The elimination of internal macro-defects is a key issue in Ti–6Al–4V alloys fabricated via powder bed fusion using electron beams (PBF-EB), wherein internal macro-defects mainly originate from the virgin powder and inappropriate printing parameters. This study compares different types powders by combining support vector machine techniques to determine the most suitable powder for PBF-EB and to predict the processing window for the printing parameters without internal macro-defects. The results show that powders fabricated via plasma rotating electrode process have the best sphericity, flowability, and minimal porosity and are most suitable for printing. Surface roughness criterion was also applied to determine the quality of the even surfaces, and support vector machine was used to construct processing maps capable of predicting a wide range of four-dimensional printing parameters to obtain macro-defect-free samples, offering the possibility of subsequent development of Ti–6Al–4V alloys with excellent properties. The macro-defect-free samples exhibited good elongation, with the best overall mechanical properties being the ultimate tensile strength and elongation of 934.7 MPa and 24.3%, respectively. The elongation of the three macro-defect-free samples was much higher than that previously reported for additively manufactured Ti–6Al–4V alloys. The high elongation of the samples in this work is mainly attributed to the elimination of internal macro-defects.
Introduction
Additive manufacturing (AM) technologies can rapidly manufacture complex or custom parts, reducing process steps and saving manufacturing time [[1], [2], [3], [4]], and are widely used in the aerospace, automotive, and other precision industries [5,6]. Powder bed fusion using an electron beam (PBF-EB) is an additive manufacturing method that uses a high-energy electron beam to melt metal powders layer by layer to produce parts. In contrast to selective laser melting, PBF-EB involves the preparation of samples in a high vacuum environment, which effectively prevents the introduction of impurities such as O and N. It also involves a preheating process for the print substrate and powder, which reduces residual thermal stress on the sample and subsequent heat treatment processes [[2], [3], [4],7]. Due to these features and advantages, PBF-EB technology is a very important AM technology with great potential in metallic materials. Moreover, PBF-EB is the ideal AM technology for the manufacture of complex components made of many alloys, such as titanium alloys, nickel-based superalloys, aluminum alloys and stainless steels [[2], [3], [4],8].
Ti–6Al–4V alloy is one of the prevalent commercial titanium alloys possessing high specific strength, excellent mechanical properties, excellent corrosion resistance, and good biocompatibility [9,10]. It is widely used in applications requiring low density and excellent corrosion resistance, such as the aerospace industry and biomechanical applications [11,12]. The mechanical properties of PBF-EB-processed Ti–6Al–4V alloys are superior to those fabricated by casting or forging, because the rapid cooling rate in PBF-EB results in finer grains [[12], [13], [14], [15], [16], [17], [18]]. However, the PBF-EB-fabricated parts often include internal macro-defects, which compromises their mechanical properties [[19], [20], [21], [22]]. This study focused on the elimination of macro-defects, such as porosity, lack of fusion, incomplete penetration and unmelted powders, which distinguishes them from micro-defects such as vacancies, dislocations, grain boundaries and secondary phases, etc. Large-sized fusion defects cause a severe reduction in mechanical strength. Smaller defects, such as pores and cracks, lead to the initiation of fatigue cracking and rapidly accelerate the cracking process [23]. The issue of internal macro-defects must be addressed to expand the application of the PBF-EB technology. The main studies for controlling internal macro-defects are online monitoring of defects, remelting and hot isostatic pressing (HIP). The literatures [24,25] report the use of infrared imaging or other imaging techniques to identify defects, but the monitoring of smaller sized defects is still not adequate. And in some cases remelting does not reduce the internal macro-defects of the part, but instead causes coarsening of the macrostructure and volatilization of some metal elements [23]. The HIP treatment does not completely eliminate the internal macro-defects, the original defect location may still act as a point of origin of the crack, and the subsequent treatment will consume more time and economic costs [23]. Therefore, optimizing suitable printing parameters to avoid internal macro-defects in printed parts at source is of great industrial value and research significance, and is an urgent issue in PBF-EB related technology.
There are two causes of internal macro-defects in the AM process: gas pores trapped in the virgin powder and the inappropriate printing parameters [7,23]. Gui et al. [26] classify internal macro-defects during PBF-EB process according to their shape, such as spherical defects, elongated shape defects, flat shape defects and other irregular shape defects. Of these, spherical defects mainly originate from raw material powders. Other shape defects mainly originate from lack of fusion or unmelted powders caused by unsuitable printing parameters, etc. The PBF-EB process requires powders with good flowability, and spherical powders are typically chosen as raw materials. The prevalent techniques for the fabrication of pre-alloyed powders are gas atomization (GA), plasma atomization (PA), and the plasma rotating electrode process (PREP) [27,28]. These methods yield powders with different characteristics that affect the subsequent fabrication. The selection of a suitable powder for PBF-EB is particularly important to produce Ti–6Al–4V alloys without internal macro-defects. The need to optimize several printing parameters such as beam current, scan speed, line offset, and focus offset make it difficult to eliminate internal macro-defects that occur during printing [23]. Most of the studies [11,12,22,[29], [30], [31], [32], [33]] on the optimization of AM processes for Ti–6Al–4V alloys have focused on samples with a limited set of parameters (e.g., power–scan speed) and do not allow for the guidance and development of unknown process windows for macro-defect-free samples. In addition, process optimization remains a time-consuming problem, with the traditional ‘trial and error’ method demanding considerable time and economic costs. The development of a simple and efficient method to predict the processing window for alloys without internal macro-defects is a key issue. In recent years, machine learning techniques have increasingly been used in the field of additive manufacturing and materials development [[34], [35], [36], [37]]. Aoyagi et al. [38] recently proposed a novel and efficient method based on a support vector machine (SVM) to optimize the two-dimensional process parameters (current and scan speed) and obtain PBF-EB-processed CoCr alloys without internal macro-defects. The method is one of the potential approaches toward effective optimization of more than two process parameters and makes it possible for the machine learning techniques to accelerate the development of alloys without internal macro-defects.
Herein, we focus on the elimination of internal macro-defects, such as pores, lack of fusion, etc., caused by raw powders and printing parameters. The Ti–6Al–4V powders produced by three different methods were compared, and the powder with the best sphericity, flowability, and minimal porosity was selected as the feedstock for subsequent printing. The relationship between the surface roughness and internal macro-defects in the Ti–6Al–4V components was also investigated. The combination of SVM and surface roughness indices (Sdr) predicted a wider four-dimensional processing window for obtaining Ti–6Al–4V alloys without internal macro-defects. Finally, we investigated the tensile properties of Ti–6Al–4V alloys at room temperature with different printing parameters, as well as the corresponding microstructures and fracture types.
