Fig. 1. Schematic of the hydrogen storage vessel.

Simulation and evaluation of a hydrogen storage system using hydrogen storage alloy for a chemical CO2 fixation and utilization system

화학적 CO 2 고정 및 이용 시스템 을 위한 수소 저장 합금을 이용한 수소 저장 시스템의 시뮬레이션 및 평가

K.NishimuraaC.InazumiaK.OgurobI.UeharacY.ItohdS.FujitanidI.YonezudaResearch Institute of Innovative Technology for the Earth, Ikeda City, Osaka 563-8577, JapanbOsaka National Research Institute, 1-8-31, Midorigaoka, Ikeda City, Osaka 563-8577, JapancToyama Industrial Technology Center, 150, Futagami-machi, Takaoka City, Toyama 933-0981, JapandSanyo Electric Co. Ltd, 1-18-13, Hashiridani, Hirakata-City, Osaka 573-8534, Japan

https://doi.org/10.1016/S0360-3199(00)00008-2Get rights and content

Abstract

Two-dimensional model and simulation programs for designing a hydrogen storage vessel using hydrogen absorbing alloy with tubular heat exchanger were developed with the “Flow-3D” program in which physical properties of the hydrogen storage alloy were incorporated. The calculated results showed good agreement with experimental data obtained from 10 Nm3 scale hydrogen storage vessel with MmNi4.64Al0.36 alloy. It was concluded that this simulation program could be an adequate tool to design a practical scale hydrogen storage system for hydrogen from solid polymer electrolyte water electrolysis and to evaluate its hydrogen storage performance.

관형 열교환기를 갖는 수소흡수합금을 이용한 수소저장용기 설계를 위한 2차원 모델 및 시뮬레이션 프로그램은 수소저장합금의 물성을 반영한 “Flow-3D” 프로그램으로 개발하였다. 계산된 결과는 MmNi 4.64 Al 0.36 합금 이 있는 10 Nm 3 규모의 수소 저장 용기 에서 얻은 실험 데이터와 잘 일치하는 것으로 나타났습니다. 이 시뮬레이션 프로그램은 고체 고분자 전해질 물 전기분해에서 수소를 위한 실용적인 규모의 수소 저장 시스템을 설계하고 수소 저장 성능을 평가하는 데 적절한 도구가 될 수 있다는 결론을 내렸습니다.

    Keywords

    Hydrogen storage alloy, Chemical CO2 fixation and utilization systems, Simulation, Hydrogen storage vessel

    Fig. 1. Schematic of the hydrogen storage vessel.
    Fig. 1. Schematic of the hydrogen storage vessel.
    Fig. 2. Cross-section of the reaction bed, tube exchangers and thermocouples (A±L).
    Fig. 2. Cross-section of the reaction bed, tube exchangers and thermocouples (A±L).

    References

    [1] Masuda S. In: Book of abstracts of second international conference on carbon dioxide removal, 1994. p. 24±7.
    [2] Mayer U, Groll M, Supper W. J Less-Common Metals 1987;131:235±44.
    [3] Choi H, Mills AF. Int J Heat Mass Transfer 1990;33:1281±8.
    [4] Sun DW, Deng SJ. J Less-Common Metals 1989;155:271±9.
    [5] Sun DW, Deng SJ. Int J Hydrogen Energy 1990;15:807± 16.
    [6] Jemini A, Nasrallah B. Int J Hydrogen Energy 1995;20:43±52.
    [7] Fisher PW, Watson JS. Int J Hydrogen Energy 1983;8:109±19.
    [8] Suda S, Kobayashi N, Morishita E, Takemoto N. J Less-Common Metals 1983;89:325±32.
    [9] Fujitani S, Nakamura H, Furukawa A, Nasako K, Satoh K, Imoto T, Saito T, Yonezu I. Z Phys Chem Bd
    1993;179:27.
    [10] Hahne E, Kallweit J. Int J Hydrogen Energy 1998;23:107±14.
    [11] Pons M, Dantzer P. J Less-Common Metals 1991;172(174):1147±56.
    [12] Pons M, Dantzer P, Guilleminot JJ. Int J Heat Mass Transfer 1993;36:2635±46.
    [13] Evance MJB, Everett DH. J Less-Common Metals 1976;49:13.
    [14] Pons M, Dantzer P. Int J Hydrogen Energy 1994;19:611±6.

    Numerical analysis of energy dissipator options using computational fluid dynamics modeling — a case study of Mirani Dam

    전산 유체 역학 모델링을 사용한 에너지 소산자 옵션의 수치적 해석 — Mirani 댐의 사례 연구

    Arabian Journal of Geosciences volume 15, Article number: 1614 (2022) Cite this article

    Abstract

    이 연구에서 FLOW 3D 전산 유체 역학(CFD) 소프트웨어를 사용하여 파키스탄 Mirani 댐 방수로에 대한 에너지 소산 옵션으로 미국 매립지(USBR) 유형 II 및 USBR 유형 III 유역의 성능을 추정했습니다. 3D Reynolds 평균 Navier-Stokes 방정식이 해결되었으며, 여기에는 여수로 위의 자유 표면 흐름을 캡처하기 위해 공기 유입, 밀도 평가 및 드리프트-플럭스에 대한 하위 그리드 모델이 포함되었습니다. 본 연구에서는 5가지 모델을 고려하였다. 첫 번째 모델에는 길이가 39.5m인 USBR 유형 II 정수기가 있습니다. 두 번째 모델에는 길이가 44.2m인 USBR 유형 II 정수기가 있습니다. 3번째와 4 번째모델에는 길이가 각각 48.8m인 USBR 유형 II 정수조와 39.5m의 USBR 유형 III 정수조가 있습니다. 다섯 번째 모델은 네 번째 모델과 동일하지만 마찰 및 슈트 블록 높이가 0.3m 증가했습니다. 최상의 FLOW 3D 모델 조건을 설정하기 위해 메쉬 민감도 분석을 수행했으며 메쉬 크기 0.9m에서 최소 오차를 산출했습니다. 세 가지 경계 조건 세트가 테스트되었으며 최소 오류를 제공하는 세트가 사용되었습니다. 수치적 검증은 USBR 유형 II( L = 48.8m), USBR 유형 III( L = 35.5m) 및 USBR 유형 III 의 물리적 모델 에너지 소산을 0.3m 블록 단위로 비교하여 수행되었습니다( L= 35.5m). 통계 분석 결과 평균 오차는 2.5%, RMSE(제곱 평균 제곱근 오차) 지수는 3% 미만이었습니다. 수리학적 및 경제성 분석을 바탕으로 4 번째 모델이 최적화된 에너지 소산기로 밝혀졌습니다. 흡수된 에너지 백분율 측면에서 물리적 모델과 수치적 모델 간의 최대 차이는 5% 미만인 것으로 나타났습니다.

    In this study, the FLOW 3D computational fluid dynamics (CFD) software was used to estimate the performance of the United States Bureau of Reclamation (USBR) type II and USBR type III stilling basins as energy dissipation options for the Mirani Dam spillway, Pakistan. The 3D Reynolds-averaged Navier–Stokes equations were solved, which included sub-grid models for air entrainment, density evaluation, and drift–flux, to capture free-surface flow over the spillway. Five models were considered in this research. The first model has a USBR type II stilling basin with a length of 39.5 m. The second model has a USBR type II stilling basin with a length of 44.2 m. The 3rd and 4th models have a USBR type II stilling basin with a length of 48.8 m and a 39.5 m USBR type III stilling basin, respectively. The fifth model is identical to the fourth, but the friction and chute block heights have been increased by 0.3 m. To set up the best FLOW 3D model conditions, mesh sensitivity analysis was performed, which yielded a minimum error at a mesh size of 0.9 m. Three sets of boundary conditions were tested and the set that gave the minimum error was employed. Numerical validation was done by comparing the physical model energy dissipation of USBR type II (L = 48.8 m), USBR type III (L =35.5 m), and USBR type III with 0.3-m increments in blocks (L = 35.5 m). The statistical analysis gave an average error of 2.5% and a RMSE (root mean square error) index of less than 3%. Based on hydraulics and economic analysis, the 4th model was found to be an optimized energy dissipator. The maximum difference between the physical and numerical models in terms of percentage energy absorbed was found to be less than 5%.

    Keywords

    • Numerical modeling
    • Spillway
    • Hydraulic jump
    • Energy dissipation
    • FLOW 3D

    References

    • Abbasi S, Fatemi S, Ghaderi A, Di Francesco S (2021) The effect of geometric parameters of the antivortex on a triangular labyrinth side weir. Water (Switzerland) 13(1). https://doi.org/10.3390/w13010014
    • Amorim JCC, Amante RCR, Barbosa VD (2015) Experimental and numerical modeling of flow in a stilling basin. Proceedings of the 36th IAHR World Congress 28 June–3 July, the Hague, the Netherlands, 1, 1–6
    • Asaram D, Deepamkar G, Singh G, Vishal K, Akshay K (2016) Energy dissipation by using different slopes of ogee spillway. Int J Eng Res Gen Sci 4(3):18–22Google Scholar 
    • Boes RM, Hager WH (2003) Hydraulic design of stepped spillways. J Hydraul Eng 129(9):671–679. https://doi.org/10.1061/(ASCE)0733-9429(2003)129:9(671)Article Google Scholar 
    • Celik IB, Ghia U, Roache PJ, Freitas CJ, Coleman H, Raad PE (2008) Procedure for estimation and reporting of uncertainty due to discretization in CFD applications. J Fluids Eng Trans ASME 130(7):0780011–0780014. https://doi.org/10.1115/1.2960953Article Google Scholar 
    • Chen Q, Dai G, Liu H (2002) Volume of fluid model for turbulence numerical simulation of stepped spillway overflow. J Hydraul Eng 128(7):683–688. 10.1061/共ASCE兲0733-9429共2002兲128:7共683兲 CE
    • Damiron R (2015) CFD modelling of dam spillway aerator. Lund University Sweden
    • Dunlop SL, Willig IA, Paul GE (2016) Cabinet Gorge Dam spillway modifications for TDG abatement – design evolution and field performance. 6th International Symposium on Hydraulic Structures: Hydraulic Structures and Water System Management, ISHS 2016, 3650628160, 460–470. 10.15142/T3650628160853
    • Fleit G, Baranya S, Bihs H (2018) CFD modeling of varied flow conditions over an ogee-weir. Period Polytech Civ Eng 62(1):26–32. https://doi.org/10.3311/PPci.10821Article Google Scholar 
    • Frizell KW, Frizell KH (2015) Guidelines for hydraulic design of stepped spillways. Hydraulic Laboratory Report HL-2015-06, May
    • Ghaderi A, Abbasi S (2021) Experimental and numerical study of the effects of geometric appendance elements on energy dissipation over stepped spillway. Water (Switzerland) 13(7). https://doi.org/10.3390/w13070957
    • Ghaderi A, Dasineh M, Aristodemo F, Ghahramanzadeh A (2020) Characteristics of free and submerged hydraulic jumps over different macroroughnesses. J Hydroinform 22(6):1554–1572. https://doi.org/10.2166/HYDRO.2020.298Article Google Scholar 
    • Güven A, Mahmood AH (2021) Numerical investigation of flow characteristics over stepped spillways. Water Sci Technol Water Supply 21(3):1344–1355. https://doi.org/10.2166/ws.2020.283Article Google Scholar 
    • Herrera-Granados O, Kostecki SW (2016) Numerical and physical modeling of water flow over the ogee weir of the new Niedów barrage. J Hydrol Hydromech 64(1):67–74. https://doi.org/10.1515/johh-2016-0013Article Google Scholar 
    • Ho DKH, Riddette KM (2010) Application of computational fluid dynamics to evaluate hydraulic performance of spillways in australia. Aust J Civ Eng 6(1):81–104. https://doi.org/10.1080/14488353.2010.11463946Article Google Scholar 
    • Kocaer Ö, Yarar A (2020) Experimental and numerical investigation of flow over ogee spillway. Water Resour Manag 34(13):3949–3965. https://doi.org/10.1007/s11269-020-02558-9Article Google Scholar 
    • Kumcu SY (2017) Investigation of flow over spillway modeling and comparison between experimental data and CFD analysis. KSCE J Civ Eng 21(3):994–1003. https://doi.org/10.1007/s12205-016-1257-zArticle Google Scholar 
    • Li S, Li Q, Yang J (2019) CFD modelling of a stepped spillway with various step layouts. Math Prob Eng 2019:1–12. https://doi.org/10.1155/2019/6215739Article Google Scholar 
    • Muthukumaran N, Prince Arulraj G (2020) Experimental investigation on augmenting the discharge over ogee spillways with nanocement. Civ Eng Archit 8(5):838–845. https://doi.org/10.13189/cea.2020.080511Article Google Scholar 
    • Naderi V, Farsadizadeh D, Lin C, Gaskin S (2019) A 3D study of an air-core vortex using HSPIV and flow visualization. Arab J Sci Eng 44(10):8573–8584. https://doi.org/10.1007/s13369-019-03764-3Article Google Scholar 
    • Nangare PB, Kote AS (2017) Experimental investigation of an ogee stepped spillway with plain and slotted roller bucket for energy dissipation. Int J Civ Eng Technol 8(8):1549–1555Google Scholar 
    • Parsaie A, Moradinejad A, Haghiabi AH (2018) Numerical modeling of flow pattern in spillway approach channel. Jordan J Civ Eng 12(1):1–9Google Scholar 
    • Pasbani Khiavi M, Ali Ghorbani M, Yusefi M (2021) Numerical investigation of the energy dissipation process in stepped spillways using finite volume method. J Irrig Water Eng 11(4):22–37Google Scholar 
    • Peng Y, Zhang X, Yuan H, Li X, Xie C, Yang S, Bai Z (2019) Energy dissipation in stepped spillways with different horizontal face angles. Energies 12(23). https://doi.org/10.3390/en12234469
    • Raza A, Wan W, Mehmood K (2021) Stepped spillway slope effect on air entrainment and inception point location. Water (Switzerland) 13(10). https://doi.org/10.3390/w13101428
    • Reeve DE, Zuhaira AA, Karunarathna H (2019) Computational investigation of hydraulic performance variation with geometry in gabion stepped spillways. Water Sci Eng 12(1):62–72. https://doi.org/10.1016/j.wse.2019.04.002Article Google Scholar 
    • Rice CE, Kadavy KC (1996) Model study of a roller compacted concrete stepped spillway. J Hydraul Eng 122(6):292–297. https://doi.org/10.1061/(ASCE)0733-9429(1996)122:6(292)Article Google Scholar 
    • Rong Y, Zhang T, Peng L, Feng P (2019) Three-dimensional numerical simulation of dam discharge and flood routing in Wudu reservoir. Water (Switzerland) 11(10). https://doi.org/10.3390/w11102157
    • Saqib N, Akbar M, Pan H, Ou G, Mohsin M, Ali A, Amin A (2022) Numerical analysis of pressure profiles and energy dissipation across stepped spillways having curved risers. Appl Sci 12(448):1–18Google Scholar 
    • Saqib N, Ansari K, Babar M (2021) Analysis of pressure profiles and energy dissipation across stepped spillways having curved treads using computational fluid dynamics. Intl Conf Adv Mech Eng :1–10
    • Saqib Nu, Akbar M, Huali P, Guoqiang O (2022) Numerical investigation of pressure profiles and energy dissipation across the stepped spillway having curved treads using FLOW 3D. Arab J Geosci 15(1):1363–1400. https://doi.org/10.1007/s12517-022-10505-8Article Google Scholar 
    • Sarkardeh H, Marosi M, Roshan R (2015) Stepped spillway optimization through numerical and physical modeling. Int J Energy Environ 6(6):597–606Google Scholar 
    • Serafeim A, Avgeris V, Hrissanthou V (2015) Experimental and numerical modeling of flow over a spillway. Eur Water Publ 14(2015):55–59. https://doi.org/10.15224/978-1-63248-042-2-11Article Google Scholar 
    • Sorensen RM (1986) Stepped spillway model investigation. J Hydraul Eng I(12):1461–1472. https://ascelibrary.org/doi/full/10.1061/%28ASCE%290733-
    • Tabbara M, Chatila J, Awwad R (2005) Computational simulation of flow over stepped spillways. Comput Struct 83(27):2215–2224. https://doi.org/10.1016/j.compstruc.2005.04.005Article Google Scholar 
    • Valero D, Bung DB, Crookston BM, Matos J (2016) Numerical investigation of USBR type III stilling basin performance downstream of smooth and stepped spillways. 6th International Symposium on Hydraulic Structures: Hydraulic Structures and Water System Management, ISHS 2016, 3406281608, 635–646. https://doi.org/10.15142/T340628160853
    • Versteeg H, Malalasekera W (1979) An introduction to computational fluid mechanics. (Vol. 2). https://doi.org/10.1016/0010-4655(80)90010-7
    • WAPDA model studies cell, IRI Lahore (2003) Mirani Dam Project hydraulic model studies for the spillway. November 2003
    • Yakhot V, Orszag S (1986) Renormalization group analysis of turbulence. I. Basic theory. J Sci Comput 1(1):3–51Article Google Scholar 
    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 Multi-physics phenomena in the laser-material interaction zone

    COMPARISON BETWEEN GREEN AND
    INFRARED LASER IN LASER POWDER BED
    FUSION OF PURE COPPER THROUGH HIGH
    FIDELITY NUMERICAL MODELLING AT MESOSCALE

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

    W.E. ALPHONSO1*, M. BAYAT1 and J.H. HATTEL1
    *Corresponding author
    1Technical University of Denmark (DTU), 2800, Kgs, Lyngby, Denmark

    ABSTRACT

    L-PBF(Laser Powder Bed Fusion)는 금속 적층 제조(MAM) 기술로, 기존 제조 공정에 비해 부품 설계 자유도, 조립품 통합, 부품 맞춤화 및 낮은 툴링 비용과 같은 여러 이점을 산업에 제공합니다.

    전기 코일 및 열 관리 장치는 일반적으로 높은 전기 및 열 전도성 특성으로 인해 순수 구리로 제조됩니다. 따라서 순동의 L-PBF가 가능하다면 기하학적으로 최적화된 방열판과 자유형 전자코일을 제작할 수 있습니다.

    그러나 L-PBF로 조밀한 순동 부품을 생산하는 것은 적외선에 대한 낮은 광 흡수율과 높은 열전도율로 인해 어렵습니다. 기존의 L-PBF 시스템에서 조밀한 구리 부품을 생산하려면 적외선 레이저의 출력을 500W 이상으로 높이거나 구리의 광흡수율이 높은 녹색 레이저를 사용해야 합니다.

    적외선 레이저 출력을 높이면 후면 반사로 인해 레이저 시스템의 광학 구성 요소가 손상되고 렌즈의 열 광학 현상으로 인해 공정이 불안정해질 수 있습니다. 이 작업에서 FVM(Finite Volume Method)에 기반한 다중 물리학 중간 규모 수치 모델은 Flow-3D에서 개발되어 용융 풀 역학과 궁극적으로 부품 품질을 제어하는 ​​물리적 현상 상호 작용을 조사합니다.

    녹색 레이저 열원과 적외선 레이저 열원은 기판 위의 순수 구리 분말 베드에 단일 트랙 증착을 생성하기 위해 개별적으로 사용됩니다.

    용융 풀 역학에 대한 레이저 열원의 유사하지 않은 광학 흡수 특성의 영향이 탐구됩니다. 수치 모델을 검증하기 위해 단일 트랙이 구리 분말 베드에 증착되고 시뮬레이션된 용융 풀 모양과 크기가 비교되는 실험이 수행되었습니다.

    녹색 레이저는 광흡수율이 높아 전도 및 키홀 모드 용융이 가능하고 적외선 레이저는 흡수율이 낮아 키홀 모드 용융만 가능하다. 레이저 파장에 대한 용융 모드의 변화는 궁극적으로 기계적, 전기적 및 열적 특성에 영향을 미치는 열 구배 및 냉각 속도에 대한 결과를 가져옵니다.

    Laser Powder Bed Fusion (L-PBF) is a Metal Additive Manufacturing (MAM) technology which offers several advantages to industries such as part design freedom, consolidation of assemblies, part customization and low tooling cost over conventional manufacturing processes. Electric coils and thermal management devices are generally manufactured from pure copper due to its high electrical and thermal conductivity properties. Therefore, if L-PBF of pure copper is feasible, geometrically optimized heat sinks and free-form electromagnetic coils can be manufactured. However, producing dense pure copper parts by L-PBF is difficult due to low optical absorptivity to infrared radiation and high thermal conductivity. To produce dense copper parts in a conventional L-PBF system either the power of the infrared laser must be increased above 500W, or a green laser should be used for which copper has a high optical absorptivity. Increasing the infrared laser power can damage the optical components of the laser systems due to back reflections and create instabilities in the process due to thermal-optical phenomenon of the lenses. In this work, a multi-physics meso-scale numerical model based on Finite Volume Method (FVM) is developed in Flow-3D to investigate the physical phenomena interaction which governs the melt pool dynamics and ultimately the part quality. A green laser heat source and an infrared laser heat source are used individually to create single track deposition on pure copper powder bed above a substrate. The effect of the dissimilar optical absorptivity property of laser heat sources on the melt pool dynamics is explored. To validate the numerical model, experiments were conducted wherein single tracks are deposited on a copper powder bed and the simulated melt pool shape and size are compared. As the green laser has a high optical absorptivity, a conduction and keyhole mode melting is possible while for the infrared laser only keyhole mode melting is possible due to low absorptivity. The variation in melting modes with respect to the laser wavelength has an outcome on thermal gradient and cooling rates which ultimately affect the mechanical, electrical, and thermal properties.

    Keywords

    Pure Copper, Laser Powder Bed Fusion, Finite Volume Method, multi-physics

    Fig. 1 Multi-physics phenomena in the laser-material interaction zone
    Fig. 1 Multi-physics phenomena in the laser-material interaction zone
    Fig. 2 Framework for single laser track simulation model including powder bed and substrate (a) computational domain with boundaries (b) discretization of the domain with uniform quad mesh.
    Fig. 2 Framework for single laser track simulation model including powder bed and substrate (a) computational domain with boundaries (b) discretization of the domain with uniform quad mesh.
    Fig. 3 2D melt pool contours from the numerical model compared to experiments [16] for (a) VED = 65 J/mm3 at 7 mm from the beginning of the single track (b) VED = 103 J/mm3 at 3 mm from the beginning of the single track (c) VED = 103 J/mm3 at 7 mm from the beginning of the single track. In the 2D contour, the non-melted region is indicated in blue, and the melted region is indicated by red and green when the VED is 65 J/mm3 and 103 J/mm3 respectively.
    Fig. 3 2D melt pool contours from the numerical model compared to experiments [16] for (a) VED = 65 J/mm3 at 7 mm from the beginning of the single track (b) VED = 103 J/mm3 at 3 mm from the beginning of the single track (c) VED = 103 J/mm3 at 7 mm from the beginning of the single track. In the 2D contour, the non-melted region is indicated in blue, and the melted region is indicated by red and green when the VED is 65 J/mm3 and 103 J/mm3 respectively.
    Fig. 4 3D temperature contour plots of during single track L-PBF process at time1.8 µs when (a) VED = 65 J/mm3 (b) VED = 103 J/mm3 along with 2D melt pool contours at 5 mm from the laser initial position. In the 2D contour, the non-melted region is indicated in blue, and the melted region is indicated by red and green when the VED is 65 J/mm3 and 103 J/mm3 respectively.
    Fig. 4 3D temperature contour plots of during single track L-PBF process at time1.8 µs when (a) VED = 65 J/mm3 (b) VED = 103 J/mm3 along with 2D melt pool contours at 5 mm from the laser initial position. In the 2D contour, the non-melted region is indicated in blue, and the melted region is indicated by red and green when the VED is 65 J/mm3 and 103 J/mm3 respectively.

    References

    [1] L. Jyothish Kumar, P. M. Pandey, and D. I. Wimpenny, 3D printing and additive
    manufacturing technologies. Springer Singapore, 2018. doi: 10.1007/978-981-13-0305-0.
    [2] T. DebRoy et al., “Additive manufacturing of metallic components – Process, structure
    and properties,” Progress in Materials Science, vol. 92, pp. 112–224, 2018, doi:
    10.1016/j.pmatsci.2017.10.001.
    [3] C. S. Lefky, B. Zucker, D. Wright, A. R. Nassar, T. W. Simpson, and O. J. Hildreth,
    “Dissolvable Supports in Powder Bed Fusion-Printed Stainless Steel,” 3D Printing and
    Additive Manufacturing, vol. 4, no. 1, pp. 3–11, 2017, doi: 10.1089/3dp.2016.0043.
    [4] J. L. Bartlett and X. Li, “An overview of residual stresses in metal powder bed fusion,”
    Additive Manufacturing, vol. 27, no. January, pp. 131–149, 2019, doi:
    10.1016/j.addma.2019.02.020.
    [5] I. H. Ahn, “Determination of a process window with consideration of effective layer
    thickness in SLM process,” International Journal of Advanced Manufacturing
    Technology, vol. 105, no. 10, pp. 4181–4191, 2019, doi: 10.1007/s00170-019-04402-w.

    [6] R. McCann et al., “In-situ sensing, process monitoring and machine control in Laser
    Powder Bed Fusion: A review,” Additive Manufacturing, vol. 45, no. May, 2021, doi:
    10.1016/j.addma.2021.102058.
    [7] M. Bayat et al., “Keyhole-induced porosities in Laser-based Powder Bed Fusion (L-PBF)
    of Ti6Al4V: High-fidelity modelling and experimental validation,” Additive
    Manufacturing, vol. 30, no. August, p. 100835, 2019, doi: 10.1016/j.addma.2019.100835.
    [8] M. Bayat, S. Mohanty, and J. H. Hattel, “Multiphysics modelling of lack-of-fusion voids
    formation and evolution in IN718 made by multi-track/multi-layer L-PBF,” International
    Journal of Heat and Mass Transfer, vol. 139, pp. 95–114, 2019, doi:
    10.1016/j.ijheatmasstransfer.2019.05.003.
    [9] S. D. Jadhav, L. R. Goossens, Y. Kinds, B. van Hooreweder, and K. Vanmeensel, “Laserbased powder bed fusion additive manufacturing of pure copper,” Additive Manufacturing,
    vol. 42, no. March, 2021, doi: 10.1016/j.addma.2021.101990.
    [10] S. D. Jadhav, S. Dadbakhsh, L. Goossens, J. P. Kruth, J. van Humbeeck, and K.
    Vanmeensel, “Influence of selective laser melting process parameters on texture evolution
    in pure copper,” Journal of Materials Processing Technology, vol. 270, no. January, pp.
    47–58, 2019, doi: 10.1016/j.jmatprotec.2019.02.022.
    [11] H. Siva Prasad, F. Brueckner, J. Volpp, and A. F. H. Kaplan, “Laser metal deposition of
    copper on diverse metals using green laser sources,” International Journal of Advanced
    Manufacturing Technology, vol. 107, no. 3–4, pp. 1559–1568, 2020, doi: 10.1007/s00170-
    020-05117-z.
    [12] L. R. Goossens, Y. Kinds, J. P. Kruth, and B. van Hooreweder, “On the influence of
    thermal lensing during selective laser melting,” Solid Freeform Fabrication 2018:
    Proceedings of the 29th Annual International Solid Freeform Fabrication Symposium – An
    Additive Manufacturing Conference, SFF 2018, no. December, pp. 2267–2274, 2020.
    [13] M. Bayat, V. K. Nadimpalli, D. B. Pedersen, and J. H. Hattel, “A fundamental investigation
    of thermo-capillarity in laser powder bed fusion of metals and alloys,” International
    Journal of Heat and Mass Transfer, vol. 166, p. 120766, 2021, doi:
    10.1016/j.ijheatmasstransfer.2020.120766.
    [14] H. Chen, Q. Wei, Y. Zhang, F. Chen, Y. Shi, and W. Yan, “Powder-spreading mechanisms
    in powder-bed-based additive manufacturing: Experiments and computational modeling,”
    Acta Materialia, vol. 179, pp. 158–171, 2019, doi: 10.1016/j.actamat.2019.08.030.
    [15] S. K. Nayak, S. K. Mishra, C. P. Paul, A. N. Jinoop, and K. S. Bindra, “Effect of energy
    density on laser powder bed fusion built single tracks and thin wall structures with 100 µm
    preplaced powder layer thickness,” Optics and Laser Technology, vol. 125, May 2020, doi:
    10.1016/j.optlastec.2019.106016.
    [16] G. Nordet et al., “Absorptivity measurements during laser powder bed fusion of pure
    copper with a 1 kW cw green laser,” Optics & Laser Technology, vol. 147, no. April 2021,
    p. 107612, 2022, doi: 10.1016/j.optlastec.2021.107612.
    [17] M. Hummel, C. Schöler, A. Häusler, A. Gillner, and R. Poprawe, “New approaches on
    laser micro welding of copper by using a laser beam source with a wavelength of 450 nm,”
    Journal of Advanced Joining Processes, vol. 1, no. February, p. 100012, 2020, doi:
    10.1016/j.jajp.2020.100012.
    [18] M. Hummel, M. Külkens, C. Schöler, W. Schulz, and A. Gillner, “In situ X-ray
    tomography investigations on laser welding of copper with 515 and 1030 nm laser beam
    sources,” Journal of Manufacturing Processes, vol. 67, no. April, pp. 170–176, 2021, doi:
    10.1016/j.jmapro.2021.04.063.
    [19] L. Gargalis et al., “Determining processing behaviour of pure Cu in laser powder bed
    fusion using direct micro-calorimetry,” Journal of Materials Processing Technology, vol.
    294, no. March, p. 117130, 2021, doi: 10.1016/j.jmatprotec.2021.117130.
    [20] A. Mondal, D. Agrawal, and A. Upadhyaya, “Microwave heating of pure copper powder
    with varying particle size and porosity,” Journal of Microwave Power and
    Electromagnetic Energy, vol. 43, no. 1, pp. 4315–43110, 2009, doi:
    10.1080/08327823.2008.11688599.

