef] [PubMed]
  28. Forbes, T.P.; Forry, S.P. Microfluidic magnetophoretic separations of immunomagnetically labeled rare mammalian cells. Lab Chip 201212, 1471–1479. [Google Scholar] [CrossRef]
  29. Nandy, K.; Chaudhuri, S.; Ganguly, R.; Puri, I.K. Analytical model for the magnetophoretic capture of magnetic microspheres in microfluidic devices. J. Magn. Magn. Mater. 2008320, 1398–1405. [Google Scholar] [CrossRef]
  30. Plouffe, B.D.; Lewis, L.H.; Murthy, S.K. Computational design optimization for microfluidic magnetophoresis. Biomicrofluidics 20115, 013413. [Google Scholar] [CrossRef] [PubMed]
  31. Hale, C.; Darabi, J. Magnetophoretic-based microfluidic device for DNA isolation. Biomicrofluidics 20148, 044118. [Google Scholar] [CrossRef] [PubMed]
  32. Becker, H.; Gärtner, C. Polymer microfabrication methods for microfluidic analytical applications. Electrophoresis 200021, 12–26. [Google Scholar] [CrossRef]
  33. Pekas, N.; Zhang, Q.; Nannini, M.; Juncker, D. Wet-etching of structures with straight facets and adjustable taper into glass substrates. Lab Chip 201010, 494–498. [Google Scholar] [CrossRef]
  34. Wang, T.; Chen, J.; Zhou, T.; Song, L. Fabricating microstructures on glass for microfluidic chips by glass molding process. Micromachines 20189, 269. [Google Scholar] [CrossRef]
  35. Castaño-Álvarez, M.; Pozo Ayuso, D.F.; García Granda, M.; Fernández-Abedul, M.T.; Rodríguez García, J.; Costa-García, A. Critical points in the fabrication of microfluidic devices on glass substrates. Sens. Actuators B Chem. 2008130, 436–448. [Google Scholar] [CrossRef]
  36. Prakash, S.; Kumar, S. Fabrication of microchannels: A review. Proc. Inst. Mech. Eng. Part B J. Eng. Manuf. 2015229, 1273–1288. [Google Scholar] [CrossRef]
  37. Leester-Schädel, M.; Lorenz, T.; Jürgens, F.; Ritcher, C. Fabrication of Microfluidic Devices. In Microsystems for Pharmatechnology: Manipulation of Fluids, Particles, Droplets, and Cells; Dietzel, A., Ed.; Springer: Basel, Switzerland, 2016; pp. 23–57. ISBN 9783319269207. [Google Scholar]
  38. Bartlett, N.W.; Wood, R.J. Comparative analysis of fabrication methods for achieving rounded microchannels in PDMS. J. Micromech. Microeng. 201626, 115013. [Google Scholar] [CrossRef]
  39. Ng, P.F.; Lee, K.I.; Yang, M.; Fei, B. Fabrication of 3D PDMS microchannels of adjustable cross-sections via versatile gel templates. Polymers 201911, 64. [Google Scholar] [CrossRef] [PubMed]
  40. Furlani, E.P.; Sahoo, Y.; Ng, K.C.; Wortman, J.C.; Monk, T.E. A model for predicting magnetic particle capture in a microfluidic bioseparator. Biomed. Microdevices 20079, 451–463. [Google Scholar] [CrossRef]
  41. Tarn, M.D.; Peyman, S.A.; Robert, D.; Iles, A.; Wilhelm, C.; Pamme, N. The importance of particle type selection and temperature control for on-chip free-flow magnetophoresis. J. Magn. Magn. Mater. 2009321, 4115–4122. [Google Scholar] [CrossRef]
  42. Furlani, E.P. Permanent Magnet and Electromechanical Devices; Materials, Analysis and Applications; Academic Press: Waltham, MA, USA, 2001. [Google Scholar]
  43. White, F.M. Viscous Fluid Flow; McGraw-Hill: New York, NY, USA, 1974. [Google Scholar]
  44. Mathew, B.; Alazzam, A.; El-Khasawneh, B.; Maalouf, M.; Destgeer, G.; Sung, H.J. Model for tracing the path of microparticles in continuous flow microfluidic devices for 2D focusing via standing acoustic waves. Sep. Purif. Technol. 2015153, 99–107. [Google Scholar] [CrossRef]
  45. Furlani, E.J.; Furlani, E.P. A model for predicting magnetic targeting of multifunctional particles in the microvasculature. J. Magn. Magn. Mater. 2007312, 187–193. [Google Scholar] [CrossRef]
  46. Furlani, E.P.; Ng, K.C. Analytical model of magnetic nanoparticle transport and capture in the microvasculature. Phys. Rev. E 200673, 061919. [Google Scholar] [CrossRef]
  47. Eibl, R.; Eibl, D.; Pörtner, R.; Catapano, G.; Czermak, P. Cell and Tissue Reaction Engineering; Springer: Berlin/Heidelberg, Germany, 2009. [Google Scholar]
  48. Pamme, N.; Eijkel, J.C.T.; Manz, A. On-chip free-flow magnetophoresis: Separation and detection of mixtures of magnetic particles in continuous flow. J. Magn. Magn. Mater. 2006307, 237–244. [Google Scholar] [CrossRef]
  49. Alorabi, A.Q.; Tarn, M.D.; Gómez-Pastora, J.; Bringas, E.; Ortiz, I.; Paunov, V.N.; Pamme, N. On-chip polyelectrolyte coating onto magnetic droplets-Towards continuous flow assembly of drug delivery capsules. Lab Chip 201717, 3785–3795. [Google Scholar] [CrossRef]
  50. Zhang, H.; Guo, H.; Chen, Z.; Zhang, G.; Li, Z. Application of PECVD SiC in glass micromachining. J. Micromech. Microeng. 200717, 775–780. [Google Scholar] [CrossRef]
  51. Mourzina, Y.; Steffen, A.; Offenhäusser, A. The evaporated metal masks for chemical glass etching for BioMEMS. Microsyst. Technol. 200511, 135–140. [Google Scholar] [CrossRef]
  52. Mata, A.; Fleischman, A.J.; Roy, S. Fabrication of multi-layer SU-8 microstructures. J. Micromech. Microeng. 200616, 276–284. [Google Scholar] [CrossRef]
  53. Su, N. 8 2000 Negative Tone Photoresist Formulations 2002–2025; MicroChem Corporation: Newton, MA, USA, 2002. [Google Scholar]
  54. Su, N. 8 2000 Negative Tone Photoresist Formulations 2035–2100; MicroChem Corporation: Newton, MA, USA, 2002. [Google Scholar]
  55. Fu, C.; Hung, C.; Huang, H. A novel and simple fabrication method of embedded SU-8 micro channels by direct UV lithography. J. Phys. Conf. Ser. 200634, 330–335. [Google Scholar] [CrossRef]
  56. Kazoe, Y.; Yamashiro, I.; Mawatari, K.; Kitamori, T. High-pressure acceleration of nanoliter droplets in the gas phase in a microchannel. Micromachines 20167, 142. [Google Scholar] [CrossRef]
  57. Sharp, K.V.; Adrian, R.J.; Santiago, J.G.; Molho, J.I. Liquid flows in microchannels. In MEMS: Introduction and Fundamentals; Gad-el-Hak, M., Ed.; CRC Press: Boca Raton, FL, USA, 2006; pp. 10-1–10-46. ISBN 9781420036572. [Google Scholar]
  58. Oh, K.W.; Lee, K.; Ahn, B.; Furlani, E.P. Design of pressure-driven microfluidic networks using electric circuit analogy. Lab Chip 201212, 515–545. [Google Scholar] [CrossRef]
  59. Bruus, H. Theoretical Microfluidics; Oxford University Press: New York, NY, USA, 2008; ISBN 9788578110796. [Google Scholar]
  60. Beebe, D.J.; Mensing, G.A.; Walker, G.M. Physics and applications of microfluidics in biology. Annu. Rev. Biomed. Eng. 20024, 261–286. [Google Scholar] [CrossRef] [PubMed]
  61. Yalikun, Y.; Tanaka, Y. Large-scale integration of all-glass valves on a microfluidic device. Micromachines 20167, 83. [Google Scholar] [CrossRef] [PubMed]
  62. Van Heeren, H.; Verhoeven, D.; Atkins, T.; Tzannis, A.; Becker, H.; Beusink, W.; Chen, P. Design Guideline for Microfluidic Device and Component Interfaces (Part 2), Version 3; Available online: http://www.makefluidics.com/en/design-guideline?id=7 (accessed on 9 March 2020).
  63. Scheuble, N.; Iles, A.; Wootton, R.C.R.; Windhab, E.J.; Fischer, P.; Elvira, K.S. Microfluidic technique for the simultaneous quantification of emulsion instabilities and lipid digestion kinetics. Anal. Chem. 201789, 9116–9123. [Google Scholar] [CrossRef] [PubMed]
  64. Lynch, E.C. Red blood cell damage by shear stress. Biophys. J. 197212, 257–273. [Google Scholar]
  65. Paul, R.; Apel, J.; Klaus, S.; Schügner, F.; Schwindke, P.; Reul, H. Shear stress related blood damage in laminar Couette flow. Artif. Organs 200327, 517–529. [Google Scholar] [CrossRef] [PubMed]
  66. Gómez-Pastora, J.; Karampelas, I.H.; Xue, X.; Bringas, E.; Furlani, E.P.; Ortiz, I. Magnetic bead separation from flowing blood in a two-phase continuous-flow magnetophoretic microdevice: Theoretical analysis through computational fluid dynamics simulation. J. Phys. Chem. C 2017121, 7466–7477. [Google Scholar] [CrossRef]
  67. Lim, J.; Yeap, S.P.; Leow, C.H.; Toh, P.Y.; Low, S.C. Magnetophoresis of iron oxide nanoparticles at low field gradient: The role of shape anisotropy. J. Colloid Interface Sci. 2014421, 170–177. [Google Scholar] [CrossRef] [PubMed]
  68. Culbertson, C.T.; Sibbitts, J.; Sellens, K.; Jia, S. Fabrication of Glass Microfluidic Devices. In Microfluidic Electrophoresis: Methods and Protocols; Dutta, D., Ed.; Humana Press: New York, NY, USA, 2019; pp. 1–12. ISBN 978-1-4939-8963-8. [Google Scholar]
Fluid velocity magnitude including velocity vectors and blood volumetric fraction contours for scenario 3: (a,b) Magnet distance d = 0; (c,d) Magnet distance d = 1 mm.