Section snippets
Starting materials
Three types of Ti–6Al–4V alloy powders, produced by GA, PA, and PREP, were compared. The particle size distribution of the powders was determined using a laser particle size analyzer (LS230, Beckman Coulter, USA), and the flowability was measured using a Hall flowmeter (JIS-Z2502, Tsutsui Scientific Instruments Co., Ltd., Japan), according to the ASTM B213 standard. The powder morphology and internal macro-defects were determined using scanning electron microscopy (SEM, JEOL JCM-6000) and X-ray
Comparison of the characteristics of GA, PA, and PREP Ti–6Al–4V powders
The particle size distributions (PSDs) and flowability of the three types of Ti–6Al–4V alloy powders produced by GA, PA, and PREP are shown in Fig. 2. Although the average particle sizes are similar (89.4 μm for GA, 82.5 μm for PA, and 86.1μm for PREP), the particle size range is different for the three types of powder (6.2–174.8 μm for GA, 27.3–139.2 μm for PA, and 39.4–133.9 μm for PREP). The flowability of the GA, PA, and PREP powders was 30.25 ± 0.98, 26.54 ± 0.37, and 25.03 ± 0.22 (s/50
Conclusions
The characteristics of the three types of Ti–6Al–4V alloy powders produced via GA, PA, and PREP were compared. The PREP powder with the best sphericity, flowability, and low porosity was found to be the most favorable powder for subsequent printing of Ti–6Al–4V alloys without internal macro-defects. The quantitative criterion of Sdr <0.015 for even surfaces was also found to be applicable to Ti–6Al–4V alloys. The process maps of Ti–6Al–4V alloys include two regions, high beam current/scan speed
The authors declare that they have no known competing financial interests or personal relationships that could have appeared to influence the work reported in this paper.
Acknowledgments
This study was based on the results obtained from project JPNP19007, commissioned by the New Energy and Industrial Technology Development Organization (NEDO). This work was also supported by JSPS KAKENHI (Proposal No. 21K03801) and the Inter-University Cooperative Research Program (Proposal nos. 18G0418, 19G0411, and 20G0418) of the Cooperative Research and Development Center for Advanced Materials, Institute for Materials Research, Tohoku University. It was also supported by the Council for
As a part of design process for hydro-electric generating stations, hydraulic engineers typically conduct some form of model testing. The desired outcome from the testing can vary considerably depending on the specific situation, but often characteristics such as velocity patterns, discharge rating curves, water surface profiles, and pressures at various locations are measured. Due to recent advances in computational power and numerical techniques, it is now also possible to obtain much of this information through numerical modeling. In this paper, hydraulic characteristics of Kavsak Dam and Hydroelectric Power Plant (HEPP), which are under construction and built for producing energy in Turkey, were investigated experimentally by physical model studies. The 1/50-scaled physical model was used in conducting experiments. Flow depth, discharge and pressure data were recorded for different flow conditions. Serious modification was made on the original project with the experimental study. In order to evaluate the capability of the computational fluid dynamics on modeling spillway flow a comparative study was made by using results obtained from physical modeling and Computational Fluid Dynamics (CFD) simulation. A commercially available CFD program, which solves the Reynolds-averaged Navier-Stokes (RANS) equations, was used to model the numerical model setup by defining cells where the flow is partially or completely restricted in the computational space. Discharge rating curves, velocity patterns and pressures were used to compare the results of the physical model and the numerical model. It was shown that there is reasonably good agreement between the physical and numerical models in flow characteristics.
수력 발전소 설계 프로세스의 일부로 수력 엔지니어는 일반적으로 어떤 형태의 모델 테스트를 수행합니다. 테스트에서 원하는 결과는 특정 상황에 따라 상당히 다를 수 있지만 속도 패턴, 방전 등급 곡선, 수면 프로파일 및 다양한 위치에서의 압력과 같은 특성이 측정되는 경우가 많습니다. 최근 계산 능력과 수치 기법의 발전으로 인해 이제는 수치 모델링을 통해 이러한 정보의 대부분을 얻을 수도 있습니다.
본 논문에서는 터키에서 에너지 생산을 위해 건설 중인 Kavsak 댐과 수력발전소(HEPP)의 수력학적 특성을 물리적 모델 연구를 통해 실험적으로 조사하였다. 1/50 스케일의 물리적 모델이 실험 수행에 사용되었습니다. 다양한 흐름 조건에 대해 흐름 깊이, 배출 및 압력 데이터가 기록되었습니다. 실험 연구를 통해 원래 프로젝트에 대대적인 수정이 이루어졌습니다.
배수로 흐름 모델링에 대한 전산유체역학의 능력을 평가하기 위해 물리적 모델링과 전산유체역학(CFD) 시뮬레이션 결과를 이용하여 비교 연구를 수행하였습니다. RANS(Reynolds-averaged Navier-Stokes) 방정식을 푸는 상업적으로 이용 가능한 CFD 프로그램은 흐름이 계산 공간에서 부분적으로 또는 완전히 제한되는 셀을 정의하여 수치 모델 설정을 모델링하는 데 사용되었습니다.
물리적 모델과 수치 모델의 결과를 비교하기 위해 배출 등급 곡선, 속도 패턴 및 압력을 사용했습니다. 유동 특성에서 물리적 모델과 수치 모델 간에 상당히 좋은 일치가 있는 것으로 나타났습니다.
Serife Yurdagul Kumcu−2−KSCE Journal of Civil Engineeringthe use of CFD for the assessment of a design, as well as screeningand optimizing of hydraulic structures and cofferdam layouts. Theyconclude that CFD has been successful in optimizing the finalconceptual configuration for the hydraulics design of the project,but recommend that physical modeling still be used as a finalconfirmation.This paper provides experimental studies performed on Kav akDam and analyses the stability of spillway design by usingFLOW-3D model. It compares the hydraulic model tests withFLOW-3D simulation results and gives information on howaccurately a commercially available Computational Fluid Dynamic(CFD) model can predict the spillway discharge capacity andpressure distribution along the spillway bottom surface. 2. Physical ModelA 1/50-scaled undistorted physical model of the Kavsak Damspillway and stilling basin was built and tested at the HydraulicModel Laboratory of State Hydraulic Works of Turkey (DSI).The model was constructed of plexiglas and was fabricated toconform to the distinctive shape of an ogee crest. The spillwayhas 45.8 m in width and 57 m long with a bottom slope of 125%.The length of the stilling basin is about 90 m. During model tests,flow velocities were measured with an ultrasonic flow meter.Pressures on the spillway were measured using a piezometerssçTable 1. Upstream and Downstream Operating Conditions of theKavsak DamRun Upstream reservoir elevation (m)Downstream tailwater elevation (m)1 306.55 168.002 311.35 174.503 314.00 178.904 316.50 182.55Fig. 1. (a) Original Project Design and Final Project Design after Experimental Investigations and Flow Measurement Sections at theApproach, (b) Top View Experimentally Modified Approach in the Laboratory, (c) Side View of the Experimentally Modified Approachin the Laboratory
References
Bureau of Reclamation (1977). Design of small dams, U.S. Government Printing Office, Washington, D.C., U.S.
Bureau of Reclamation (1990). Cavitation in chute and spillways, Engineering Monograph, No.42, U.S. Chanel, P. G. (2008). An evaluation of computational fluid dynamics for
spillway modeling, MSc Thesis, University of Manitoba Winnipeg, Manitoba, Canada.
Chanson, H. (2002). The hydraulics of stepped chutes and spillways,Balkema, Lisse, The Netherlands.
Chanson, H. and Gonzalez, C. A. (2005). “Physical modeling and scale effects of air-water flows on stepped spillways.” Journal of Zhejiang University Science, Vol. 6A, No. 3, pp. 243-250.
Demiroz, E. (1986). “Specifications of aeration structures which are added to the spillways.” DSI Report, HI-754, DSI-TAKK Publications, Ankara, Turkey.