    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.

    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.

    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.

    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]
    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

    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.

    electromagnetic metal casting computation designs Fig1

    A survey of electromagnetic metal casting computation designs, present approaches, future possibilities, and practical issues

    The European Physical Journal Plus volume 136, Article number: 704 (2021) Cite this article

    Abstract

    Electromagnetic metal casting (EMC) is a casting technique that uses electromagnetic energy to heat metal powders. It is a faster, cleaner, and less time-consuming operation. Solid metals create issues in electromagnetics since they reflect the electromagnetic radiation rather than consume it—electromagnetic energy processing results in sounded pieces with higher-ranking material properties and a more excellent microstructure solution. For the physical production of the electromagnetic casting process, knowledge of electromagnetic material interaction is critical. Even where the heated material is an excellent electromagnetic absorber, the total heating quality is sometimes insufficient. Numerical modelling works on finding the proper coupled effects between properties to bring out the most effective operation. The main parameters influencing the quality of output of the EMC process are: power dissipated per unit volume into the material, penetration depth of electromagnetics, complex magnetic permeability and complex dielectric permittivity. The contact mechanism and interference pattern also, in turn, determines the quality of the process. Only a few parameters, such as the environment’s temperature, the interference pattern, and the rate of metal solidification, can be controlled by AI models. Neural networks are used to achieve exact outcomes by stimulating the neurons in the human brain. Additive manufacturing (AM) is used to design mold and cores for metal casting. The models outperformed the traditional DFA optimization approach, which is susceptible to local minima. The system works only offline, so real-time analysis and corrections are not yet possible.

    Korea Abstract

    전자기 금속 주조 (EMC)는 전자기 에너지를 사용하여 금속 분말을 가열하는 주조 기술입니다. 더 빠르고 깨끗하며 시간이 덜 소요되는 작업입니다.

    고체 금속은 전자기 복사를 소비하는 대신 반사하기 때문에 전자기학에서 문제를 일으킵니다. 전자기 에너지 처리는 더 높은 등급의 재료 특성과 더 우수한 미세 구조 솔루션을 가진 사운드 조각을 만듭니다.

    전자기 주조 공정의 물리적 생산을 위해서는 전자기 물질 상호 작용에 대한 지식이 중요합니다. 가열된 물질이 우수한 전자기 흡수재인 경우에도 전체 가열 품질이 때때로 불충분합니다. 수치 모델링은 가장 효과적인 작업을 이끌어 내기 위해 속성 간의 적절한 결합 효과를 찾는데 사용됩니다.

    EMC 공정의 출력 품질에 영향을 미치는 주요 매개 변수는 단위 부피당 재료로 분산되는 전력, 전자기의 침투 깊이, 복합 자기 투과성 및 복합 유전율입니다. 접촉 메커니즘과 간섭 패턴 또한 공정의 품질을 결정합니다. 환경 온도, 간섭 패턴 및 금속 응고 속도와 같은 몇 가지 매개 변수 만 AI 모델로 제어 할 수 있습니다.

    신경망은 인간 뇌의 뉴런을 자극하여 정확한 결과를 얻기 위해 사용됩니다. 적층 제조 (AM)는 금속 주조용 몰드 및 코어를 설계하는 데 사용됩니다. 모델은 로컬 최소값에 영향을 받기 쉬운 기존 DFA 최적화 접근 방식을 능가했습니다. 이 시스템은 오프라인에서만 작동하므로 실시간 분석 및 수정은 아직 불가능합니다.

    electromagnetic metal casting computation designs Fig1
    electromagnetic metal casting computation designs Fig1
    electromagnetic metal casting computation designs Fig2
    electromagnetic metal casting computation designs Fig2
    electromagnetic metal casting computation designs Fig3
    electromagnetic metal casting computation designs Fig3
    electromagnetic metal casting computation designs Fig4
    electromagnetic metal casting computation designs Fig4
    electromagnetic metal casting computation designs Fig5
    electromagnetic metal casting computation designs Fig5
    electromagnetic metal casting computation designs Fig6
    electromagnetic metal casting computation designs Fig6
    electromagnetic metal casting computation designs Fig7
    electromagnetic metal casting computation designs Fig7
    electromagnetic metal casting computation designs Fig8
    electromagnetic metal casting computation designs Fig8
    electromagnetic metal casting computation designs Fig9
    electromagnetic metal casting computation designs Fig9

    References

    1. 1.J. Sun, W. Wang, Q. Yue, Review on electromagnetic-matter interaction fundamentals and efficient electromagnetic-associated heating strategies. Materials 9(4), 231 (2016). https://doi.org/10.3390/ma9040231ADS Article Google Scholar 
    2. 2.E. Ghasali, A. Fazili, M. Alizadeh, K. Shirvanimoghaddam, T. Ebadzadeh, Evaluation of microstructure and mechanical properties of Al-TiC metal matrix composite prepared by conventional, electromagnetic and spark plasma sintering methods. Materials 10(11), 1255 (2017). https://doi.org/10.3390/ma10111255ADS Article Google Scholar 
    3. 3.D. Agrawal, Latest global developments in electromagnetic materials processing. Mater. Res. Innov. 14(1), 3–8 (2010). https://doi.org/10.1179/143307510×12599329342926Article Google Scholar 
    4. 4.S. Singh, P. Singh, D. Gupta, V. Jain, R. Kumar, S. Kaushal, Development and characterization of electromagnetic processed cast iron joint. Eng. Sci. Technol. Int. J. (2018). https://doi.org/10.1016/j.jestch.2018.10.012Article Google Scholar 
    5. 5.S. Singh, D. Gupta, V. Jain, Electromagnetic melting and processing of metal–ceramic composite castings. Proc. Inst. Mech. Eng. Part B J. Eng. Manuf. 232(7), 1235–1243 (2016). https://doi.org/10.1177/0954405416666900Article Google Scholar 
    6. 6.S. Singh, D. Gupta, V. Jain, Novel electromagnetic composite casting process: theory, feasibility and characterization. Mater. Des. 111, 51–59 (2016). https://doi.org/10.1016/j.matdes.2016.08.071Article Google Scholar 
    7. 7.J. Lucas, J, What are electromagnetics? LiveScience. (2018). https://www.livescience.com/50259-Electromagnetics.html
    8. 8.R. Samyal, A.K. Bagha, R. Bedi, the casting of materials using electromagnetic energy: a review. Mater. Today Proc. (2020). https://doi.org/10.1016/j.matpr.2020.02.255Article Google Scholar 
    9. 9.S. Singh, D. Gupta, V. Jain, Processing of Ni-WC-8Co MMC casting through electromagnetic melting. Mater. Manuf. Process. (2017). https://doi.org/10.1080/10426914.2017.1291954Article Google Scholar 
    10. 10.R. Singh, S. Singh, V. Mahajan, Investigations for dimensional accuracy of investment casting process after cycle time reduction by advancements in shell moulding. Procedia Mater. Sci. 6, 859–865 (2014). https://doi.org/10.1016/j.mspro.2014.07.103Article Google Scholar 
    11. 11.R.R. Mishra, A.K. Sharma, On melting characteristics of bulk Al-7039 alloy during in-situ electromagnetic casting. Appl. Therm. Eng. 111, 660–675 (2017). https://doi.org/10.1016/j.applthermaleng.2016.09.122Article Google Scholar 
    12. 12.S. Zhang, 10 Different types of casting process. (2021). MachineMfg.com, https://www.machinemfg.com/types-of-casting/
    13. 13.Envirocare, Foundry health risks. (2013). https://envirocare.org/foundry-health-risks/
    14. 14.S.S. Gajmal, D.N. Raut, A review of opportunities and challenges in electromagnetic assisted casting. Recent Trends Product. Eng. 2(1) (2019)
    15. 15.R.R. Mishra, A.K. Sharma, Electromagnetic-material interaction phenomena: heating mechanisms, challenges and opportunities in material processing. Compos. Part A (2015). https://doi.org/10.1016/j.compositesa.2015.10.035Article Google Scholar 
    16. 16.S. Chandrasekaran, T. Basak, S. Ramanathan, Experimental and theoretical investigation on electromagnetic melting of metals. J. Mater. Process. Technol. 211(3), 482–487 (2011). https://doi.org/10.1016/j.jmatprotec.2010.11.001Article Google Scholar 
    17. 17.C.R. Bird, J.M. Mertz, U.S. Patent No. 4655276. (U.S. Patent and Trademark Office, Washington, DC, 1987)
    18. 18.R.R. Mishra, A.K. Sharma, Experimental investigation on in-situ electromagnetic casting of copper. IOP Conf. Ser. Mater. Sci. Eng. 346, 012052 (2018). https://doi.org/10.1088/1757-899x/346/1/012052Article Google Scholar 
    19. 19.V. Gangwar, S. Kumar, V. Singh, H. Singh, Effect of process parameters on hardness of AA-6063 in-situ electromagnetic casting by using taguchi method, in IOP Conference Series: Materials Science and Engineering, vol. 804(1) (IOP Publishing, 2020), p. 012019
    20. 20.X. Ye, S. Guo, L. Yang, J. Gao, J. Peng, T. Hu, L. Wang, M. Hou, Q. Luo, New utilization approach of electromagnetic thermal energy: preparation of metallic matrix diamond tool bit by electromagnetic hot-press sintering. J. Alloy. Compd. (2018). https://doi.org/10.1016/j.jallcom.2018.03.183Article Google Scholar 
    21. 21.S. Das, A.K. Mukhopadhyay, S. Datta, D. Basu, Prospects of Electromagnetic processing: an overview. Bull. Mater. Sci. 32(1), 1–13 (2009). https://doi.org/10.1007/s12034-009-0001-4Article Google Scholar 
    22. 22.K.L. Glass, D.M. Ashby, U.S. Patent No. 9050656. (U.S. Patent and Trademark Office, Washington, DC, 2015)
    23. 23.S. Verma, P. Gupta, S. Srivastava, S. Kumar, A. Anand, An overview: casting/melting of non ferrous metallic materials using domestic electromagnetic oven. J. Mater. Sci. Mech. Eng. 4(4), (2017). p-ISSN: 2393-9095; e-ISSN: 2393-9109
    24. 24.S.S. Panda, V. Singh, A. Upadhyaya, D. Agrawal, Sintering response of austenitic (316L) and ferritic (434L) stainless steel consolidated in conventional and electromagnetic furnaces. Scripta Mater. 54(12), 2179–2183 (2006). https://doi.org/10.1016/j.scriptamat.2006.02.034Article Google Scholar 
    25. 25.Y. Zhang, S. Yang, S. Wang, X. Liu, L. Li, Microwave/freeze casting assisted fabrication of carbon frameworks derived from embedded upholder in tremella for superior performance supercapacitors. Energy Storage Mater. (2018). https://doi.org/10.1016/j.ensm.2018.08.006Article Google Scholar 
    26. 26.D. Thomas, P. Abhilash, M.T. Sebastian, Casting and characterization of LiMgPO4 glass free LTCC tape for electromagnetic applications. J. Eur. Ceram. Soc. 33(1), 87–93 (2013). https://doi.org/10.1016/j.jeurceramsoc.2012.08.002Article Google Scholar 
    27. 27.M.H. Awida, N. Shah, B. Warren, E. Ripley, A.E. Fathy, Modeling of an industrial Electromagnetic furnace for metal casting applications. 2008 IEEE MTT-S Int. Electromagn. Symp. Digest. (2008). https://doi.org/10.1109/mwsym.2008.4633143Article Google Scholar 
    28. 28.P.K. Loharkar, A. Ingle, S. Jhavar, Parametric review of electromagnetic-based materials processing and its applications. J. Market. Res. 8(3), 3306–3326 (2019). https://doi.org/10.1016/j.jmrt.2019.04.004Article Google Scholar 
    29. 29.E.B. Ripley, J.A. Oberhaus, WWWeb search power page-melting and heat treating metals using electromagnetic heating-the potential of electromagnetic metal processing techniques for a wide variety of metals and alloys is. Ind. Heat. 72(5), 65–70 (2005)Google Scholar 
    30. 30.J. Campbell, Complete Casting Handbook: Metal Casting Processes, Metallurgy, Techniques and Design (Butterworth-Heinemann, 2015)Google Scholar 
    31. 31.B. Ravi, Metal Casting: Computer-Aided Design and Analysis, 1st edn. (PHI Learning Ltd, 2005)Google Scholar 
    32. 32.D.E. Clark, W.H. Sutton, Electromagnetic processing of materials. Annu. Rev. Mater. Sci. 26(1), 299–331 (1996)ADS Article Google Scholar 
    33. 33.A.D. Abdullin, New capabilities of software package ProCAST 2011 for modeling foundry operations. Metallurgist 56(5–6), 323–328 (2012). https://doi.org/10.1007/s11015-012-9578-8Article Google Scholar 
    34. 34.J. Ha, P. Cleary, V. Alguine, T. Nguyen, Simulation of die filling in gravity die casting using SPH and MAGMAsoft, in Proceedings of 2nd International Conference on CFD in Minerals & Process Industries (1999) pp. 423–428
    35. 35.M. Sirviö, M. Woś, Casting directly from a computer model by using advanced simulation software FLOW-3D Cast Ž. Arch. Foundry Eng. 9(1), 79–82 (2009)Google Scholar 
    36. 36.NOVACAST Systems, Nova-Solid/Flow Brochure, NOVACAST, Ronneby (2015)
    37. 37.AutoCAST-X1 Brochure, 3D Foundry Tech, Mumbai
    38. 38.EKK, Inc. Metal Casting Simulation Software and Consulting Services, CAPCAST Brochure
    39. 39.P. Muenprasertdee, Solidification modeling of iron castings using SOLIDCast (2007)
    40. 40.CasCAE, CT-CasTest Inc. Oy, Kerava
    41. 41.E. Dominguez-Tortajada, J. Monzo-Cabrera, A. Diaz-Morcillo, Uniform electric field distribution in electromagnetic heating applicators by means of genetic algorithms optimization of dielectric multilayer structures. IEEE Trans. Electromagn. Theory Tech. 55(1), 85–91 (2007). https://doi.org/10.1109/tmtt.2006.886913ADS Article Google Scholar 
    42. 42.B. Warren, M.H. Awida, A.E. Fathy, Electromagnetic heating of metals. IET Electromagn. Antennas Propag. 6(2), 196–205 (2012)Article Google Scholar 
    43. 43.S. Ashouri, M. Nili-Ahmadabadi, M. Moradi, M. Iranpour, Semi-solid microstructure evolution during reheating of aluminum A356 alloy deformed severely by ECAP. J. Alloy. Compd. 466(1–2), 67–72 (2008). https://doi.org/10.1016/j.jallcom.2007.11.010Article Google Scholar 
    44. 44.Penn State, Metal Parts Made In The Electromagnetic Oven. ScienceDaily. (1999) Retrieved May 8, 2021, from www.sciencedaily.com/releases/1999/06/990622055733.htm
    45. 45.R.R. Mishra, A.K. Sharma, A review of research trends in electromagnetic processing of metal-based materials and opportunities in electromagnetic metal casting. Crit. Rev. Solid State Mater. Sci. 41(3), 217–255 (2016). https://doi.org/10.1080/10408436.2016.1142421ADS Article Google Scholar 
    46. 46.D.K. Ghodgaonkar, V.V. Varadan, V.K. Varadan, Free-space measurement of complex permittivity and complex permeability of magnetic materials at Electromagnetic frequencies. IEEE Trans. Instrum. Meas. 39(2), 387–394 (1990). https://doi.org/10.1109/19.52520Article Google Scholar 
    47. 47.J. Baker-Jarvis, E.J. Vanzura, W.A. Kissick, Improved technique for determining complex permittivity with the transmission/reflection method. Microw. Theory Tech. IEEE Trans. 38, 1096–1103 (1990)ADS Article Google Scholar 
    48. 48.M. Bologna, A. Petri, B. Tellini, C. Zappacosta, Effective magnetic permeability measurementin composite resonator structures. Instrum. Meas. IEEE Trans. 59, 1200–1206 (2010)Article Google Scholar 
    49. 49.B. Ravi, G.L. Datta, Metal casting–back to future, in 52nd Indian Foundry Congress, (2004)
    50. 50.D. El Khaled, N. Novas, J.A. Gazquez, F. Manzano-Agugliaro. Microwave dielectric heating: applications on metals processing. Renew. Sustain. Energy Rev. 82, 2880–2892 (2018). https://doi.org/10.1016/j.rser.2017.10.043Article Google Scholar 
    51. 51.H. Sekiguchi, Y. Mori, Steam plasma reforming using Electromagnetic discharge. Thin Solid Films 435, 44–48 (2003)ADS Article Google Scholar 
    52. 52.J. Sun, W. Wang, C. Zhao, Y. Zhang, C. Ma, Q. Yue, Study on the coupled effect of wave absorption and metal discharge generation under electromagnetic irradiation. Ind. Eng. Chem. Res. 53, 2042–2051 (2014)Article Google Scholar 
    53. 53.K.I. Rybakov, E.A. Olevsky, E.V. Krikun, Electromagnetic sintering: fundamentals and modeling. J. Am. Ceram. Soc. 96(4), 1003–1020 (2013). https://doi.org/10.1111/jace.12278Article Google Scholar 
    54. 54.A.K. Shukla, A. Mondal, A. Upadhyaya, Numerical modeling of electromagnetic heating. Sci. Sinter. 42(1), 99–124 (2010)Article Google Scholar 
    55. 55.M. Chiumenti, C. Agelet de Saracibar, M. Cervera, On the numerical modeling of the thermomechanical contact for metal casting analysis. J. Heat Transf. 130(6), (2008). https://doi.org/10.1115/1.2897923Article MATH Google Scholar 
    56. 56.B. Ravi, Metal Casting: Computer-Aided Design and Analysis. (PHI Learning Pvt. Ltd., 2005)
    57. 57.J.H. Lee, S.D. Noh, H.-J. Kim, Y.-S. Kang, Implementation of cyber-physical production systems for quality prediction and operation control in metal casting. Sensors 18, 1428 (2018). https://doi.org/10.3390/s18051428ADS Article Google Scholar 
    58. 58.B. Aksoy, M. Koru, Estimation of casting mold interfacial heat transfer coefficient in pressure die casting process by artificial intelligence methods. Arab. J. Sci. Eng. 45, 8969–8980 (2020). https://doi.org/10.1007/s13369-020-04648-7Article Google Scholar 
    59. 59.S.S. Miriyala, V.R. Subramanian, K. Mitra, TRANSFORM-ANN for online optimization of complex industrial processes: casting process as case study. Eur. J. Oper. Res. 264(1), 294–309 (2018). https://doi.org/10.1016/j.ejor.2017.05.026MathSciNet Article MATH Google Scholar 
    60. 60.J.K. Kittu, G.C.M. Patel, M. Parappagoudar, Modeling of pressure die casting process: an artificial intelligence approach. Int. J. Metalcast. (2015). https://doi.org/10.1007/s40962-015-0001-7Article Google Scholar 
    61. 61.W. Chen, B. Gutmann, C.O. Kappe, Characterization of electromagnetic-induced electric discharge phenomena in metal-solvent mixtures. ChemistryOpen 1, 39–48 (2012)Article Google Scholar 
    62. 62.J. Walker, A. Prokop, C. Lynagh, B. Vuksanovich, B. Conner, K. Rogers, J. Thiel, E. MacDonald, Real-time process monitoring of core shifts during metal casting with wireless sensing and 3D sand printing. Addit. Manuf. (2019). https://doi.org/10.1016/j.addma.2019.02.018Article Google Scholar 
    63. 63.G.C. Manjunath Patel, A.K. Shettigar, M.B. Parappagoudar, A systematic approach to model and optimize wear behaviour of castings produced by squeeze casting process. J. Manuf. Process. 32, 199–212 (2018). https://doi.org/10.1016/j.jmapro.2018.02.004Article Google Scholar 
    64. 64.G.C. Manjunath Patel, P. Krishna, M.B. Parappagoudar, An intelligent system for squeeze casting process—soft computing based approach. Int. J. Adv. Manuf. Technol. 86, 3051–3065 (2016). https://doi.org/10.1007/s00170-016-8416-8Article Google Scholar 
    65. 65.M. Ferguson, R. Ak, Y.T. Lee, K.H. Law, Automatic localization of casting defects with convolutional neural networks, in 2017 IEEE International Conference on Big Data (Big Data) (Boston, MA, USA, 2017), pp. 1726–1735. https://doi.org/10.1109/BigData.2017.8258115.
    66. 66.P.K.D.V. Yarlagadda, Prediction of die casting process parameters by using an artificial neural network model for zinc alloys. Int. J. Prod. Res. 38(1), 119–139 (2000). https://doi.org/10.1080/002075400189617Article MATH Google Scholar 
    67. 67.G.C. ManjunathPatel, A.K. Shettigar, P. Krishna, M.B. Parappagoudar, Back propagation genetic and recurrent neural network applications in modelling and analysis of squeeze casting process. Appl. Soft Comput. 59, 418–437 (2017). https://doi.org/10.1016/j.asoc.2017.06.018Article Google Scholar 
    68. 68.J. Zheng, Q. Wang, P. Zhao et al., Optimization of high-pressure die-casting process parameters using artificial neural network. Int. J. Adv. Manuf. Technol. 44, 667–674 (2009). https://doi.org/10.1007/s00170-008-1886-6Article Google Scholar 
    69. 69.E. Mares, J. Sokolowski, Artificial intelligence-based control system for the analysis of metal casting properties. J. Achiev. Mater. Manuf. Eng. 40, 149–154 (2010)Google Scholar 
    70. 70.K.S. Senthil, S. Muthukumaran, C. Chandrasekhar Reddy, Suitability of friction welding of tube to tube plate using an external tool process for different tube diameters—a study. Exp. Tech. 37(6), 8–14 (2013)Article Google Scholar 
    71. 71.N.K. Bhoi, H. Singh, S. Pratap, P.K. Jain, Electromagnetic material processing: a clean, green, and sustainable approach. Sustain. Eng. Prod. Manuf. Technol. (2019). https://doi.org/10.1016/b978-0-12-816564-5.00001-3Article Google Scholar 
    72. 72.K.S. Senthil, D.A. Daniel, An investigation of boiler grade tube and tube plate without block by using friction welding process. Mater. Today Proc. 5(2), 8567–8576 (2018)Article Google Scholar 
    73. 73.E. Hetmaniok, D. Słota, A. Zielonka, Restoration of the cooling conditions in a three-dimensional continuous casting process using artificial intelligence algorithms. Appl. Math. Modell. 39(16), 4797–4807 (2015). https://doi.org/10.1016/j.apm.2015.03.056Article MATH Google Scholar 
    74. 74.C.V. Kumar, S. Muthukumaran, A. Pradeep, S.S. Kumaran, Optimizational study of friction welding of steel tube to aluminum tube plate using an external tool process. Int. J. Mech. Mater. Eng. 6(2), 300–306 (2011)Google Scholar 
    75. 75.T. Adithiyaa, D. Chandramohan, T. Sathish, Optimal prediction of process parameters by GWO-KNN in stirring-squeeze casting of AA2219 reinforced metal matrix composites. Mater. Today Proc. 150, 1598 (2020). https://doi.org/10.1016/j.matpr.2019.10.051Article Google Scholar 
    76. 76.B.P. Pehrson, A.F. Moore (2014). U.S. Patent No. 8708031 (U.S. Patent and Trademark Office, Washington, DC, 2014)
    77. 77.Liu, J., & Rynerson, M. L. (2008). U.S. Patent No. 7,461,684. Washington, DC: U.S. Patent and Trademark Office.
    78. 78.K. Salonitis, B. Zeng, H.A. Mehrabi, M. Jolly, The challenges for energy efficient casting processes. Procedia CIRP 40, 24–29 (2016). https://doi.org/10.1016/j.procir.2016.01.043Article Google Scholar 
    79. 79.R.R. Mishra, A.K. Sharma, Effect of solidification environment on microstructure and indentation hardness of Al–Zn–Mg alloy casts developed using electromagnetic heating. Int. J. Metal Cast. 10, 1–13 (2017). https://doi.org/10.1007/s40962-017-0176-1Article Google Scholar 
    80. 80.R.R. Mishra, A.K. Sharma, Effect of susceptor and Mold material on microstructure of in-situ electromagnetic casts of Al–Zn–Mg alloy. Mater. Des. 131, 428–440 (2017). https://doi.org/10.1016/j.matdes.2017.06.038Article Google Scholar 
    81. 81.S. Kaushal, S. Bohra, D. Gupta, V. Jain, On processing and characterization of Cu–Mo-based castings through electromagnetic heating. Int. J. Metalcast. (2020). https://doi.org/10.1007/s40962-020-00481-8Article Google Scholar 
    82. 82.S. Nandwani, S. Vardhan, A.K. Bagha, A literature review on the exposure time of electromagnetic based welding of different materials. Mater. Today Proc. (2019). https://doi.org/10.1016/j.matpr.2019.10.056Article Google Scholar 
    83. 83.F.J.B. Brum, S.C. Amico, I. Vedana, J.A. Spim, Electromagnetic dewaxing applied to the investment casting process. J. Mater. Process. Technol. 209(7), 3166–3171 (2009). https://doi.org/10.1016/j.jmatprotec.2008.07.024Article Google Scholar 
    84. 84.M.P. Reddy, R.A. Shakoor, G. Parande, V. Manakari, F. Ubaid, A.M.A. Mohamed, M. Gupta, Enhanced performance of nano-sized SiC reinforced Al metal matrix nanocomposites synthesized through electromagnetic sintering and hot extrusion techniques. Prog. Nat. Sci. Mater. Int. 27(5), 606–614 (2017). https://doi.org/10.1016/j.pnsc.2017.08.015Article Google Scholar 
    85. 85.V.R. Kalamkar, K. Monkova, (Eds.), Advances in Mechanical Engineering. Lecture Notes in Mechanical Engineering. (2021) https://doi.org/10.1007/978-981-15-3639-7
    86. 86.V. Bist, A.K. Sharma, P. Kumar, Development and microstructural characterisations of the lead casting using electromagnetic technology. Manager’s J. Mech. Eng. 4(4), 6 (2014). https://doi.org/10.26634/jme.4.4.2840Article Google Scholar 
    87. 87.A. Sharma, A. Chouhan, L. Pavithran, U. Chadha, S.K. Selvaraj, Implementation of LSS framework in automotive component manufacturing: a review, current scenario and future directions. Mater Today: Proc. (2021). https://doi.org/10.1016/J.MATPR.2021.02.374Article Google Scholar 
    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]
    Fig. 1. Schematic description of the laser welding process considered in this study.

    Analysis of molten pool dynamics in laser welding with beam oscillation and filler wire feeding

    Won-Ik Cho, Peer Woizeschke
    Bremer Institut für angewandte Strahltechnik GmbH, Klagenfurter Straße 5, Bremen 28359, Germany

    Received 30 July 2020, Revised 3 October 2020, Accepted 18 October 2020, Available online 1 November 2020.

    Abstract

    Molten pool flow and heat transfer in a laser welding process using beam oscillation and filler wire feeding were calculated using computational fluid dynamics (CFD). There are various indirect methods used to analyze the molten pool dynamics in fusion welding. In this work, based on the simulation results, the surface fluctuation was directly measured to enable a more intuitive analysis, and then the signal was analyzed using the Fourier transform and wavelet transform in terms of the beam oscillation frequency and buttonhole formation. The 1st frequency (2 x beam oscillation frequency, the so-called chopping frequency), 2nd frequency (4 x beam oscillation frequency), and beam oscillation frequency components were the main components found. The 1st and 2nd frequency components were caused by the effect of the chopping process and lumped line energy. The beam oscillation frequency component was related to rapid, unstable molten pool behavior. The wavelet transform effectively analyzed the rapid behaviors based on the change of the frequency components over time.

    Korea Abstract

    빔 진동 및 필러 와이어 공급을 사용하는 레이저 용접 공정에서 용융 풀 흐름 및 열 전달은 CFD (전산 유체 역학)를 사용하여 계산되었습니다. 용융 용접에서 용융 풀 역학을 분석하는 데 사용되는 다양한 간접 방법이 있습니다.

    본 연구에서는 시뮬레이션 결과를 바탕으로 보다 직관적 인 분석이 가능하도록 표면 변동을 직접 측정 한 후 빔 발진 주파수 및 버튼 홀 형성 측면에서 푸리에 변환 및 웨이블릿 변환을 사용하여 신호를 분석했습니다.

    1 차 주파수 (2 x 빔 발진 주파수, 이른바 초핑 주파수), 2 차 주파수 (4 x 빔 발진 주파수) 및 빔 발진 주파수 성분이 발견 된 주요 구성 요소였습니다. 1 차 및 2 차 주파수 성분은 쵸핑 공정과 집중 라인 에너지의 영향으로 인해 발생했습니다.