Numerical Analysis of Bead Magnetophoresis from Flowing Blood in a Continuous-Flow Microchannel: Implications to the Bead-Fluid Interactions

Scientific Reports volume 9, Article number: 7265 (2019) Cite this article

Abstract

이 연구에서는 비드 운동과 유체 흐름에 미치는 영향에 대한 자세한 분석을 제공하기 위해 연속 흐름 마이크로 채널 내부의 비드 자기 영동에 대한 수치 흐름 중심 연구를 보고합니다.

수치 모델은 Lagrangian 접근 방식을 포함하며 영구 자석에 의해 생성 된 자기장의 적용에 의해 혈액에서 비드 분리 및 유동 버퍼로의 수집을 예측합니다.

다음 시나리오가 모델링됩니다. (i) 운동량이 유체에서 점 입자로 처리되는 비드로 전달되는 단방향 커플 링, (ii) 비드가 점 입자로 처리되고 운동량이 다음으로부터 전달되는 양방향 결합 비드를 유체로 또는 그 반대로, (iii) 유체 변위에서 비드 체적의 영향을 고려한 양방향 커플 링.

결과는 세 가지 시나리오에서 비드 궤적에 약간의 차이가 있지만 특히 높은 자기력이 비드에 적용될 때 유동장에 상당한 변화가 있음을 나타냅니다.

따라서 높은 자기력을 사용할 때 비드 운동과 유동장의 체적 효과를 고려한 정확한 전체 유동 중심 모델을 해결해야 합니다. 그럼에도 불구하고 비드가 중간 또는 낮은 자기력을 받을 때 계산적으로 저렴한 모델을 안전하게 사용하여 자기 영동을 모델링 할 수 있습니다.

Sketch of the magnetophoresis process in the continuous-flow microdevice.
Sketch of the magnetophoresis process in the continuous-flow microdevice.
Schematic view of the microdevice showing the working conditions set in the simulations.
Schematic view of the microdevice showing the working conditions set in the simulations.
Bead trajectories for different magnetic field conditions, magnet placed at different distances “d” from the channel: (a) d = 0; (b) d = 1 mm; (c) d = 1.5 mm; (d) d = 2 mm
Bead trajectories for different magnetic field conditions, magnet placed at different distances “d” from the channel: (a) d = 0; (b) d = 1 mm; (c) d = 1.5 mm; (d) d = 2 mm
Separation efficacy as a function of the magnet distance. Comparison between one-way and two-way coupling.
Separation efficacy as a function of the magnet distance. Comparison between one-way and two-way coupling.
(a) Fluid velocity magnitude including velocity vectors and (b) blood volumetric fraction contours with magnet distance d = 0 mm for scenario 1 (t = 0.25 s).
(a) Fluid velocity magnitude including velocity vectors and (b) blood volumetric fraction contours with magnet distance d = 0 mm for scenario 1 (t = 0.25 s).
luid velocity magnitude including velocity vectors and blood volumetric fraction contours for scenario 2: (a,b) Magnet distance d = 0 mm at t = 0.4 s; (c,d) Magnet distance d = 1 mm at t = 0.4 s.
luid velocity magnitude including velocity vectors and blood volumetric fraction contours for scenario 2: (a,b) Magnet distance d = 0 mm at t = 0.4 s; (c,d) Magnet distance d = 1 mm at t = 0.4 s.
Fluid velocity magnitude including velocity vectors and blood volumetric fraction contours for scenario 3: (a,b) Magnet distance d = 0; (c,d) Magnet distance d = 1 mm.
Fluid velocity magnitude including velocity vectors and blood volumetric fraction contours for scenario 3: (a,b) Magnet distance d = 0; (c,d) Magnet distance d = 1 mm.
Blood volumetric fraction contours. Scenario 1: (a) Magnet distance d = 0 and (b) Magnet distance d = 1 mm; Scenario 2: (c) Magnet distance d = 0 and (d) Magnet distance d = 1 mm; and Scenario 3: (e) Magnet distance d = 0 and (f) Magnet distance d = 1 mm.
Blood volumetric fraction contours. Scenario 1: (a) Magnet distance d = 0 and (b) Magnet distance d = 1 mm; Scenario 2: (c) Magnet distance d = 0 and (d) Magnet distance d = 1 mm; and Scenario 3: (e) Magnet distance d = 0 and (f) Magnet distance d = 1 mm.