Erfanain-Azmoudeh, M. H. and Kamanbedast, A. A. (2013). “Determine the appropriate location of aerator system on gotvandoliadam’s spillway using Flow 3D.” American-Eurasian J. Agric. & Environ. Sci., Vol. 13, No. 3, pp. 378-383, DOI: 10.5829/idosi.aejaes.2013. 13.03. 458.
Falvey, H. T. (1990). Cavitation in chutes and spillways, Engineering Monograph 42 Water Resources Technical Publication US Printing Office, Bureau of Reclamation, Denver.
Flow-3D User ’s Manual (2012). Flow science, Inc., Santa Fe, N.M.
Hirt, C. W. (1992). “Volume-fraction techniques: Powerful tools for flow
Hirt C. W. and Nichols B. D. (1981). “Volume of Fluid (VOF) method for the dynamics of free boundaries.”Jornal of Computational Physics, Vol. 39, pp. 201-225, DOI: 10.1016/0021-9991(81)90145-5.
Hirt, C. W. and Sicilian, J. M. (1985). “A Porosity technique for the definition of obstacles in rectangular cell meshes.” Proceedings of the 4th International Conference on Ship Hydro-dynamics, 24-27 September 1985, National Academic of Sciences, Washington DC.
Ho, D., Boyes, K., Donohoo, S., and Cooper, B. (2003). “Numerical flow analysis for spillways.” 43rd ANCOLD Conference, Hobart, Tas m a nia .
Johnson, M. C. and Savage, B. M. (2006). “Physical and numerical comparison of flow over ogee spillway in the presence of tailwater.”
Journal of Hydraulic Engineering, Vol. 132, No. 12, pp. 1353-135, DOI: 10.1061/(ASCE)0733-9429.
Kim, S. D., Lee, H. J., and An, S. D. (2010). “Improvement of hydraulic stability for spillway using CFD model.” Int. Journal of the Physical Sciences, Vol. 5, No. 6, pp. 774-780.
Kokpinar, M. A. and Gogus, M. (2002). “High speed jet flows over spillway aerators.” Canadian Journal of Civil Engineering, Vol. 29, No. 6, pp. 885-898, DOI: 10.1139/l02-088.
Kumcu, S. Y. (2010). Hydraulic model studies of Kavsak Dam and HEPP, DSI Report, HI-1005, DSI-TAKK Publications, Ankara, Turkey.
Margeirsson, B. (2007). Computational modeling of flow over a spillway, MSc Thesis, Chalmers University of Technology, Gothenburg, Sweden.
Nichols, B. D. and Hirt, C. W. (1975). “Methods for calculating multi-dimensional, transient free surface flows past bodies.” Proc. First Intern. Conf. Num., Ship Hydrodynamics, Gaithersburg, ML.
Savage, B. M. and Johnson, M. C. (2001). “Flow over ogee spillway: Physical and numerical model case study.” Journal of Hydraulic Engineering, ASCE, Vol. 127, No. 8, pp. 640-649, DOI: 10.1061/(ASCE)0733-9429.
Souders, D. T. and Hirt, C. W. (2004). “Modeling entrainment of air at turbulent free surfaces.” Critical Transitions in Water and Environmental resources Management, pp. 1-10.
entürk, F. (1994). Hydraulics of dams and reservoirs, Water Resources Publication Colorado, USA.
Teklemariam, E., Korbaylo, B, Groeneveld, J., Sydor, K., and Fuchs, D. (2001). Optimization of hydraulic design using computational fluid dynamics, Waterpower XII, Salt Lake City, Utah.
Teklemariam, E., Shumilak, B., Sydor, K., Murray, D., Fuchs, D., and Holder, G. (2008). “An integral approach using both physical and computational modeling can be beneficial in addressing the full range of hydraulic design issues.” CDA Annual Conference, Winnipeg, Canada.
Usta, E. (2014). Numerical investigation of hydraulic characteristics of Laleli Dam spillway and comparison with physical model study, Master Thesis, Middle East Technical University, Ankara, Turkey.
Versteeg, H. K. and Malalasekera, W. (1996). An introduction to computational fluid dynamics, Longman Scientific and Technical, Longman Group Limited, Harlow, England.
Vischer, D. L. and Hager, W. H. (1997). Dam hydraulics, J. Wiley & Sons Ltd., England.
Wagner, W. E. (1967). “Glen Canyon diversion tunnel outlets.” J. Hydraulic Division, ASCE, Vol. 93, No. HY6, pp. 113-134.
Willey, J., Ewing, T., Wark, B., and Lesleighter, E. (2012). Comple-mentary use of physical and numerical modeling techniques in spillway design refinement, Commission Internationale Des Grands Barrages, Kyoto, June 2012.
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, 예 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( 즉 , 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
어디θθ는 스캔 방향과 응고 전면의 법선 방향( 즉 , 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 :
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.
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 대 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 1그림 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 외 . [ 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 간외 . [ 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. [ 51, 52 , 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
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 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. 즉 , 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
모의 온도 구배 G 분포 및 응고율 검사V티V티분석 모델링의 쌍은 그림 7 (a)의 CMSX-4 미세 구조 선택 맵에 표시됩니다. 제공지 /V티G/V티( 즉 , 형태 인자)는 형태를 제어하고지 ×V티G×V티( 즉 , 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
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 7그림 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 는 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 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, 즉 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, 즉 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) 대 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
R.C. Reed: The Superalloys: Fundamentals and Applications, Cambridge University Press, Cambridge, 2006, pp.17–20.BookGoogle Scholar
A. Basak, R. Acharya, and S. Das: Metall. Mater. Trans. A, 2016, vol. 47A, pp. 3845–59.ArticleGoogle Scholar
R. Vilar and A. Almeida: J. Laser Appl., 2015, vol. 27, p. S17004.ArticleGoogle Scholar
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.ArticleCASGoogle Scholar
S.S. Babu, S.A. David, J.W. Park, and J.M. Vitek: Sci. Technol. Weld. Join., 2004, vol. 9, pp. 1–12.ArticleCASGoogle Scholar
L. Felberbaum, K. Voisey, M. Gäumann, B. Viguier, and A. Mortensen: Mater. Sci. Eng. A, 2001, vol. 299, pp. 152–56.ArticleGoogle Scholar
S. Mokadem, C. Bezençon, J.M. Drezet, A. Jacot, J.D. Wagnière, and W. Kurz: TMS Annual Meeting, 2004, pp. 67–76.
J.M. Vitek: ASM Proc. Int. Conf. Trends Weld. Res., vol. 2005, pp. 773–79.
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
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.ArticleCASGoogle Scholar
A.B. Parsa, M. Ramsperger, A. Kostka, C. Somsen, C. Körner, and G. Eggeler: Metals, 2016, vol. 6, pp. 258-1–17.ArticleGoogle Scholar
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.ArticleGoogle Scholar
D. Bürger, A. Parsa, M. Ramsperger, C. Körner, and G. Eggeler: Mater. Sci. Eng. A, 2019, vol. 762, p. 138098,ArticleGoogle Scholar
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.ArticleCASGoogle Scholar
B. Fotovvati, S.F. Wayne, G. Lewis, and E. Asadi: Adv. Mater. Sci. Eng., 2018, vol. 2018, p. 4920718.ArticleGoogle Scholar
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.