    빔 진동 주파수 성분은 빠르고 불안정한 용융 풀 동작과 관련이 있습니다. 웨이블릿 변환은 시간 경과에 따른 주파수 구성 요소의 변화를 기반으로 빠른 동작을 효과적으로 분석했습니다.

    1 . 소개

    융합 용접에서 용융 풀 역학은 용접 결함과 시각적 이음새 품질에 직접적인 영향을 미칩니다. 이러한 역학을 연구하기 위해 고속 카메라를 사용하는 직접 방법과 광학 또는 음향 신호를 사용하는 간접 방법과 같은 다양한 측정 방법을 사용하여 여러 실험 방법을 고려했습니다. 시간 도메인의 원래 신호는 특별히 주파수 도메인에서 변환 된 신호로 변환되어 용융 풀 동작에 영향을 미치는 주파수 성분을 분석합니다. Kotecki et al. (1972)는 고속 카메라를 사용하여 가스 텅스텐 아크 용접에서 용융 풀을 관찰했습니다. [1]. 그들은 120Hz 리플 DC 출력을 가진 용접 전원을 사용할 때 용융 풀 진동 주파수가 120Hz임을 보여주었습니다. 전원을 끈 후 진동 주파수는 용융 풀의 고유 주파수를 나타내는 용융 풀 크기와 관련이 있습니다. 진동은 응고 중에 용접 표면 스케일링을 생성했습니다. Zacksenhouse and Hardt (1983)는 레이저 섀도 잉 동작 측정 기술을 사용하여 가스 텅스텐 아크 용접에서 완전히 관통 된 용융 풀의 동작을 측정했습니다 [2] . 그들은 2.5mm 두께의 강판에서 6mm 풀 반경 (고정 용접)에 대해 용융 풀의 고유 주파수가 18.9Hz라는 것을 발견했습니다. Semak et al. (1995) 고속 카메라를 사용하여 레이저 스폿 용접에서 용융 풀 및 키홀 역학 조사 [3]. 그들은 깊이가 약 3mm이고 반경이 약 3mm 인 용융 풀에서 200Hz의 낮은 체적 진동 주파수를 관찰했습니다. 0.45mm Aendenroomer와 den Ouden (1998)은 강철의 펄스 가스 텅스텐 아크 용접에서 용융 풀 진동을보고했습니다 [4] . 그들은 침투 깊이에 따라 진동 모드 변화를 보였고 주파수는 50Hz에서 150Hz 사이에서 변화했습니다. 주파수는 완전히 침투 된 용융 풀에서 더 낮았습니다. Hermans와 den Ouden (1999)은 단락 가스 금속 아크 용접에서 용융 풀 진동을 분석했습니다. [5]. 그들은 용융 풀의 단락 주파수와 고유 주파수가 같을 때 부분적으로 침투 된 용융 풀의 경우 공정 안정성이 향상되었음을 보여주었습니다. Yudodibroto et al. (2004)는 가스 텅스텐 아크 용접에서 용융 풀 진동에 대한 필러 와이어의 영향을 조사했습니다 [6] . 그들은 금속 전달이 특히 부분적으로 침투 된 용융 풀에서 진동 거동을 방해한다는 것을 보여주었습니다. Geiger et al. (2009) 레이저 키홀 용접에서 발광 분석 [7]. 신호의 주파수 분석을 사용하여 용융 풀 (1.5kHz 미만)과 키홀 (약 3kHz)에 해당하는 진동 주파수 범위를 찾았습니다. Kägeler와 Schmidt (2010)는 레이저 용접에서 용융 풀 크기의 변화를 관찰하기 위해 고속 카메라를 사용했습니다 [8] . 그들은 용융 풀에서 지배적 인 저주파 진동 성분 (100Hz 미만)을 발견했습니다. Shi et al. (2015) 고속 카메라를 사용하여 펄스 가스 텅스텐 아크 용접에서 용융 풀 진동 주파수 분석 [9]. 그들은 용접 침투 깊이가 작을수록 용융 풀의 진동 빈도가 더 높다는 것을 보여주었습니다. 추출 된 진동 주파수는 완전 용입 용접의 경우 85Hz 미만 이었지만 부분 용입 용접의 경우 110Hz에서 125Hz 사이였습니다. Volpp와 Vollertsen (2016)은 레이저 키홀 역학을 분석하기 위해 광학 신호를 사용했습니다 [10] . 그들은 공간 레이저 강도 분포로 인해 0.8에서 154 kHz 사이의 고주파 범위에서 피크를 발견했습니다. 위에서 언급 한 실험적 접근법은 공정 조건, 측정 방법 및 측정 된 위치에 따라 수십 Hz에서 수십 kHz까지 광범위한 용융 풀 역학에 대한 결과를 보여 주었다는 점에 유의해야합니다.

    융합 용접에서 용융 풀 역학을 연구하기 위해 분석 접근 방식도 사용되었습니다. Zacksenhouse와 Hardt (1983)는 2.5mm 두께의 강판에서 대칭형 완전 관통 용융 풀의 고유 진동수를 계산했습니다 [2] . 매스 스프링 해석 모델을 사용하여 용융 풀 반경 6mm (고정 용접)에 대해 20.4Hz (실험에서 18.9Hz)의 고유 진동수와 3mm 풀 반경 (연속 용접)에 대해 40Hz의 고유 진동수를 예측했습니다. ). Postacioglu et al. (1989)는 원통형 용융 풀과 키홀을 가정하여 레이저 용접의 용융 풀에서 키홀 진동의 고유 진동수를 계산했습니다 .. 특정 열쇠 구멍 모양의 경우 약 900Hz의 기본 주파수가 계산되었습니다. Postacioglu et al. (1991)은 또한 레이저 용접에서 용접 속도를 고려하기 위해 타원형 용융 풀의 고유 진동수를 계산했습니다 [12] . 그들은 타원형 용융 풀의 모양이 고유 진동수에 영향을 미친다는 것을 보여주었습니다. 고유 진동수는 축의 길이 비율이 낮았으며, 즉 타원의 반장 축과 반 단축의 비율이 낮았습니다. Kroos et al. (1993)은 축 대칭 용융 풀과 키홀을 가정하여 레이저 키홀 용접의 동적 거동에 대한 이론적 모델을 개발했습니다 .. 키홀 폐쇄 시간은 0.1ms였으며 안정성 분석은 약 500Hz의 주파수에서 공진과 같은 진동을 예측했습니다. Maruo와 Hirata (1993)는 완전 관통 아크 용접에서 용융 풀을 모델링했습니다 [14] . 그들은 녹은 웅덩이가 정적 타원 모양을 가지고 있다고 가정했습니다. 그들은 고유 진동수와 진동 모드 사이의 관계를 조사하고 용융 풀 크기가 감소함에 따라 고유 진동수가 증가한다는 것을 보여주었습니다. Klein et al. (1994)는 원통형 키홀 모양을 사용하여 완전 침투 레이저 용접에서 키홀 진동을 연구했습니다 [15] . 그들은 점성 감쇠로 인해 키홀 진동이 낮은 kHz 범위로 제한된다는 것을 보여주었습니다. Klein et al. (1996)은 또한 레이저 출력의 작은 변동이 강한 키홀 진동으로 이어질 수 있음을 보여주었습니다[16] . 그들은 키홀 진동의 주요 공진 주파수 범위가 500 ~ 3500Hz라는 것을 발견했습니다. Andersen et al. (1997)은 고정 가스 텅스텐 아크 용접 [17] 에서 고정 된 원통형 모양을 가정하여 용융 풀의 고유 진동수를 예측 했으며 완전 용입 용접에서 용융 풀 폭이 증가함에 따라 감소하는 것으로 나타났습니다. 3.175mm 두께의 강판의 경우 주파수는 20Hz ~ 100Hz 범위였습니다. 위에 표시된 분석 방법은 일반적으로 단순한 용융 풀 모양을 가정하고 고유 진동수를 계산했습니다. 이것은 단순한 용융 풀 모양으로 고정 용접 공정을 분석하는 데 충분하지만 대부분의 용접 사례를 설명하는 과도 용접 공정에서 용융 풀 역학 분석에는 적합하지 않습니다.

    반면에 수치 접근 방식은 고온 및 강한 빛과 같은 실험적 제한없이 자세한 정보를 제공하기 때문에 용융 풀 역학을 분석하는 이점이 있습니다. 전산 유체 역학 (CFD)의 수치 시뮬레이션 기술이 발전함에 따라 용융 풀 역학 분석에 대한 많은 연구가 수행되었습니다. 실제 용융 표면 변화는 VOF (체적 부피) 방법을 사용하여 계산할 수 있습니다. Cho et al. (2010) CO 2 레이저-아크 하이브리드 용접 공정을 위한 수학적 모델 개발 [18], 구형 방울이 생성 된 금속 와이어의 용융 과정이 와이어 공급 속도와 일치한다고 가정합니다. 그들은 필러 와이어가 희석되는 용융 풀 동작을 보여주었습니다. Cho et al. (2012)는 높은 빔 품질과 높은 금속 흡수율로 인해 업계에서 널리 사용되는 디스크 레이저 키홀 용접으로 수학적 모델을 확장했습니다 [19] . 그들은 열쇠 구멍에서 레이저 광선 번들의 다중 반사를 고려하고 용융 풀에서 keyholing과 같은 빠른 표면 변화를 자세히보고했습니다. 최근 CFD 시뮬레이션은 험핑 (Otto et al., 2016 [20] ) 및 기공 (Lin et al., 2017 [21] )과 같은보다 구체적인 현상을 분석하는데도 사용되었습니다 .) 레이저 용접에서. 그러나 용융 풀 역학과 관련된 연구는 거의 수행되지 않았습니다. Ko et al. (2000)은 수치 시뮬레이션을 사용하여 가스 텅스텐 아크 용접 풀의 동적 거동을 조사했습니다 [22] . 그들은 완전히 침투 된 용융 풀이 부분적으로 침투 된 풀보다 낮은 주파수에서 진동한다는 것을 보여주었습니다. 진동은 수십 분의 1 초 내에 무시할 수있는 크기로 감쇠되었습니다. Geiger et al. (2009)는 또한 수치 시뮬레이션을 사용하여 레이저 용접에서 용융 풀 거동을 보여주었습니다 [7]. 그들은 계산 된 증발 속도를 주파수 분석에 사용하여 공정에서 나오는 빛의 실험 결과와 비교했습니다. 판금 레이저 용접에서 중요한 공간 빔 진동 및 추가 필러 재료가있는 공정에 대한 용융 풀 역학에 대한 연구도 불충분합니다. Hu et al. (2018)은 금속 전달 메커니즘을 밝히기 위해 전자빔 3D 프린팅에서 와이어 공급 모델링을 수행했습니다. 그들은 주로 열 입력에 의해 결정되는 액체 브리지 전이, 액적 전이 및 중간 전이의 세 가지 유형의 금속 전달 모드를 보여주었습니다 .. Meng et al. (2020)은 레이저 빔 용접에서 용융 풀에 필러 와이어에 의해 추가 된 추가 요소의 전자기 교반 효과를 모델링했습니다. 용가재의 연속적인 액체 브릿지 이동이 가정되었고, 그 결과 전자기 교반의 영향이 키홀 깊이에 미미한 반면 필러 와이어 혼합을 향상 시켰습니다 [24] . Cho et al. (2017) 용접 방향에 수직 인 1 차원 빔 진동과 용접 라인을 따라 공급되는 필러 와이어를 사용하여 레이저 용접을위한 시뮬레이션 모델 개발 [25]. 그들은 시뮬레이션을 사용하여 특정 용접 현상, 즉 용융 풀의 단추 구멍 형성을 보여주었습니다. Cho et al. (2018)은 다중 반사 수와 전력 흡수량의 푸리에 변환을 사용하여 주파수 영역에서 소위 쵸핑 주파수 (2 x 빔 발진 주파수) 성분을 발견했습니다 [26] . 그러나 그들은 용융 풀 역학을 분석하기 위해 간접 신호를 사용했습니다. 따라서보다 직관적 인 분석을 위해서는 표면의 변동을 직접 측정해야합니다.

    이 연구는 이전 연구에서 개발 된 레이저 용접 모델을 사용하여 3 차원 과도 CFD 시뮬레이션을 수행하여 빔 진동 및 필러 와이어 공급을 포함한 레이저 용접 공정에서 용융 풀 역학을 조사합니다. 용융 된 풀 표면의 시간적 변화는 시뮬레이션 결과에서 추출되었습니다. 추출 된 데이터는 주파수 영역뿐만 아니라 시간-주파수 영역에서도 분석되었습니다. 신호 처리를 통해 도출 된 결과는 특징적인 용융 풀 역학을 나타내며 빔 진동 주파수 및 단추 구멍 형성 측면에서 레이저 용접의 역학을 줄일 수있는 잠재력을 제공합니다.

    2 . 방법론

    그림 1도 1은 용접 방향에 수직 인 1 차원 빔 진동과 용접 라인을 따라 공급되는 필러 와이어를 사용하는 레이저 용접 프로세스의 개략적 설명을 보여줍니다. 1mm 두께의 알루미늄 합금 (AlSi1MgMn) 시트는 시트 표면에 초점을 맞춘 멀티 kW 파이버 레이저 (YLR-8000S, IPG Photonics, USA)를 사용하여 용접되었습니다. 시트는 에어 갭이있는 맞대기 이음으로 정렬되었습니다. 1 차원 스캐너 (ILV DC-Scanner, Ingenieurbüro für Lasertechnik + Verschleiss-Schutz (ILV), 독일)를 사용하여 레이저 빔의 1 차원 정현파 진동을 실현했습니다. 이 스캔 시스템에서 최대 진동 폭은 250Hz의 진동 주파수에서 1.4mm입니다. 오정렬에 대한 공차를 개선하기 위해 동일한 최대 너비 값이 사용되었습니다. 와이어 공급 시스템은 1을 공급했습니다. 2mm 직경의 알루미늄 합금 (AlSi5) 필러 와이어를 일정한 공급 속도로 에어 갭을 채 웁니다. 1mm 에어 갭의 경우 와이어 이송 속도는 용접 속도의 1.5 배 값으로 설정되었으며 참조 실험 조건은 문헌에서 얻었습니다 (Schultz, 2015 참조).[27] ).

    그림 1

    CFD 시뮬레이션은 레이저 용접에서 열 전달 및 용융 풀 동작을 계산하기 위해 수행되었습니다. 그림 2 는 CFD 시뮬레이션을위한 계산 영역을 보여줍니다. 실온에서 1.2mm 직경의 필러 와이어가 공급되고 레이저 빔이 진동했습니다. 1mm 두께의 공작물이 용접 속도로 왼쪽에서 오른쪽으로 이동했습니다. 0.1mm의 최소 메쉬 크기가 도메인에서 생성되었습니다. 침투 깊이가 더 깊은 이전 연구의 메쉬 테스트 결과는 0.2mm 이하의 메쉬 크기로 시뮬레이션 정확도가 확보 된 것으로 나타 났으므로 [28] 본 연구에서 사용 된 메쉬 크기가 적절할 수 있습니다. 도메인을 구성하는 세포의 수는 약 120 만 개였습니다. 1 번 테이블사용 된 레이저 용접 매개 변수를 보여줍니다. 용융 풀 역학 측면에서 다양한 진동 주파수와 에어 갭 크기가 고려되었으며 12 개의 용접 사례가 표 2 에 나와 있습니다. 표 3 은 시뮬레이션에 사용 된 알루미늄 합금과 순수 알루미늄 (Cho et al., 2018 [26] )의 표면 장력 계수를 제외하고 온도와 무관 한 열-물리적 재료 특성을 보여줍니다 . 여기서 표면 장력 계수는 액체 온도에서 온도와 표면 장력 계수 사이의 선형 관계를 가진 유일한 온도 의존적 ​​특성이었습니다.

    그림 2

    표 1 . . 레이저 용접 매개 변수.

    레이저 용접 매개 변수
    레이저 빔 파워3.0kW
    빔 허리 반경50µm *
    용접 속도6.0m / 분
    와이어 공급 속도9.0m / 분
    빔 진동 폭1.4mm
    빔 진동 주파수100Hz, 150Hz, 200Hz, 250Hz
    에어 갭 크기0.8mm, 0.9mm, 1.0mm, 1.1mm

    반경은 1.07μm의 파장, 4.2mm • mrad의 빔 품질, 시준 초점 거리 및 초점 렌즈 200mm, 광섬유 직경 100μm의 원형 빔을 가정하여 계산되었습니다.

    표 2 . 이 연구에서 고려한 용접 사례.

    에어 갭 크기 [mm]진동 주파수 [Hz]
    100150200250
    0.9사례 1엑스엑스엑스
    1.0사례 2사례 4사례 7사례 10
    1.1사례 3사례 5사례 8사례 11
    1.2엑스사례 6사례 912면

    표 3 . 시뮬레이션에 사용 된 열 물리적 재료 특성 (Cho et al., 2018 [26] ).

    특성상징
    밀도ρ2700kg / m3
    열 전도성케이1.7×102Wm K
    점도ν1.15×10−삼kg / ms
    표면 장력 계수 티엘*γ엘0.871 J / m2
    표면 장력 온도 구배 *−1.55×10−4J / m 2 K
    표면 장력 계수γγ엘−ㅏ(티−티엘)
    비열8.5×102J / kg K
    융합 잠열h에스엘3.36×105J / kg
    기화 잠열 *hV1.05×107J / kg
    Solidus 온도티에스847K
    Liquidus 온도티엘905K
    끓는점 *티비2743K

    순수한 알루미늄.

    시뮬레이션을 위해 단상 뉴턴 유체와 비압축성 층류가 가정되었습니다. 질량, 운동량 및 에너지 보존의 지배 방정식을 해결하여 계산 영역에서 속도, 압력 및 온도 분포를 얻었습니다. VOF 방법은 자유 표면 경계를 찾는 데 사용되었습니다. 스칼라 보존 방정식을 추가로 도입하여 용융 풀에서 충전재의 부피 분율을 계산했습니다. 시뮬레이션에 사용 된 레이저 용접의 수학적 모델은 다음과 같습니다. 레이저 빔은 가우스와 같은 전력 밀도 분포를 기반으로 697 개의 광선 에너지 번들로 나뉩니다. 광선 추적 방법을 사용하여 다중 반사를 고려했습니다. 재료에 대한 레이저 빔의 반사 (또는 흡수) 에너지는 프레 넬 반사 모델을 사용하여 계산되었습니다. 온도에 따른 흡수율의 변화를 고려 하였다. 혼합물의 흡수율은베이스 및 충전제 물질 분획의 가중 평균을 사용하여 계산되었습니다. 반동 압력과 부력도 고려되었습니다. 경계 조건으로 에너지와 압력의 균형은 VOF 방법으로 계산 된 자유 표면에서 고려되었습니다. 레이저 용접 모델과 지배 방정식은 FLOW-3D v.11.2 (2017), Flow Science, Inc.에서 유한 차분 방법과 유한 체적 방법을 사용하여 이산화되고 해결되었습니다. 경계 조건으로 에너지와 압력의 균형은 VOF 방법으로 계산 된 자유 표면에서 고려되었습니다. 레이저 용접 모델과 지배 방정식은 FLOW-3D v.11.2 (2017), Flow Science, Inc.에서 유한 차분 방법과 유한 체적 방법을 사용하여 이산화되고 해결되었습니다. 경계 조건으로 에너지와 압력의 균형은 VOF 방법으로 계산 된 자유 표면에서 고려되었습니다. 레이저 용접 모델과 지배 방정식은 FLOW-3D v.11.2 (2017), Flow Science, Inc.에서 유한 차분 방법과 유한 체적 방법을 사용하여 이산화되고 해결되었습니다.[29] . 계산에는 48GB RAM이 장착 된 Intel® Xeon® 프로세서 E5649로 구성된 워크 스테이션이 사용되었습니다. 계산 시스템을 사용하여 0.2 초 레이저 용접을 시뮬레이션하는 데 약 18 시간이 걸렸습니다. 지배 방정식 (Cho and Woizeschke, 2020 [30] ) 및 레이저 용접 모델 (Cho et al., 2018 [26] )에 대한 자세한 설명은 부록 A 에서 확인할 수 있습니다 .

    그림 3 은 용융 풀 변동의 직접 측정에 대한 개략적 설명을 보여줍니다. 용융 풀의 역학을 분석하기 위해 시뮬레이션 중에 용융 풀 표면의 시간적 변동 운동을 측정했습니다. 상단 및 하단 표면 모두에서 10kHz의 샘플링 주파수로 변동을 측정 한 반면, 측정 위치는 X 축의 레이저 빔 위치에서 2mm 떨어진 용접 중심선에있었습니다. 그림 4시간 신호를 분석하는 데 사용되는 푸리에 변환 및 웨이블릿 변환의 개략적 설명을 보여줍니다. 측정 된 시간 신호는 고속 푸리에 변환 (FFT) 방법을 사용하여 주파수 영역으로 변환되었습니다. 결과는 측정 기간 동안 평균화 된 주파수 성분의 크기를 보여줍니다. 웨이블릿 변환 방법은 시간-주파수 영역에서 국부적 인 특성을 찾는 데 사용되었습니다. 결과는 주파수 구성 요소의 크기뿐만 아니라 시간 변화도 보여줍니다.

    그림 3
    그림 4

    3 . 결과

    이 연구 에서는 표 2에 표시된 12 가지 용접 사례 를 시뮬레이션했습니다. 그림 5 는 3 차원 시뮬레이션 결과를 평면도 와 바닥면으로 보여줍니다. 결과는 용융 된 풀의 거동에 따라 분류 할 수 있습니다 : 단추 구멍 형성 없음 (녹색), 안정 또는 불안정 단추 구멍 있음 (파란색), 불안정한 단추 구멍으로 인한 구멍 결함 (빨간색). 일반적인 열쇠 구멍보다 훨씬 큰 직경을 가진 단추 구멍은 레이저 용접의 특정 진동 조건에서 나타날 수 있습니다 (Vollertsen, 2016 [31]). 진동 주파수가 증가함에 따라 용접 이음 부 코스 및 스케일링 측면에서 시각적 이음새 품질이 향상되었습니다. 고주파에서 스케일링은 무시할 수있을 정도 였고 코스는 균질했습니다. 언더컷 결함의 발생도 감소했습니다. 그러나 관통 결함 부족 (case 7, case 10)이 나타났다. 에어 갭은 단추 구멍 형성에 중요했습니다. 에어 갭 크기가 증가함에 따라 단추 구멍이 더 쉽게 형성되었지만 구멍 결함으로 더 쉽게 남아 있습니다. 안정적인 단추 구멍 형성은 고려 된 공극 조건의 좁은 영역에서만 나타납니다.

    그림 5

    그림 6 은 시뮬레이션과 실험에서 융합 영역의 모양을 보여줍니다. 버튼 홀이없는 경우 1, 불안정한 버튼 홀 형성이있는 경우 8, 안정적인 버튼 홀 형성이있는 경우 11의 3 가지 경우에 대해 시뮬레이션 결과와 실험 결과를 비교하여 유사성을 나타냈다. 본 연구에서 고려한 용접 조건의 경우 표면 품질 결과는 Fig. 5 와 같이 큰 차이를 보였으 나 단면 융착 영역 [26] 과 형상은 큰 차이를 보이지 않았다.

    그림 6

    무화과. 7 과 8 은 각각 100Hz와 250Hz의 진동 주파수에서 시뮬레이션 결과를 기반으로 분석 된 용융 풀 역학과 시뮬레이션 및 실험 결과를 보여줍니다. 이전 연구에서 볼 수 있듯이 레이저 빔의 진동 주파수는 단추 구멍 형성과 밀접한 관련이 있습니다 (Cho et al., 2018 [26] 참조 ). 그림 7 (a) 및 (b)는 각각 시뮬레이션 및 실험을 기반으로 한 진동 주파수 100Hz에서 대표적인 용융 풀 동작을 보여줍니다. 완전히 관통 된 키홀 및 버튼 홀 형성은 관찰되지 않았으며 응고 후 거친 비드 표면이 남았습니다. 그림 7(c)와 (d)는 각각 윗면과 바닥면의 표면 변동에 대한 시뮬레이션 결과를 기반으로 한 용융 풀 역학 분석을 보여줍니다. 샘플링 데이터는 상단 표면이 공작물의 상단 표면 위치에서 평균적으로 변동하는 반면 하단 표면은 공작물의 하단 표면 위치에서 평균적으로 변동하는 것으로 나타났습니다. 표면 변동의 푸리에 변환 및 웨이블릿 변환 결과는 명확한 1  주파수 (2 x 빔 발진 주파수, 이른바 초핑 주파수, Cho et al., 2018 [26] 참조 ) 및 2  주파수 (4 x 빔 발진)를 보여줍니다. 주파수) 두 표면의 구성 요소, 그러나 바닥 표면과 첫 번째에 대한 결과주파수 성분이 더 강합니다. 반면 그림 8 (a)와 (b)에서 보는 바와 같이 250Hz의 진동 주파수에서 시뮬레이션과 실험 결과는 안정된 버튼 홀 형성과 응고 후 매끄러운 비드 표면을 나타냈다. 그림 8 의 샘플링 신호의 진폭은 그림 7 의 진폭 보다 작으며 푸리에 변환 및 웨이블릿 변환의 결과에서 중요한 주파수 성분이 발견되지 않았습니다.

    Fi 7
    그림 8

    Fig. 9 는 진동 주파수 200Hz에서 시뮬레이션 결과를 바탕으로 분석 된 용융 풀 역학과 시뮬레이션 및 실험 결과를 보여준다. 이 주파수에서 Fig. 9 (a)와 (b) 에서 보는 바와 같이 , 시뮬레이션과 실험 모두에서 불안정한 buttonhole 거동이 관찰되었다. 바닥면에서 샘플링 데이터의 푸리에 변환 및 웨이블릿 변환의 결과 빔 발진 주파수 성분이 발견되었습니다.

    그림 9

    4 . 토론

    시뮬레이션 및 실험 결과는 비드 표면 품질이 향상되고 빔 진동 주파수가 증가함에 따라 버튼 홀이 형성되는 것으로 나타났습니다. 표면의 변동 데이터에 대한 푸리에 변환 및 웨이블릿 변환의 결과에 따라 다음과 같은 주요 주파수 구성 요소가 발견되었습니다. 1  및 2 버튼 홀 형성이없는 주파수, 불안정한 용융 풀 거동이있는 빔 진동 주파수, 안정적인 버튼 홀 형성이있는 중요한 주파수 성분이 없습니다. 이들 중 불안정한 용융 풀 동작과 관련된 빔 진동 주파수 성분은 완전히 관통 된 키홀과 반복적으로 생성 및 붕괴되는 불안정한 버튼 홀의 특성으로 인해 웨이블릿 변환 결과에서 명확한 실선 형태로 나타나지 않았습니다. 분석 결과는 윗면보다 바닥면에서 더 분명했습니다. 이는 필러 와이어 공급 및 키홀 링 공정에서 강한 하향 흐름으로 인해 용융 풀 역학이 바닥 표면 영역에서 더 강했기 때문입니다. 진동 주파수가 증가함에 따라 용융 풀 역학과 상단 표면과 하단 표면 간의 차이가 감소했습니다.

    첫 번째 주파수 (2 x 빔 진동 주파수)는이 연구에서 관찰 된 가장 분명한 구성 요소였습니다. Schultz et al. (2018)은 또한 실험을 통해 동일한 성분을 발견했습니다 [32] , 용융 풀 표면 운동에 대한 푸리에 분석을 수행했습니다. 첫 번째 주파수 성분은 빔 발진주기 당 두 개의 주요 이벤트가 있음을 의미합니다. 이것은 레이저 빔이 빔 진동주기 당 두 번 와이어를 절단하거나 절단하는 프로세스와 일치합니다. 용융 된 와이어 팁은 낮은 진동 주파수에서 고르지 않고 날카로운 모서리를 갖는 것으로 나타났습니다 (Cho et al., 2018 [26] ). 이것은 첫 번째 원인이 될 수 있습니다.용융 된 풀에서 지배적이되는 주파수 성분. 진동 주파수가 증가하면 용융 된 와이어 팁이 더 균일 해 지므로 효과가 감소합니다. 용접 방향으로의 정현파 횡 방향 빔 진동을 통한 에너지 집중도 빔 진동주기 당 두 번 발생합니다. 그림 10 은 발진 주파수에 따른 레이저 빔의 라인 에너지 (단위 길이 당 에너지)의 변화를 보여줍니다. 그림 10 b) 의 라인 에너지 는 레이저 출력을 공정 속도로 나누어 계산했습니다. 여기서 처리 속도는(w이자형엘디나는엔지에스피이자형이자형디)2+(디(에스나는엔유에스영형나는디ㅏ엘wㅏV이자형나는엔에프나는지.10ㅏ))디티)2. 낮은 발진 주파수에서 라인 에너지는 발진 폭의 양쪽 끝에 과도하게 집중됩니다. 이러한 집중된 에너지는 과도한 키홀 링 프로세스를 초래하므로 언더컷 결함이 나타날 수있는 높은 흐름 역학이 발생합니다. 진동 주파수가 증가함에 따라 집중 에너지는 더 작은 조각으로 나뉩니다. 따라서 높은 진동 주파수에서 과도한 키홀 링 및 수반되는 언더컷 결함의 발생이 감소되었습니다. 위에서 언급 한 두 가지 현상 (불균일 한 와이어 팁과 집중된 라인 에너지)은 빔 발진주기 당 두 번 발생하며 발진 주파수가 증가하면 그 효과가 감소합니다. 따라서 저주파 에서 2  주파수 성분 (4 x 빔 발진 주파수)이 나타나는 것은이 두 현상의 동시 작용입니다.