References

  1. 1.Keshipour, S. & Khalteh, N. K. Oxidation of ethylbenzene to styrene oxide in the presence of cellulose-supported Pd magnetic nanoparticles. Appl. Organometal. Chem. 30, 653–656 (2016).CAS Article Google Scholar 
  2. 2.Neamtu, M. et al. Functionalized magnetic nanoparticles: synthesis, characterization, catalytic application and assessment of toxicity. Sci. Rep. 8(1), 6278 (2018).ADS MathSciNet Article Google Scholar 
  3. 3.Gómez-Pastora, J., Bringas, E. & Ortiz, I. Recent progress and future challenges on the use of high performance magnetic nano-adsorbents in environmental applications. Chem. Eng. J. 256, 187–204 (2014).Article Google Scholar 
  4. 4.Gómez-Pastora, J., Bringas, E. & Ortiz, I. Design of novel adsorption processes for the removal of arsenic from polluted groundwater employing functionalized magnetic nanoparticles. Chem. Eng. Trans. 47, 241–246 (2016).Google Scholar 
  5. 5.Bagbi, Y., Sarswat, A., Mohan, D., Pandey, A. & Solanki, P. R. Lead and chromium adsorption from water using L-Cysteine functionalized magnetite (Fe3O4) nanoparticles. Sci. Rep. 7(1), 7672 (2017).ADS Article Google Scholar 
  6. 6.Gómez-Pastora, J. et al. Review and perspectives on the use of magnetic nanophotocatalysts (MNPCs) in water treatment. Chem. Eng. J. 310, 407–427 (2017).Article Google Scholar 
  7. 7.Lee, H. Y. et al. A selective fluoroionophore based on BODIPY-functionalized magnetic silica nanoparticles: removal of Pb2+ from human blood. Angew. Chem. Int. Ed. 48, 1239–1243 (2009).CAS Article Google Scholar 
  8. 8.Buzea, C., Pacheco, I. I. & Robbie, K. Nanomaterials and nanoparticles: sources and toxicity. Biointerphases 2, MR17–MR71 (2007).Article Google Scholar 
  9. 9.Roux, S. et al. Multifunctional nanoparticles: from the detection of biomolecules to the therapy. Int. J. Nanotechnol. 7, 781–801 (2010).ADS CAS Article Google Scholar 
  10. 10.Gómez-Pastora, J., Bringas, E., Lázaro-Díez, M., Ramos-Vivas, J. & Ortiz, I. In Drug Delivery Systems (Stroeve, P. & Mahmoudi, M. ed) 207–244 (World Scientific, 2017).
  11. 11.Selmi, M., Gazzah, M. H. & Belmabrouk, H. Optimization of microfluidic biosensor efficiency by means of fluid flow engineering. Sci. Rep. 7(1), 5721 (2017).ADS Article Google Scholar 
  12. 12.Gómez-Pastora, J., González-Fernández, C., Fallanza, M., Bringas, E. & Ortiz, I. Flow patterns and mass transfer performance of miscible liquid-liquid flows in various microchannels: Numerical and experimental studies. Chem. Eng. J. 344, 487–497 (2018).Article Google Scholar 
  13. 13.Pamme, N. Magnetism and microfluidics. Lab Chip 6, 24–38 (2006).CAS Article Google Scholar 
  14. 14.Alorabi, A. Q. et al. On-chip polyelectrolyte coating onto magnetic droplets – towards continuous flow assembly of drug delivery capsules. Lab Chip 17, 3785–3795 (2017).CAS Article Google Scholar 
  15. 15.Gómez-Pastora, J. et al. Analysis of separators for magnetic beads recovery: from large systems to multifunctional microdevices. Sep. Purif. Technol. 172, 16–31 (2017).Article Google Scholar 
  16. 16.Tarn, M. D. & Pamme, N. On-chip magnetic particle-based immunoassays using multilaminar flow for clinical diagnosis. Methods Mol. Biol. 1547, 69–83 (2017).CAS Article Google Scholar 
  17. 17.Lv, C. et al. Integrated optofluidic-microfluidic twin channels: toward diverse application of lab-on-a-chip systems. Sci. Rep. 6, 19801 (2016).ADS CAS Article Google Scholar 
  18. 18.Gómez-Pastora, J. et al. Magnetic bead separation from flowing blood in a two-phase continuous-flow magnetophoretic microdevice: theoretical analysis through computational fluid dynamics simulation. J. Phys. Chem. C 121, 7466–7477 (2017).Article Google Scholar 
  19. 19.Furlani, E. P. Magnetic biotransport: analysis and applications. Materials 3, 2412–2446 (2010).ADS CAS Article Google Scholar 
  20. 20.Khashan, S. A. & Furlani, E. P. Effects of particle–fluid coupling on particle transport and capture in a magnetophoretic microsystem. Microfluid. Nanofluid. 12, 565–580 (2012).Article Google Scholar 
  21. 21.Modak, N., Datta, A. & Ganguly, R. Cell separation in a microfluidic channel using magnetic microspheres. Microfluid. Nanofluid. 6, 647–660 (2009).CAS Article Google Scholar 
  22. 22.Furlani, E. P., Sahoo, Y., Ng, K. C., Wortman, J. C. & Monk, T. E. A model for predicting magnetic particle capture in a microfluidic bioseparator. Biomed. Microdevices 9, 451–463 (2007).CAS Article Google Scholar 
  23. 23.Furlani, E. P. & Sahoo, Y. Analytical model for the magnetic field and force in a magnetophoretic microsystem. J. Phys. D: Appl. Phys. 39, 1724–1732 (2006).ADS CAS Article Google Scholar 
  24. 24.Tarn, M. D. et al. The importance of particle type selection and temperature control for on-chip free-flow magnetophoresis. J. Magn. Magn. Mater. 321, 4115–4122 (2009).ADS CAS Article Google Scholar 
  25. 25.Fonnum, G., Johansson, C., Molteberg, A., Morup, S. & Aksnes, E. Characterisation of Dynabeads® by magnetization measurements and Mössbauer spectroscopy. J. Magn. Magn. Mater. 293, 41–47 (2005).ADS CAS Article Google Scholar 
  26. 26.Xue, W., Moore, L. R., Nakano, N., Chalmers, J. J. & Zborowski, M. Single cell magnetometry by magnetophoresis vs. bulk cell suspension magnetometry by SQUID-MPMS – A comparison. J. Magn. Magn. Mater. 474, 152–160 (2019).ADS CAS Article Google Scholar 
  27. 27.Moore, L. R. et al. Continuous, intrinsic magnetic depletion of erythrocytes from whole blood with a quadrupole magnet and annular flow channel; pilot scale study. Biotechnol. Bioeng. 115, 1521–1530 (2018).CAS Article Google Scholar 
  28. 28.Furlani, E. P. & Xue, X. Field, force and transport analysis for magnetic particle-based gene delivery. Microfluid Nanofluid. 13, 589–602 (2012).CAS Article Google Scholar 
  29. 29.Furlani, E. P. & Xue, X. A model for predicting field-directed particle transport in the magnetofection process. Pharm. Res. 29, 1366–1379 (2012).CAS Article Google Scholar 
  30. 30.Furlani, E. P. Permanent Magnet and Electromechanical Devices; MaterialsAnalysis and Applications, (Academic Press, 2001).
  31. 31.Balachandar, S. & Eaton, J. K. Turbulent dispersed multiphase flow. Annu. Rev. Fluid Mech. 42, 111–133 (2010).ADS Article Google Scholar 
  32. 32.Wakaba, L. & Balachandar, S. On the added mass force at finite Reynolds and acceleration number. Theor. Comput. Fluid. Dyn. 21, 147–153 (2007).Article Google Scholar 
  33. 33.White, F. M. Viscous Fluid Flow, (McGraw-Hill, 1974).
  34. 34.Rietema, K. & Van Den Akker, H. E. A. On the momentum equations in dispersed two-phase systems. Int. J. Multiphase Flow 9, 21–36 (1983).Article Google Scholar 
  35. 35.Furlani, E. P. & Ng, K. C. Analytical model of magnetic nanoparticle transport and capture in the microvasculature. Phys. Rev. E 73, 1–10 (2006).Article Google Scholar 
  36. 36.Eibl, R., Eibl, D., Pörtner, R., Catapano, G. & Czermak, P. Cell and Tissue Reaction Engineering, (Springer, 2009).
  37. 37.Gómez-Pastora, J. et al. Computational modeling and fluorescence microscopy characterization of a two-phase magnetophoretic microsystem for continuous-flow blood detoxification. Lab Chip 18, 1593–1606 (2018).Article Google Scholar 
  38. 38.Khashan, S. A. & Furlani, E. P. Scalability analysis of magnetic bead separation in a microchannel with an array of soft magnetic elements in a uniform magnetic field. Sep. Purif. Technol. 125, 311–318 (2014).CAS Article Google Scholar 
  39. 39.Hirt, C. W. & Sicilian, J. M. A porosity technique for the definition of obstacles in rectangular cell meshes. ProcFourth International ConfShip Hydro., National Academic of Science, Washington, DC., (1985).
  40. 40.Crank, J. Free and Moving Boundary Problems, (Oxford University Press, 1984).
  41. 41.Bruus, H. Theoretical Microfluidics, (Oxford University Press, 2008).
  42. 42.Liang, L. & Xuan, X. Diamagnetic particle focusing using ferromicrofluidics with a single magnet. Microfluid. Nanofluid. 13, 637–643 (2012).

Author information

  1. Edward P. Furlani is deceased.

Affiliations

  1. Department of Chemical and Biomolecular Engineering, ETSIIT, University of Cantabria, Avda. Los Castros s/n, 39005, Santander, SpainJenifer Gómez-Pastora, Eugenio Bringas & Inmaculada Ortiz
  2. Flow Science, Inc, Santa Fe, New Mexico, 87505, USAIoannis H. Karampelas
  3. Department of Chemical and Biological Engineering, University at Buffalo (SUNY), Buffalo, New York, 14260, USAEdward P. Furlani
  4. Department of Electrical Engineering, University at Buffalo (SUNY), Buffalo, New York, 14260, USAEdward P. Furlani
Hierarchical grain refinement during the laser additive manufacturing of Ti-6Al-4V alloys by the addition of micron-sized refractory particles

Hierarchical grain refinement during the laser additive manufacturing of Ti-6Al-4V alloys by the addition of micron-sized refractory particles

Xiang Wang  Lin-Jie Zhang  Jie Ning  Sen Li  Liang-Liang Zhang  Jian Long
State Key Laboratory for Mechanical Behavior of Materials, Xi’an Jiaotong University, Xi’an 710049, China

Received 22 January 2021, Revised 6 April 2021, Accepted 6 May 2021, Available online 2 June 2021.