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.ArticleGoogle Scholar
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.CASGoogle Scholar
S.A. Khairallah, A.T. Anderson, A. Rubenchik, and W.E. King: Acta Mater., 2016, vol. 108, pp. 36–45.ArticleCASGoogle Scholar
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.ArticleCASGoogle Scholar
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.ArticleCASGoogle Scholar
I. Yadroitsev, A. Gusarov, I. Yadroitsava, and I. Smurov: J. Mater. Process. Technol., 2010, vol. 210, pp. 1624–31.ArticleCASGoogle Scholar
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.ArticleCASGoogle Scholar
Y. He, C. Montgomery, J. Beuth, and B. Webler: Mater. Des., 2019, vol. 183, p. 108126.ArticleCASGoogle Scholar
D. Rosenthal: Weld. J., 1941, vol. 20, pp. 220–34.Google Scholar
M. Tang, P.C. Pistorius, and J.L. Beuth: Addit. Manuf., 2017, vol. 14, pp. 39–48.CASGoogle Scholar
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.
B.C. Wilson, J.A. Hickman, and G.E. Fuchs: JOM, 2003, vol. 55, pp. 35–40.ArticleCASGoogle Scholar
J.J. Valencia and P.N. Quested: ASM Handb., 2008, vol. 15, pp. 468–81.Google Scholar
H.L. Wei, J. Mazumder, and T. DebRoy: Sci. Rep., 2015, vol. 5, pp. 1–7.Google Scholar
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.ArticleCASGoogle Scholar
R. Lin, H. Wang, F. Lu, J. Solomon, and B.E. Carlson: Int. J. Heat Mass Transf., 2017, vol. 108, pp. 244–56.ArticleCASGoogle Scholar
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.CASGoogle Scholar
K. Higuchi, H.-J. Fecht, and R.K. Wunderlich: Adv. Eng. Mater., 2007, vol. 9, pp. 349–54.ArticleCASGoogle Scholar
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
J. Trapp, A.M. Rubenchik, G. Guss, and M.J. Matthews: Appl. Mater. Today, 2017, vol. 9, pp. 341–49.ArticleGoogle Scholar
M. Schneider, L. Berthe, R. Fabbro, and M. Muller: J. Phys. D, 2008, vol. 41, p. 155502.ArticleGoogle Scholar
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.ArticleCASGoogle Scholar
B.J. Simonds, E.J. Garboczi, T.A. Palmer, and P.A. Williams: Appl. Phys. Rev., 2020, vol. 13, p. 024057.ArticleCASGoogle Scholar
J. Dantzig and M. Rappaz: Solidification, 2nd ed., EPFL Press, Lausanne, 2016, pp. 483–532.Google Scholar
W. Tiller, K. Jackson, J. Rutter, and B. Chalmers: Acta Metall., 1953, vol. 1, pp. 428–37.ArticleCASGoogle Scholar
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.ArticleGoogle Scholar
F. Yan, W. Xiong, and E.J. Faierson: Materials, 2017, vol. 10, p. 1260.ArticleGoogle Scholar
J.M. Vitek, S.A. David, and L.A. Boatner: Sci. Technol. Weld. Join., 1997, vol. 2, pp. 109–18.ArticleCASGoogle Scholar
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.ArticleGoogle Scholar
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 zoneFig. 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. 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.
•The limitation of increasing the rotational speed in decreasing powder size was clarified.
•Cooling and disturbance effects varied with the gas flowing rate.
•Inclined angle of the residual electrode end face affected powder formation.
•Additional cooling gas flowing could be applied to control powder size.
Abstract
The plasma rotating electrode process (PREP) is rapidly becoming an important powder fabrication method in additive manufacturing. However, the low production rate of fine PREP powder limits the development of PREP. Herein, we investigated different factors affecting powder formation during PREP by combining experimental methods and numerical simulations. The limitation of increasing the rotation electrode speed in decreasing powder size is attributed to the increased probability of adjacent droplets recombining and the decreased tendency of granulation. The effects of additional Ar/He gas flowing on the rotational electrode on powder formation is determined through the cooling effect, the disturbance effect, and the inclined effect of the residual electrode end face simultaneously. A smaller-sized powder was obtained in the He atmosphere owing to the larger inclined angle of the residual electrode end face compared to the Ar atmosphere. Our research highlights the route for the fabrication of smaller-sized powders using PREP.
플라즈마 회전 전극 공정(PREP)은 적층 제조 에서 중요한 분말 제조 방법으로 빠르게 자리잡고 있습니다. 그러나 미세한 PREP 분말의 낮은 생산율은 PREP의 개발을 제한합니다. 여기에서 우리는 실험 방법과 수치 시뮬레이션을 결합하여 PREP 동안 분말 형성에 영향을 미치는 다양한 요인을 조사했습니다. 분말 크기 감소에서 회전 전극 속도 증가의 한계는 인접한 액적 재결합 확률 증가 및 과립화 경향 감소에 기인합니다.. 회전 전극에 흐르는 추가 Ar/He 가스가 분말 형성에 미치는 영향은 냉각 효과, 외란 효과 및 잔류 전극 단면의 경사 효과를 통해 동시에 결정됩니다. He 분위기에서는 Ar 분위기에 비해 잔류 전극 단면의 경사각이 크기 때문에 더 작은 크기의 분말이 얻어졌다. 우리의 연구는 PREP를 사용하여 더 작은 크기의 분말을 제조하는 경로를 강조합니다.
Keywords
Plasma rotating electrode process
Ti-6Al-4 V alloy, Rotating speed, Numerical simulation, Gas flowing, Powder size
Introduction
With the development of additive manufacturing, there has been a significant increase in high-quality powder production demand [1,2]. The initial powder characteristics are closely related to the uniform powder spreading [3,4], packing density [5], and layer thickness observed during additive manufacturing [6], thus determining the mechanical properties of the additive manufactured parts [7,8]. Gas atomization (GA) [9–11], centrifugal atomization (CA) [12–15], and the plasma rotating electrode process (PREP) are three important powder fabrication methods.
Currently, GA is the dominant powder fabrication method used in additive manufacturing [16] for the fabrication of a wide range of alloys [11]. GA produces powders by impinging a liquid metal stream to droplets through a high-speed gas flow of nitrogen, argon, or helium. With relatively low energy consumption and a high fraction of fine powders, GA has become the most popular powder manufacturing technology for AM.
The entrapped gas pores are generally formed in the powder after solidification during GA, in which the molten metal is impacted by a high-speed atomization gas jet. In addition, satellites are formed in GA powder when fine particles adhere to partially molten particles.
The gas pores of GA powder result in porosity generation in the additive manufactured parts, which in turn deteriorates its mechanical properties because pores can become crack initiation sites [17]. In CA, a molten metal stream is poured directly onto an atomizer disc spinning at a high rotational speed. A thin film is formed on the surface of the disc, which breaks into small droplets due to the centrifugal force. Metal powder is obtained when these droplets solidify.
Compared with GA powder, CA powder exhibits higher sphericity, lower impurity content, fewer satellites, and narrower particle size distribution [12]. However, very high speed is required to obtain fine powder by CA. In PREP, the molten metal, melted using the plasma arc, is ejected from the rotating rod through centrifugal force. Compared with GA powder, PREP-produced powders also have higher sphericity and fewer pores and satellites [18].