    그림 10

    두 가지 현상 중 첫 번째 주파수 에 대한 주된 효과 는 집중된 라인 에너지입니다. Cho et al. (2018)은 전력 흡수 데이터를 푸리에 변환을 사용하여 분석했을 때 1  주파수 성분이 더 우세 해졌고, 2  주파수 성분은 발진 주파수가 증가함에 따라 상대적으로 약화 되었음을 보여주었습니다 [26] . 용융 된 와이어 팁은 또한 빈도가 증가함에 따라 더욱 균일 해졌습니다. 결과는 진동 주파수의 증가가 용융 풀에 대한 와이어의 영향을 제거하는 것으로 나타났습니다. 따라서 발진 주파수가 증가함에 따라 라인 에너지 집중의 영향 만 남을 수 있습니다. 그림 10 과 같이, 집중 선 에너지가 작은 조각으로 분할되기 때문에 효과도 감소하지만 최대 값이 변경되지 않았기 때문에 여전히 효과적입니다.

    빔 진동 주파수 성분은 불안정한 단추 구멍 및 열쇠 구멍 붕괴를 수반하는 불안정한 용융 풀 동작과 관련이 있습니다. 언더컷 결함이있는 케이스 8 (발진 주파수 200Hz)에서 발진 주파수 성분이 관찰되었습니다. 이것은 특히 완전히 관통 된 열쇠 구멍과 불안정한 단추 구멍에서 불안정한 용융 풀 동작을 보여주었습니다. 경우 10 (진동 주파수 250Hz)의 경우 상대적으로 건강한 비드가 형성 되었으나, 도 11 (a) 와 같이 웨이블릿 변환 결과에서 t1의 시간 간격으로 진동 주파수 성분이 관찰되었다 . 이 시간 간격 t1의 용융 풀 거동은 그림 11에 나와 있습니다.(비). 완전히 관통 된 열쇠 구멍이 즉시 무너지는 것이 분명하게 관찰되었습니다. 이것은 진동 주파수 성분이 불안정한 용융 풀 거동과 밀접한 관련이 있음을 보여줍니다. 발견 된 주파수 성분으로부터 완전히 관통 된 열쇠 구멍과 같은 불안정한 용융 풀 거동을 예측할 수 있습니다. 완전히 관통 된 키홀이 반복적으로 붕괴되기 때문에 빔 진동 주파수 성분은 그림 9 (d) 와 같이 웨이블릿 변환 결과에서 명확한 실선 형태로 보이지 않습니다 .

    그림 11

    Cho and Woizeschke (2020)에 따르면 단추 구멍 형성은 자체 지속 가능한 카테 노이드처럼 작용하기 때문에 용융 풀 역학을 감소시킬 수 있습니다 [30] . 그림 12 는 버튼 홀 형성 측면에서 t2의 시간 간격에서 용융 풀 거동의 변화를 보여줍니다. 단추 구멍은 t2의 간헐적 인 부분에만 형성되었습니다. 1st 이후이 시간 동안 웨이블릿 변환의 결과로 주파수 성분이 사라졌고, 버튼 홀 형성은 용융 풀 역학을 줄이는 데 효과적이었습니다. 따라서, 웨이블릿 변환의 결과로 주파수 성분이 지워지는 것을 관찰함으로써 버튼 홀 형성을 예측할 수있다. 이와 관련하여 웨이블릿 변환 기술은 시간에 따른 용융 풀 변화를 나타낼 수 있습니다. 이 기술은 향후 용융 풀 동작을 모니터링하는 데 사용될 수 있습니다.

    그림 12

    5 . 결론

    CFD 시뮬레이션 결과를 사용하여 빔 진동 및 필러 와이어 공급을 통한 레이저 용접에서 용융 풀 역학을 분석 할 수있었습니다. 용융 풀 표면의 변동 데이터의 푸리에 변환 및 웨이블릿 변환은 여기서 용융 풀 역학을 분석하는 데 사용되었습니다. 결과는 다음과 같은 결론으로 ​​이어집니다.1.

     주파수 (2 x 빔 발진 주파수, 이른바 초핑 주파수), 2  주파수 (4 x 빔 발진 주파수) 및 빔 발진 주파수 성분은 푸리에 변환 및 웨이블릿 변환 분석에서 발견 된 주요 성분이었습니다.2.

     주파수와 2  주파수 성분 의 출현은 두 가지 사건, 즉 레이저 빔에 의한 필러 와이어의 절단 공정과 집중된 레이저 라인 에너지의 효과의 결과였습니다. 이는 빔 진동주기 당 두 번 발생했습니다. 따라서 두 번째 주파수 성분은 동시 작용으로 인해 발생했습니다. 빔 진동 주파수 성분은 불안정한 용융 풀 동작과 관련이 있습니다. 구성 요소는 열쇠 구멍과 단추 구멍의 붕괴와 함께 나타났습니다.삼.

    낮은 발진 주파수에서는 1  주파수와 2  주파수 성분이 함께 나타 났지만 발진 주파수가 증가함에 따라 그 크기가 함께 감소했습니다. 집중 선 에너지는 주파수가 증가함에 따라 최대 값이 변하지 않는 반면, 잘게 잘린 선단이 평평 해져 그 효과가 사라졌기 때문에 쵸핑 프로세스보다 더 큰 영향을 미쳤습니다.4.

    용융 풀 거동의 빠른 시간적 변화는 웨이블릿 변환 방법을 사용하여 분석되었습니다. 따라서이 방법은 열쇠 구멍 및 단추 구멍의 형성 및 붕괴와 같은 일시적인 용융 풀 변화를 해석하는 데 사용할 수 있습니다.

    CRediT 저자 기여 성명

    조원익 : 개념화, 방법론, 소프트웨어, 검증, 형식 분석, 조사, 데이터 큐 레이션, 글쓰기-원고, 글쓰기-검토 및 편집. Peer Woizeschke : 감독, 프로젝트 관리, 작문-검토 및 편집.

    경쟁 관심의 선언

    저자는이 논문에보고 된 작업에 영향을 미칠 수있는 경쟁적인 재정적 이해 관계 나 개인적 관계가 없다고 선언합니다.

    감사의 말

    이 작업은 알루미늄 합금 용접 역량 센터 (Centr-Al)에서 수행되었습니다. Deutsche Forschungsgemeinschaft (DFG, 프로젝트 번호 290705638 , “용접 풀 캐비티를 생성하여 레이저 깊은 용입 용접에서 매끄러운 이음매 표면”) 의 자금은 감사하게도 인정됩니다.

    부록 A . 사용 된 지배 방정식 및 레이저 용접 모델

    1 . 지배 방정식 (Cho 및 Woizeschke [ 30 ])

    -대량 보존 방정식,(A1)∇·V→=미디엄˙에스ρ어디, V→속도 벡터입니다. ρ밀도이고 미디엄˙에스필러 와이어를 공급하여 질량 소스의 비율입니다. 단위미디엄에스단위 부피당 질량입니다. WFS (와이어 공급 속도) 및 필러 와이어의 직경과 같은 매스 소스 및 필러 와이어 조건,디w계산 영역에서 다음과 같은 관계가 있습니다.(A2)미디엄=∫미디엄에스디V=미디엄0+씨×ρ×W에프에스×π디w24×티어디, 미디엄총 질량, 미디엄0초기 총 질량, V볼륨입니다.씨단위 변환 계수입니다. 티시간입니다.

    -운동량 보존 방정식,(A3)∂V→∂티+V→·∇V→=−1ρ∇피+ν∇2V→−케이V→+미디엄˙에스ρ(V에스→−V→)+지어디, 피압력입니다. ν동적 점도입니다. 케이뭉툭한 영역의 다공성 매체 모델에 대한 항력 계수, V에스→질량 소스에 대한 속도 벡터입니다. 지신체 힘으로 인한 신체 가속도입니다.

    -에너지 절약 방정식,(A4)∂h∂티+V→·∇h=1ρ∇·(케이∇티)+h˙에스어디, h특정 엔탈피입니다. 케이열전도율, 티온도이고 h˙에스특정 엔탈피 소스로, Eq 의 질량 소스와 연관됩니다 (A1) . 계산 영역의 총 에너지,이자형다음과 같이 계산됩니다.(A5)이자형=∫미디엄에스h에스디V=∫미디엄에스씨Vw티w디V어디, 씨Vw질량 원의 비열, 티w질량 소스의 온도입니다.

    또한, 엔탈피 기반 연속체 모델을 사용하여 고체-액체 상 전이를 고려했습니다.

    -VOF 방정식,(A6)∂에프∂티+∇·(V→에프)=에프˙에스어디, 에프유체가 차지하는 부피 분율이며 0과 1 사이의 값을 가지며 에프˙에스질량의 소스와 연결된 유체의 체적 분율의 비율 식. (A1) . 질량 공급원에 해당하는 부피 분율은 다음에 할당됩니다.에프에스.

    -스칼라 보존 방정식,(A7)∂Φ∂티+∇·(V→Φ)=Φ˙에스어디, Φ필러 와이어의 스칼라 값입니다. 셀의 유체가 전적으로 필러 와이어로 구성된 경우Φ1이고 유체에 대한 필러 와이어의 부피 분율에 따라 0과 1 사이에서 변경됩니다. Φ˙에스Eq 에서 질량 소스에 연결된 스칼라 소스의 비율입니다 (A1) . 스칼라 소스는 전적으로 필러 와이어이기 때문에 1에 할당됩니다. 확산 효과는 고려되지 않았습니다.

    2 . 레이저 용접 모델 (Cho et al. [26] )

    흡수율을 계산하기 위해 프레 넬 반사 모델을 사용했습니다. ㅏ=1−ρ씨재료의 표면 상에 도시 된 바와 같이 수학 식. (A8) 원 편광 빔의 경우.(A8)ㅏ=1−ρ씨=1−12(ρ에스+ρ피)어디,ρ에스=(엔1씨영형에스θ−피)2+큐2(엔1씨영형에스θ+피)2+큐2,ρ에스=(피−엔1에스나는엔θ티ㅏ엔θ)2+큐2(피+엔1에스나는엔θ티ㅏ엔θ)2+큐2,피2=12{[엔22−케이22−(엔1에스나는엔θ)2]2+2엔22케이22+[엔22−케이22−(엔1에스나는엔θ)2]},큐2=12{[엔22−케이22−(엔1에스나는엔θ)2]2+2엔22케이22−[엔22−케이22−(엔1에스나는엔θ)2]}.어디, 복잡한 인덱스 엔1과 케이1반사 지수와 공기의 흡수 지수이며 엔2과 케이2공작물을위한 것입니다. θ입사각입니다. 도시 된 바와 같이 수학 식. (A9)에서 , 혼합물의 흡수율은 식에서 얻은 모재 및 필러 와이어 분획의 가중 평균이됩니다 . (A7) .(A9)ㅏ미디엄나는엑스티유아르 자형이자형=Φㅏw나는아르 자형이자형+(1−Φ)ㅏ비ㅏ에스이자형어디, ㅏ비ㅏ에스이자형과 ㅏw나는아르 자형이자형각각 비금속과 필러 와이어의 흡수율입니다.

    자유 표면 경계에서의 반동 압력 에이 싱은 Eq. (A10) .(A10)피아르 자형(티)≅0.54피에스ㅏ티(티)=0.54피0이자형엑스피(엘V티−티비아르 자형¯티티비)어디, 피에스ㅏ티포화 압력, 피0대기압입니다. 엘V기화의 잠열, 티비끓는 온도이고 아르 자형¯보편적 인 기체 상수입니다.

    참고 문헌

    D.J. Kotecki, D.L. Cheever, D.G. Howden
    Mechanism of ripple formation during weld solidification
    Weld. J., 51 (8) (1972), pp. 386s-391s
    Google Scholar
    [2]
    M. Zacksenhouse, D.E. Hardt
    Weld pool impedance identification for size measurement and control
    J. Dyn. Syst. Meas. Control, 105 (3) (1983), pp. 179-184
    CrossRefView Record in ScopusGoogle Scholar
    [3]
    V.V. Semak, J.A. Hopkins, M.H. McCay, T.D. McCay
    Melt pool dynamics during laser welding
    J. Phys. D, 28 (1995), pp. 2443-2450
    CrossRefView Record in ScopusGoogle Scholar
    [4]
    A.J.R. Aendenroomer, G. den Ouden
    Weld pool oscillation as a tool for penetration sensing during pulsed GTA welding
    Weld. J., 77 (5) (1998), pp. 181s-187s
    Google Scholar
    [5]
    M.J.M. Hermans, G. den Ouden
    Process behavior and stability in short circuit gas metal arc welding
    Weld. J., 78 (4) (1999), pp. 137-141
    View Record in ScopusGoogle Scholar
    [6]
    B.Y.B. Yudodibroto, M.J.M. Hermans, Y. Hirata, G. den Ouden
    Influence of filler wire addition on weld pool oscillation during gas tungsten arc welding
    Sci. Technol. Weld. Join., 9 (2) (2004), pp. 163-168
    View Record in ScopusGoogle Scholar
    [7]
    M. Geiger, K.-H. Leitz, H. Koch, A. Otto
    A 3D transient model of keyhole and melt pool dynamics in laser beam welding applied to the joining of zinc coated sheets
    Prod. Eng. Res. Dev., 3 (2009), pp. 127-136
    CrossRefView Record in ScopusGoogle Scholar
    [8]
    C. Kägeler, M. Schmidt
    Frequency-based analysis of weld pool dynamics and keyhole oscillations at laser beam welding of galvanized steel sheets
    Phys. Procedia, 5 (2010), pp. 447-453
    ArticleDownload PDFView Record in ScopusGoogle Scholar
    [9]
    Y. Shi, G. Zhang, X.J. Ma, Y.F. Gu, J.K. Huang, D. Fan
    Laser-vision-based measurement and analysis of weld pool oscillation frequency in GTAW-P
    Weld. J., 94 (2015), pp. 176s-187s
    Google Scholar
    [10]
    J. Volpp, F. Vollertsen
    Keyhole stability during laser welding—part I: modelling and evaluation
    Prod. Eng.-Res. Dev., 10 (2016), pp. 443-457
    CrossRefView Record in ScopusGoogle Scholar
    [11]
    N. Postacioglu, P. Kapadia, J. Dowden
    Capillary waves on the weld pool in penetration welding with a laser
    J. Phys. D, 22 (1989), pp. 1050-1061
    CrossRefView Record in ScopusGoogle Scholar
    [12]
    N. Postacioglu, P. Kapadia, J. Dowden
    Theory of the oscillations of an ellipsoidal weld pool in laser welding
    J. Phys. D, 24 (1991), pp. 1288-1292
    CrossRefView Record in ScopusGoogle Scholar
    [13]
    J. Kroos, U. Gratzke, M. Vicanek, G. Simon
    Dynamic behaviour of the keyhole in laser welding
    J. Phys. D, 26 (1993), pp. 481-486
    View Record in ScopusGoogle Scholar
    [14]
    H. Maruo, Y. Hirata
    Natural frequency and oscillation modes of weld pools. 1st Report: weld pool oscillation in full penetration welding of thin plate
    Weld. Int., 7 (8) (1993), pp. 614-619
    CrossRefView Record in ScopusGoogle Scholar
    [15]
    T. Klein, M. Vicanek, J. Kroos, I. Decker, G. Simon
    Oscillations of the keyhole in penetration laser beam welding
    J. Phys. D, 27 (1994), pp. 2023-2030
    CrossRefView Record in ScopusGoogle Scholar
    [16]
    T. Klein, M. Vicanek, G. Simon
    Forced oscillations of the keyhole in penetration laser beam welding
    J. Phys. D, 29 (1996), pp. 322-332
    View Record in ScopusGoogle Scholar
    [17]
    K. Andersen, G.E. Cook, R.J. Barnett, A.M. Strauss
    Synchronous weld pool oscillation for monitoring and control
    IEEE Trans. Ind. Appl., 33 (2) (1997), pp. 464-471
    View Record in ScopusGoogle Scholar
    [18]
    W.-I. Cho, S.-J. Na, M.-H. Cho, J.-S. Lee
    Numerical study of alloying element distribution in CO2 laser-GMA hybrid welding
    Comput. Mater. Sci., 49 (2010), pp. 792-800
    ArticleDownload PDFView Record in ScopusGoogle Scholar
    [19]
    W.-I. Cho, S.-J. Na, C. Thomy, F. Vollertsen
    Numerical simulation of molten pool dynamics in high power disk laser welding
    J. Mater. Process. Technol., 212 (2012), pp. 262-275
    ArticleDownload PDFView Record in ScopusGoogle Scholar
    [20]
    A. Otto, A. Patschger, M. Seiler
    Numerical and experimental investigations of humping phenomena in laser micro welding
    Phys. Procedia, 83 (2016), pp. 1415-1423
    ArticleDownload PDFView Record in ScopusGoogle Scholar
    [21]
    R. Lin, H.-P. Wang, F. Lu, J. Solomon, B.E. Carlson
    Numerical study of keyhole dynamics and keyhole-induced porosity formation in remote laser welding of Al alloys
    Int. J. Heat Mass Trans., 108 (2017), pp. 244-256
    ArticleDownload PDFView Record in ScopusGoogle Scholar
    [22]
    S.H. Ko, C.D. Yoo, D.F. Farson, S.K. Choi
    Mathematical modeling of the dynamic behavior of gas tungsten arc weld pools
    Metall. Mater. Trans. B., 31B (2000), pp. 1465-1473
    CrossRefView Record in ScopusGoogle Scholar
    [23]
    R. Hu, X. Chen, G. Yang, S. Gong, S. Pang
    Metal transfer in wire feeding-based electron beam 3D printing: modes, dynamics, and transition criterion
    Int. J. Heat Mass Transf., 126 (2018), pp. 877-887
    ArticleDownload PDFView Record in ScopusGoogle Scholar
    [24]
    X. Meng, A. Artinov, M. Bachmann, M. Rethmeier
    Theoretical study of influence of electromagnetic stirring on transport phenomena in wire feed laser beam welding
    J. Laser Appl., 32 (2020), Article 022026
    CrossRefGoogle Scholar
    [25]
    W.-I. Cho, V. Schultz, F. Vollertsen
    Simulation of the buttonhole formation during laser welding with wire feeding and beam oscillation
    L. Overmeyer, U. Reisgen, A. Ostendorf, M. Schmidt (Eds.), Proceedings of the Lasers in Manufacturing, German Scientific Laser Society, Munich, Germany (2017)
    Google Scholar
    [26]
    W.-I. Cho, V. Schultz, P. Woizeschke
    Numerical study of the effect of the oscillation frequency in buttonhole welding
    J. Mater. Process. Technol., 261 (2018), pp. 202-212
    ArticleDownload PDFView Record in ScopusGoogle Scholar
    [27]
    V. Schultz, T. Seefeld, F. Vollertsen
    Bridging Large Air Gaps by Laser Welding with Beam Oscillation
    International Conference on Application of Lasers in Manufacturing, New Delhi, India (2015), pp. 31-32
    CrossRefGoogle Scholar
    [28]
    W.-I. Cho, S.-J. Na
    Impact of wavelengths of CO2, disk, and green lasers on fusion zone shape in laser welding of steel
    J. Weld. Join., 38 (3) (2020), pp. 235-240
    CrossRefView Record in ScopusGoogle Scholar
    [29]
    FLOW-3D User Manual. 2017. Version 11.2.1.06, Flow Science Inc.
    Google Scholar
    [30]
    W.-I. Cho, P. Woizeschke
    Analysis of molten pool behavior with buttonhole formation in laser keyhole welding of sheet metal
    Int. J. Heat Mass Transf., 152 (2020), Article 119528
    ArticleDownload PDFView Record in ScopusGoogle Scholar
    [31]
    F. Vollertsen
    Loopless production: definition and examples from joining
    69th IIW Annual Assembly and International Conference, Melbourne, Australia (2016)
    Google Scholar
    [32]
    V. Schultz, W.-I. Cho, A. Merkel, P. Woizeschke
    Deep penetration laser welding with high seam surface quality due to buttonhole welding
    Proc. of the IIW Annual Assembly, Com. IV, Bali, Indonesia (2018)
    IIW-Doc. IV-1390-18

    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 Google 학술 검색 
    25. Prasad AK (2000) 입체 입자 영상 유속계. Experim 유체 29 (2) : 103–116 Google 학술 검색 
    26. Prestininzi P, Lombardi V (2021) DM @ PIV. https://it.mathworks.com/matlabcentral/fileexchange/75398-dm-piv . MATLAB Central 파일 교환. 2021 년 5 월 6 일 확인
    27. Sanchis A, Jensen A (2011) 자유 표면 흐름에서 라돈 변환을 사용한 piv 이미지의 동적 마스킹. Experim 유체 51 (4) : 871–880 Google 학술 검색 
    28. Scarano F (2013) Tomographic piv : 원리와 실행. Meas Sci Technol 24 (1)
    29. Taniguchi M, Lindsey JS (2018) photochemcad에 사용하기위한> 300 개의 일반적인 화합물의 흡수 및 형광 스펙트럼 데이터베이스. Photochem Photobiol 94 (2) : 290–327 Google 학술 검색 
    30. Taniguchi M, Du H, Lindsey JS (2018) Photochemcad 3 : 다중 스펙트럼 데이터베이스를 사용한 광 물리 계산을위한 다양한 모듈. Photochem Photobiol 94 (2) : 277–289 Google 학술 검색 
    31. Thielicke W (2020) PIVlab (2020). https://www.mathworks.com/matlabcentral/fileexchange/27659-pivlab-particle-image-velocimetry-piv-tool . MATLAB Central 파일 교환. 5 월 8 일 확인
    32. Thielicke W, Stamhuis E (2014) PIVlab-matlab의 사용자 친화적이고 저렴하며 정확한 디지털 입자 이미지 속도계를 지향합니다. J Open Res Softw 2 (1)
    33. TSI Instruments (2014) PIV 이미지에 대한 동적 마스킹. TSI Incorporated 애플리케이션 노트 PIV-018
    34. Vennemann B, Rösgen T (2020) 컨볼 루션 오토 인코더를 사용하는 입자 이미지 속도 측정을위한 동적 마스킹 기술. Experim 유체 61 (7) : 1–11 Google 학술 검색 
    35. Westerweel J, Elsinga GE, Adrian RJ (2013) 복잡하고 난류 흐름에 대한 입자 이미지 유속계. Ann Rev Fluid Mech 45 (1) : 409–436. https://doi.org/10.1146/annurev-fluid-120710-101204MathSciNet  수학 Google 학술 검색 

    참조 다운로드

    자금

    CRUI-CARE 계약에 따라 Università degli Studi Roma Tre가 제공하는 오픈 액세스 자금.

    작가 정보

    제휴

    1. 이탈리아 Roma, Università Roma Tre 공학과Valentina Lombardi, Michele La Rocca, Pietro Prestininzi

    교신 저자

    Valentina Lombardi에 대한 서신 .

    추가 정보

    발행인의 메모

    Springer Nature는 출판 된지도 및 기관 소속의 관할권 주장과 관련하여 중립을 유지합니다.

    오픈 액세스이 기사는 크리에이티브 커먼즈 저작자 표시 4.0 국제 라이선스에 따라 사용이 허가되었습니다.이 라이선스는 귀하가 원저자와 출처에 대해 적절한 크레딧을 제공하는 한 모든 매체 또는 형식으로 사용, 공유, 개작, 배포 및 복제를 허용합니다. 크리에이티브 커먼즈 라이센스에 대한 링크를 제공하고 변경 사항이 있는지 표시합니다. 이 기사의 이미지 또는 기타 제 3 자 자료는 자료에 대한 크레딧 라인에 달리 명시되지 않는 한 기사의 크리에이티브 커먼즈 라이선스에 포함됩니다. 자료가 기사의 크리에이티브 커먼즈 라이센스에 포함되어 있지 않고 의도 된 사용이 법적 규정에 의해 허용되지 않거나 허용 된 사용을 초과하는 경우 저작권 보유자로부터 직접 허가를 받아야합니다. 이 라이센스의 사본을 보려면 다음을 방문하십시오.http://creativecommons.org/licenses/by/4.0/ .

    재판 및 허가

    이 기사에 대해

    이 기사 인용

    Lombardi, V., Rocca, ML & Prestininzi, P. 시간 분해 PIV 분석을위한 새로운 동적 마스킹 기술. J Vis (2021). https://doi.org/10.1007/s12650-021-00756-0

    인용 다운로드

    이 기사 공유

    다음 링크를 공유하는 사람은 누구나이 콘텐츠를 읽을 수 있습니다.공유 가능한 링크 받기

    Springer Nature SharedIt 콘텐츠 공유 이니셔티브 제공

    키워드

    • 시간 해결 PIV
    • 역학 마스킹
    • 이미지 처리
    • 진동 유도제
    • 형광 코팅
    Figure 1 (A) A schematic of ovarian cancer metastases involving tumor cells or clusters (yellow) shedding from a primary site and disseminating along ascitic currents of peritoneal fluid (green arrows) in the abdominal cavity. Ovarian cancer typically disseminates in four common abdomino-pelvic sites: (1) cul-de-sac (an extension of the peritoneal cavity between the rectum and back wall of the uterus); (2) right infracolic space (the apex formed by the termination of the small intestine of the small bowel mesentery at the ileocecal junction); (3) left infracolic space (superior site of the sigmoid colon); (4) Right paracolic gutter (communication between the upper and lower abdomen defined by the ascending colon and peritoneal wall). (B) The schematic of a perfusion model used to study the impact of sustained fluid flow on treatment resistance and molecular features of 3D ovarian cancer nodules (Top left). A side view of the perfusion model and growth of ovarian cancer nodules to a stromal bed (Top right). The photograph of a perfusion model used in the experiments (Bottom left) and depth-informed confocal imaging of ovarian cancer nodules in channels with and without carboplatin treatment (Bottom right). The perfusion model is 24 × 40 mm, with three channels that are 4 × 30 mm each and a height of 254 μm. The inlet and outlet ports of channels are 2.2 mm in diameter and positioned 5 mm from the edge of the chip. (C) A schematic of a 24-well plate model used to study the treatment resistance and molecular features of 3D ovarian cancer nodules under static conditions (without flow) (Top left). A side view of the static models and growth of ovarian cancer nodules on a stromal bed (Top right). Confocal imaging of 3D ovarian cancer nodules in a 24-well plate without and with carboplatin treatment (Bottom). Scale bars: 1 mm.

    Flow-induced Shear Stress Confers Resistance to Carboplatin in an Adherent Three-Dimensional Model for Ovarian Cancer: A Role for EGFR-Targeted Photoimmunotherapy Informed by Physical Stress

    난소암에 대한 일관된 3차원 모델에서 카보플라틴에 대한 유동에 의한 전단응력변화에 관한 연구

    Abstract

    A key reason for the persistently grim statistics associated with metastatic ovarian cancer is resistance to conventional agents, including platinum-based chemotherapies. A major source of treatment failure is the high degree of genetic and molecular heterogeneity, which results from significant underlying genomic instability, as well as stromal and physical cues in the microenvironment. Ovarian cancer commonly disseminates via transcoelomic routes to distant sites, which is associated with the frequent production of malignant ascites, as well as the poorest prognosis. In addition to providing a cell and protein-rich environment for cancer growth and progression, ascitic fluid also confers physical stress on tumors. An understudied area in ovarian cancer research is the impact of fluid shear stress on treatment failure. Here, we investigate the effect of fluid shear stress on response to platinum-based chemotherapy and the modulation of molecular pathways associated with aggressive disease in a perfusion model for adherent 3D ovarian cancer nodules. Resistance to carboplatin is observed under flow with a concomitant increase in the expression and activation of the epidermal growth factor receptor (EGFR) as well as downstream signaling members mitogen-activated protein kinase/extracellular signal-regulated kinase (MEK) and extracellular signal-regulated kinase (ERK). The uptake of platinum by the 3D ovarian cancer nodules was significantly higher in flow cultures compared to static cultures. A downregulation of phospho-focal adhesion kinase (p-FAK), vinculin, and phospho-paxillin was observed following carboplatin treatment in both flow and static cultures. Interestingly, low-dose anti-EGFR photoimmunotherapy (PIT), a targeted photochemical modality, was found to be equally effective in ovarian tumors grown under flow and static conditions. These findings highlight the need to further develop PIT-based combinations that target the EGFR, and sensitize ovarian cancers to chemotherapy in the context of flow-induced shear stress.

    전이성 난소 암과 관련된 지속적으로 암울한 통계의 주요 이유는 백금 기반 화학 요법을 포함한 기존 약제에 대한 내성 때문입니다. 치료 실패의 주요 원인은 높은 수준의 유전적 및 분자적 이질성이며, 이는 중요한 기본 게놈 불안정성과 미세 환경의 기질 및 물리적 단서로 인해 발생합니다.