Abstract

Ti-6Al-4V alloys mad by additive manufacturing (AM) with slower cooling rate (e. g., direct energy deposition (DED)) generally have the problem of severe coarsening of α phase. This study presents a method to refine the microstructure of the primary β phase formed during the solid–liquid transformation, microstructures formed during the β → α + β transformation, and recrystallized microstructures formed during the repeated heating cycles encountered in AM processes. This is accomplished by the in situ precipitation of nano-sized dispersed high-melting-point yttria Y2O3 particles. The addition of micron-sized particles with high melting points can refine primary crystallized grains and transformed grains corresponding to the secondary phase in Ti-6Al-4V alloys. In addition, they can effectively inhibit the recrystallization and growth of prior-deposited metal grains. The microstructural and tensile properties of laser additive manufactured with filler wire Ti-6Al-4V components with different amounts of Y2O3 (0, 0.12, and 0.22 wt%) were investigated. The refining effect of Y2O3 was significant and the tensile strength of Ti-6Al-4V containing 0.22 wt% Y2O3 in the longitudinal and transverse directions was greater than that of Ti-6Al-4V by approximately 12% and 9%, respectively. Concurrently, there was no loss in the elongation of the material in either direction. The strategy of using micron-sized refractory particles to control phase transformation (primary crystallization, solid-state phase transformation, and recrystallization) can be applied to the AM of different metals, in which microstructures are susceptible to coarsening.

Korea Abstract

더 느린 냉각 속도 (예를 들어, 직접 에너지 증착 (DED))를 가진 적층 제조 (AM)에 의해 미친 Ti-6Al-4V 합금은 일반적으로 α상의 심한 조 대화 문제가 있습니다. 이 연구는 고체-액체 변환 중에 형성된 1 차 β상의 미세 구조, β → α + β 변환 중에 형성된 미세 구조, AM 공정에서 발생하는 반복되는 가열주기 동안 형성된 재결정 화 된 미세 구조를 정제하는 방법을 제시합니다.

이는 나노 크기의 분산 된 고 융점이 트리아 Y2O3 입자의 현장 침전에 의해 달성됩니다. 녹는 점이 높은 미크론 크기의 입자를 추가하면 Ti-6Al-4V 합금의 2 차 상에 해당하는 1 차 결정 입자 및 변형 된 입자를 정제 할 수 있습니다. 또한 사전에 증착 된 금속 입자의 재결정 화 및 성장을 효과적으로 억제 할 수 있습니다.

Y2O3 (0, 0.12, 0.22 wt %)의 양이 다른 필러 와이어 Ti-6Al-4V 성분으로 제조 된 레이저 첨가제의 미세 구조 및 인장 특성을 조사했습니다. Y2O3의 정제 효과는 유의미했으며, Y2O3 0.22 wt %를 세로 및 가로 방향으로 포함하는 Ti-6Al-4V의 인장 강도는 Ti-6Al-4V보다 각각 약 12 ​​% 및 9 % 더 컸습니다.

동시에 어느 방향으로도 재료의 연신율에 손실이 없었습니다. 미크론 크기의 내화 입자를 사용하여 상 변환 (1 차 결정화, 고체 상 변환 및 재결정 화)을 제어하는 ​​전략은 미세 구조가 거칠어지기 쉬운 다양한 금속의 AM에 적용될 수 있습니다.

Hierarchical grain refinement during the laser additive manufacturing of Ti-6Al-4V alloys by the addition of micron-sized refractory particles
Hierarchical grain refinement during the laser additive manufacturing of Ti-6Al-4V alloys by the addition of micron-sized refractory particles
Hierarchical grain refinement during the laser additive manufacturing of Ti-6Al-4V alloys by the addition of micron-sized refractory particles Fig1
Hierarchical grain refinement during the laser additive manufacturing of Ti-6Al-4V alloys by the addition of micron-sized refractory particles Fig1
Hierarchical grain refinement during the laser additive manufacturing of Ti-6Al-4V alloys by the addition of micron-sized refractory particles Fig2
Hierarchical grain refinement during the laser additive manufacturing of Ti-6Al-4V alloys by the addition of micron-sized refractory particles Fig2
Hierarchical grain refinement during the laser additive manufacturing of Ti-6Al-4V alloys by the addition of micron-sized refractory particles Fig3
Hierarchical grain refinement during the laser additive manufacturing of Ti-6Al-4V alloys by the addition of micron-sized refractory particles Fig3
Hierarchical grain refinement during the laser additive manufacturing of Ti-6Al-4V alloys by the addition of micron-sized refractory particles Fig4
Hierarchical grain refinement during the laser additive manufacturing of Ti-6Al-4V alloys by the addition of micron-sized refractory particles Fig4
Hierarchical grain refinement during the laser additive manufacturing of Ti-6Al-4V alloys by the addition of micron-sized refractory particles Fig5
Hierarchical grain refinement during the laser additive manufacturing of Ti-6Al-4V alloys by the addition of micron-sized refractory particles Fig5
Hierarchical grain refinement during the laser additive manufacturing of Ti-6Al-4V alloys by the addition of micron-sized refractory particles Fig6
Hierarchical grain refinement during the laser additive manufacturing of Ti-6Al-4V alloys by the addition of micron-sized refractory particles Fig6
Hierarchical grain refinement during the laser additive manufacturing of Ti-6Al-4V alloys by the addition of micron-sized refractory particles Fig7
Hierarchical grain refinement during the laser additive manufacturing of Ti-6Al-4V alloys by the addition of micron-sized refractory particles Fig7

Keywords

Grain hierarchical refinement, Yttria, Solidification microstructures, Solid phase transition microstructures, Recrystallization microstructures

A new dynamic masking technique for time resolved PIV analysis

A new dynamic masking technique for time resolved PIV analysis

시간 분해 PIV 분석을위한 새로운 동적 마스킹 기술

물체 가시성을 허용하기 위해 형광 코팅과 결합 된 새로운 프리웨어 레이 캐스팅 도구

Journal of Visualization ( 2021 ) 이 기사 인용

Abstract

Time resolved PIV encompassing moving and/or deformable objects interfering with the light source requires the employment of dynamic masking (DM). A few DM techniques have been recently developed, mainly in microfluidics and multiphase flows fields. Most of them require ad-hoc design of the experimental setup, and may spoil the accuracy of the resulting PIV analysis. A new DM technique is here presented which envisages, along with a dedicated masking algorithm, the employment of fluorescent coating to allow for accurate tracking of the object. We show results from measurements obtained through a validated PIV setup demonstrating the need to include a DM step even for objects featuring limited displacements. We compare the proposed algorithm with both a no-masking and a static masking solution. In the framework of developing low cost, flexible and accurate PIV setups, the proposed algorithm is made available through a freeware application able to generate masks to be used by an existing, freeware PIV analysis package.

광원을 방해하는 이동 또는 변형 가능한 물체를 포함하는 시간 해결 PIV는 동적 마스킹 (DM)을 사용해야 합니다. 주로 미세 유체 및 다상 흐름 분야에서 몇 가지 DM 기술이 최근 개발되었습니다. 대부분은 실험 설정의 임시 설계가 필요하며 결과 PIV 분석의 정확도를 떨어 뜨릴 수 있습니다. 여기에는 전용 마스킹 알고리즘과 함께 형광 코팅을 사용하여 물체를 정확하게 추적 할 수있는 새로운 DM 기술이 제시되어 있습니다. 제한된 변위를 특징으로 하는 물체에 대해서도 DM 단계를 포함해야 하는 필요성을 보여주는 검증 된 PIV 설정을 통해 얻은 측정 결과를 보여줍니다. 제안 된 알고리즘을 no-masking 및 static masking 솔루션과 비교합니다. 저비용, 유연하고 정확한 PIV 설정 개발 프레임 워크에서 제안 된 알고리즘은 기존 프리웨어 PIV 분석 패키지에서 사용할 마스크를 생성 할 수 있는 프리웨어 애플리케이션을 통해 사용할 수 있습니다.

Keywords

  • Time resolved PIV, Dynamics masking, Image processing, Vibration inducers, Fluorescent coating

그래픽 개요

소개

PIV (입자 영상 속도계)의 사용은 70 년대 후반 (Archbold 및 Ennos 1972 )이 반점 계측의 확장 (Barker and Fourney 1977 ) 으로 도입된 이래 실험 유체 역학에서 중심적인 역할을 했습니다 . PIV 기술의 기본 아이디어는 유체에 주입된 입자의 속도를 측정하여 유동장을 재구성하는 것입니다. 입자의 크기와 밀도는 확실하게 선택되고 유동을 만족스럽게 따르게 됩니다.