For instance, PREP-fabricated Ti6Al-4 V alloy powder with a powder size below 150 μm exhibits lower porosity than gas-atomized powder [19], which decreases the porosity of additive manufactured parts. Furthermore, the process window during electron beam melting was broadened using PREP powder compared to GA powder in Inconel 718 alloy [20] owing to the higher sphericity of the PREP powder.
In summary, PREP powder exhibits many advantages and is highly recommended for powder-based additive manufacturing and direct energy deposition-type additive manufacturing. However, the low production rate of fine PREP powder limits the widespread application of PREP powder in additive manufacturing.
Although increasing the rotating speed is an effective method to decrease the powder size [21,22], the reduction in powder size becomes smaller with the increased rotating speed [23]. The occurrence of limiting effects has not been fully clarified yet.
Moreover, the powder size can be decreased by increasing the rotating electrode diameter [24]. However, these methods are quite demanding for the PREP equipment. For instance, it is costly to revise the PREP equipment to meet the demand of further increasing the rotating speed or electrode diameter.
Accordingly, more feasible methods should be developed to further decrease the PREP powder size. Another factor that influences powder formation is the melting rate [25]. It has been reported that increasing the melting rate decreases the powder size of Inconel 718 alloy [26].
In contrast, the powder size of SUS316 alloy was decreased by decreasing the plasma current within certain ranges. This was ascribed to the formation of larger-sized droplets from fluid strips with increased thickness and spatial density at higher plasma currents [27]. The powder size of NiTi alloy also decreases at lower melting rates [28]. Consequently, altering the melting rate, varied with the plasma current, is expected to regulate the PREP powder size.
Furthermore, gas flowing has a significant influence on powder formation [27,29–31]. On one hand, the disturbance effect of gas flowing promotes fluid granulation, which in turn contributes to the formation of smaller-sized powder [27]. On the other hand, the cooling effect of gas flowing facilitates the formation of large-sized powder due to increased viscosity and surface tension. However, there is a lack of systematic research on the effect of different gas flowing on powder formation during PREP.
Herein, the authors systematically studied the effects of rotating speed, electrode diameter, plasma current, and gas flowing on the formation of Ti-6Al-4 V alloy powder during PREP as additive manufactured Ti-6Al-4 V alloy exhibits great application potential [32]. Numerical simulations were conducted to explain why increasing the rotating speed is not effective in decreasing powder size when the rotation speed reaches a certain level. In addition, the different factors incited by the Ar/He gas flowing on powder formation were clarified.
Fig. 1. Schematic figure showing the PREP with additional gas flowing on the end face of electrode.
References
[1] W. Ding, G. Chen, M. Qin, Y. He, X. Qu, Low-cost Ti powders for additive manufacturing treated by fluidized bed, Powder Technol. 350 (2019) 117–122, https://doi.org/ 10.1016/j.powtec.2019.03.042. [2] W.S.W. Harun, M.S.I.N. Kamariah, N. Muhamad, S.A.C. Ghani, F. Ahmad, Z. Mohamed, A review of powder additive manufacturing processes for metallic biomaterials, Powder Technol. 327 (2018) 128–151, https://doi.org/10.1016/j.powtec.2017.12. 058. [3] M. Ahmed, M. Pasha, W. Nan, M. Ghadiri, A simple method for assessing powder spreadability for additive manufacturing, Powder Technol. 367 (2020) 671–679, https://doi.org/10.1016/j.powtec.2020.04.033. [4] W. Nan, M. Pasha, M. Ghadiri, Numerical simulation of particle flow and segregation during roller spreading process in additive manufacturing, Powder Technol. 364 (2020) 811–821, https://doi.org/10.1016/j.powtec.2019.12.023. [5] A. Averardi, C. Cola, S.E. Zeltmann, N. Gupta, Effect of particle size distribution on the packing of powder beds : a critical discussion relevant to additive manufacturing, Mater. Today Commun. 24 (2020) 100964, https://doi.org/10.1016/j.mtcomm. 2020.100964. [6] K. Riener, N. Albrecht, S. Ziegelmeier, R. Ramakrishnan, L. Haferkamp, A.B. Spierings, G.J. Leichtfried, Influence of particle size distribution and morphology on the properties of the powder feedstock as well as of AlSi10Mg parts produced by laser powder bed fusion (LPBF), Addit. Manuf. 34 (2020) 101286, https://doi.org/10.1016/j. addma.2020.101286. [7] W.S.W. Harun, N.S. Manam, M.S.I.N. Kamariah, S. Sharif, A.H. Zulkifly, I. Ahmad, H. Miura, A review of powdered additive manufacturing techniques for Ti-6Al-4V biomedical applications, Powder Technol. 331 (2018) 74–97, https://doi.org/10.1016/j. powtec.2018.03.010. [8] A.T. Sutton, C.S. Kriewall, M.C. Leu, J.W. Newkirk, Powder characterisation techniques and effects of powder characteristics on part properties in powder-bed fusion processes, Virtual Phys. Prototyp. 12 (2017) (2017) 3–29, https://doi.org/10. 1080/17452759.2016.1250605. [9] G. Chen, Q. Zhou, S.Y. Zhao, J.O. Yin, P. Tan, Z.F. Li, Y. Ge, J. Wang, H.P. Tang, A pore morphological study of gas-atomized Ti-6Al-4V powders by scanning electron microscopy and synchrotron X-ray computed tomography, Powder Technol. 330 (2018) 425–430, https://doi.org/10.1016/j.powtec.2018.02.053. [10] Y. Feng, T. Qiu, Preparation, characterization and microwave absorbing properties of FeNi alloy prepared by gas atomization method, J. Alloys Compd. 513 (2012) 455–459, https://doi.org/10.1016/j.jallcom.2011.10.079.