    난소 암은 흔히 transcoelomic 경로를 통해 먼 부위로 전파되며, 이는 악성 복수의 빈번한 생산과 가장 나쁜 예후와 관련이 있습니다. 암 성장 및 진행을위한 세포 및 단백질이 풍부한 환경을 제공하는 것 외에도 복수 액은 종양에 물리적 스트레스를 부여합니다. 난소 암 연구에서 잘 연구되지 않은 분야는 유체 전단 응력이 치료 실패에 미치는 영향입니다.

    여기, 우리는 백금 기반 화학 요법에 대한 반응과 부착 3D 난소 암 결절에 대한 관류 모델에서 공격적인 질병과 관련된 분자 경로의 변조에 대한 유체 전단 응력의 효과를 조사합니다.

    카르보플라틴에 대한 내성은 상피 성장 인자 수용체 (EGFR)의 발현 및 활성화의 수반되는 증가 뿐만 아니라 다운 스트림 신호 구성원인 미토겐 활성화 단백질 키나제/세포 외 신호 조절 키나제 (MEK) 및 세포 외 신호 조절과 함께 관찰됩니다. 키나아제 (ERK). 3D 난소 암 결절에 의한 백금 흡수는 정적 배양에 비해 유동 배양에서 상당히 높았습니다.

    포스 포-포컬 접착 키나제 (p-FAK), 빈 쿨린 및 포스 포-팍 실린의 하향 조절은 유동 및 정적 배양 모두에서 카보 플 라틴 처리 후 관찰되었습니다. 흥미롭게도, 표적 광 화학적 양식 인 저용량 항 EGFR 광 면역 요법 (PIT)은 유동 및 정적 조건에서 성장한 난소 종양에서 똑같이 효과적인 것으로 밝혀졌습니다.

    이러한 발견은 EGFR을 표적으로하는 PIT 기반 조합을 추가로 개발하고 흐름 유도 전단 응력의 맥락에서 화학 요법에 난소 암을 민감하게 할 필요성을 강조합니다.

    Keywords: ovarian cancer, epidermal growth factor receptor (EGFR), mitogen-activated protein kinase/extracellular signal-regulated kinase (MEK), extracellular signal-regulated kinase (ERK), chemoresistance, fluid shear stress, ascites, perfusion model, photoimmunotherapy (PIT), photodynamic therapy (PDT), carboplatin

    Figure 1 (A) A schematic of ovarian cancer metastases involving tumor cells or clusters (yellow) shedding from a primary site and disseminating along ascitic currents of peritoneal fluid (green arrows) in the abdominal cavity. Ovarian cancer typically disseminates in four common abdomino-pelvic sites: (1) cul-de-sac (an extension of the peritoneal cavity between the rectum and back wall of the uterus); (2) right infracolic space (the apex formed by the termination of the small intestine of the small bowel mesentery at the ileocecal junction); (3) left infracolic space (superior site of the sigmoid colon); (4) Right paracolic gutter (communication between the upper and lower abdomen defined by the ascending colon and peritoneal wall). (B) The schematic of a perfusion model used to study the impact of sustained fluid flow on treatment resistance and molecular features of 3D ovarian cancer nodules (Top left). A side view of the perfusion model and growth of ovarian cancer nodules to a stromal bed (Top right). The photograph of a perfusion model used in the experiments (Bottom left) and depth-informed confocal imaging of ovarian cancer nodules in channels with and without carboplatin treatment (Bottom right). The perfusion model is 24 × 40 mm, with three channels that are 4 × 30 mm each and a height of 254 μm. The inlet and outlet ports of channels are 2.2 mm in diameter and positioned 5 mm from the edge of the chip. (C) A schematic of a 24-well plate model used to study the treatment resistance and molecular features of 3D ovarian cancer nodules under static conditions (without flow) (Top left). A side view of the static models and growth of ovarian cancer nodules on a stromal bed (Top right). Confocal imaging of 3D ovarian cancer nodules in a 24-well plate without and with carboplatin treatment (Bottom). Scale bars: 1 mm.
    Figure 1 (A) A schematic of ovarian cancer metastases involving tumor cells or clusters (yellow) shedding from a primary site and disseminating along ascitic currents of peritoneal fluid (green arrows) in the abdominal cavity. Ovarian cancer typically disseminates in four common abdomino-pelvic sites: (1) cul-de-sac (an extension of the peritoneal cavity between the rectum and back wall of the uterus); (2) right infracolic space (the apex formed by the termination of the small intestine of the small bowel mesentery at the ileocecal junction); (3) left infracolic space (superior site of the sigmoid colon); (4) Right paracolic gutter (communication between the upper and lower abdomen defined by the ascending colon and peritoneal wall). (B) The schematic of a perfusion model used to study the impact of sustained fluid flow on treatment resistance and molecular features of 3D ovarian cancer nodules (Top left). A side view of the perfusion model and growth of ovarian cancer nodules to a stromal bed (Top right). The photograph of a perfusion model used in the experiments (Bottom left) and depth-informed confocal imaging of ovarian cancer nodules in channels with and without carboplatin treatment (Bottom right). The perfusion model is 24 × 40 mm, with three channels that are 4 × 30 mm each and a height of 254 μm. The inlet and outlet ports of channels are 2.2 mm in diameter and positioned 5 mm from the edge of the chip. (C) A schematic of a 24-well plate model used to study the treatment resistance and molecular features of 3D ovarian cancer nodules under static conditions (without flow) (Top left). A side view of the static models and growth of ovarian cancer nodules on a stromal bed (Top right). Confocal imaging of 3D ovarian cancer nodules in a 24-well plate without and with carboplatin treatment (Bottom). Scale bars: 1 mm.
    Figure 2 (A) Geometry of the micronodule located at the center of the microchannel. The flow velocity is in the X-direction. The nodule is modeled as an ellipse with a semi-minor axis of 40 μm in the Z-direction. The semi-major axis varies from 40-100 μm in the X-direction. The section over which the fluid dynamics are studied is the middle part of the channel with dimensions 4 mm along the Y-axis and 250 μm along the Z-axis. The nodule is located at (0, 20 μm). The black dotted line shows the centerline of the largest nodule. (B) Shear stress distribution over the surface of the solid micro-nodule on the XZ-plane. (C) Shear stress distribution over the surface of the porous micro-nodule on the XZ-plane. (D) Flow flux distribution over the centerline of the porous micro-nodule on the XZ-plane. The flux enters the surface at the left and leaves at the right.
    Figure 2 (A) Geometry of the micronodule located at the center of the microchannel. The flow velocity is in the X-direction. The nodule is modeled as an ellipse with a semi-minor axis of 40 μm in the Z-direction. The semi-major axis varies from 40-100 μm in the X-direction. The section over which the fluid dynamics are studied is the middle part of the channel with dimensions 4 mm along the Y-axis and 250 μm along the Z-axis. The nodule is located at (0, 20 μm). The black dotted line shows the centerline of the largest nodule. (B) Shear stress distribution over the surface of the solid micro-nodule on the XZ-plane. (C) Shear stress distribution over the surface of the porous micro-nodule on the XZ-plane. (D) Flow flux distribution over the centerline of the porous micro-nodule on the XZ-plane. The flux enters the surface at the left and leaves at the right.
    Figure 3 Cytotoxic response in carboplatin-treated 3D OVCAR-5 cultures under static conditions. (A) Representative confocal images of 3D tumors treated with carboplatin (0-500 μM) for 96 h showing a dose-dependent reduction in viable tumor (calcein signal). (B) Image-based quantification of normalized viable tumor area in 3D OVCAR-5 cultures following treatment with increasing doses of carboplatin. A minimum nodule size cut-off of 2000 µm2 (clusters of ~15–20 cells) was applied to the fluorescence images for quantitative analysis of the normalized viable tumor area. (One-way ANOVA with Dunnett’s post hoc test; n.s., not significant; * p < 0.05; *** p < 0.001; N = 9) (C) Inductively coupled plasma mass spectrometry (ICP-MS)-based quantification of carboplatin uptake in static 3D OVCAR-5 tumors shows a dose-dependent increase in platinum levels, up to 9774 ± 3,052 ng/mg protein at an incubation concentration of 500 μM carboplatin. (One-way ANOVA with Dunn’s multiple comparisons test; n.s., not significant; * p < 0.05; ** p < 0.01; N = 3). Results are expressed as mean ± standard error of mean (SEM). Scale bars: 500 μm.
    Figure 3 Cytotoxic response in carboplatin-treated 3D OVCAR-5 cultures under static conditions. (A) Representative confocal images of 3D tumors treated with carboplatin (0-500 μM) for 96 h showing a dose-dependent reduction in viable tumor (calcein signal). (B) Image-based quantification of normalized viable tumor area in 3D OVCAR-5 cultures following treatment with increasing doses of carboplatin. A minimum nodule size cut-off of 2000 µm2 (clusters of ~15–20 cells) was applied to the fluorescence images for quantitative analysis of the normalized viable tumor area. (One-way ANOVA with Dunnett’s post hoc test; n.s., not significant; * p < 0.05; *** p < 0.001; N = 9) (C) Inductively coupled plasma mass spectrometry (ICP-MS)-based quantification of carboplatin uptake in static 3D OVCAR-5 tumors shows a dose-dependent increase in platinum levels, up to 9774 ± 3,052 ng/mg protein at an incubation concentration of 500 μM carboplatin. (One-way ANOVA with Dunn’s multiple comparisons test; n.s., not significant; * p < 0.05; ** p < 0.01; N = 3). Results are expressed as mean ± standard error of mean (SEM). Scale bars: 500 μm.
    Figure 4 flow-induced chemo-resistance
    Figure 4 flow-induced chemo-resistance
    Figure 5 The effects of flow-induced shear stress on 3D ovarian cancer biology. (A) Western blot analysis of OVCAR-5 tumors was performed 7 days after culture under static or flow conditions. A flow-induced increase in EGFR and p-ERK, compared to static cultures, was observed. Conversely, a reduction in p-FAK, p-Paxillin, and Vinculin was observed under flow, relative to static conditions. (B) Western blot analysis of 3D OVCAR-5 tumors was performed 11 days after culture under static or flow conditions, including 4 days of treatment with 500 µM carboplatin, and respective controls. In both static and flow 3D cultures, carboplatin treatment resulted in downregulation of EGFR, FAK, p-Paxillin, Paxillin, and Vinculin. Upregulation of p-ERK was observed after carboplatin treatment in both static and flow 3D cultures. (C) Baseline levels of EGFR activity and expression are maintained by a complex array of factors, including recycling and degradation of the activated receptor complex. Flow-induced shear stress has been shown to cause a posttranslational up-regulation of EGFR expression and activation, likely resulting from increased receptor recycling and decreased EGFR degradation. Activation of EGFR results in ERK phosphorylation to induce gene expression, ultimately leading to cell proliferation, survival, and chemoresistance. FAK and other tyrosine kinases are activated by the engagement of integrins with the ECM. Subsequent phosphorylation of paxillin by FAK not only influences the remodeling of the actin cytoskeleton, but also modulates vinculin activation to regulate mitogen-activated protein kinase (MAPK) cascades, thereby stimulating pro-survival gene expression.
    Figure 5 The effects of flow-induced shear stress on 3D ovarian cancer biology. (A) Western blot analysis of OVCAR-5 tumors was performed 7 days after culture under static or flow conditions. A flow-induced increase in EGFR and p-ERK, compared to static cultures, was observed. Conversely, a reduction in p-FAK, p-Paxillin, and Vinculin was observed under flow, relative to static conditions. (B) Western blot analysis of 3D OVCAR-5 tumors was performed 11 days after culture under static or flow conditions, including 4 days of treatment with 500 µM carboplatin, and respective controls. In both static and flow 3D cultures, carboplatin treatment resulted in downregulation of EGFR, FAK, p-Paxillin, Paxillin, and Vinculin. Upregulation of p-ERK was observed after carboplatin treatment in both static and flow 3D cultures. (C) Baseline levels of EGFR activity and expression are maintained by a complex array of factors, including recycling and degradation of the activated receptor complex. Flow-induced shear stress has been shown to cause a posttranslational up-regulation of EGFR expression and activation, likely resulting from increased receptor recycling and decreased EGFR degradation. Activation of EGFR results in ERK phosphorylation to induce gene expression, ultimately leading to cell proliferation, survival, and chemoresistance. FAK and other tyrosine kinases are activated by the engagement of integrins with the ECM. Subsequent phosphorylation of paxillin by FAK not only influences the remodeling of the actin cytoskeleton, but also modulates vinculin activation to regulate mitogen-activated protein kinase (MAPK) cascades, thereby stimulating pro-survival gene expression.