흐름은 레이저 / LED 소스를 통해 조명되고 입자에 의해 산란 된 빛은 추적을 허용합니다. 독자는 리뷰 작품 Grant ( 1997 ), Westerweel et al. ( 2013 년)에 대한 자세한 설명을 참조하십시오. 기본 2D 기술은 고유한 설정으로 발전했으며, 가장 진보 된 것은 단일 / 다중 평면 입체 PIV (Prasad 2000 ) 및 체적 / 단층 PIV (Scarano 2013 )입니다. 광범위한 유동장의 비 침습적 측정이 필요한 산업 및 연구 응용 분야에서 광범위하게 사용되었습니다.

조사된 유동장이 단단한 서있는 경계의 영향을 받는 경우 정적 마스킹 (SM) 접근 방식을 사용하여 PIV 분석을 수행하는 영역에서 솔리드 객체와 그림자가 차지하는 영역을 빼기 위해 주의를 기울여야 합니다. 실제로 이러한 영역에서는 파종 입자를 식별 할 수 없으므로 유속 재구성을 수행 할 수 없습니다. 제대로 처리되지 않으면 이 마스킹 단계는 잘못된 예측으로 이어질 수 있으며, 불행히도 그림자 영역 경계의 근접성에 국한되지 않습니다.

PIV 기술은 획득 프레임 속도를 관심있는 시간 척도로 조정하여 정상 상태 또는 시간 변화 흐름에 적용 할 수 있습니다. 시간의 가변성이 고체 물체의 위치 / 모양과 관련된 경우 이미지를 동적으로 마스킹하기 위해 추가 노력이 필요합니다. 고체 물체뿐만 아니라 다른 유체 단계도 가려야한다는 점에 유의해야합니다 (Foeth et al. 2006). 

이 프로세스는 고체 물체의 움직임이 선험적으로 알려진 경우 비교적 쉬우므로 SM 알고리즘에 대한 최소한의 수정이 목적에 부합 할 수 있습니다. 그러나 고체 물체의 위치 및 / 또는 모양이 알려지지 않은 방식으로 시간에 따라 변할 경우 물체를 동적으로 추적 할 수 있는 마스킹 기술이 필요합니다. PIV 분석을위한 동적 마스킹 (DM) 접근 방식은 현재 상당한 주목을 받고 있습니다 (Sanchis and Jensen 2011 , Masullo 및 Theunissen 2017 , Anders et al. 2019 ) . 시간 분해 PIV 시스템의 확산 덕분에 고속 카메라의 가용성이 높아집니다. 

DM 기술의 주요 발전은 마이크로 PIV 분야에서 비롯됩니다 (Lindken et al. 2009) 마이크로 및 나노 스위 머 (Ergin et al. 2015 ) 및 다상 흐름 (Brücker 2000 , Khalitov 및 Longmire 2002 ) 주변의 유동장을 조사 하려면 정확하고 유연한 알고리즘이 필요합니다. DM 기술은 상용 PIV 분석 소프트웨어 패키지 (TSI Instruments 2014 , DantecDynamics 2018 )에 포함되어 있습니다. 최근 개발 (Vennemann 및 Rösgen 2020 )은 신경망 자동 마스킹 기술의 적용을 예상하지만, 네트워크를 훈련하려면 합성 데이터 세트를 생성해야합니다.

많은 알고리즘은 이미지 처리 기술을 사용하여 개체를 추적하며, 대부분 사용자는 획득 한 이미지에서 추적 할 개체를 강조 표시 할 수있는 임시 실험 설정을 개발해야합니다. 따라서 실험 설정의 설계는 알고리즘의 최종 정확도에 영향을줍니다.

몇 가지 해결책을 구상 할 수 있습니다. 다음에서는 간단한 2D PIV 설정을 참조하지만 대부분의 고려 사항은 더 복잡한 설정으로 확장 할 수 있습니다. PIV 설정에서 객체를 쉽고 정확하게 추적 할 수 있도록 렌더링하는 가장 간단한 방법은 일반적으로 PIV 레이저 시트에 대략 수직 인 카메라를 향한 반사를 최대화하는 방향을 가리키는 추가 광원을 사용하여 조명하는 것입니다. 이 순진한 솔루션과 관련된 주요 문제는 PIV의 ROI (관심 영역)를 비추 지 않고는 광원을 움직이는 물체에만 겨냥하는 것이 사실상 불가능하여 시딩에 의해 산란 된 레이저 광 사이의 명암비를 감소 시킨다는 것입니다. 입자와 어두운 배경.

카메라의 프레임 속도가 높을수록 센서에 닿는 빛의 양이 적다는 사실로 인해 상황이 가혹 해집니다. 고체 물체의 움직임과 유동 입자가 모두 사용 된 설정의 획득 속도에 비해 충분히 느리다면, 가능한 해결책은 레이저 펄스 쌍 사이에 단일 확산 광 샷을 삽입하는 것입니다 (반드시 대칭 삽입은 아님). 그리고 카메라 샷을 둘 모두에 동기화합니다. 각 레이저 커플에서 물체의 위치는 확산 광에 의해 생성 된 이전 샷과 다음 샷의 두 위치를 보간하여 결정될 수 있습니다. 이 접근 방식에는 레이저, 카메라 및 빛을 제어 할 수있는 동기화 장치가 필요합니다.

이 문제에 대한 해결책이 제안되었으며 유체 인터페이스 (Foeth et al. 2006 ; Dussol et al. 2016 ) 의 밝은 반사를 활용 하여 이미지에서 많은 양의 산란 레이저 광을 획득 할 수 있습니다. 고체 표면에는 효과를 높이기 위해 반사 코팅이 제공 될 수 있습니다. 그런 다음 물체는 비정상적으로 큰 입자로 식별되고 경계를 쉽게 추적 할 수 있습니다. 이 솔루션의 단점은 물체 표면에서 산란 된 빛이 레이저 시트에 있지 않은 많은 시딩 입자를 비추어 PIV 분석의 정확도를 점진적으로 저하 시킨다는 것입니다.

위의 접근 방식의 개선은 다른 파장 의 두 번째 동일 평면 레이저 시트 (Driscoll et al. 2003 )를 사용합니다. 첫 번째 레이저 파장을 중심으로 한 좁은 반사 대역. 전체 설정은 매우 비쌀 수 있습니다. 파장 방출의 차이를 이용하여 설정을 저렴하게 만들 수 있습니다. 서로 다른 필터가 장착 된 두 대의 카메라를 적용하면 인터페이스로부터의 반사와 독립적으로 형광 시드 입자를 식별 할 수 있습니다 (Pedocchi et al. 2008 ).

객체의 변위가 작을 때 기본 솔루션은 실제 시간에 따라 변하는 음영 영역에 가장 근접한 하나의 정적 마스크를 추출하는 것입니다. 일반적인 경험 법칙은 예상되는 음영 영역보다 약간 더 크게 마스크를 그려 분석에 포함 된 조명 영역의 양을 단순화하고 최소화하는 것 사이의 최상의 균형을 찾는 것입니다.

본 논문에서는 PIV 분석을위한 DM 문제에 대한 새로운 실험적 접근법을 제안합니다. 우리의 방법은 형광 페인팅을 사용하여 물체를 쉽게 추적 할 수 있도록 하는 기술과 시변 마스크를 생성 할 수있는 특정 오픈 소스 알고리즘을 포함합니다. 이 접근법은 레이저 광에 불투명 한 물체의 큰 변위를 허용함으로써 효과적인 것으로 입증되었습니다. 

우리의 방법인 NM (no-masking)과 SM (static masking) 접근 방식을 비교합니다. 우리의 접근 방식의 타당성을 입증하는 것 외에도 이 백서는 마스킹 단계가 정확한 결과를 얻기 위해 가장 중요하다는 것을 확인합니다. 실제로 물체의 변위가 무시할 수 없는 경우 DM에 대한 리조트는 필수이며 SM 접근 방식은 음영 처리 된 영역의 주변 환경에 국한되지 않는 부정확성을 유발합니다. 

논문의 구조는 다음과 같습니다. 먼저 형광 코팅 기술과 마스킹 소프트웨어를 설명하는 제안된 접근법의 근거를 소개합니다. 그런 다음 PIV 설정에 대한 설명 후 두 벤치 마크 사례를 통해 전체 PIV 체인 분석의 신뢰성을 평가합니다. 그런 다음 제안 된 DM 방법의 결과를 NM 및 SM 솔루션과 비교합니다. 마지막으로 몇 가지 결론이 도출됩니다.