[11] I.E. Anderson, R.L. Terpstra, Progress toward gas atomization processing with increased uniformity and control, Mater. Sci. Eng. A 326 (2002) 101–109, https:// doi.org/10.1016/S0921-5093(01)01427-7. [12] P. Phairote, T. Plookphol, S. Wisutmethangoon, Design and development of a centrifugal atomizer for producing zinc metal powder, Int. J. Appl. Phys. Math. 2 (2012) 77–82, https://doi.org/10.7763/IJAPM.2012.V2.58. [13] L. Tian, I. Anderson, T. Riedemann, A. Russell, Production of fine calcium powders by centrifugal atomization with rotating quench bath, Powder Technol. 308 (2017) 84–93, https://doi.org/10.1016/j.powtec.2016.12.011. [14] M. Eslamian, J. Rak, N. Ashgriz, Preparation of aluminum/silicon carbide metal matrix composites using centrifugal atomization, Powder Technol. 184 (2008) 11–20, https://doi.org/10.1016/j.powtec.2007.07.045. [15] T. Plookphol, S. Wisutmethangoon, S. Gonsrang, Influence of process parameters on SAC305 lead-free solder powder produced by centrifugal atomization, Powder Technol. 214 (2011) 506–512, https://doi.org/10.1016/j.powtec.2011.09.015. [16] M.Z. Gao, B. Ludwig, T.A. Palmer, Impact of atomization gas on characteristics of austenitic stainless steel powder feedstocks for additive manufacturing, Powder Technol. 383 (2021) 30–42, https://doi.org/10.1016/j.powtec.2020.12.005. [17] X. Shui, K. Yamanaka, M. Mori, Y. Nagata, A. Chiba, Effects of post-processing on cyclic fatigue response of a titanium alloy additively manufactured by electron beam melting, Mater. Sci. Eng. A 680 (2017) 239–248, https://doi.org/10.1016/j.msea. 2016.10.059. [18] C. Wang, X.H. Zhao, Y.C. Ma, Q.X. Wang, Y.J. Lai, S.J. Liang, Study of the spherical HoCu powders prepared by supreme-speed plasma rotating electrode process, Powder Metallurgy Technology 38 (3) (2020) 227–233, https://doi.org/10.19591/ j.cnki.cn11-1974/tf.2020.03.011 (in Chinese). [19] G. Chen, S.Y. Zhao, P. Tan, J. Wang, C.S. Xiang, H.P. Tang, A comparative study of Ti6Al-4V powders for additive manufacturing by gas atomization, plasma rotating electrode process and plasma atomization, Powder Technol. 333 (2018) 38–46, https://doi.org/10.1016/j.powtec.2018.04.013. [20] Y. Zhao, K. Aoyagi, Y. Daino, K. Yamanaka, A. Chiba, Significance of powder feedstock characteristics in defect suppression of additively manufactured Inconel 718, Addit. Manuf. 34 (2020) 101277, https://doi.org/10.1016/j.addma.2020.101277. [21] Y. Nie, J. Tang, B. Yang, Q. Lei, S. Yu, Y. Li, Comparison in characteristic and atomization behavior of metallic powders produced by plasma rotating electrode process, Adv. Powder Technol. 31 (2020) 2152–2160, https://doi.org/10.1016/j.apt.2020.03. 006. [22] Y. Cui, Y. Zhao, H. Numata, H. Bian, K. Wako, K. Yamanaka, K. Aoyagi, C. Zhang, A. Chiba, Effects of plasma rotating electrode process parameters on the particle size distribution and microstructure of Ti-6Al-4 V alloy powder, Powder Technol 376 (2020) 363–372, https://doi.org/10.1016/j.powtec.2020.08.027. [23] J. Tang, Y. Nie, Q. Lei, Y. Li, Characteristics and atomization behavior of Ti-6Al-4V powder produced by plasma rotating electrode process Adv, Powder Technol. 10 (2019) 2330–2337, https://doi.org/10.1016/j.apt.2019.07.015. [24] M. Zdujić, D. Uskoković, Production of atomized metal and alloy powders by the rotating electrode process, Sov. Powder Metall. Met. Ceram. 29 (1990) 673–683, https://doi.org/10.1007/BF00795571. [25] L. Zhang, Y. Zhao, Particle size distribution of tin powder produced by centrifugal atomisation using rotating cups, Powder Technol. 318 (2017) 62–67, https://doi. org/10.1016/j.powtec.2017.05.038. [26] Y. Liu, S. Liang, Z. Han, J. Song, Q. Wang, A novel model of calculating particle sizes in plasma rotating electrode process for superalloys, Powder Technol. 336 (2018) 406–414, https://doi.org/10.1016/j.powtec.2018.06.002. [27] Y. Zhao, Y. Cui, H. Numata, H. Bian, K. Wako, K. Yamanaka, Centrifugal granulation behavior in metallic powder fabrication by plasma rotating electrode process, Sci. Rep. (2020) 1–15, https://doi.org/10.1038/s41598-020-75503-w. [28] T. Hsu, C. Wei, L. Wu, Y. Li, A. Chiba, M. Tsai, Nitinol powders generate from plasma rotation electrode process provide clean powder for biomedical devices used with suitable size, spheroid surface and pure composition, Sci. Rep. 8 (2018) 1–8, https://doi.org/10.1038/s41598-018-32101-1. [29] M. Wei, S. Chen, M. Sun, J. Liang, C. Liu, M. Wang, Atomization simulation and preparation of 24CrNiMoY alloy steel powder using VIGA technology at high gas pressure, Powder Technol. 367 (2020) 724–739, https://doi.org/10.1016/j.powtec. 2020.04.030. [30] Y. Tan, X. Zhu, X.Y. He, B. Ding, H. Wang, Q. Liao, H. Li, Granulation characteristics of molten blast furnace slag by hybrid centrifugal-air blast technique, Powder Technol. 323 (2018) 176–185, https://doi.org/10.1016/j.powtec.2017.09.040. [31] P. Xu, D.H. Liu, J. Hu, G.Y. Lin, Synthesis of Ni-Ti composite powder by radio frequency plasma spheroidization process, Nonferrous Metals Science and Engineering 39 (1) (2020) 67–71 , (in Chinese) 10.13264/j.cnki.ysjskx.2020.01.011. [32] H. Mehboob, F. Tarlochan, A. Mehboob, S.H. Chang, S. Ramesh, W.S.W. Harun, K. Kadirgama, A novel design, analysis and 3D printing of Ti-6Al-4V alloy bioinspired porous femoral stem, J. Mater. Sci. Mater. Med. 31 (2020) 78, https://doi. org/10.1007/s10856-020-06420-7. [33] FLOW-3D® Version 11.2 [Computer software]. , Flow Science, Inc., Santa Fe, NM, 2017https://www.flow3d.com. [34] M. Boivineau, C. Cagran, D. Doytier, V. Eyraud, M.H. Nadal, B. Wilthan, G. Pottlacher, Thermophysical properties of solid and liquid Ti-6Al-4V (TA6V) alloy, Int. J. Thermophys. 27 (2006) 507–529, https://doi.org/10.1007/PL00021868. [35] J. Liu, Q. Qin, Q. Yu, The effect of size distribution of slag particles obtained in dry granulation on blast furnace slag cement strength, Powder Technol. 362 (2020) 32–36, https://doi.org/10.1016/j.powtec.2019.11.115. [36] M. Tanaka, S. Tashiro, A study of thermal pinch effect of welding arcs, J. Japan Weld. Soc. 25 (2007) 336–342, https://doi.org/10.2207/qjjws.25.336 (in Japanese). [37] T. Kamiya, A. Kayano, Disintegration of viscous fluid in the ligament state purged from a rotating disk, J. Chem. Eng. JAPAN. 4 (1971) 364–369, https://doi.org/10. 1252/jcej.4.364. [38] T. Kamiya, An analysis of the ligament-type disintegration of thin liquid film at the edge of a rotating disk, J. Chem. Eng. Japan. 5 (1972) 391–396, https://doi.org/10. 1252/jcej.5.391. [39] J. Burns, C. Ramshaw, R. Jachuck, Measurement of liquid film thickness and the determination of spin-up radius on a rotating disc using an electrical resistance technique, Chem. Eng. Sci. 58 (2003) 2245–2253, https://doi.org/10.1016/S0009-2509 (03)00091-5. [40] J. Rauscher, R. Kelly, J. Cole, An asymptotic solution for the laminar flow of a thin film on a rotating disk, J. Appl. Mech. Trans. ASME 40 (1973) 43–47, https://doi.org/10. 1115/1.3422970
2020년 12월 22일 접수, 2021년 5월 1일 수정, 2021년 7월 15일 수락, 2021년 7월 21일 온라인 사용 가능, 기록 버전 2021년 8월 17일 .