    References

    1. Siegel R.L., Miller K.D., Jemal A. Cancer statistics, 2019. CA Cancer J. Clin. 2019;69:7–34. doi: 10.3322/caac.21551. [PubMed] [CrossRef] [Google Scholar]
    2. Foley O.W., Rauh-Hain J.A., Del Carmen M.G. Recurrent epithelial ovarian cancer: An update on treatment. Oncology. 2013;27:288–294, 298. [PubMed] [Google Scholar]
    3. Kipps E., Tan D.S., Kaye S.B. Meeting the challenge of ascites in ovarian cancer: New avenues for therapy and research. Nat. Rev. Cancer. 2013;13:273–282. doi: 10.1038/nrc3432. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    4. Tan D.S., Agarwal R., Kaye S.B. Mechanisms of transcoelomic metastasis in ovarian cancer. Lancet Oncol. 2006;7:925–934. doi: 10.1016/S1470-2045(06)70939-1. [PubMed] [CrossRef] [Google Scholar]
    5. Ahmed N., Stenvers K.L. Getting to know ovarian cancer ascites: Opportunities for targeted therapy-based translational research. Front. Oncol. 2013;3:256. doi: 10.3389/fonc.2013.00256. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    6. Shield K., Ackland M.L., Ahmed N., Rice G.E. Multicellular spheroids in ovarian cancer metastases: Biology and pathology. Gynecol. Oncol. 2009;113:143–148. doi: 10.1016/j.ygyno.2008.11.032. [PubMed] [CrossRef] [Google Scholar]
    7. Naora H., Montell D.J. Ovarian cancer metastasis: Integrating insights from disparate model organisms. Nat. Rev. Cancer. 2005;5:355–366. doi: 10.1038/nrc1611. [PubMed] [CrossRef] [Google Scholar]
    8. Lengyel E. Ovarian cancer development and metastasis. Am. J. Pathol. 2010;177:1053–1064. doi: 10.2353/ajpath.2010.100105. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    9. Javellana M., Hoppenot C., Lengyel E. The road to long-term survival: Surgical approach and longitudinal treatments of long-term survivors of advanced-stage serous ovarian cancer. Gynecol. Oncol. 2019;152:228–234. doi: 10.1016/j.ygyno.2018.11.007. [PubMed] [CrossRef] [Google Scholar]
    10. Al Habyan S., Kalos C., Szymborski J., McCaffrey L. Multicellular detachment generates metastatic spheroids during intra-abdominal dissemination in epithelial ovarian cancer. Oncogene. 2018;37:5127–5135. doi: 10.1038/s41388-018-0317-x. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    11. Kim S., Kim B., Song Y.S. Ascites modulates cancer cell behavior, contributing to tumor heterogeneity in ovarian cancer. Cancer Sci. 2016;107:1173–1178. doi: 10.1111/cas.12987. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    12. Bowtell D.D., Bohm S., Ahmed A.A., Aspuria P.J., Bast R.C., Beral V., Berek J.S., Birrer M.J., Blagden S., Bookman M.A., et al. Rethinking ovarian cancer II: Reducing mortality from high-grade serous ovarian cancer. Nat. Rev. Cancer. 2015;15:668–679. doi: 10.1038/nrc4019. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    13. Hoppenot C., Eckert M.A., Tienda S.M., Lengyel E. Who are the long-term survivors of high grade serous ovarian cancer? Gynecol. Oncol. 2018;148:204–212. doi: 10.1016/j.ygyno.2017.10.032. [PubMed] [CrossRef] [Google Scholar]
    14. Zhao Y., Cao J., Melamed A., Worley M., Gockley A., Jones D., Nia H.T., Zhang Y., Stylianopoulos T., Kumar A.S., et al. Losartan treatment enhances chemotherapy efficacy and reduces ascites in ovarian cancer models by normalizing the tumor stroma. Proc. Natl. Acad. Sci. USA. 2019;116:2210–2219. doi: 10.1073/pnas.1818357116. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    15. Ayantunde A.A., Parsons S.L. Pattern and prognostic factors in patients with malignant ascites: A retrospective study. Ann. Oncol. 2007;18:945–949. doi: 10.1093/annonc/mdl499. [PubMed] [CrossRef] [Google Scholar]
    16. Latifi A., Luwor R.B., Bilandzic M., Nazaretian S., Stenvers K., Pyman J., Zhu H., Thompson E.W., Quinn M.A., Findlay J.K., et al. Isolation and characterization of tumor cells from the ascites of ovarian cancer patients: Molecular phenotype of chemoresistant ovarian tumors. PLoS ONE. 2012;7:e46858. doi: 10.1371/journal.pone.0046858. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    17. Ahmed N., Greening D., Samardzija C., Escalona R.M., Chen M., Findlay J.K., Kannourakis G. Unique proteome signature of post-chemotherapy ovarian cancer ascites-derived tumor cells. Sci. Rep. 2016;6:30061. doi: 10.1038/srep30061. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    18. Gjorevski N., Boghaert E., Nelson C.M. Regulation of Epithelial-Mesenchymal Transition by Transmission of Mechanical Stress through Epithelial Tissues. Cancer Microenviron. 2012;5:29–38. doi: 10.1007/s12307-011-0076-5. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    19. Polacheck W.J., Charest J.L., Kamm R.D. Interstitial flow influences direction of tumor cell migration through competing mechanisms. Proc. Natl. Acad. Sci. USA. 2011;108:11115–11120. doi: 10.1073/pnas.1103581108. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    20. Polacheck W.J., German A.E., Mammoto A., Ingber D.E., Kamm R.D. Mechanotransduction of fluid stresses governs 3D cell migration. Proc. Natl. Acad. Sci. USA. 2014;111:2447–2452. doi: 10.1073/pnas.1316848111. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    21. Polacheck W.J., Zervantonakis I.K., Kamm R.D. Tumor cell migration in complex microenvironments. Cell Mol. Life Sci. 2013;70:1335–1356. doi: 10.1007/s00018-012-1115-1. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    22. Swartz M.A., Lund A.W. Lymphatic and interstitial flow in the tumour microenvironment: Linking mechanobiology with immunity. Nat. Rev. Cancer. 2012;12:210–219. doi: 10.1038/nrc3186. [PubMed] [CrossRef] [Google Scholar]
    23. Pisano M., Triacca V., Barbee K.A., Swartz M.A. An in vitro model of the tumor-lymphatic microenvironment with simultaneous transendothelial and luminal flows reveals mechanisms of flow enhanced invasion. Integr. Biol. 2015;7:525–533. doi: 10.1039/C5IB00085H. [PubMed] [CrossRef] [Google Scholar]
    24. Follain G., Herrmann D., Harlepp S., Hyenne V., Osmani N., Warren S.C., Timpson P., Goetz J.G. Fluids and their mechanics in tumour transit: Shaping metastasis. Nat. Rev. Cancer. 2020;20:107–124. doi: 10.1038/s41568-019-0221-x. [PubMed] [CrossRef] [Google Scholar]
    25. Rizvi I., Gurkan U.A., Tasoglu S., Alagic N., Celli J.P., Mensah L.B., Mai Z., Demirci U., Hasan T. Flow induces epithelial-mesenchymal transition, cellular heterogeneity and biomarker modulation in 3D ovarian cancer nodules. Proc. Natl. Acad. Sci. USA. 2013;110:E1974–E1983. doi: 10.1073/pnas.1216989110. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    26. Novak C., Horst E., Mehta G. Mechanotransduction in ovarian cancer: Shearing into the unknown. APL Bioeng. 2018;2 doi: 10.1063/1.5024386. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    27. Carmignani C.P., Sugarbaker T.A., Bromley C.M., Sugarbaker P.H. Intraperitoneal cancer dissemination: Mechanisms of the patterns of spread. Cancer Metastasis Rev. 2003;22:465–472. doi: 10.1023/A:1023791229361. [PubMed] [CrossRef] [Google Scholar]
    28. Sugarbaker P.H. Observations concerning cancer spread within the peritoneal cavity and concepts supporting an ordered pathophysiology. Cancer Treatment Res. 1996;82:79–100. [PubMed] [Google Scholar]
    29. Feki A., Berardi P., Bellingan G., Major A., Krause K.H., Petignat P., Zehra R., Pervaiz S., Irminger-Finger I. Dissemination of intraperitoneal ovarian cancer: Discussion of mechanisms and demonstration of lymphatic spreading in ovarian cancer model. Crit. Rev. Oncol./Hematol. 2009;72:1–9. doi: 10.1016/j.critrevonc.2008.12.003. [PubMed] [CrossRef] [Google Scholar]
    30. Holm-Nielsen P. Pathogenesis of ascites in peritoneal carcinomatosis. Acta Pathol. Microbiol. Scand. 1953;33:10–21. doi: 10.1111/j.1699-0463.1953.tb04805.x. [PubMed] [CrossRef] [Google Scholar]
    31. Ahmed N., Riley C., Oliva K., Rice G., Quinn M. Ascites induces modulation of alpha6beta1 integrin and urokinase plasminogen activator receptor expression and associated functions in ovarian carcinoma. Br. J. Cancer. 2005;92:1475–1485. doi: 10.1038/sj.bjc.6602495. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    32. Woodburn J.R. The epidermal growth factor receptor and its inhibition in cancer therapy. Pharmacol. Ther. 1999;82:241–250. doi: 10.1016/S0163-7258(98)00045-X. [PubMed] [CrossRef] [Google Scholar]
    33. Servidei T., Riccardi A., Mozzetti S., Ferlini C., Riccardi R. Chemoresistant tumor cell lines display altered epidermal growth factor receptor and HER3 signaling and enhanced sensitivity to gefitinib. Int. J. Cancer J. Int. Cancer. 2008;123:2939–2949. doi: 10.1002/ijc.23902. [PubMed] [CrossRef] [Google Scholar]
    34. Chen A.P., Zhang J., Liu H., Zhao S.P., Dai S.Z., Sun X.L. Association of EGFR expression with angiogenesis and chemoresistance in ovarian carcinoma. Zhonghua zhong liu za zhi [Chinese journal of oncology] 2009;31:48–52. [PubMed] [Google Scholar]
    35. Alper O., Bergmann-Leitner E.S., Bennett T.A., Hacker N.F., Stromberg K., Stetler-Stevenson W.G. Epidermal growth factor receptor signaling and the invasive phenotype of ovarian carcinoma cells. J. Natl. Cancer Inst. 2001;93:1375–1384. doi: 10.1093/jnci/93.18.1375. [PubMed] [CrossRef] [Google Scholar]
    36. Zeineldin R., Muller C.Y., Stack M.S., Hudson L.G. Targeting the EGF receptor for ovarian cancer therapy. J. Oncol. 2010;2010:414676. doi: 10.1155/2010/414676. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    37. Alper O., De Santis M.L., Stromberg K., Hacker N.F., Cho-Chung Y.S., Salomon D.S. Anti-sense suppression of epidermal growth factor receptor expression alters cellular proliferation, cell-adhesion and tumorigenicity in ovarian cancer cells. Int. J. Cancer. 2000;88:566–574. doi: 10.1002/1097-0215(20001115)88:4<566::AID-IJC8>3.0.CO;2-D. [PubMed] [CrossRef] [Google Scholar]
    38. Posadas E.M., Liel M.S., Kwitkowski V., Minasian L., Godwin A.K., Hussain M.M., Espina V., Wood B.J., Steinberg S.M., Kohn E.C. A phase II and pharmacodynamic study of gefitinib in patients with refractory or recurrent epithelial ovarian cancer. Cancer. 2007;109:1323–1330. doi: 10.1002/cncr.22545. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    39. Psyrri A., Kassar M., Yu Z., Bamias A., Weinberger P.M., Markakis S., Kowalski D., Camp R.L., Rimm D.L., Dimopoulos M.A. Effect of epidermal growth factor receptor expression level on survival in patients with epithelial ovarian cancer. Clin. Cancer Res. 2005;11:8637–8643. doi: 10.1158/1078-0432.CCR-05-1436. [PubMed] [CrossRef] [Google Scholar]
    40. Dimou A., Agarwal S., Anagnostou V., Viray H., Christensen S., Gould Rothberg B., Zolota V., Syrigos K., Rimm D. Standardization of epidermal growth factor receptor (EGFR) measurement by quantitative immunofluorescence and impact on antibody-based mutation detection in non-small cell lung cancer. Am. J. Pathol. 2011;179:580–589. doi: 10.1016/j.ajpath.2011.04.031. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    41. Anagnostou V.K., Welsh A.W., Giltnane J.M., Siddiqui S., Liceaga C., Gustavson M., Syrigos K.N., Reiter J.L., Rimm D.L. Analytic variability in immunohistochemistry biomarker studies. Cancer Epidemiol Biomarkers Prev. 2010;19:982–991. doi: 10.1158/1055-9965.EPI-10-0097. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    42. Del Carmen M.G., Rizvi I., Chang Y., Moor A.C., Oliva E., Sherwood M., Pogue B., Hasan T. Synergism of epidermal growth factor receptor-targeted immunotherapy with photodynamic treatment of ovarian cancer in vivo. J. Natl. Cancer Inst. 2005;97:1516–1524. doi: 10.1093/jnci/dji314. [PubMed] [CrossRef] [Google Scholar]
    43. Armstrong D.K., Bundy B., Wenzel L., Huang H.Q., Baergen R., Lele S., Copeland L.J., Walker J.L., Burger R.A., Gynecologic Oncology G. Intraperitoneal cisplatin and paclitaxel in ovarian cancer. N. Engl. J. Med. 2006;354:34–43. doi: 10.1056/NEJMoa052985. [PubMed] [CrossRef] [Google Scholar]
    44. Verwaal V.J., Van Ruth S., De Bree E., Van Sloothen G.W., Van Tinteren H., Boot H., Zoetmulder F.A. Randomized trial of cytoreduction and hyperthermic intraperitoneal chemotherapy versus systemic chemotherapy and palliative surgery in patients with peritoneal carcinomatosis of colorectal cancer. J. Clin. Oncol. 2003;21:3737–3743. doi: 10.1200/JCO.2003.04.187. [PubMed] [CrossRef] [Google Scholar]
    45. Van Driel W.J., Koole S.N., Sikorska K., Schagen van Leeuwen J.H., Schreuder H.W.R., Hermans R.H.M., De Hingh I., Van der Velden J., Arts H.J., Massuger L., et al. Hyperthermic Intraperitoneal Chemotherapy in Ovarian Cancer. N. Engl. J. Med. 2018;378:230–240. doi: 10.1056/NEJMoa1708618. [PubMed] [CrossRef] [Google Scholar]
    46. Verwaal V.J., Bruin S., Boot H., Van Slooten G., Van Tinteren H. 8-year follow-up of randomized trial: Cytoreduction and hyperthermic intraperitoneal chemotherapy versus systemic chemotherapy in patients with peritoneal carcinomatosis of colorectal cancer. Ann. Surg. Oncol. 2008;15:2426–2432. doi: 10.1245/s10434-008-9966-2. [PubMed] [CrossRef] [Google Scholar]
    47. DeLaney T.F., Sindelar W.F., Tochner Z., Smith P.D., Friauf W.S., Thomas G., Dachowski L., Cole J.W., Steinberg S.M., Glatstein E. Phase I study of debulking surgery and photodynamic therapy for disseminated intraperitoneal tumors. Int. J. Radiat. Oncol. Biol. Phys. 1993;25:445–457. doi: 10.1016/0360-3016(93)90066-5. [PubMed] [CrossRef] [Google Scholar]
    48. Celli J.P., Spring B.Q., Rizvi I., Evans C.L., Samkoe K.S., Verma S., Pogue B.W., Hasan T. Imaging and photodynamic therapy: Mechanisms, monitoring, and optimization. Chem. Rev. 2010;110:2795–2838. doi: 10.1021/cr900300p. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    49. Spring B.Q., Rizvi I., Xu N., Hasan T. The role of photodynamic therapy in overcoming cancer drug resistance. Photochem. Photobiol. Sci. 2015;14:1476–1491. doi: 10.1039/C4PP00495G. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    50. Liang B.J., Pigula M., Baglo Y., Najafali D., Hasan T., Huang H.C. Breaking the Selectivity-Uptake Trade-Off of Photoimmunoconjugates with Nanoliposomal Irinotecan for Synergistic Multi-Tier Cancer Targeting. J. Nanobiotechnol. 2020;18:1. doi: 10.1186/s12951-019-0560-5. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    51. Huang H.C., Rizvi I., Liu J., Anbil S., Kalra A., Lee H., Baglo Y., Paz N., Hayden D., Pereira S., et al. Photodynamic Priming Mitigates Chemotherapeutic Selection Pressures and Improves Drug Delivery. Cancer Res. 2018;78:558–571. doi: 10.1158/0008-5472.CAN-17-1700. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    52. Huang H.C., Mallidi S., Liu J., Chiang C.T., Mai Z., Goldschmidt R., Ebrahim-Zadeh N., Rizvi I., Hasan T. Photodynamic Therapy Synergizes with Irinotecan to Overcome Compensatory Mechanisms and Improve Treatment Outcomes in Pancreatic Cancer. Cancer Res. 2016;76:1066–1077. doi: 10.1158/0008-5472.CAN-15-0391. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    53. Cengel K.A., Glatstein E., Hahn S.M. Intraperitoneal photodynamic therapy. Cancer Treat. Res. 2007;134:493–514. [PubMed] [Google Scholar]
    54. Obaid G., Broekgaarden M., Bulin A.-L., Huang H.-C., Kuriakose J., Liu J., Hasan T. Photonanomedicine: A convergence of photodynamic therapy and nanotechnology. Nanoscale. 2016;8:12471–12503. doi: 10.1039/C5NR08691D. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    55. Ogata F., Nagaya T., Nakamura Y., Sato K., Okuyama S., Maruoka Y., Choyke P.L., Kobayashi H. Near-infrared photoimmunotherapy: A comparison of light dosing schedules. Oncotarget. 2017;8:35069–35075. doi: 10.18632/oncotarget.17047. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    56. Mitsunaga M., Ogawa M., Kosaka N., Rosenblum L.T., Choyke P.L., Kobayashi H. Cancer cell-selective in vivo near infrared photoimmunotherapy targeting specific membrane molecules. Nat. Med. 2011;17:1685–1691. doi: 10.1038/nm.2554. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    57. Inglut C.T., Baglo Y., Liang B.J., Cheema Y., Stabile J., Woodworth G.F., Huang H.-C. Systematic Evaluation of Light-Activatable Biohybrids for Anti-Glioma Photodynamic Therapy. J. Clin. Med. 2019;8:1269. doi: 10.3390/jcm8091269. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    58. Huang H.C., Pigula M., Fang Y., Hasan T. Immobilization of Photo-Immunoconjugates on Nanoparticles Leads to Enhanced Light-Activated Biological Effects. Small. 2018:e1800236. doi: 10.1002/smll.201800236. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    59. Spring B.Q., Abu-Yousif A.O., Palanisami A., Rizvi I., Zheng X., Mai Z., Anbil S., Sears R.B., Mensah L.B., Goldschmidt R., et al. Selective treatment and monitoring of disseminated cancer micrometastases in vivo using dual-function, activatable immunoconjugates. Proc. Natl. Acad. Sci. USA. 2014;111:E933–E942. doi: 10.1073/pnas.1319493111. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    60. Abu-Yousif A.O., Moor A.C., Zheng X., Savellano M.D., Yu W., Selbo P.K., Hasan T. Epidermal growth factor receptor-targeted photosensitizer selectively inhibits EGFR signaling and induces targeted phototoxicity in ovarian cancer cells. Cancer Lett. 2012;321:120–127. doi: 10.1016/j.canlet.2012.01.014. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    61. Rizvi I., Dinh T.A., Yu W., Chang Y., Sherwood M.E., Hasan T. Photoimmunotherapy and irradiance modulation reduce chemotherapy cycles and toxicity in a murine model for ovarian carcinomatosis: Perspective and results. Israel J. Chem. 2012;52:776–787. doi: 10.1002/ijch.201200016. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    62. Quirk B.J., Brandal G., Donlon S., Vera J.C., Mang T.S., Foy A.B., Lew S.M., Girotti A.W., Jogal S., LaViolette P.S., et al. Photodynamic therapy (PDT) for malignant brain tumors–where do we stand? Photodiagnosis Photodyn. Ther. 2015;12:530–544. doi: 10.1016/j.pdpdt.2015.04.009. [PubMed] [CrossRef] [Google Scholar]
    63. Eljamel M.S., Goodman C., Moseley H. ALA and Photofrin fluorescence-guided resection and repetitive PDT in glioblastoma multiforme: A single centre Phase III randomised controlled trial. Lasers Med. Sci. 2008;23:361–367. doi: 10.1007/s10103-007-0494-2. [PubMed] [CrossRef] [Google Scholar]
    64. Varma A.K., Muller P.J. Cranial neuropathies after intracranial Photofrin-photodynamic therapy for malignant supratentorial gliomas-a report on 3 cases. Surg. Neurol. 2008;70:190–193. doi: 10.1016/j.surneu.2007.01.060. [PubMed] [CrossRef] [Google Scholar]
    65. Akimoto J. Photodynamic Therapy for Malignant Brain Tumors. Neurol. Medico-Chirurgica. 2016;56:151–157. doi: 10.2176/nmc.ra.2015-0296. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    66. Kercher E.M., Nath S., Rizvi I., Spring B.Q. Cancer Cell-targeted and Activatable Photoimmunotherapy Spares T Cells in a 3D Coculture Model. Photochem. Photobiol. 2019 doi: 10.1111/php.13153. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    67. Savellano M.D., Hasan T. Targeting cells that overexpress the epidermal growth factor receptor with polyethylene glycolated BPD verteporfin photosensitizer immunoconjugates. Photochem. Photobiol. 2003;77:431–439. doi: 10.1562/0031-8655(2003)077<0431:TCTOTE>2.0.CO;2. [PubMed] [CrossRef] [Google Scholar]
    68. Molpus K.L., Hamblin M.R., Rizvi I., Hasan T. Intraperitoneal photoimmunotherapy of ovarian carcinoma xenografts in nude mice using charged photoimmunoconjugates. Gynecol. Oncol. 2000;76:397–404. doi: 10.1006/gyno.1999.5705. [PubMed] [CrossRef] [Google Scholar]
    69. Savellano M.D., Hasan T. Photochemical targeting of epidermal growth factor receptor: A mechanistic study. Clin. Cancer Res. 2005;11:1658–1668. doi: 10.1158/1078-0432.CCR-04-1902. [PubMed] [CrossRef] [Google Scholar]
    70. Nath S., Saad M.A., Pigula M., Swain J.W.R., Hasan T. Photoimmunotherapy of Ovarian Cancer: A Unique Niche in the Management of Advanced Disease. Cancers. 2019;11:1887. doi: 10.3390/cancers11121887. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    71. Calibasi Kocal G., Guven S., Foygel K., Goldman A., Chen P., Sengupta S., Paulmurugan R., Baskin Y., Demirci U. Dynamic Microenvironment Induces Phenotypic Plasticity of Esophageal Cancer Cells Under Flow. Sci. Rep. 2016;6:38221. doi: 10.1038/srep38221. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    72. Tasoglu S., Gurkan U.A., Wang S., Demirci U. Manipulating biological agents and cells in micro-scale volumes for applications in medicine. Chem. Soc. Rev. 2013;42:5788–5808. doi: 10.1039/c3cs60042d. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    73. Moon S., Gurkan U.A., Blander J., Fawzi W.W., Aboud S., Mugusi F., Kuritzkes D.R., Demirci U. Enumeration of CD4+ T-cells using a portable microchip count platform in Tanzanian HIV-infected patients. PLoS ONE. 2011;6:e21409. doi: 10.1371/journal.pone.0021409. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    74. White F.M. Fluid Mechanics. McGraw-Hill; Boston, MA, USA: 2011. [Google Scholar]
    75. Luo Q., Kuang D., Zhang B., Song G. Cell stiffness determined by atomic force microscopy and its correlation with cell motility. Biochim Biophys Acta. 2016;1860:1953–1960. doi: 10.1016/j.bbagen.2016.06.010. [PubMed] [CrossRef] [Google Scholar]
    76. Sarntinoranont M., Rooney F., Ferrari M. Interstitial Stress and Fluid Pressure Within a Growing Tumor. Ann. Biomed. Eng. 2003;31:327–335. doi: 10.1114/1.1554923. [PubMed] [CrossRef] [Google Scholar]
    77. Baxter L.T., Jain R.K. Transport of fluid and macromolecules in tumors. I. Role of interstitial pressure and convection. Microvasc. Res. 1989;37:77–104. doi: 10.1016/0026-2862(89)90074-5. [PubMed] [CrossRef] [Google Scholar]
    78. Malik R., Khan A.P., Asangani I.A., Cieślik M., Prensner J.R., Wang X., Iyer M.K., Jiang X., Borkin D., Escara-Wilke J., et al. Targeting the MLL complex in castration-resistant prostate cancer. Nat. Med. 2015;21:344. doi: 10.1038/nm.3830. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    79. Nath S., Christian L., Tan S.Y., Ki S., Ehrlich L.I., Poenie M. Dynein Separately Partners with NDE1 and Dynactin To Orchestrate T Cell Focused Secretion. J. Immunol. 2016;197:2090–2101. doi: 10.4049/jimmunol.1600180. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    80. Celli J.P., Rizvi I., Evans C.L., Abu-Yousif A.O., Hasan T. Quantitative imaging reveals heterogeneous growth dynamics and treatment-dependent residual tumor distributions in a three-dimensional ovarian cancer model. J. Biomed. Opt. 2010;15:051603. doi: 10.1117/1.3483903. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    81. Rizvi I., Celli J.P., Evans C.L., Abu-Yousif A.O., Muzikansky A., Pogue B.W., Finkelstein D., Hasan T. Synergistic Enhancement of Carboplatin Efficacy with Photodynamic Therapy in a Three-Dimensional Model for Micrometastatic Ovarian Cancer. Cancer Res. 2010;70:9319–9328. doi: 10.1158/0008-5472.CAN-10-1783. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    82. Glidden M.D., Celli J.P., Massodi I., Rizvi I., Pogue B.W., Hasan T. Image-Based Quantification of Benzoporphyrin Derivative Uptake, Localization, and Photobleaching in 3D Tumor Models, for Optimization of PDT Parameters. Theranostics. 2012;2:827–839. doi: 10.7150/thno.4334. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    83. Celli J.P., Rizvi I., Blanden A.R., Massodi I., Glidden M.D., Pogue B.W., Hasan T. An imaging-based platform for high-content, quantitative evaluation of therapeutic response in 3D tumour models. Sci. Rep. 2014;4:3751. doi: 10.1038/srep03751. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    84. Bulin A.L., Broekgaarden M., Hasan T. Comprehensive high-throughput image analysis for therapeutic efficacy of architecturally complex heterotypic organoids. Sci. Rep. 2017;7:16645. doi: 10.1038/s41598-017-16622-9. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    85. Rahmanzadeh R., Rai P., Celli J.P., Rizvi I., Baron-Luhr B., Gerdes J., Hasan T. Ki-67 as a molecular target for therapy in an in vitro three-dimensional model for ovarian cancer. Cancer Res. 2010;70:9234–9242. doi: 10.1158/0008-5472.CAN-10-1190. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    86. Anbil S., Rizvi I., Celli J.P., Alagic N., Pogue B.W., Hasan T. Impact of treatment response metrics on photodynamic therapy planning and outcomes in a three-dimensional model of ovarian cancer. J. Biomed. Opt. 2013;18:098004. doi: 10.1117/1.JBO.18.9.098004. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    87. Di Pasqua A.J., Goodisman J., Dabrowiak J.C. Understanding how the platinum anticancer drug carboplatin works: From the bottle to the cell. Inorg. Chim. Acta. 2012;389:29–35. doi: 10.1016/j.ica.2012.01.028. [CrossRef] [Google Scholar]
    88. Rabik C.A., Dolan M.E. Molecular mechanisms of resistance and toxicity associated with platinating agents. Cancer Treat. Rev. 2007;33:9–23. doi: 10.1016/j.ctrv.2006.09.006. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    89. Ozols R.F. Carboplatin and paclitaxel in ovarian cancer. Semin. Oncol. 1995;22:78–83. [PubMed] [Google Scholar]
    90. Neijt J.P., Lund B. Paclitaxel with carboplatin for the treatment of ovarian cancer. Semin. Oncol. 1996;23:2–4. [PubMed] [Google Scholar]
    91. Subauste C.M., Pertz O., Adamson E.D., Turner C.E., Junger S., Hahn K.M. Vinculin modulation of paxillin–FAK interactions regulates ERK to control survival and motility. J. Cell Biol. 2004;165:371–381. doi: 10.1083/jcb.200308011. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    92. Eke I., Cordes N. Focal adhesion signaling and therapy resistance in cancer. Semin. Cancer Biol. 2015;31:65–75. [PubMed] [Google Scholar]
    93. McCubrey J.A., Steelman L.S., Chappell W.H., Abrams S.L., Wong E.W., Chang F., Lehmann B., Terrian D.M., Milella M., Tafuri A., et al. Roles of the Raf/MEK/ERK pathway in cell growth, malignant transformation and drug resistance. Biochim. Biophys. Acta. 2007;1773:1263–1284. doi: 10.1016/j.bbamcr.2006.10.001. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    94. Duska L.R., Hamblin M.R., Miller J.L., Hasan T. Combination photoimmunotherapy and cisplatin: Effects on human ovarian cancer ex vivo. J. Natl. Cancer Inst. 1999;91:1557–1563. doi: 10.1093/jnci/91.18.1557. [PubMed] [CrossRef] [Google Scholar]
    95. Spring B., Mai Z., Rai P., Chang S., Hasan T. Theranostic nanocells for simultaneous imaging and photodynamic therapy of pancreatic cancer. Proc. SPIE. 2010;7551:755104. [Google Scholar]
    96. Kessel D., Oleinick N.L. Photodynamic therapy and cell death pathways. Methods Mol. Biol. 2010;635:35–46. doi: 10.1007/978-1-60761-697-9_3. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    97. Van Dongen G.A., Visser G.W., Vrouenraets M.B. Photosensitizer-antibody conjugates for detection and therapy of cancer. Adv. Drug Deliv. Rev. 2004;56:31–52. doi: 10.1016/j.addr.2003.09.003. [PubMed] [CrossRef] [Google Scholar]
    98. Ayhan A., Gultekin M., Taskiran C., Dursun P., Firat P., Bozdag G., Celik N.Y., Yuce K. Ascites and epithelial ovarian cancers: A reappraisal with respect to different aspects. Int. J. Gynecol. Cancer. 2007;17:68–75. doi: 10.1111/j.1525-1438.2006.00777.x. [PubMed] [CrossRef] [Google Scholar]
    99. Shen-Gunther J., Mannel R.S. Ascites as a predictor of ovarian malignancy. Gynecol. Oncol. 2002;87:77–83. doi: 10.1006/gyno.2002.6800. [PubMed] [CrossRef] [Google Scholar]
    100. Pourgholami M.H., Ataie-Kachoie P., Badar S., Morris D.L. Minocycline inhibits malignant ascites of ovarian cancer through targeting multiple signaling pathways. Gynecol. Oncol. 2013;129:113–119. doi: 10.1016/j.ygyno.2012.12.031. [PubMed] [CrossRef] [Google Scholar]
    101. Shender V., Arapidi G., Butenko I., Anikanov N., Ivanova O., Govorun V. Peptidome profiling dataset of ovarian cancer and non-cancer proximal fluids: Ascites and blood sera. Data Brief. 2019;22:557–562. doi: 10.1016/j.dib.2018.12.056. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    102. Parsons S.L., Watson S.A., Steele R.J.C. Malignant ascites. Br. J. Surg. 1996;83:6–14. doi: 10.1002/bjs.1800830104. [PubMed] [CrossRef] [Google Scholar]
    103. Becker G., Galandi D., Blum H.E. Malignant ascites: Systematic review and guideline for treatment. Eur. J. Cancer. 2006;42:589–597. doi: 10.1016/j.ejca.2005.11.018. [PubMed] [CrossRef] [Google Scholar]
    104. Huang H., Li Y.J., Lan C.Y., Huang Q.D., Feng Y.L., Huang Y.W., Liu J.H. Clinical significance of ascites in epithelial ovarian cancer. Neoplasma. 2013;60:546–552. doi: 10.4149/neo_2013_071. [PubMed] [CrossRef] [Google Scholar]
    105. Blagden S.P. Harnessing Pandemonium: The Clinical Implications of Tumor Heterogeneity in Ovarian Cancer. Front. Oncol. 2015;5:149. doi: 10.3389/fonc.2015.00149. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    106. Ahmed N., Latifi A., Riley C.B., Findlay J.K., Quinn M.A. Neuronal transcription factor Brn-3a(l) is over expressed in high-grade ovarian carcinomas and tumor cells from ascites of patients with advanced-stage ovarian cancer. J. Ovarian Res. 2010;3:17. doi: 10.1186/1757-2215-3-17. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    107. Mahmood N., Mihalcioiu C., Rabbani S.A. Multifaceted Role of the Urokinase-Type Plasminogen Activator (uPA) and Its Receptor (uPAR): Diagnostic, Prognostic, and Therapeutic Applications. Front. Oncol. 2018;8:24. doi: 10.3389/fonc.2018.00024. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    108. Jeffrey B., Udaykumar H.S., Schulze K.S. Flow fields generated by peristaltic reflex in isolated guinea pig ileum: Impact of contraction depth and shoulders. Am. J. Physiol. Gastrointest. Liver Physiol. 2003;285:G907–G918. doi: 10.1152/ajpgi.00062.2003. [PubMed] [CrossRef] [Google Scholar]
    109. Nagy J.A., Herzberg K.T., Dvorak J.M., Dvorak H.F. Pathogenesis of malignant ascites formation: Initiating events that lead to fluid accumulation. Cancer Res. 1993;53:2631–2643. [PubMed] [Google Scholar]
    110. Ahmed N., Abubaker K., Findlay J., Quinn M. Epithelial mesenchymal transition and cancer stem cell-like phenotypes facilitate chemoresistance in recurrent ovarian cancer. Curr. Cancer Drug Targets. 2010;10:268–278. doi: 10.2174/156800910791190175. [PubMed] [CrossRef] [Google Scholar]
    111. Latifi A., Abubaker K., Castrechini N., Ward A.C., Liongue C., Dobill F., Kumar J., Thompson E.W., Quinn M.A., Findlay J.K., et al. Cisplatin treatment of primary and metastatic epithelial ovarian carcinomas generates residual cells with mesenchymal stem cell-like profile. J. Cell Biochem. 2011;112:2850–2864. doi: 10.1002/jcb.23199. [PubMed] [CrossRef] [Google Scholar]
    112. Chan D.W., Hui W.W., Cai P.C., Liu M.X., Yung M.M., Mak C.S., Leung T.H., Chan K.K., Ngan H.Y. Targeting GRB7/ERK/FOXM1 signaling pathway impairs aggressiveness of ovarian cancer cells. PLoS ONE. 2012;7:e52578. doi: 10.1371/journal.pone.0052578. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    113. Mebratu Y., Tesfaigzi Y. How ERK1/2 activation controls cell proliferation and cell death: Is subcellular localization the answer? Cell Cycle. 2009;8:1168–1175. doi: 10.4161/cc.8.8.8147. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    114. Zebisch A., Czernilofsky A.P., Keri G., Smigelskaite J., Sill H., Troppmair J. Signaling through RAS-RAF-MEK-ERK: From basics to bedside. Curr. Med. Chem. 2007;14:601–623. doi: 10.2174/092986707780059670. [PubMed] [CrossRef] [Google Scholar]
    115. Jo H., Sipos K., Go Y.M., Law R., Rong J., McDonald J.M. Differential effect of shear stress on extracellular signal-regulated kinase and N-terminal Jun kinase in endothelial cells. Gi2- and Gbeta/gamma-dependent signaling pathways. J. Biol. Chem. 1997;272:1395–1401. doi: 10.1074/jbc.272.2.1395. [PubMed] [CrossRef] [Google Scholar]
    116. Surapisitchat J., Hoefen R.J., Pi X., Yoshizumi M., Yan C., Berk B.C. Fluid shear stress inhibits TNF-alpha activation of JNK but not ERK1/2 or p38 in human umbilical vein endothelial cells: Inhibitory crosstalk among MAPK family members. Proc. Natl. Acad. Sci. USA. 2001;98:6476–6481. doi: 10.1073/pnas.101134098. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    117. Kim C.H., Jeung E.B., Yoo Y.M. Combined Fluid Shear Stress and Melatonin Enhances the ERK/Akt/mTOR Signal in Cilia-Less MC3T3-E1 Preosteoblast Cells. Int. J. Mol. Sci. 2018;19:2929. doi: 10.3390/ijms19102929. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    118. Persons D.L., Yazlovitskaya E.M., Cui W., Pelling J.C. Cisplatin-induced activation of mitogen-activated protein kinases in ovarian carcinoma cells: Inhibition of extracellular signal-regulated kinase activity increases sensitivity to cisplatin. Clin. Cancer Res. 1999;5:1007–1014. [PubMed] [Google Scholar]
    119. Hayakawa J., Ohmichi M., Kurachi H., Ikegami H., Kimura A., Matsuoka T., Jikihara H., Mercola D., Murata Y. Inhibition of extracellular signal-regulated protein kinase or c-Jun N-terminal protein kinase cascade, differentially activated by cisplatin, sensitizes human ovarian cancer cell line. J. Biol. Chem. 1999;274:31648–31654. doi: 10.1074/jbc.274.44.31648. [PubMed] [CrossRef] [Google Scholar]
    120. Yeh P.Y., Chuang S.E., Yeh K.H., Song Y.C., Ea C.K., Cheng A.L. Increase of the resistance of human cervical carcinoma cells to cisplatin by inhibition of the MEK to ERK signaling pathway partly via enhancement of anticancer drug-induced NF kappa B activation. Biochem. Pharmacol. 2002;63:1423–1430. doi: 10.1016/S0006-2952(02)00908-5. [PubMed] [CrossRef] [Google Scholar]
    121. Wang X., Martindale J.L., Holbrook N.J. Requirement for ERK activation in cisplatin-induced apoptosis. J. Biol. Chem. 2000;275:39435–39443. doi: 10.1074/jbc.M004583200. [PubMed] [CrossRef] [Google Scholar]
    122. Qin X., Liu C., Zhou Y., Wang G. Cisplatin induces programmed death-1-ligand 1(PD-L1) over-expression in hepatoma H22 cells via Erk /MAPK signaling pathway. Cell Mol. Biol. 2010;56:OL1366-72. doi: 10.1170/156. [PubMed] [CrossRef] [Google Scholar]
    123. Basu A., Tu H. Activation of ERK during DNA damage-induced apoptosis involves protein kinase Cdelta. Biochem. Biophys. Res. Commun. 2005;334:1068–1073. doi: 10.1016/j.bbrc.2005.06.199. [PubMed] [CrossRef] [Google Scholar]
    124. Nowak G. Protein kinase C-alpha and ERK1/2 mediate mitochondrial dysfunction, decreases in active Na+ transport, and cisplatin-induced apoptosis in renal cells. J. Biol. Chem. 2002;277:43377–43388. doi: 10.1074/jbc.M206373200. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    125. Chaudhury A., Tan B.J., Das S., Chiu G.N. Increased ERK activation and cellular drug accumulation in the enhanced cytotoxicity of folate receptor-targeted liposomal carboplatin. Int. J. Oncol. 2012;40:703–710. doi: 10.3892/ijo.2011.1262. [PubMed] [CrossRef] [Google Scholar]
    126. Lok G.T., Chan D.W., Liu V.W., Hui W.W., Leung T.H., Yao K.M., Ngan H.Y. Aberrant activation of ERK/FOXM1 signaling cascade triggers the cell migration/invasion in ovarian cancer cells. PLoS ONE. 2011;6:e23790. doi: 10.1371/journal.pone.0023790. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    127. Lafky J.M., Wilken J.A., Baron A.T., Maihle N.J. Clinical implications of the ErbB/epidermal growth factor (EGF) receptor family and its ligands in ovarian cancer. Biochim. Biophys. Acta. 2008;1785:232–265. doi: 10.1016/j.bbcan.2008.01.001. [PubMed] [CrossRef] [Google Scholar]
    128. Secord A.A., Blessing J.A., Armstrong D.K., Rodgers W.H., Miner Z., Barnes M.N., Lewandowski G., Mannel R.S., Gynecologic Oncology G. Phase II trial of cetuximab and carboplatin in relapsed platinum-sensitive ovarian cancer and evaluation of epidermal growth factor receptor expression: A Gynecologic Oncology Group study. Gynecol. Oncol. 2008;108:493–499. doi: 10.1016/j.ygyno.2007.11.029. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    129. Bae G.-Y., Choi S.-J., Lee J.-S., Jo J., Lee J., Kim J., Cha H.-J. Loss of E-cadherin activates EGFR-MEK/ERK signaling, which promotes invasion via the ZEB1/MMP2 axis in non-small cell lung cancer. Oncotarget. 2013;4:2512. doi: 10.18632/oncotarget.1463. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    130. Pece S., Gutkind J.S. Signaling from E-cadherins to the MAPK pathway by the recruitment and activation of epidermal growth factor receptors upon cell-cell contact formation. J. Biol. Chem. 2000;275:41227–41233. doi: 10.1074/jbc.M006578200. [PubMed] [CrossRef] [Google Scholar]
    131. Lifschitz-Mercer B., Czernobilsky B., Feldberg E., Geiger B. Expression of the adherens junction protein vinculin in human basal and squamous cell tumors: Relationship to invasiveness and metastatic potential. Hum. Pathol. 1997;28:1230–1236. doi: 10.1016/S0046-8177(97)90195-7. [PubMed] [CrossRef] [Google Scholar]
    132. Raz A., Geiger B. Altered organization of cell-substrate contacts and membrane-associated cytoskeleton in tumor cell variants exhibiting different metastatic capabilities. Cancer Res. 1982;42:5183–5190. [PubMed] [Google Scholar]
    133. Fukada T., Sakajiri H., Kuroda M., Kioka N., Sugimoto K. Fluid shear stress applied by orbital shaking induces MG-63 osteosarcoma cells to activate ERK in two phases through distinct signaling pathways. Biochem. Biophys. Rep. 2017;9:257–265. doi: 10.1016/j.bbrep.2017.01.004. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    134. Wu D.W., Wu T.C., Wu J.Y., Cheng Y.W., Chen Y.C., Lee M.C., Chen C.Y., Lee H. Phosphorylation of paxillin confers cisplatin resistance in non-small cell lung cancer via activating ERK-mediated Bcl-2 expression. Oncogene. 2014;33:4385–4395. doi: 10.1038/onc.2013.389. [PubMed] [CrossRef] [Google Scholar]
    135. Kessel D. Apoptosis and associated phenomena as a determinants of the efficacy of photodynamic therapy. Photochem. Photobiol. Sci. 2015;14:1397–1402. doi: 10.1039/C4PP00413B. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    136. Agostinis P., Berg K., Cengel K.A., Foster T.H., Girotti A.W., Gollnick S.O., Hahn S.M., Hamblin M.R., Juzeniene A., Kessel D., et al. Photodynamic therapy of cancer: An update. CA Cancer J. Clin. 2011;61:250–281. doi: 10.3322/caac.20114. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    137. Sorrin A.J., Ruhi M.K., Ferlic N.A., Karimnia V., Polacheck W.J., Celli J.P., Huang H.C., Rizvi I. Photodynamic Therapy and the Biophysics of the Tumor Microenvironment. Photochem. Photobiol. 2020 doi: 10.1111/php.13209. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    138. Niu C.J., Fisher C., Scheffler K., Wan R., Maleki H., Liu H., Sun Y., C A.S., Birngruber R., Lilge L. Polyacrylamide gel substrates that simulate the mechanical stiffness of normal and malignant neuronal tissues increase protoporphyin IX synthesis in glioma cells. J. Biomed. Opt. 2015;20:098002. doi: 10.1117/1.JBO.20.9.098002. [PubMed] [CrossRef] [Google Scholar]
    139. Perentes J.Y., Wang Y., Wang X., Abdelnour E., Gonzalez M., Decosterd L., Wagnieres G., Van den Bergh H., Peters S., Ris H.B., et al. Low-Dose Vascular Photodynamic Therapy Decreases Tumor Interstitial Fluid Pressure, which Promotes Liposomal Doxorubicin Distribution in a Murine Sarcoma Metastasis Model. Transl. Oncol. 2014;7 doi: 10.1016/j.tranon.2014.04.010. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    140. Leunig M., Goetz A.E., Gamarra F., Zetterer G., Messmer K., Jain R.K. Photodynamic therapy-induced alterations in interstitial fluid pressure, volume and water content of an amelanotic melanoma in the hamster. Br. J. Cancer. 1994;69:101–103. doi: 10.1038/bjc.1994.15. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
    141. Foster T.H., Murant R.S., Bryant R.G., Knox R.S., Gibson S.L., Hilf R. Oxygen consumption and diffusion effects in photodynamic therapy. Radiat Res. 1991;126:296–303. doi: 10.2307/3577919. [PubMed] [CrossRef] [Google Scholar]
    142. Foster T.H., Hartley D.F., Nichols M.G., Hilf R. Fluence rate effects in photodynamic therapy of multicell tumor spheroids. Cancer Res. 1993;53:1249–1254. [PubMed] [Google Scholar]
    143. Nichols M.G., Foster T.H. Oxygen diffusion and reaction kinetics in the photodynamic therapy of multicell tumour spheroids. Phys. Med. Biol. 1994;39:2161–2181. doi: 10.1088/0031-9155/39/12/003. [PubMed] [CrossRef] [Google Scholar]
    144. Cavin S., Wang X., Zellweger M., Gonzalez M., Bensimon M., Wagnieres G., Krueger T., Ris H.B., Gronchi F., Perentes J.Y. Interstitial fluid pressure: A novel biomarker to monitor photo-induced drug uptake in tumor and normal tissues. Lasers Surg. Med. 2017;49:773–780. doi: 10.1002/lsm.22687. [PubMed] [CrossRef] [Google Scholar]
    145. Garcia Calavia P., Chambrier I., Cook M.J., Haines A.H., Field R.A., Russell D.A. Targeted photodynamic therapy of breast cancer cells using lactose-phthalocyanine functionalized gold nanoparticles. J. Colloid Interface Sci. 2018;512:249–259. doi: 10.1016/j.jcis.2017.10.030. [PubMed] [CrossRef] [Google Scholar]
    146. Kato T., Jin C.S., Ujiie H., Lee D., Fujino K., Wada H., Hu H.P., Weersink R.A., Chen J., Kaji M., et al. Nanoparticle targeted folate receptor 1-enhanced photodynamic therapy for lung cancer. Lung Cancer. 2017;113:59–68. doi: 10.1016/j.lungcan.2017.09.002. [PubMed] [CrossRef] [Google Scholar]
    147. Sebak A.A., Gomaa I.E.O., ElMeshad A.N., AbdelKader M.H. Targeted photodynamic-induced singlet oxygen production by peptide-conjugated biodegradable nanoparticles for treatment of skin melanoma. Photodiagnosis Photodyn. Ther. 2018;23:181–189. doi: 10.1016/j.pdpdt.2018.05.017. [PubMed] [CrossRef] [Google Scholar]
    148. Fernandes S.R.G., Fernandes R., Sarmento B., Pereira P.M.R., Tome J.P.C. Photoimmunoconjugates: Novel synthetic strategies to target and treat cancer by photodynamic therapy. Org. Biomol. Chem. 2019;17:2579–2593. doi: 10.1039/C8OB02902D. [PubMed] [CrossRef] [Google Scholar]
    149. Hamblin M.R., Miller J.L., Hasan T. Effect of charge on the interaction of site-specific photoimmunoconjugates with human ovarian cancer cells. Cancer Res. 1996;56:5205–5210. [PubMed] [Google Scholar]
    150. Flont M., Jastrzebska E., Brzozka Z. Synergistic effect of the combination therapy on ovarian cancer cells under microfluidic conditions. Anal. Chim. Acta. 2020;1100:138–148. doi: 10.1016/j.aca.2019.11.047. [PubMed] [CrossRef] [Google Scholar]
    Mixing Tank with FLOW-3D

    CFD Stirs Up Mixing 일반

    CFD (전산 유체 역학) 전문가가 필요하고 때로는 실행하는데 몇 주가 걸리는 믹싱 시뮬레이션의 시대는 오래 전입니다. 컴퓨팅 및 관련 기술의 엄청난 도약에 힘 입어 Ansys, Comsol 및 Flow Science와 같은 회사는 엔지니어의 데스크톱에 사용하기 쉬운 믹싱 시뮬레이션을 제공하고 있습니다.