행동 양식

제안 된 DM 기술은 PIV 분석을 위해 캡처 한 동일한 이미지에서 쉽고 정확한 추적 성을 허용하기 위해 움직이는 물체 표면의 형광 코팅을 구상합니다. 물체가 가시화되면 특정 알고리즘이 물체 추적을 수행하고 레이저 위치가 알려지면 (그림 1 참조  ) 음영 영역의 마스킹을 수행합니다.

형광 코팅

코팅은 구조적 매트릭스 에 시판되는 형광 분말 (fluorescein (Taniguchi and Lindsey 2018 ; Taniguchi et al. 2018 )) 의 분산액으로 구성됩니다 . 단단한 물체의 경우 매트릭스는 폴리 에스터 / 에폭시 (대상 재료와의 화학적 호환성에 따라) 투명 수지 일 수 있습니다. 변형 가능한 물체의 경우 매트릭스는 투명한 실리콘 고무로 만들 수 있습니다. 형광 코팅 된 물체는 실행 중에 지속적으로 빛을 방출하기 위해 실험 전에 충분히 오랫동안 조명을 비춰 야합니다. 우리는 4W LED 소스 (그림 2 에서 볼 수 있음)에 20 초 긴 노출이  실험 실행 (몇 초)의 짧은 기간 동안 일관된 형광 방출을 제공하기에 충분하다는 것을 발견했습니다.

우리 실험에서 물체와 입자 크기 사이의 상당한 차이를 감안할 때 전자를 식별하는 것은 간단합니다. 그림  3 은 씨 뿌리기 입자와 물체 모양이 서로 다른 세 번에 겹쳐진 모습을 보여줍니다 (색상은 다른 순간을 나타냄).

대신, 이러한 크기 기반 분류가 가능하지 않은 경우 입자와 물체의 파장을 분리해야합니다. 이러한 분리는 시드 입자에 의해 산란 된 빛과 현저하게 다른 파장에서 방출되는 형광 코팅을 선택하여 달성 할 수 있습니다. 또는 레이저에서 멀리 떨어진 대역에서 방출되는 형광 입자를 이용하는 것 (Pedocchi et al. 2008 ). 두 경우 모두 컬러 이미지 획득의 채널 분리 또는 멀티 카메라 설정의 애드혹 필터링은 물체 식별을 크게 촉진 할 수 있습니다. 우리의 경우에는 그러한 파장 분리를 달성 할 필요가 없습니다. 실제로 형광 코팅의 방출 스펙트럼의 피크는 540nm입니다 (Taniguchi and Lindsey 2018 ; Taniguchi et al. 2018), 사용 된 레이저의 532 nm에 매우 가깝습니다.

마스킹 소프트웨어

DM 용으로 개발 된 알고리즘 은 무료 PIV 분석 패키지 PIVlab (Thielicke 2020 , Thielicke 및 Stamhuis 2014 ) 과 함께 작동하도록 고안된 오픈 소스 프리웨어 GUI 기반 도구 (Prestininzi 및 Lombardi 2021 )입니다. 이것은 세 단계의 순차적 실행으로 구성됩니다 (그림 1 에서 a–b–c라고 함 ). 첫 번째 단계 (a)는 장면에서 레이저 위치를 찾는 데 사용됩니다 (즉, 소스의 좌표를 계산합니다. 장애물에 부딪히는 빛); 두 번째 항목 (b)은 개체 위치를 추적하고 각 프레임의 음영 영역을 계산합니다. 세 번째 항목 (c)은 추적 된 개체 영역과 음영 처리 된 개체 영역을 PIV 알고리즘을위한 단일 마스크로 병합합니다.

각 단계에 대한 자세한 내용은 다음과 같습니다.

  1. (ㅏ)레이저 위치는 프레임 (즉, 획득 한 프레임의 시야 (FOV)) 내에서 가시적 일 수도 있고 아닐 수도 있습니다. 전자의 경우 사용자는 GUI에서 레이저 소스를 클릭하여 찾기 만하면됩니다. 후자의 경우, 사용자는 음영 영역의 경계에 속하는 두 개의 세그먼트 (두 쌍의 점)를 그리도록 요청받습니다. 그러면 FOV 외부에있는 레이저 위치가 두 선의 교차점으로 계산됩니다. 세그먼트로 구성됩니다. 개체 그림자는 ROI 프레임 상자에 도달하는 것으로 간주됩니다.
  2. (비)레이저 위치가 알려지면 물체 추적은 다음과 같이 수행됩니다. 각 프레임의 하나의 채널 (이 경우 RGB 색상 공간이 사용되기 때문에 녹색 채널이지만 GUI는 선호하는 채널을 지정할 수 있음)은 다음과 같습니다. 로컬 적응 임계 값을 사용하여 이진화 됨 (Bradley and Roth 2007), 후자는 이웃 주변의 로컬 평균 강도를 사용하여 각 픽셀에 대해 계산됩니다. 그런 다음 입자와 물체로 구성된 이진 이미지가 영역으로 변환됩니다. 우리 실험에 존재하는 유일한 장애물은 모든 입자에 비해 더 큰 크기를 기준으로 식별됩니다. 다른 전략은 이전에 논의되었습니다. 그런 다음 장애물 영역의 경계 다각형은 사용자 정의 포인트 밀도로 결정됩니다. 여기에서는 그림자 결정을 위해 광선 투사 (RC) 접근 방식을 채택했습니다. RC는 컴퓨터 그래픽을 기반으로하는 “경 운송 모델링”의 틀에 속합니다. 수치 적으로 정확한 그림자를 제공하기 때문에 여기에서 선택됩니다. 정확도는 떨어지지 만 주로 RC의 계산 부하를 줄이는 것을 목표로하는 몇 가지 다른 방법이 개발되었습니다.2015 ), 여기서 간략히 회상합니다. 각 프레임 (명확성을 위해 여기에 색인화되지 않음)에 대해 광선아르 자형나는 j아르 자형나는제이레이저 위치 L 에서 i 번째 정점 으로 캐스트됩니다.피나는 j피나는제이의 J 오브젝트의 경계 다각형 일; 목표는피나는 j피나는제이 하위 집합에 속 ㅏ제이ㅏ제이 레이저에 의해 직접 조명되는 경계 정점의 피나는 j피나는제이 에 추가됩니다 ㅏ제이ㅏ제이 만약 아르 자형나는 j아르 자형나는제이 적어도 한쪽을 교차 에스k j에스케이제이( j 번째 개체 경계 다각형 의 모든면에 걸쳐있는 k )피나는 j피나는제이 (그것이 교차로 큐나는 j k큐나는제이케이 레이저 위치와 정점 사이에 있지 않습니다. 피나는 j피나는제이). 두 개의 광선, 즉ρ1ρ1 과 ρ2ρ2추가면을 가로 지르지 않는는 저장됩니다.
  3. (씨)일단 정점 세트, 즉 ㅏ제이ㅏ제이 레이저에 의해 직접 비춰지고 식별되었으며 ROI 프레임 상자의 음영 부분은 후자와 교차하여 결정됩니다. ρ1ρ1 과 ρ2ρ2. 두 교차점은 다음에 추가됩니다.ㅏ제이ㅏ제이. 점으로 둘러싸인 영역ㅏ제이ㅏ제이 마침내 마스크로 변환됩니다.

레이저 소스가 여러 개인 경우 각각에 RC 알고리즘을 적용해야하며 음영 영역의 결합이 수행됩니다. 레이 캐스팅 절차의 의사 코드는 Alg에보고됩니다. 1.

그림
그림 1
그림 1

DM 검증

이 섹션에서는 제안 된 DM으로 수행 된 PIV 측정과 두 가지 다른 접근 방식, 즉 no-masking (NM)과 static masking (SM) 간의 비교를 제시합니다.

그림 2
그림 2
그림 3
그림 3

실험 설정

진동 유도기 (VI)의 성능을 분석하기 위해 PIV 설정을 설계하고 현재 DM 기술을 개발했습니다 (Curatolo et al. 2019 , 2020 ). 후자는 비 맥동 ​​유체 흐름에서 역류에 배치 된 캔틸레버의 규칙적이고 넓은 진동을 유도 할 수있는 윙렛입니다. 이러한 VI는 캔틸레버의 끝에 장착되며 (그림 2 참조   ) 진동 운동의 어느 지점에서든 캔틸레버의 중립 구성을 향해 양력을 생성 할 수있는 두 개의 오목한 날개가 있습니다.