Abstract
이 문서는 재료 압출 적층 제조 에서 여러 레이어를 인쇄하는 동안 증착 흐름의 전산 유체 역학 시뮬레이션 을 제공합니다 . 개발된 모델은 증착된 레이어의 형태를 예측하고 점소성 재료 를 인쇄하는 동안 레이어 변형을 캡처합니다 . 물리학은 일반화된 뉴턴 유체 로 공식화된 Bingham 구성 모델의 연속성 및 운동량 방정식에 의해 제어됩니다. . 증착된 층의 단면 모양이 예측되고 재료의 다양한 구성 매개변수에 대해 층의 변형이 연구됩니다. 층의 변형은 인쇄물의 정수압과 압출시 압출압력으로 인한 것임을 알 수 있다. 시뮬레이션에 따르면 항복 응력이 높을수록 변형이 적은 인쇄물이 생성되는 반면 플라스틱 점도 가 높을수록 증착된 레이어에서변형이 커 집니다 . 또한, 인쇄 속도, 압출 속도 의 영향, 층 높이 및 인쇄된 층의 변형에 대한 노즐 직경을 조사합니다. 마지막으로, 이 모델은 후속 인쇄된 레이어의 정수압 및 압출 압력을 지원하기 위해 증착 후 점소성 재료가 요구하는 항복 응력의 필요한 증가에 대한 보수적인 추정치를 제공합니다.
This paper presents computational fluid dynamics simulations of the deposition flow during printing of multiple layers in material extrusionadditive manufacturing. The developed model predicts the morphology of the deposited layers and captures the layer deformations during the printing of viscoplastic materials. The physics is governed by the continuity and momentum equations with the Bingham constitutive model, formulated as a generalized Newtonian fluid. The cross-sectional shapes of the deposited layers are predicted, and the deformation of layers is studied for different constitutive parameters of the material. It is shown that the deformation of layers is due to the hydrostatic pressure of the printed material, as well as the extrusion pressure during the extrusion. The simulations show that a higher yield stress results in prints with less deformations, while a higher plastic viscosity leads to larger deformations in the deposited layers. Moreover, the influence of the printing speed, extrusion speed, layer height, and nozzle diameter on the deformation of the printed layers is investigated. Finally, the model provides a conservative estimate of the required increase in yield stress that a viscoplastic material demands after deposition in order to support the hydrostatic and extrusion pressure of the subsequently printed layers.
Fig. 1. Model geometry with the computational domain, extrusion nozzle,
toolpath, and boundary conditions. The model is presented while printing the
fifth layer.
키워드
점성 플라스틱 재료, 재료 압출 적층 제조(MEX-AM), 다층 증착, 전산유체역학(CFD), 변형 제어 Viscoplastic Materials, Material Extrusion Additive Manufacturing (MEX-AM), Multiple-Layers Deposition, Computational Fluid Dynamics (CFD), Deformation Control
Introduction
Three-dimensional printing of viscoplastic materials has grown in popularity over the recent years, due to the success of Material Extrusion Additive Manufacturing (MEX-AM) [1]. Viscoplastic materials, such as ceramic pastes [2,3], hydrogels [4], thermosets [5], and concrete [6], behave like solids when the applied load is below their yield stress, and like a fluid when the applied load exceeds their yield stress [7]. Viscoplastic materials are typically used in MEX-AM techniques such as Robocasting [8], and 3D concrete printing [9,10]. The differences between these technologies lie in the processing of the material before the extrusion and in the printing scale (from microscale to big area additive manufacturing). In these extrusion-based technologies, the structure is fabricated in a layer-by-layer approach onto a solid surface/support [11, 12]. During the process, the material is typically deposited on top of the previously printed layers that may be already solidified (wet-on-dry printing) or still deformable (wet-on-wet printing) [1]. In wet-on-wet printing, control over the deformation of layers is important for the stability and geometrical accuracy of the prints. If the material is too liquid after the deposition, it cannot support the pressure of the subsequently deposited layers. On the other hand, the material flowability is a necessity during extrusion through the nozzle. Several experimental studies have been performed to analyze the physics of the extrusion and deposition of viscoplastic materials, as reviewed in Refs. [13–16]. The experimental measurements can be supplemented with Computational Fluid Dynamics (CFD) simulations to gain a more complete picture of MEX-AM. A review of the CFD studies within the material processing and deposition in 3D concrete printing was presented by Roussel et al. [17]. Wolfs et al. [18] predicted numerically the failure-deformation of a cylindrical structure due to the self-weight by calculating the stiffness and strength of the individual layers. It was found that the deformations can take place in all layers, however the most critical deformation occurs in the bottom layer. Comminal et al. [19,20] presented three-dimensional simulations of the material deposition in MEX-AM, where the fluid was approximated as Newtonian. Subsequently, the model was experimentally validated in Ref. [21] for polymer-based MEX-AM, and extended to simulate the deposition of multiple layers in Ref. [22], where the previously printed material was assumed solid. Xia et al. [23] simulated the influence of the viscoelastic effects on the shape of deposited layers in MEX-AM. A numerical model for simulating the deposition of a viscoplastic material was recently presented and experimentally validated in Refs. [24] and [25]. These studies focused on predicting the cross-sectional shape of a single printed layer for different processing conditions (relative printing speed, and layer height). Despite these research efforts, a limited number of studies have focused on investigating the material deformations in wet-on-wet printing when multiple layers are deposited on top of each other. This paper presents CFD simulations of the extrusion-deposition flow of a viscoplastic material for several subsequent layers (viz. three- and five-layers). The material is continuously printed one layer over another on a fixed solid surface. The rheology of the viscoplastic material is approximated by the Bingham constitutive equation that is formulated using the Generalized Newtonian Fluid (GNF) model. The CFD model is used to predict the cross-sectional shapes of the layers and their deformations while printing the next layers on top. Moreover, the simulations are used to quantify the extrusion pressure applied by the deposited material on the substrate, and the previously printed layers. Numerically, it is investigated how the process parameters (i.e., the extrusion speed, printing speed, nozzle diameter, and layer height) and the material rheology affect the deformations of the deposited layers. Section 2 describes the methodology of the study. Section 3 presents and discusses the results. The study is summarized and concluded in Section 4.