    “병렬화 및 고성능 컴퓨팅의 발전과 템플릿화는 비전문 화학 엔지니어에게 정확한 CFD 시뮬레이션을 제공했습니다.”라고 펜실베이니아  피츠버그에있는 Ansys Inc.의 수석 제품 마케팅 관리자인 Bill Kulp는 말합니다 .

    흐름 개선을위한 실용적인 지침이 필요하십니까? 다운로드 화학 처리의 eHandbook을 지금 흐름 도전 싸우는 방법!

    예를 들어, 회사는 휴스턴에있는 Nalco Champion과 함께 프로젝트를 시작했습니다. 이 프로젝트는 시뮬레이션 전문가가 아닌 화학 엔지니어에게 Ansys Fluent 및 ACT (분석 제어 기술) 템플릿 기반 시뮬레이션 앱에 대한 액세스 권한을 부여합니다. 새로운 화학 물질을위한 프로세스를 빠르고 효율적으로 확장합니다.

    Giving Mixing Its Due

    “화학 산업은 CFD와 같은 계산 도구를 사용하여 많은 것을 얻을 수 있지만 혼합 프로세스는 단순하다고 가정하기 때문에 간과되는 경우가 있습니다. 그러나 최신 수치 기법을 사용하여 우수한 성능을 달성하는 흥미로운 방법이 많이 있습니다.”라고 Flow Science Inc. , Santa Fe, NM의 CFD 엔지니어인 Ioannis Karampelas는 말합니다 .

    이러한 많은 기술이 회사의 Flow-3D Multiphysics 모델링 소프트웨어 패키지와 전용 포스트 프로세서 시각화 도구 인 FlowSight에 포함되어 있습니다.

    “모든 상업용 CFD 패키지는 어떤 형태의 시각화 도구와 번들로 제공되지만 FlowSight는 매우 강력하고 사용하기 쉽고 이해하기 쉽게 설계되었습니다. 예를 들어, 프로세스를 재 설계하려는 엔지니어는 다양한 설계 변경의 효과를 평가하기 위해 매우 직관적인 시각화 도구가 필요합니다.”라고 그는 설명합니다.

    이 접근 방식은 실험 측정을 얻기 어려운 공정 (예 : 쉽게 측정 할 수없는 매개 변수 및 독성 물질의 존재로 인해 본질적으로 위험한 공정)을 더 잘 이해하고 최적화하는데 특히 효과적입니다.

    동일한 접근 방식은 또한 믹서 관련 장비 공급 업체가 고객 요구에 맞게 제품을보다 정확하게 개발하고 맞춤화하는 데 도움이되었습니다. “이는 불필요한 프로토 타이핑 비용이나 잠재적 인 과도한 엔지니어링을 방지합니다. 두 가지 모두 일부 공급 업체의 문제였습니다.”라고 Karampelas는 말합니다.

    CFD 기술 자체는 계속해서 발전하고 있습니다. 예를 들어, 수치 알고리즘의 관점에서 볼 때 구형 입자의 상호 작용이 열 전달을 적절하게 모델링하는 데 중요한 다양한 문제에 대해 이산 요소 모델링을 쉽게 적용 할 수있는 반면, LES 난류 모델은 난류 흐름 패턴을 정확하게 시뮬레이션하는 데 이상적입니다.

    컴퓨팅 리소스에 대한 비용과 수요에도 불구하고 Karampelas는 난류 모델의 전체 제품군을 제공 할 수있는 것이 중요하다고 생각합니다. 특히 LES는 이미 대부분의 학계와 일부 산업 (예 : 전력 공학)에서 선택하는 방법이기 때문입니다. .

    그럼에도 불구하고 CFD의 사용이 제한적이거나 비실용적 일 수있는 경우는 확실히 있습니다. 여기에는 나노 입자에서 벌크 유체 증발을 모델링하는 것과 같이 관심의 규모가 다른 규모에 따라 달라질 수있는 문제와 중요한 물리적 현상이 아직 알려지지 않았거나 제대로 이해되지 않았거나 아마도 매우 복잡한 문제 (예 : 모델링)가 포함됩니다. 음 펨바 효과”라고 Karampelas는 경고합니다.

    반면에 더욱 강력한 하드웨어와 업데이트 된 수치 알고리즘의 출현은 CFD 소프트웨어를 사용하여 과다한 설계 및 최적화 문제를 해결하기위한 최적의 접근 방식이 될 것이라고 그는 믿습니다.

    “복잡한 열교환 시스템 및 새로운 혼합 기술과 같이 점점 더 복잡한 공정을 모델링 할 수있는 능력은 가까운 장래에 가능할 수있는 일을 간단히 보여줍니다. 수치적 방법 사용의 주요 이점은 설계자가 상상력에 의해서만 제한되어 소규모 믹서에서 대규모 반응기 및 증류 컬럼에 이르기까지 다양한 화학 플랜트 공정을 최적화 할 수있는 길을 열어 준다는 것입니다. 실험적 또는 경험적 접근 방식은 항상 관련성이 있지만 CFD가 미래의 엔지니어를위한 선택 도구가 될 것이라고 확신합니다.”라고 그는 결론을 내립니다.



    Seán Ottewell은 Chemical Processing의 편집장입니다. sottewell@putman.net으로 이메일을 보낼 수 있습니다 .

    기사 원문 : https://www.chemicalprocessing.com/articles/2017/cfd-stirs-up-mixing/

    CASE2-실험 결과와 FLOW-3D WELD에 의한 해석 결과와의 비교(단면 형상)

    FLOW-3D WELD 용접 사례

    FLOW-3D WELD를 이용한 용접 해석 사례를 소개합니다.

    1. 열전도 형 용접 (레이저)
        두께가 다른 모재 맞대기
    2. 하이브리드
        레이저 / 아크 하이브리드
    3. 깊이 용해 형 (키 홀)
        알루미늄 평판에 의한 용해 깊이, 형상 확인
    4. 레이저 고기 모듬
        파우더 공급 및 용해
    5. 아크 용접
        오버레이 피팅 관통 평가
    6. 레이저 용접 (무릎 관절)
        무릎 관절의 실험과의 비교
    7. Selective Laser Sintering (3D printing)
        3 차원 프린터에의 응용

    레이저 용접의 특징

    에너지 밀도가 높고, 다른 재료도 시간 차이없이 녹아구슬 폭이 좁은비접촉 표면 성상 및 품질이 좋은제어 성이 우수전기 ⇒ 광 변환 효율이 나쁘다반사율이 높은 흡수율이 떨어진다weld_example1

    열전도 형 용접

    weld_example2

    열전도 형 용접 결과

    weld_example3weld_example4

    하이브리드

    강판의 레이저 / 아크 하이브리드 용접의 분석을 실시했습니다.

    분석 조건

    weld_example5CO2 레이저 출력 : 3.5kw디 포커스 값 : 0 mm레이저 스폿 지름 : 0.3mm아크 전류 : 180A아크 전압 : 26V용접 속도 : 1m / min열원 사이의 거리 : 3mm금속 : 900 MPa high strength steel

    메쉬

    weld_example6

    해석과 실험과의 비교

    온도의 단위는 [K]입니다.

    weld_example7

    깊이 용해형 (키 홀)

    해석 모델weld_example83D 온도 표시weld_example9

    레이저 금속 침전 Laser Metal Deposition (LMD)

    파우더 공급 레이저에 의한 용해

    해석 모델weld_example103D 온도 표시weld_example11

    아크 용접

    TIG (Tungsten Inert Gas)방전 전극으로 텅스텐을 사용불활성 (Inert) 가스를 사용 (아르곤, 헬륨 등)목적에 따라 필러 금속을 첨가 (와이어 or 필러 봉)공업 적으로 사용되는 대부분의 금속에 대응weld_example12

    분석 조건

    weld_example13

    분석 결과 : 온도 등고선 [K]

    TIG (Tungsten Inert Gas)모재 온도가 상승하고 조금 늦게 용융 풀이 확대표면 장력에 의해 용융 풀 바닥은 녹아 떨어지지 않는 weld_example14

    분석 결과 : 용융 부의 교반

    TIG (Tungsten Inert Gas)상하 모재를 분류하고 교반의 모습을 확인weld_example15

    분석 결과 : 용융 부 교반 유속 벡터

    TIG (Tungsten Inert Gas)아크 압력 차폐 가스에 의한 함몰표면 장력에 의한 계면 위치의 회복계면의 진동weld_example16

    분석 결과 : 구슬 모양

    TIG (Tungsten Inert Gas)상하면 구슬 폭용접 시작부터 정상까지의 과도적인 변화weld_example17

    분석 결과 : 고출력의 경우 온도 등고선 [K]

    TIG (Tungsten Inert Gas)고출력 의해 함몰이 커진다용융 풀의 두께가 얇아지고 관통하는weld_example18

    레이저 용접 (무릎 관절)

    weld_example19

    분석 결과와 실제의 단면 비교

    weld_example20

    Selective Laser Sintering (3D printing)

    weld_example21

    선택적 레이저 용융 분석

    weld_example22weld_example24
    weld_example23
    Figure 1. Microchannel pressure field at a) Maximum upward acceleration b) Maximum downward acceleration

    Mass Particles and Acoustophoretics

    질량 입자 및 Acoustophoretics

    주요 개발 중 하나는 FLOW-3D v11.2 버전부터 크게 개선 및 확장된 입자 모델 입니다. 사실 입자 모델에는 새로운 기능이 너무 많아서 질량 입자에 대해 여러 게시물에서 논의 할것입니다.

    Acoustophoretic Particle Focusing
    Acoustophoretic Particle Focusing

    새 모델에서 입자는 기본 기능에 따라 다음 클래스로 그룹화됩니다.

    • 마커 입자 는 단순하고 질량이없는 마커이며 유체 흐름을 추적하는 데 가장 적합합니다.
    • 질량 입자 는 모래 알갱이 또는 내포물과 같은 고체 물체를 나타냅니다.
    • 유체 입자 는 유체 로 구성되며 응고를 포함한 유체 특성을 상속합니다.
    • 가스 입자  는 주변 유체의 온도 및 압력 부하에 따라 크기가 변하는 기포를 나타냅니다.
    • 공극 입자 는 가스 입자와 유사하지만 그 특정 기능은 붕괴 된 공극 영역을 표시하고 추적하는 것입니다. 예를 들어 주조에서 금형 충전 중에 생성되는 잠재적 다공성 결함을 예측하는 데 유용합니다.
    • 질량 / 운동량 소스 입자  는 메시에서 사용자 정의 된 질량 / 운동량 소스를 나타냅니다.
    • 프로브 입자  는 해당 위치에서 용액 양을 기록하고보고하는 진단 장치 역할을합니다. 다른 클래스의 입자로 만들 수 있습니다.
    • 사용자 입자 는 소스 코드의 사용자 정의 함수를 통해 사용자 정의 할 수 있습니다.

    질량 입자

    FLOW-3D 에서 질량 입자 옵션이 활성화 되면 사용자는 다양한 직경과 밀도를 가진 다양한 질량 입자 종을 설정할 수 있습니다. 또한 질량 입자의 역학은 확산 계수, 항력 계수, 난류 슈미트 수 및 복원 계수와 같은 속성에 의해 제어 될 수 있습니다. 질량 입자는 열적 및 전기적 특성을 지정할 수도 있습니다.

    사용자는 입자 생성을 위해 여러 소스를 설정할 수 있으며 각 소스는 이전에 정의 된 질량 입자 종 전체 또는 일부의 혼합을 가질 수 있습니다. 또한 사용자는 임의 또는 균일한 입자 생성을 선택하고 소스에서 입자가 생성되는 속도를 정의할 수도 있습니다. 전체적으로 사용자가 이 강력한 입자 모델을 사용할 수 있는 방법에는 많은 유연성이 있습니다.

    Acoustophoretic Particle Separation | 음향 영동 입자 분리

    Acoustophoretic Particle Separation는 질량 입자를 직접 사용할 수 있는 많은 응용 분야 중 하나 입니다. Acoustophoretics 입자 분리는 미세 유체 채널의 용액에서 많은 양의 물체를 제거하는 현대적이고 효율적인 방법을 나타냅니다. 미세 유체 용액에서 부유 고체 물체를 분리하는 능력은 의료(예 : 악성 세포 제거), 리서치(예 : 나노 입자 분리), 산업계(예 : 부유 고체 격리) 및 환경(예 : 수질 정화)등에 필요합니다. 원칙적으로 입자 분리는 음향력에 의해 이루어집니다. 원칙적으로 이러한 힘은 정상 파장에 의해 생성된 압력의 조합입니다. 진동의 진폭이 충분히 클 때 입자와 채널 벽의 충돌로 인한 유체 항력 및 임펄스 힘의 조합으로 인해 Acoustophoretics 과정에 관여하는 입자는 크기와 밀도에 따라 분리 될 수 있습니다.

    우리가 아는 한, 앞서 언급 한 모든 힘의 영향을 고려한 주제에 대한 수치해석 연구는 거의 없습니다. 따라서 이 기사에서는 FLOW-3D를 사용하여 Acoustophoretics 모델링의 포괄적인 방법을 제시합니다 . FLOW-3D 의 고유한 모델링 기능을 활용하여 업데이트된 입자 모델을 사용하여 임의의 방식으로 도메인 내부에 질량 입자를 쉽게 도입한 다음 지정된 주파수에서 지정된 길이 진폭으로 전체 도메인을 진동시킬 수 있습니다. 나머지 수치 시뮬레이션 결과와 함께 마이크로 채널 진동은 FlowS3D POSTTM 및 개선된 비관성 참조 프레임 렌더링 기능을 사용하여 쉽게 시각화 할 수 있습니다 .

    프로세스 매개 변수

    이 분석을 위해 모서리가 100μm이고 총 길이가 1mm인 정사각형 단면을 가진 마이크로 채널을 정의하는 계산 영역이 사용되었습니다. 총 1148 개의 입자가 처음에 전체 계산 영역에 무작위 방식으로 도입되었습니다. 우리는 10Khz의 일정한 주파수와 여러 진폭에서 전체 마이크로 채널을 진동 시키기로 결정했습니다. 진폭의 길이는 3.125μm에서 50μm까지 다양했습니다. 일반적으로 진동 진폭이 클수록 빠르게 변화하는 시간적 변수 변화를 설명하기 위해 더 작은 시간 단계 크기가 필요합니다. 그럼에도 불구하고 총 분석 시간은 32 코어 독립형 워크스테이션에서 2 시간 미만이었습니다.

    Figure 1. Microchannel pressure field at a) Maximum upward acceleration b) Maximum downward acceleration
    Figure 1. Microchannel pressure field at a) Maximum upward acceleration b) Maximum downward acceleration

    결과 및 논의

    그림 1에서 볼 수 있듯이 압력 장은 진동의 위상에 따라 달라집니다. 보다 구체적으로 그림 1a에서는 최대 상승 가속시 발생하는 채널 하단에 위치한 압력 선단을 관찰하고, 그림 1b에서는 최대시 발생하는 채널 상단에 위치한 압력 선단을 관찰합니다. 하향 가속. 그림 1의 두 결과는 최대 압력이 2400 Pa (약 0.24 Atm) 이상인 최대 진폭의 경우를 나타냅니다.

    입자 분류의 진화를 보여주는 진폭의 다른 수준에서 마이크로 채널 모션의 애니메이션. 삽입 된 그래프는 채널 속도를 보여줍니다.

    입자 분리 애니메이션은 Acoustophoretic Particle Separation 방법의 효과를 보여주고 영향을 주는 힘을 강조합니다. 입자는 주로 낮은 진폭에서 압력과 항력의 영향을 받지만 진동의 길이 진폭이 마이크로 채널의 크기와 비슷해지면 입자는 충돌로 인한 충격력으로 인해 단일 분리 평면으로 강제됩니다. 마이크로 채널의 상단 및 하단 벽. 이 모델링 방법으로 얻은 수치 결과는 4ms 미만의 전체 공정 시간 동안 90%를 초과하는 분리 수준을 나타내는 것으로 보입니다.

    예비 분석을 바탕으로 Acoustophoretic Particle Separation 공정이 필요한 시간과 에너지 측면에서 입자 분리의 매우 효율적인 방법이 될 수 있다는 결론을 내릴 수 있습니다. FLOW-3D는 향상된 입자 모델을 통해 풍부한 물리적 모델과 향상된 렌더링 기능으로 인해 이러한 프로세스를 모델링하는데 매우 강력한 옵션을 제공합니다.

    유체 입자의 새로운 기능과 가능한 응용 프로그램에 대해 논의 할 다음 블로그를 계속 지켜봐주십시오.

    FLOW-3D를 사용한 모델링 미세 유체 응용 프로그램 의 성능과 다양성에 대해 자세히 알아보기 >

    Evaluation of the Wind Effects on the Iron-Ore Stock Pile

    Energy

    Energy

    전 세계 에너지 부문의 엔지니어는 전산 유체 역학(CFD)을 통해 해결책을 찾기 위해 광범위한 프로세스에서 매일 복잡한 설계 문제에 직면합니다. 특히 자유 표면 흐름과 관련이 높은 이러한 문제의 대부분은 FLOW-3D가 매우 정확한 분석을 제공하여 문제 해결에 적합합니다.

    • 공해에서 컨테이너 내부의 연료 또는화물 슬로싱 / Fuel or cargo sloshing inside containers on the high seas
    • 해양 플랫폼에 대한 파도 효과 / Wave effects on offshore platforms
    • 6 자유도 모션을 받는 분리 장치의 성능 최적화 / Performance optimization for separation devices undergoing 6 DOF motion
    • 파동 에너지 포착 장치 / Design of devices to capture energy from waves

    Energy Case Studies

    천연자원이 계속 감소함에 따라, 대체 자원과 방법을 탐구하고 가능한 한 효과적으로 현재 공급량을 사용하고 있습니다. 엔지니어는 사고를 예방하고 채굴 및 기타 에너지 수확 기법으로 인한 환경적 영향을 평가하기 위해 FLOW-3D를 사용합니다.

    Tailing Breach Simulation – CFD Analysis with FLOW-3D

    점성이 높은 유체, 비 뉴턴 흐름, 슬러리 또는 심지어 세분화 된 흐름의 형태를 취할 수있는 많은 채광 응용 프로그램의 잔여 물인 테일링은 악명 높은 시뮬레이션 전제를 제공합니다. FLOW-3D  는 비 뉴턴 유체, 슬러리 및 입상 흐름에 대한 특수 모델을 포함하여 이러한 분석을 수행하는 데 필요한 모든 도구를 제공합니다. FLOW-3D 의 자유 표면 유동 모델링 기능 과 결합되어  이러한 어렵고 환경 적으로 민감한 문제에 대한 탁월한 모델링 솔루션을 제공합니다.

    관련 응용 분야에는 바람 강제 분석에 따른 광석 비축 더미 먼지 드리프트가 포함되며, 여기서 FLOW-3D 의 드리프트 플럭스 모델을 통해 엔지니어는 광석 침착 및 유입 패턴과 개선 솔루션의 효과를 연구 할 수 있습니다.

    액화와 기계적 방해가 물과 같은 뉴턴 흐름과는 대조적으로 입자 흐름의 매우 독특한 속성 인 결국 저절로 멈추는 위반의 동적 특징의 일부라는 점에 유의하십시오.

    오일 및 가스 분리기

    FLOW-3D  는 기름과 물과 같은 혼합 불가능한 유체를 모델링 할 수 있으며 개방 된 환경 (주변 공기)과 관련된 구성 요소 간의 뚜렷한 인터페이스를 정확하게 추적 할 수 있습니다. 유체는 전체 도메인에 영향을 미치는 역학으로 인해 자유롭게 혼합 될 수 있습니다. 시간이 지남에 따라 유체는 연속 상과 분산 상 간의 드리프트 관계에 따라 다시 분리됩니다. 중력 분리기의 성능은 CFD 모델링을 통해 향상 될 수 있습니다.

    • 기체 및 액체 흐름의 균일성을 개선하고 파도에 의한 슬로싱으로 인한 오일과 물의 혼합을 방지하기 위해 용기 입구 구성을 개발합니다.
    • 유압 효율 및 분리 성능에 대한 내부 장비의 영향을 결정합니다.
    • 작동 조건 변화의 영향 측정
    • 소규모 현상 (다상 흐름, 방울, 입자, 기포)을 정확하게 모델링

    생산 파이프 | Production Pipes

    생산에 사용되는 공정 파이프의 청소 과정에서 유체가 위로 흘러도 고밀도 입자가 침전될 수 있습니다. 침전 입자를 포착하도록 장치를 설계 할 수 있습니다. 파이프 중앙에 있는 “버킷”이 그러한 잠재적 장치중 하나 입니다. 흐름 변위로 인해 버킷 외부의 상류 속도는 고밀도 입자에 대한 침전 속도보다 높으며 버킷 내부에 모여 있습니다. 표시된 디자인에서 버킷 주변의 상향 유체 속도는 입자 안정화 속도보다 높습니다. 이로 인해 입자가 버킷과 파이프 벽 사이의 틈새를 통해 빠져 나갈 수 없습니다. 따라서 시뮬레이션된 입자는 버킷을 통과하여 아래에 정착하지 않습니다.

    파동 에너지 장치 모델링 | Modeling Wave Energy Devices

    포인트 흡수 장치 | Point Absorber Devices

    이 시뮬레이션은 상단에 부력이있는 구형 구조가있는 점 흡수 장치를 보여 주며, 들어오는 파도의 볏과 골과 함께 위아래로 이동합니다. FLOW-3D 의 움직이는 물체 모델은 x 또는 y 방향으로의 움직임을 제한하면서 z 방향으로 결합 된 움직임을 허용하는 데 사용됩니다. 진폭 5m, 파장 100m의 스톡 스파를 사용했다. RNG 모델은 파도가 점 흡수 장치와 상호 작용할 때 발생하는 난류를 포착하는 데 사용되었습니다. 예상대로 많은 난류 운동 에너지가 장치 근처에서 생성됩니다. 플롯은 난류로 인해 장치 근처의 복잡한 속도 장의 진화로 인해 질량 중심의 불규칙한 순환 운동을 보여줍니다.

    다중 플랩, 하단 경첩 파동 에너지 변환기 | Multi-Flap, Bottom-Hinged Wave Energy Converter

    진동하는 플랩은 바다의 파도에서 에너지를 추출하여 기계 에너지로 변환합니다. Arm은 물결에 반응하여 피벗된 조인트에 장착된 진자로 진동합니다. 플랩을 배열로 구성하여 다중 플랩 파동 에너지 변환기를 만들 수 있습니다. 아래 상단에 표시된 CFD 시뮬레이션에서 3 개의 플랩 배열이 시뮬레이션됩니다. 모든 플랩은 바닥에 경첩이 달려 있으며 폭 15m x 높이 10m x 두께 2m입니다. 어레이는 30m 깊이에서 10 초의 주파수로 4m 진폭파에서 작동합니다. 시뮬레이션은 중앙 평면을 따라 복잡한 속도 등 가면을 보여줍니다. 이는 한 플랩이 어레이 내의 다른 플랩에 미치는 영향을 연구하는 데 중요합니다. 3 개의 플랩이 유사한 동적 동작으로 시작하는 동안 플랩의 상호 작용 효과는 곧 동작을 위상에서 벗어납니다. 유사한 플랩 에너지 변환기가 오른쪽 하단에 표시됩니다. 이 시뮬레이션에서 플랩은 가장 낮은 지점에서 물에 완전히 잠 깁니다. 이러한 에너지 변환기를 Surface Piercing 플랩 에너지 변환기라고합니다. 이 두 시뮬레이션 예제는 모두 미네르바 역학 .

    진동 수주 | Oscillating Water Column

    진동하는 수주는 부분적으로 잠긴 중공 구조입니다. 그것은 물의 기둥 위에 공기 기둥을 둘러싸고 수면 아래의 바다로 열려 있습니다. 파도는 물 기둥을 상승 및 하강시키고, 차례로 공기 기둥을 압축 및 감압합니다. 이 갇힌 공기는 일반적으로 기류의 방향에 관계없이 회전 할 수 있는 터빈을 통해 대기로 흐르게 됩니다. 터빈의 회전은 전기를 생성하는 데 사용됩니다.

    아래의 CFD 시뮬레이션은 진동하는 수주를 보여줍니다. FLOW-3D에서 포착한 물리학을 강조하기 위해 중공 구조에서 물기둥이 상승 및 하강하는 부분만 모델링  합니다. 시뮬레이션은 다른 파형 생성 선택을 제외하고 유사한 결과를 전달합니다. 아래의 시뮬레이션은 웨이브 유형 경계 조건을 사용하는 반면 그 아래의 시뮬레이션은  움직이는 물체 모델  을 사용하여 실험실에서 수행한 것처럼 차례로 웨이브를 생성하는 움직이는 플런저를 생성합니다. 각 시뮬레이션에 대해 속이 빈 구조의 압력 플롯이 표시됩니다. 결국 그 압력에 기초하여 터빈이 회전 운동으로 설정되기 때문에 챔버에서 얼마나 많은 압력이 생성되는지 아는 것이 중요합니다.

    사례 연구

    eadership-in-energy-and-environmental-design

    Architects Achieve LEED Certification in Sustainable Buildings

    LEED (Leadership in Energy and Environmental Design)는 제 3자가 친환경 건축물 인증을 제공하는 자발적 인증 시스템입니다.

    FLOW-3D는 보고타(콜롬비아)의 사무실 건물에서 “IEQ-Credit2–환기 증가”라는 신뢰를 얻는 데 큰 도움을 주었습니다. 이러한 인정을 받기 위해서는 실외 공기가 ASHRAE의 표준 비율인 30%를 초과한다는 것을 증명해야만 합니다. 이 건물에서 실외 공기는 태양 광선에 의해, 가열되는 지붕 위의 2개의 유리 굴뚝에 의해 발생되는 온도 차이에 의해 발생하는 열 부력의 영향으로 제공됩니다. 이것은 바람이 불지 않는 조건에서 이루어져야 합니다.

    Comparing HVAC System Designs

    최근 프로젝트에서 Tecsult의 HVAC(난방, 냉방 및 환기)시스템 엔지니어는 강력한 에어컨 시스템의 두 가지 다른 구성을 고려해야 했고 노동자들에게 어떤 것이 가장 쾌적함을 제공하는지 보여주기를 원했습니다. FLOW-3D는 대체 설계를 시뮬레이션하고 비교하는 데 사용되었습니다.