VI는 캔틸레버 표면에 장착 된 압전 패치를 사용하여 고정 유체 흐름에서 기계적 에너지 추출을 향상시킬 수 있습니다. 그림 2 에서 강조된 날개의 전체 측면 가장자리는  Sect에 설명 된 사양에 따라 형광 페인트로 코팅되어 있습니다. 2.1 . 실험은 Roma Tre University 공학부 수력 학 실험실의 자유 표면 채널에서 수행됩니다. 10.8cm 길이의 캔틸레버는 채널의 중심선에 배치되고 상류로 향하며 수직-세로 평면에서 진동합니다. 세라믹 페 로브 스카이 트 (PZT) 압전 패치 (7××캔틸레버의 윗면에는 Physik Instrumente (PI)에서 만든 3cm)가 부착되어 있습니다. 흐름 유도 진동 하에서 변형으로 인해 AC 전압 차이를 제공합니다. VI 왼쪽 날개의 수직 중앙면에있는 2D 속도 필드는 수제 수중 PIV 장비를 통해 얻었습니다.각주1 연속파, 저비용, 저전력 (150mW), 녹색 (532nm) 레이저 빔이 2mm 두께의 부채꼴 시트에 퍼집니다.120∘120∘그림 2 와 같이 VI의 한쪽 날개를 절반으로 교차 합니다. 물은 평균 직경이 100 인 폴리 아미드 입자로 시드됩니다.μμm 및 1016 Kg / m의 밀도삼삼. 레이저 소스는 VI의 15cm 위쪽 (자유 표면 아래 약 4cm)과 VI의 하류 5cm에 경사지게 배치됩니다.5∘5∘상류. 위의 설정은 주로 날개의 후류를 조사하기 위해 고안되었습니다. 날개의 상류면과 하류 부분의 일부는 레이저 시트에 직접 맞지 않습니다. 레이저 시트에 수직으로 촬영하는 고속 상용 카메라 (Sony RX100 M5)를 사용하여 동영상을 촬영합니다. 후자는 1920의 프레임 크기로 500fps의 높은 프레임 속도 모드로 기록됩니다.×× 1080px, 나중에 더 작은 655로 잘림 ××이미지 분석 중에 분석 할 850px ROI. 시간 해결, 프리웨어, 오픈 소스, MatLab 용 PIV 분석 도구가 사용됩니다 (Thielicke and Stamhuis 2014 ). 이 도구는 질의 영역 (IA) 변형 (우리의 경우 64×× 64, 32 ×× 32 및 26 ××26). 각 패스에서 각 IA의 경계와 모서리에서 추가 변위 정보를 얻기 위해 인접한 IA 사이에 50 %의 중첩이 허용됩니다. 첫 번째 통과 후, 입자 변위 정보가 보간되어 IA의 모든 픽셀의 변위를 도출하고 그에 따라 변형됩니다.

시딩 입자 수 밀도는 첫 번째 패스에서 IA 당 약 5입니다. Keane과 Adrian ( 1992 )에 따르면 이러한 밀도 값은 95 % 유효한 탐지 확률을 보장합니다. IA는 프레임 커플 내에서 입자의 충분한 영구성을 보장하기 위해 크기가 조정됩니다. 분석 된 유동 역학은 0.4 ~ 0.7m / s 범위의 유동 속도를 특징으로합니다. 따라서 입자는 권장 최소값 인 2 프레임 (Keane and Adrian 1992 ) 보다 큰 약 3-4 프레임의 세 번째 패스 IA에 나타납니다 .

PIV 체인 분석 평가

사용 된 PIV 알고리즘의 정확성은 이전에 문헌에서 광범위하게 평가되었습니다 (예 : Guérin et al. ( 2020 ), Vennemann and Rösgen ( 2020 ), Mohammadshahi et al. ( 2020 ), Narayan et al. ( 2020 )). 그러나 PIV 측정의 물리적 일관성을 보장하기 위해 두 가지 벤치 마크 사례가 여기에 나와 있습니다.

첫 번째는 Sect에 설명 된 동일한 PIV 설정을 통해 측정 된 세로 유속의 수직 프로파일을 비교합니다. 3.1 분석 기준 용액이있는 실험 채널에서. 후자는 플로팅 트레이서로 수행되는 PTV (입자 추적 속도계) 측정을 통해 보정되었습니다. 분석 속도 프로파일은 Eq. 1 (Keulegan 1938 ).u ( z) =유∗[5.75 로그(지δ) +8.5];유(지)=유∗[5.75로그⁡(지δ)+8.5];(1)

여기서 u 는 수평 유속 성분, z 는 수직 좌표,δδ 침대 거칠기 및 V∗V∗ 균일 한 흐름 공식에 의해 주어진 것으로 가정되는 마찰 속도, 즉 유∗= U/ C유∗=유/씨; U 는 깊이 평균 유속이고 C 는 다음 과 같이 주어진 마찰 계수입니다.씨= 5.75로그( 13.3에프R / δ)씨=5.75로그⁡(13.3에프아르 자형/δ), R = 0.2아르 자형=0.2 m은 유압 반경이고 에프= 0.92에프=0.92유한 폭 채널의 형상 계수. 그림  4 는 4 초의 시간 창에 걸쳐 순간 값을 평균화하여 얻은 분석 프로필과 PIV 측정 간의 비교를 보여줍니다. 국부적 인 변동은 대략 0.5 초의 시간 척도에서 진화하는 것으로 밝혀졌습니다. PTV 결과에 가장 적합하면 다음과 같은 값이 산출됩니다.δ= 1δ=1cm, 베드 거칠기의 경우 Eq. 1 , 실험 채널 침대 표면의 실제 조건과 호환됩니다. VI의 휴지 구성 위치에서 유속의 분석 값은 그림에서 검은 색 십자가로 표시됩니다. 비교는 놀라운 일치를 보여 주므로 실험 설정과 PIV 알고리즘의 조합이 분석 된 설정에 대해 신뢰할 수있는 것으로 간주 될 수 있음을 증명합니다.

두 번째 벤치 마크는 VI 뒷면에 재 부착 된 흐름의 양을 비교합니다. 실제로 이러한 장치의 높은 캠버를 고려할 때 흐름은 하류 표면에서 분리되어 결국 다시 연결됩니다. 첨부 흐름을 나타내는 표면의 양 (Curatolo 외. 발견 2020 ) 흥미로운 압전 패치 (즉, 효율이 큰 경우에 더 빠르게 진동이 유발되는 것이다)에서 VI의 효율과 상관된다. 여기에서는 PIV 분석을 통해 측정 된 진동의 상사 점에서 재 부착 된 흐름의 길이를 CFD (전산 유체 역학) 상용 코드 FLOW-3D® (Flow Science 2019 )로 예측 한 길이와 비교하여 RANS를 해결합니다. 결합 식 (비어 스톡스 레이놀즈 평균) 케이 -ϵϵ구조화 된 그리드의 난류 폐쇄 (시뮬레이션을 위해 1mm 간격이 선택됨). 다운 스트림 측면의 흐름은 이러한 높은 캠버 VI를 위해 여러 위치에서 분리 및 재 부착됩니다. 이 벤치 마크에서 비교 된 양은 VI의 앞쪽 가장자리와 가장 가까운 흐름 재 부착 위치 사이의 호 길이입니다. 그림 5를 참조  하면 CFD 모델에 의해 예측 된 호의 길이는 측정 된 호의 길이보다 10 % 더 큽니다. 이 작업에 제시된 DM 기술을 사용하는 PIV 분석은 물리적으로 건전한 측정을 제공하는 것으로 입증됩니다. 후류의 유체 역학에 대한 자세한 분석과 VI의 전반적인 효율성과의 상관 관계는 현재 진행 중이며 향후 작업의 대상이 될 것입니다.

그림 4
그림 4
그림 5
그림 5

결과

그림 6을 참조하여  순간 유속 장의 관점에서 세 가지 접근법의 결과를 비교합니다. 선택한 순간은 진동의 상사 점에 해당합니다.

제안 된 DM (그림 6 의 패널 a  )은 부드러운 유동장을 생성하여 후류에서 일관된 소용돌이 구조를 나타냅니다.

NM 접근법 (그림 6 의 패널 b1  )도 후류의 와류 구조를 정확하게 예측하지만 음영 영역에서 대부분 부정확 한 값을 산출합니다. 또한 비교에서 합리적인 기준을 추론 할 수 없기 때문에 획득 한 유동장 의 사후 필터링이 실현 가능하지 않다는 것이 분명합니다 . 실제로 유속은 그림 6 의 패널 c1에서 볼 수 있듯이 가장 큰 오류가 생성되는 위치에서도 “합리적인”크기를 갖습니다. , DM 및 NM 접근 방식으로 얻은 속도 필드 간의 차이가 표시됩니다. 더욱이 후류에서 발생하는 매우 불안정한 소용돌이 운동이 이러한 위치에 가깝게 이동하기 때문에 그럴듯한 흐름 방향을 가정하더라도 필터링 기준을 공식화 할 수 없습니다. 모델러가 그러한 부정확성을 알고 있었다하더라도 NM 접근법은 “합리적”이지만 여전히 날개의 내부 현과 그 바로 아래에있는 유동장의 대부분은 부정확합니다. 이러한 행동은 매우 오해의 소지가 있습니다.