    이 발전소는 대형(길이 90m, 너비 33m, 높이 26m)건물로 변압기, 전력선, 조명 등 열 발생 장비를 갖추고 있습니다. 에어컨 시스템의 목적은 건물 내 최대 온도를 35ºC로 제한하는 것입니다. 디퓨저가 하부 레벨에 위치하고 천장 근처의 환기구가 있기 때문에 천장 근처에서 최대 공기 온도가 발생하고 바닥 레벨은 반드시 몇도 더 낮습니다.

    Modeling velocity of debris types

    Debris Transport in a Nuclear Reactor Containment Building

    이 기사는 FLOW-3D가 원자력 시설에서 봉쇄 시설의 성능을 모델링하는데 사용된 방법을 설명하며, Alion Science and Technology의 Tim Sande & Joe Tezak이 기고 한 바 있습니다.

    가압수형 원자로 원자력 발전소에서 원자로 노심을 통해 순환되는 물은 약 2,080 psi 및 585°F의 압력과 온도로 유지되는 1차 배관 시스템에 밀폐됩니다. 수압이 높기 때문에 배관이 파손되면 격납건물 내에 여러 가지 이물질 유형이 생성될 수 있습니다. 이는 절연재가 장비와 균열 주변 영역의 배관에서 떨어져 나가기 때문에 발생합니다. 생성될 수 있는 다양한 유형의 이물질의 일반적인 예가 나와 있습니다(오른쪽).

    Evaluation of the Wind Effects on the Iron-Ore Stock Pile

    Evaluation of the Wind Effects on the Iron-Ore Stock Pile

    바람이 개방형 골재 저장소에 미치는 영향은 전 세계적으로 환경 문제가 되고 있습니다. 2.7km철골 저장소 부지에서 이런 문제가 관찰되었습니다. 이 시설은 철도 운송차량를 통해 광석을 공급받는데, 이 운송차량은 자동 덤프에 의해 비워집니다. 그런 다음 이 광석은 일련의 컨베이어와 이송 지점을 통과하여 저장 장소중 하나로 운송됩니다. 비산먼지 배출은 풍력이 비축된량에 미치는 영향의 결과로 관찰된 결과입니다.

    관련 기술자료


    Schematic view of the experimental set-up

    Short-time numerical simulation of ultrasonically assisted electrochemical removal of strontium from water

    September 2023 DOI:10.30955/gnc2023.00436 Conference: 18th International Conference on Environmental Science and Technology CEST2023, 30 August to 2 September 2023, Athens, ...
    Figure 1. US bath modified as an EC reactor

    물에서 초음파를 이용한 전기화학적 스트론튬 제거에 대한 단시간 수치 시뮬레이션

    전기화학 반응기에 대한 3D 수치 시뮬레이션 및 측정을 사용하여 동시 초음파 처리 유무에 관계없이 물에서 스트론튬 제거 효율을 분석했습니다. 초음파는 ...
    Figure 1. Three-dimensional finite element model of local scouring of semi-exposed submarine cable.

    반노출 해저케이블의 국부 정련과정 및 영향인자에 대한 수치적 연구

    Numerical Study of the Local Scouring Process and Influencing Factors of Semi-Exposed Submarine Cables by Qishun Li,Yanpeng Hao *,Peng Zhang,Haotian Tan,Wanxing Tian,Linhao ...
    Validity evaluation of popular liquid-vapor phase change models for cryogenic self-pressurization process

    극저온 자체 가압 공정을 위한 인기 있는 액체-증기 상 변화 모델의 타당성 평가

    액체-증기 상 변화 모델은 밀폐된 용기의 자체 가압 프로세스 시뮬레이션에 매우 큰 영향을 미칩니다. Hertz-Knudsen 관계, 에너지 점프 모델 및 ...
    Figure 3. Different parts of a Searaser; 1) Buoy 2) Chamber 3) Valves 4) Generator 5) Anchor system

    데이터 기반 방법을 활용한 재생 가능 에너지 변환기의 전력 및 수소 생성 예측 지속 가능한 스마트 그리드 사례 연구

    Fatemehsadat Mirshafiee1, Emad Shahbazi 2, Mohadeseh Safi 3, Rituraj Rituraj 4,*1Department of Electrical and Computer Engineering, K.N. Toosi University of ...
    Figure 7. Comparison of Archimedean screw power performances P(W) for Q = 0.15 m3 /s and 0.30m3 /s and angles of orientation 22ο & 32ο .

    CFD Simulations of Tubular Archimedean Screw Turbines Harnessing the Small Hydropotential of Greek Watercourses

    Alkistis Stergiopoulou 1, Vassilios Stergiopoulos 21 Institut für Wasserwirtschaft, Hydrologie und Konstruktiven Wasserbau, B.O.K.U. University, Muthgasse 18, 1190 Vienna, (actually ...
    Figure 1: Drawing of the experimental set-up, Figure 2: Experimental tank with locations of temperature sensors

    실험 및 수치 시뮬레이션에 기반한 극저온 추진제 탱크 가압 분석

    Analyses of Cryogenic Propellant Tank Pressurization based upon Experiments and Numerical SimulationsCarina Ludwig? and Michael Dreyer***DLR - German Aerospace Center, ...
    Figure 1: Mold drawings

    3D Flow and Temperature Analysis of Filling a Plutonium Mold

    플루토늄 주형 충전의 3D 유동 및 온도 분석 Authors: Orenstein, Nicholas P. [1] Publication Date:2013-07-24Research Org.: Los Alamos National Lab ...
    Fig. 6 LH2 isotherms at 1020 s.

    액체-수소 탱크를 위한 결합된 열역학-유체-역학 솔루션

    Coupled thermodynamic-fluid-dynamic solution for a liquid-hydrogen tank G. D. Grayson Published Online:23 May 2012 https://doi.org/10.2514/3.26706 Read Now Tools Share Introduction ...
    Fig. 1 Geometrical 3D model of Caisson

    환기실에서 의도된 삼중수소 방출 후 삼중수소 거동 시뮬레이션

    Simulation of Tritium Behavior after Intended Tritium Release in Ventilated Room Yasunori IWAI, Takumi HAYASHI, Toshihiko YAMANISHI, Kazuhiro KOBAYASHI & ...

    FLOW-3D Weld

    FLOW-3D Weld

    FLOW-3D  WELD 는 레이저 용접 공정에 대한 강력한 통찰력을 제공하여 공정 최적화를 달성합니다. 더 나은 공정 제어를 통해 다공성, 열 영향 영역을 최소화하고, 미세 구조 변화를 제어 할 수 있습니다. 레이저 용접 프로세스를 정확하게 시뮬레이션하기 위해 FLOW-3D WELD 는 레이저 열원, 레이저-재료 상호 작용, 유체 흐름, 열 전달, 표면 장력, 응고, 다중 레이저 반사 및 위상 변화와 같은 모든 관련 물리학을 구현합니다.

     

    낮은 열 입력,  뛰어난 생산성, 속도는 기존의 용접 방법을 대체하는 레이저 용접 프로세스로 이어집니다. 레이저 용접이 제공하는 장점 중 일부는 더 나은 용접 강도, 더 작은 열 영향 영역, 더 정밀한 정밀도, 최소 변형 및 강철, 알루미늄, 티타늄 및 이종 금속을 포함한 광범위한 금속 / 합금을 용접 할 수있는 능력을 포함합니다.

    공정 최적화

    FLOW-3D WELD 는 레이저 용접 공정에 대한 강력한 통찰력을 제공하고 궁극적으로 공정 최적화를 달성하는 데 도움이됩니다. 더 나은 공정 제어로 다공성을 최소화하고 열 영향을받는 영역을 제한하며 미세 구조 변화를 제어 할 수 있습니다. FLOW-3D WELD 는 자유 표면 추적 알고리즘으로 인해 매우 복잡한 용접 풀을 시뮬레이션하는 데 매우 적합합니다. FLOW-3D WELD 는 관련 물리적 모델을 FLOW-3D 에 추가로 통합하여 개발되었습니다.  레이저 소스에 의해 생성된 열유속, 용융 금속의 증발 압력, 차폐 가스 효과, 용융 풀의 반동 압력 및 키홀 용접의 다중 레이저 반사. 현실적인 공정 시뮬레이션을 위해 모든 관련 물리 현상을 포착하는 것이 중요합니다.

     

    얕은 용입 용접 (왼쪽 상단); 실드 가스 효과가 있는 깊은 용입 용접 (오른쪽 상단); 쉴드 가스 및 증발 압력을 사용한 심 용입 용접 (왼쪽 하단); 쉴드 가스, 증발 압력 및 다중 레이저 반사 효과 (오른쪽 하단)를 사용한 깊은 침투 용접.

    FLOW-3D WELD 는 레이저 용접의 전도 모드와 키홀 모드를 모두 시뮬레이션 할 수 있습니다. 전 세계의 연구원들은 FLOW-3D WELD 를 사용하여 용융 풀 역학을 분석하고 공정 매개 변수를 최적화하여 다공성을 최소화하며 레이저 용접 수리 공정에서 결정 성장을 예측합니다.

    완전 관통 레이저 용접 실험

    한국의 KAIST와 독일의 BAM은 16K kW 레이저를 사용하여 10mm 강판에 완전 침투 레이저 용접 실험을 수행했습니다. CCD 카메라의 도움으로 그들은 완전 침투 레이저 용접으로 인해 형성된 상단 및 하단 용융 풀 역학을 포착 할 수있었습니다. 그들은 또한 FLOW-3D WELD 에서 프로세스를  시뮬레이션하고 시뮬레이션과 실험 결과 사이에 좋은 일치를 얻었습니다.

    실험 설정 레이저 용접
    CCD 카메라로 상단 및 하단 용융 풀을 관찰하는 실험 설정
    레이저 용접 회로도
    FLOW-3D의 계산 영역 개략도
    레이저 용접 시뮬레이션 실험 결과
    상단의 시뮬레이션 결과는 용융 풀 길이가 8mm 및 15mm 인 반면 실험에서는 용융 풀 길이가 7mm 및 13mm임을 나타냅니다.
     

    레이저 용접 다공성 사례 연구

    General Motors, Michigan 및 Shanghai University는 중국의 공정 매개 변수, 즉 용접 속도 및 용접 경사각이 키홀 용접에서 다공성 발생에 미치는 영향을 이해하기 위해 상세한 연구를 공동으로 진행했습니다.

    키홀 유도 용접 다공성
    레이저 용접된 알루미늄 조인트 단면의 용접 다공성, 키홀 유도 다공성은 유동 역학으로 인해 발생하며 균열을 일으킬 수 있습니다. 최적화 된 공정 매개 변수는 이러한 종류의 다공성을 완화 할 수 있습니다.

    연구원들은 FLOW-3D WELD를 사용 하여 증발 및 반동 압력, 용융풀 역학, 온도 의존적 ​​표면 장력 및 키홀 내에서 여러 번의 레이저 반사 동안 프레넬 흡수를 포함한 모든 중요한 물리적 현상을 설명했습니다.

    시뮬레이션 모델을 기반으로 연구진은 키홀 용접에서 유도 다공성의 주요 원인으로 불안정한 키홀을 식별했습니다. 아래 이미지에서 볼 수 있듯이 후방 용융 풀의 과도한 재순환으로 인해 후방 용융 풀이 전방 용융 풀 벽에서 붕괴되고 공극이 발생하여 다공성이 발생합니다. 이러한 갇힌 공극이 진행되는 응고 경계에 의해 포착되었을 때 다공성이 유도되었습니다.

    높은 용접 속도에서는 더 큰 키홀 개구부가 있으며 이는 일반적으로 더 안정적인 키홀 구성을 가져옵니다. 사용 FLOW-3D 용접 , 연구진은 그 높은 용접 속도와 경사도 완화 다공성의 큰 용접 각도를 예측했습니다.

    레이저 용접 수치 실험 결과
    시뮬레이션 (위) 및 실험 (아래)에서 볼 수있는 세로 용접 섹션의 다공성 분포

    FLOW Weld

    FLOW Weld  모듈은 용접 해석에 필요한 모델을 FLOW-3D 에 추가하는 추가 모듈입니다.

    FLOW-3D 의 표면 장력 자유 표면 분석, 용융, 응고, 증발, 상 변화 모델 등의 기본 기능을

    응용하여 각종 용접 현상을 분석 할 수 있습니다.

    주요 기능 :열원 모델 (출력 지정, 가우스분포, 디 포커스 등) 열원의 자유로운 이동 증발 압력 (그에 따른 반력) 실드 가스 압력 다중 반사 용접에 관한 대표적인 출력 (온도 구배 냉각 속도, 에너지 분포 등)
    분석 용도 :높은 방사선 강도와 고온에 의해 직접 관찰이 어려운 현상을 시각화 온도, 열, 용접 속도, 위치 관계, 재료 물성 등의 매개 변수 연구 결함 예측 (기공, 응고, 수축 등)

    FLOW -3D Weld 분석 기능

    weld_flow
    1. 열원 모델의 이동
        출력량 지정, 가우스분포
    2. 에너지 밀도의 분포 , 가공 속도
        가우스 테이블 입력
    3. 증발 압력
        온도 의존성
    4. 다중 반사
        용해 깊이에 미치는 영향
    5. 결과 처리
        용해 모양, 에너지 분포, 온도 구배 냉각 속도
    6. 다양항형상의 레이저와 거동 (+ csv 파일로드)
        다양한 모양을 csv 파일 형식으로 정의 회전 + 이동
        임의 형상 이동을 csv 파일로 로드 (나선형)
    7.  이종 재료
        이종 재료의 용접
    8.  3D Printing Method  
        Cladding 적층공정

    1. 열원 모델의 이동

    weld16-1weld16-2
    에너지 밀도공간 분포

    2. 에너지 밀도의 분포, 가공 속도

    열 플럭스 r 방향의 분포 단면은 원형으로, r 방향으로 열유속 분포를 제공합니다.

    에너지 밀도의 공간적 분포

    가우스 : 원추형의 경우는 조사 방향으로 변화하고 열유속의 면적 분은 동일합니다.

    가공 속도

    가공 노즐을 x, y, z 방향, 시간 – 속도의 테이블에서 지정합니다.
    또한 노즐 (광원) 위치 좌표 조사 방향 벡터 성분을 지정합니다.

    3. 증발 압력

    에너지 밀도가 높은 경우, 용융 부 계면이 증발하고 그 반력에 의해 계면에 함몰이 발생합니다.
    특히 깊은 용융부를 포함한 레이저 용접은 증발 압력을 고려한 모델링이 필요합니다.

    증발 압력의 평가는 일반적인 수학적 모델이 없기 때문에 다음 모델 식을 사용합니다.

    증발 가스의 상승 효과 (키 홀, 스퍼터 등)

    증기의 상승 흐름의 영향을 동압, 전단력으로 평가합니다.

    weld5-1 

    4. 다중 반사

    키홀 거동의 비교

    weld9
    다중 반사 없음다중 반사 있음

    다중 반사를 고려한 레이저

    weld10

    5. 결과 처리

    용접 기능에 관한 대표적인 출력 예입니다.

    6. 다양한 형상의 레이저와 거동 (+ csv 파일 읽기)

    weld17weld18

    7. 이종 재료

    이종 재료 간이 분석

    재료 : 철, 구리

    밀도고상율
    weld19

    이종 재료를 이용한 레이저 용접

    재료 : 구리, 철

    재료 체적 비율온도
    weld20

    8. 금속 3D 프린팅 기법  

    – 적층 제조 (Additive Manufacturing) 공정

    – DED(Direct Energy Deposition) 공정 

    Numerical modelling of a two-degree-of-freedom Wave Energy Converter

    Energy Presentations | 에너지 프레젠테이션

    Energy Presentations | 에너지 프레젠테이션

     지난 사용자 컨퍼런스에서 에너지 산업을위한 FLOW-3D의 응용에 초점을 맞춘 사용자 프레젠테이션을 다운로드하십시오  .

    2019 년

    Numerical modelling of a two-degree-of-freedom Wave Energy Converter: Creation, validation and utilization of the model

    2 자유도 파동 에너지 변환기의 수치 모델링 : 모델의 생성, 검증 및 활용

    Eliseo Marchesi, Politecnico di Milano / Studio Frosio srl
    Marco Negri 및 Stefano Malavasi, Politecnico di Milano
    Filippo Palo, XC Engineering Srl

    Numerical modelling of a two-degree-of-freedom Wave Energy Converter
    Numerical modelling of a two-degree-of-freedom Wave Energy Converter

    이 연구의 목적은 FLOW-3D를 통한 수치 모델링입니다., Politecnico di Milano에서 실험실 규모 테스트를 거친 특정 Wave Energy Converter (WEC) : 두 개의 자유도 진동 체 시스템 인 EDS (Energy Double System), 급증하는 패들. 두 본체는 서로 연결되어 있으며 각각은 지상에 반응하는 PTO (Power Take-Off)에 연결됩니다. 수치 모델은주기적인 파동으로 사용 가능한 실험 테스트에 대해 검증되었습니다. 첫 번째 시뮬레이션은 실험실 테스트의주기적인 파동을 재현하는 것을 목표로했습니다. 그런 다음 실험 시스템에 해당하는 EDS의 수치 모델을 생성하고 이전에 모델링 한주기 파를 적용했습니다. 수치 방법의 품질이 확인되면 EDS 시스템의 새로운 구성에 대한 시뮬레이션이 수행되었습니다. 첫 번째 시뮬레이션 시리즈에서는이 매개 변수가 실험 모델에서 최적화되지 않았기 때문에이를 최적화하기 위해 패들 PTO의 댐핑이 변경되었습니다. 그 후, EDS 동작은 이전에 시뮬레이션 된 주기적 파동과 에너지 적으로 동일한 임의 파동에서 조사되었습니다.

    다운로드

    2015 년

    Numerical simulation of extreme wave loading on an axisymmetric point absorber wave energy converter in a survival sea state

    생존 해상 상태에서 축 대칭 점 흡수 파 에너지 변환기에 대한 극한 파 하중의 수치 시뮬레이션

    Peter Arnold, Minerva Dynamics Limited

    생존 해상 상태에서 파력 에너지 변환기 (WEC)가 경험할 수있는 힘과 모멘트의 초기 평가는 개념 설계 단계에서 특히 중요합니다. 현재까지 WEC의 생존 가능성을 평가하는 데 사용되는 주요 방법은 모델 규모 탱크 테스트이지만 일반적으로 10m에서 15m 범위의 상당한 파도 높이를 갖는 생존 파도의 크기로 인해 탱크 테스트 프로그램은 소규모를 사용해야합니다. 관련 계측 및 물리적 확장 문제가있는 스케일 프로토 타입 또는 관련 비용이 더 큰 대형 프로토 타입에 의존합니다. 보다 최근에 CFD는 더 작은 계산 비용으로 인해 불규칙한 파동 스펙트럼과는 반대로, 단독 집중 또는“New Waves”를 사용하여 정적 및 부동 구조에 대한 비선형 파동 부하를 평가하는 데 사용되었습니다. 그러나 이러한 초기 연구는 WEC 설계 엔지니어가 결과 부하의 통계적 분포를 필요로하기 때문에 WEC 생존에 필요한 조건 만 제공하지만 충분하지는 않습니다. 이 연구의 목적은 해법을 얻기 위해 스펙트럼 성분 수와 메시 미세 조정 수준 및 파동 탱크 폭이 감소 된 불규칙 파 스펙트럼을 활용하여 CFD 모델에서 모델링 가정에 첨부 된 중요성을 재분배하는 것입니다. 합리적인 시간 척도로. 그 결과 WEC 운동 및 하중은 주요 통계 매개 변수 측면에서 35 스케일 축 대칭 점 흡수기의 생존에 대한 고 충실도 탱크 테스트 결과와 비교됩니다. 이 연구의 목적은 해법을 얻기 위해 스펙트럼 성분 수와 메시 미세 조정 수준 및 파동 탱크 폭이 감소 된 불규칙 파 스펙트럼을 활용하여 CFD 모델에서 모델링 가정에 첨부 된 중요성을 재분배하는 것입니다. 합리적인 시간 척도로. 그 결과 WEC 운동 및 하중은 주요 통계 매개 변수 측면에서 35 스케일 축 대칭 점 흡수기의 생존에 대한 고 충실도 탱크 테스트 결과와 비교됩니다. 이 연구의 목적은 해법을 얻기 위해 스펙트럼 성분 수와 메시 미세 조정 수준 및 파동 탱크 폭이 감소 된 불규칙 파 스펙트럼을 활용하여 CFD 모델에서 모델링 가정에 첨부 된 중요성을 재분배하는 것입니다. 합리적인 시간 척도로. 그 결과 WEC 운동 및 하중은 주요 통계 매개 변수 측면에서 35 스케일 축 대칭 점 흡수기의 생존에 대한 고 충실도 탱크 테스트 결과와 비교됩니다.

    다운로드

    Wave propagation and reflection at an inclined plane – simulations and experiments

    경사면에서의 파동 전파 및 반사 – 시뮬레이션 및 실험

    Boris Huber, 비엔나 기술 대학교

    20m 길이의 수로에서 물리적 모델 테스트를 수행하여 수로 끝의 경사면에서 파동 전파 및 반사를 관찰했습니다. 웨이브 생성은 익스텐더 휠에 의해 앞뒤로 움직이는 바닥에 장착 된 패들로 이루어졌습니다. 파도의 전파는 수위 측정에 의해 여러 지점에서 기록되었습니다. 실험은 다양한 파동으로 실행 된 다음 FLOW-3D 로 시뮬레이션되었습니다  . 또한 CFD 시뮬레이션에서 적절한 경계 조건을 얻기 위해 돌과 천공 시트로 구성된 파동 흡수 경계를 사용한 실험을 수행하고 다른 경계 조건에서 시뮬레이션을 실행했습니다.

    다운로드

    2013 년

    Flap type wave power device in near shore conditions

    해안 근처에서 플랩 형 파력 장치

    Ibis Group, Inc의 Stephen Saunders

    FLOW-3D  v10.1을 솔루션 코드로 사용하여 단일 이동 플랩 파 전력 캡처 장치의 CFD 분석을 수행했습니다  . 이 작업의 목적은 프로토 타입을 제작하고 배치하기 전에 의도 한 작업 환경에서 플랩이 겪는 힘을 예측하는 것입니다. FLOW-3D  는 이동하는 공기 / 물 인터페이스의 역학을 캡처하는 데 필요한 강력한 VOF 모델 때문에 경쟁 업체보다이 프로젝트에 선택되었습니다. 또한  FLOW-3D움직이는 고체 물체를 표현하는 FAVOR ™ 방법은 움직이는 플랩을 시뮬레이션하는 데 중요합니다. 플랩 형상의 성능을 시뮬레이션하고 다가오는 파도가 플랩 표면에 수직 인 해안 근처 조건에서 평가되었습니다. 테스트 된 모델은 플랩 끝 주변의 흐름 특성을 평가하기 위해 3D로 구성됩니다. 현재까지 두 개의 바다 상태가 테스트되었습니다. 이들은 플랩에 도달하는 즉시 깨지는 깨지지 않는 팽창 및 파도입니다. 예상대로 깨지지 않는 팽창은 중립의 양쪽에서 동일한 플랩 편향과 거의 대칭 인 부드러운 플랩 동작을 유도합니다. 파동 사례를 깨는 결과는 비대칭 동작과 하중으로 훨씬 더 극적입니다.

    다운로드

    Ocean waves resonance analysis of an oscillating water column energy converter

    진동 수주 에너지 변환기의 해양 파도 공명 분석

    José Manuel Grases ; 센데 키아

    SDK Marine은 진동하는 수주 챔버 내의 물에 잠긴 수력 터빈을 기반으로 파도에서 전기 에너지를 수집하는 새로운 방법을 개발하고 있습니다. FLOW-3D  는 챔버 내부와 외부의 흐름 동작을 이해하는 데 사용되었습니다. 이 프로젝트의 주요 목표는 내부 수위를 측정하고이를 외부 파 여기와 비교하여 장치의 응답을 얻는 것이 었습니다. 또한 장치의 수력을 계산하기 위해 서로 다른 수력 터빈의 거동을 시뮬레이션하기 위해 서로 다른 다공성 멤브레인을 구현했습니다.

    다운로드

    레이저 용접 수치해석 (FLOW-3D WELD)

    FLOW-3D WELD Products

    레이저 용접 수치해석 (FLOW-3D WELD)

    FLOW-3D@ WELD는 레이저 용접 공정에 대한 정확한 시뮬레이션 기능을 제공하여 최적화된 공정을 개발하게 합니다. 더 나은 공정 제어를 통해 기공, 열 영향 영역을 최소화하고 미세 구조 변화를 제어할 수 있습니다.

    레이저 용접 프로세스를 정확하게 시뮬레이션하기 위해 FLOW-3D@ WELD는 레이저 열원, 레이저-재료 상호 작용, 유체 흐름, 열 전달, 표면 장력, 응고, 다중 레이저 반사 및 위상 변화와 같은 모든 관련 물리 모델을 제공합니다.

    Laser Welding

    최근에는 뛰어난 생산성과 속도, 낮은 열 입력이 결합되어 기존의 용접 프로세스를 대체하는 레이저 용접 프로세스가 주목 받고 있습니다. 레이저 용접이 제공하는 장점은 용접강도가 좋고, 열 영향 부위가 작으며, 정밀도가 낮고 변형이 적으며, 강철, 알루미늄, 티타늄 및 이종 금속을 포함한 광범위한 금속 및 합금을 용접 할 수 있는 기능이 있습니다.

    FLOW-3D@는 레이저 용접 공정에 대한 강력한 통찰력을 제공하고 궁극적으로 프로세스 최적화를 달성하는 데 도움이 됩니다.

    보다 나은 프로세스 제어를 통해 기공을 최소화할 수 있습니다. 열 영향부위 및 미세조직을 제어가 가능합니다. FLOW-3D는 자유표면 추적 알고리즘을 통해 매우 복잡한 용접 POOL 시뮬레이션을 해석하는데 매우 적합합니다.

    용접 모듈은 레이저 소스에 의해 생성된 Heat flux, 용융 금속에 대한 증발압력, shield gas 효과, 용융 풀의 반동압력 및 다중 레이저 반사와 같은 물리적 모델을 FLOW-3D에 적용하기 위해 개발되었습니다. 키홀 용접과 같은 현실적인 프로세스 시뮬레이션을 위해서는 모든 관련 물리적 현상을 적용하는 것이 중요합니다.

    FLOW-3D는 레이저 용접의 conduction and keyhole 방식을 시뮬레이션 할 수 있습니다. 전 세계의 연구원들은 FLOW-3D를 사용하여 용접역학을 분석하고, 공정 매개 변수를 최적화하여 기공을 최소화하며, 레이저 용접공정에서의 dendrite 결정 성장 양상을 예측합니다.

    Shallow penetration weld (top left); deep penetration weld with shield gas effects (top right); deep penetration weld with shield gas and evaporation pressure (bottom left); and deep penetration weld with shield gas, evaporation pressure and multiple laser reflections effects (bottom right).

    Full Penetration Laser Welding Experiments

    한국 카이스트와 독일 BAM은 16K kW레이저를 사용하여 10mm강판에 완전 침투 레이저 용접 실험을 수행하였습니다. CCD카메라의 도움을 받아 완전 용입 레이저 용접으로 형성된 상단 및 하단 용융풀 거동을 확인할 수 있었습니다. 그들은 또한 FLOW-3D 로 용접 공정 해석으로 해석과 실험결과의 경향이 일치하는 것을 알 수 있었습니다.

    Experimental setup with CCD cameras observing the top and bottom molten pools
    Schematic of computation domain in FLOW-3D

     

    Simulation results at the top show melt pool lengths of 8mm and 15mm, whereas experiments indicated melt pool lengths of 7mm and 13mm

    Laser Welding Porosity Case Study

    General Motors, Michigan, 중국의 상하이 대학교는 용접 공정 변수, 즉 keyhole 용접에서 기공의 발생에 대해 용접 속도 및 용접 각도와 같은 공정 매개 변수가 미치는 영향을 알아보기 위해 협력하여 연구를 진행하였습니다.

    레이저 용접된 Al 접합부 단면의 기공을 분석합니다. Keyhole이 유도 된 기공들은 유동 역학으로 인해 발생되고 균열을 일으킬 수 있습니다. 최적화 공정의 매개변수는 이러한 종류의 기공을 완화할 수 있습니다. FLOW-3D를 사용하여 연구원들은 증발 및 반동 압력, 용융풀, 온도에 따른 표면장력 및 Keyhole내의 다중 레이저 반사, 프레넬 흡수를 포함한 모든 중요한 물리적 현상을 설명했습니다.

    연구진은 시뮬레이션 모델을 기반으로 Keyhole 용접에서 생성된 기공들의 주요 원인으로 불안정한 Keyhole을 규정하였습니다. 아래 이미지에서 볼 수 있듯이 뒤쪽 용융 풀의 과도한 재순환은 뒤쪽 용융 풀이 앞쪽 용융 풀 경계를 무너뜨리며 기공들을 생성시킵니다. 갇힌 공간이 증가하는 응고 전면에 의해 갇혔을때 기공들이 발생되었습니다.

    Distribution of porosity in longitudinal welding sections as seen in simulations (top) and experiments (bottom)

    용접 속도가 빠를수록 더 큰 keyhole이 생성되며 이로 인해, 보다 안정적인 keyhole이 생성됩니다. 연구진은 FLOW-3D를 사용하여 용접 속도와 용접 경사각으로 기공들의 생성을 완화시킬 수 있었습니다.


    관련 기술자료