그림 6 의 패널 b2는  SM 접근법으로 얻은 유속 장을 보여주고 패널 c2는 SM과 DM 접근법으로 얻은 결과 간의 차이를 보여줍니다. SM 접근법은 NM 대응 물에 비해 전반적으로 더 나은 정확도를 명확하게 보여 주지만, 이는 레이저 소스의 위치가 진동 중에 음영 영역이 많이 움직이지 않기 때문입니다 (그림 3 참조). 한 번의 진동 동안 VI가 경험 한 최대 변위를 육안으로 검사합니다. 즉, 분석 된 사례의 경우 정적 마스크를 그리기위한 중립 구성을 선택하면 NM 접근 방식보다 낮은 오류를 얻을 수 있습니다. 더 큰 물체 변위를 포함하는 실험 설정은 NM이 일관되게 더 정확해질 수 있기 때문에 NM보다 SM의 우월성은 일반화 될 수 없음을 강조하고 싶습니다.

그림  6 은 분석 된 접근법에 의해 생성 된 차이를 철저히 보여 주지만 결과에 대한보다 정량적 인 평가를 제공하기 위해 오류의 빈도 분포를 계산했습니다. 그림 7 에서 이러한 분포를  살펴보면 SM 접근법이 NM보다 전체적인 예측이 더 우수하고 SM 분포가 더 정점에 있음을 확인합니다. 그럼에도 불구하고 SM은 여전히 ​​비정상적인 강도의 스파이크를 생성합니다. 분포의 꼬리로 표시되는 이러한 값은 정적 마스크 범위의 과대 평가 (왼쪽 꼬리) 및 과소 평가 (오른쪽 꼬리)에 연결됩니다. 그러나 주파수의 크기는 고려되는 경우에 SM과 NM의 적용 가능성을 배제하여 DM에 대한 리조트를 의무적으로 만듭니다.

그림 6
그림 6
그림 7
그림 7

결론

이 작업에서는 PIV 분석 도구에 DM (Dynamic Masking) 모듈을 제공하기위한 새로운 실험 기법을 제시합니다. 동적 마스킹은 유체 흐름에 잠긴 불투명 이동 / 변형 가능한 물체를 포함하는 시간 해결 PIV 설정에서 필요한 단계입니다. 마스킹 알고리즘과 함께 형광 코팅을 사용하여 물체를 정확하게 추적 할 수 있습니다. 우리는 제안 된 DM과 두 가지 다른 접근 방식, 즉 no-masking (NM)과 static masking (SM)을 비교하여 자체적으로 설계된 저비용 PIV 설정을 통해 수행 된 측정을 제시합니다. 분석 된 유동 역학은 고체 물체의 제한된 변위를 포함하지만 정량적 비교는 DM 기술을 채택해야하는 필수 필요성을 보여줍니다. 여기에서 정확성이 입증 된 현재의 실험적 접근 방식은

메모

  1. 1.실험 데이터 세트는 PIV 분석의 복제를 허용하기 위해 요청시 제공됩니다.

참고 문헌

  1. Anders S, Noto D, Seilmayer M, Eckert S (2019) 스펙트럼 랜덤 마스킹 : 다상 흐름에서 piv를위한 새로운 동적 마스킹 기술. Experim 유체 60 (4) : 1–6 Google 학술 검색 
  2. Archbold E, Ennos A (1972) 이중 노출 레이저 사진에서 변위 측정. Optica Acta Int J Opt 19 (4) : 253–271 Google 학술 검색 
  3. Barker D, Fourney M (1977) 얼룩 패턴으로 유체 속도 측정. Opt Lett 1 (4) : 135–137 Google 학술 검색 
  4. Bradley D, Roth G (2007) 적분 이미지를 사용한 적응 형 임계 값. J 그래프 도구 12 (2) : 13–21 Google 학술 검색 
  5. Brücker C (2000) Piv의 다상 흐름. 입자 이미지 유속계 및 관련 기술, 강의 시리즈, p 1
  6. Case N (2015) 시력 및 조명. GitHub 저장소. https://github.com/ncase/sight-and-light
  7. Curatolo M, La Rosa M, Prestininzi P (2019) 바이 모르 프 압전 캔틸레버의 굽힘에서 평면 상태 가정의 타당성. J Intell Mater Syst Struct 30 (10) : 1508–1517 Google 학술 검색 
  8. Curatolo M, Lombardi V, Prestininzi P (2020) 얇은 압전 캔틸레버의 유동 유도 진동 향상 : 실험 분석. In : River Flow 2020— 유체 유압에 관한 국제 회의 절차
  9. DantecDynamics : DynamicStudio 6.4 (2018) https://www.dantecdynamics.com/dynamicstudio-6-4-release-with-new-dynamic-masking-add-on/
  10. Driscoll K, Sick V, Gray C (2003) 고밀도 연료 ​​스프레이에서 동시 공기 / 연료 위상 piv 측정. Experim 유체 35 (1) : 112–115 Google 학술 검색 
  11. Dussol D, Druault P, Mallat B, Delacroix S, Germain G (2016) 불안정한 인터페이스, 거품 및 움직이는 구조를 포함하는 piv 이미지에 대한 자동 동적 마스크 추출. Comptes Rendus Mécanique 344 (7) : 464–478 Google 학술 검색 
  12. Ergin F, Watz B, Wadhwa N (2015) 장거리 micropiv를 사용하여 작은 평영 수영 선수 주변의 픽셀 정확도 동적 마스킹 및 흐름 측정. 에서 : 입자 이미지 유속계 -PIV15에 관한 제 11 회 국제 심포지엄. 캘리포니아 주 산타 바바라, 9 월, 14 ~ 16 쪽
  13. Flow Science I (2019) FLOW-3D, 버전 12.0. 산타페, NM https://www.flow3d.com/
  14. Foeth EJ, Van Doorne C, Van Terwisga T, Wieneke B (2006) 시간은 3d 시트 캐비테이션의 piv 및 유동 시각화를 해결했습니다. Experim 유체 40 (4) : 503–513 Google 학술 검색 
  15. Grant I (1997) 입자 이미지 속도 측정 : 리뷰. Proc Inst Mech Eng CJ Mech Eng Sci 211 (1) : 55–76 Google 학술 검색 
  16. Guérin A, Derr J, Du Pont SC, Berhanu M (2020) 흐르는 물막에 의해 생성 된 Streamwise 용해 패턴. Phys Rev Lett 125 (19) : 194502 Google 학술 검색 
  17. Keane RD, Adrian RJ (1992) piv 이미지의 상호 상관 분석 이론. Appl Sci Res 49 (3) : 191–215 Google 학술 검색 
  18. Keulegan GH (1938) 열린 수로에서 난류의 법칙, vol. 21. 미국 표준 국 (National Bureau of Standards)
  19. Khalitov D, Longmire EK (2002) 2 개 매개 변수 위상 차별에 의한 동시 2 상 piv. Experim 유체 32 (2) : 252–268 Google 학술 검색 
  20. Lindken R, Rossi M, Große S, Westerweel J (2009) 미세 입자 영상 속도계 (piv) : 최근 개발, 응용 및 지침. 랩 칩 9 (17) : 2551–2567 Google 학술 검색 
  21. Masullo A, Theunissen R (2017) 픽셀 강도 통계를 기반으로 한 piv 이미지 분석을위한 자동화 된 마스크 생성. Experim 유체 58 (6) : 70 Google 학술 검색 
  22. Mohammadshahi S, Samsam-Khayani H, Cai T, Kim KC (2020) 수로에서 진동하는 제트의 흐름 특성과 열 전달에 대한 실험 및 수치 연구. Int J 열 유체 흐름 86 : 108701 Google 학술 검색 
  23. Narayan S, Moravec DB, Dallas AJ, Dutcher CS (2020) 4 채널 미세 유체 유체 역학 트랩에서 물방울 모양 이완. Phys Rev Fluids 5 (11) : 113603 Google 학술 검색 
  24. Pedocchi F, Martin JE, García MH (2008) 입자 이미지 속도계를 사용하는 대규모 실험을위한 저렴한 형광 입자. Experim 유체 45 (1) : 183–186