References
[1] R.A. Buswell, W.R. Leal De Silva, S.Z. Jones, J. Dirrenberger, 3D printing using concrete extrusion: a roadmap for research, Cem. Concr. Res. 112 (2018) 37–49. [2] Z. Chen, Z. Li, J. Li, C. Liu, C. Lao, Y. Fu, C. Liu, Y. Li, P. Wang, Y. He, 3D printing of ceramics: a review, J. Eur. Ceram. Soc. 39 (4) (2019) 661–687. [3] A. Bellini, L. Shor, S.I. Guceri, New developments in fused deposition modeling of ceramics, Rapid Prototyp. J. 11 (4) (2005) 214–220. [4] S. Aktas, D.M. Kalyon, B.M. Marín-Santib´ anez, ˜ J. P´erez-Gonzalez, ´ Shear viscosity and wall slip behavior of a viscoplastic hydrogel, J. Rheol. 58 (2) (2014) 513–535. [5] J. Lindahl, A. Hassen, S. Romberg, B. Hedger, P. Hedger Jr., M. Walch, T. Deluca, W. Morrison, P. Kim, A. Roschli, D. Nuttall, Large-scale Additive Manufacturing with Reactive Polymers, Oak Ridge National Lab.(ORNL), Oak Ridge, TN (United States), 2018. [6] V.N. Nerella, V. Mechtcherine, Studying the printability of fresh concrete for formwork-free Concrete onsite 3D Printing Technology (CONPrint3D), 3D Concr. Print. Technol. (2019) 333–347. [7] C. Tiu, J. Guo, P.H.T. Uhlherr, Yielding behaviour of viscoplastic materials, J. Ind. Eng. Chem. 12 (5) (2006) 653–662. [8] B. Dietemann, F. Bosna, M. Lorenz, N. Travitzky, H. Kruggel-Emden, T. Kraft, C. Bierwisch, Modeling robocasting with smoothed particle hydrodynamics: printing gapspanning filaments, Addit. Manuf. 36 (2020), 101488. [9] B. Khoshnevis, R. Russell, H. Kwon, S. Bukkapatnam, Contour crafting – a layered fabrication, Spec. Issue IEEE Robot. Autom. Mag. 8 (3) (2001) 33–42. [10] D. Asprone, F. Auricchio, C. Menna, V. Mercuri, 3D printing of reinforced concrete elements: technology and design approach, Constr. Build. Mater. 165 (2018) 218–231. [11] J. Jiang, Y. Ma, Path planning strategies to optimize accuracy, quality, build time and material use in additive manufacturing: a review, Micromachines 11 (7) (2020) 633. [12] J. Jiang, A novel fabrication strategy for additive manufacturing processes, J. Clean. Prod. 272 (2020), 122916. [13] F. Bos, R. Wolfs, Z. Ahmed, T. Salet, Additive manufacturing of concrete in construction: potentials and challenges, Virtual Phys. Prototyp. 11 (3) (2016) 209–225. [14] P. Wu, J. Wang, X. Wang, A critical review of the use of 3-D printing in the construction industry, Autom. Constr. 68 (2016) 21–31. [15] T.D. Ngo, A. Kashani, G. Imbalzano, K.T. Nguyen, D. Hui, Additive manufacturing (3D printing): a review of materials, methods, applications and challenges, Compos. Part B: Eng. 143 (2018) 172–196. [16] M. Valente, A. Sibai, M. Sambucci, Extrusion-based additive manufacturing of concrete products: revolutionizing and remodeling the construction industry, J. Compos. Sci. 3 (3) (2019) 88. [17] N. Roussel, J. Spangenberg, J. Wallevik, R. Wolfs, Numerical simulations of concrete processing: from standard formative casting to additive manufacturing, Cem. Concr. Res. 135 (2020), 106075. [18] R.J.M. Wolfs, F.P. Bos, T.A.M. Salet, Early age mechanical behaviour of 3D printed concrete: numerical modelling and experimental testing, Cem. Concr. Res. 106 (2018) 103–116. [19] R. Comminal, M.P. Serdeczny, D.B. Pedersen, J. Spangenberg, Numerical modeling of the strand deposition flow in extrusion-based additive manufacturing, Addit. Manuf. 20 (2018) 68–76. [20] R. Comminal, M.P. Serdeczny, D.B. Pedersen, J. Spangenberg, Numerical modeling of the material deposition and contouring precision in fused deposition modeling, in Proceedings of the 29th Annual International Solid Freeform Fabrication Symposium, Austin, TX, USA, 2018, pp. 1855–1864. [21] M.P. Serdeczny, R. Comminal, D.B. Pedersen, J. Spangenberg, Experimental validation of a numerical model for the strand shape in material extrusion additive manufacturing, Addit. Manuf. 24 (2018) 145–153. [22] M.P. Serdeczny, R. Comminal, D.B. Pedersen, J. Spangenberg, Numerical simulations of the mesostructure formation in material extrusion additive manufacturing, Addit. Manuf. 28 (2019) 419–429. [23] H. Xia, J. Lu, G. Tryggvason, A numerical study of the effect of viscoelastic stresses in fused filament fabrication, Comput. Methods Appl. Mech. Eng. 346 (2019) 242–259. [24] R. Comminal, W.R.L. da Silva, T.J. Andersen, H. Stang, J. Spangenberg, Influence of processing parameters on the layer geometry in 3D concrete printing: experiments and modelling, in: Proceedings of the Second RILEM International Conference on Concrete and Digital Fabrication, vol. 28, 2020, pp. 852–862. [25] R. Comminal, W.R.L. da Silva, T.J. Andersen, H. Stang, J. Spangenberg, Modelling of 3D concrete printing based on computational fluid dynamics, Cem. Concr. Res. 38 (2020), 106256. [26] E.C. Bingham, An investigation of the laws of plastic flow, US Bur. Stand. Bull. 13 (1916) 309–352. [27] N. Casson, A flow equation for pigment-oil suspensions of the printing ink type, Rheol. Disperse Syst. (1959) 84–104. [28] W.H. Herschel, R. Bulkley, Konsistenzmessungen von Gummi-Benzollosungen, ¨ Kolloid Z. 39 (1926) 291–300. [29] “FLOW-3D | We solve The World’s Toughest CFD Problems,” FLOW SCIENCE. 〈https://www.flow3d.com/〉. (Accessed 27 June 2020). [30] S. Jacobsen, R. Cepuritis, Y. Peng, M.R. Geiker, J. Spangenberg, Visualizing and simulating flow conditions in concrete form filling using pigments, Constr. Build. Mater. 49 (2013) 328–342. [31] E.J. O’Donovan, R.I. Tanner, Numerical study of the Bingham squeeze film problem, J. Non-Newton. Fluid Mech. 15 (1) (1984) 75–83. [32] C.W. Hirt, B.D. Nichols, Volume of fluid (VOF) method for the dynamics of free boundaries, J. Comput. Phys. 39 (1) (1981) 201–225. [33] R. Comminal, J. Spangenberg, J.H. Hattel, Cellwise conservative unsplit advection for the volume of fluid method, J. Comput. Phys. 283 (2015) 582–608. [34] A. Negar, S. Nazarian, N.A. Meisel, J.P. Duarte, Experimental prediction of material deformation in large-scale additive manufacturing of concrete, Addit. Manuf. 37 (2021), 101656.
다중 재료 재료 분사 적층 제조 공정은 3차원(3D) 부품을 레이어별로 구축하기 위해 다양한 모델 및 지지 재료의 미세 액적을 증착합니다.
최근의 노력은 액체가 마이크로/밀리 채널에서 쉽게 퍼지할 수 있는 지지 재료로 작용할 수 있고 구조에 영구적으로 남아 있는 작동 유체로 작용할 수 있음을 보여주었지만 인쇄 프로세스 및 메커니즘에 대한 자세한 이해가 부족합니다.
액체 인쇄의 제한된 광범위한 적용. 이 연구에서 광경화성 및 광경화성 액체 방울이 동시에 증착되는 액체-고체 공동 인쇄라고 하는 “한 번에 모두 가능한” 다중 재료 인쇄 프로세스가 광범위하게 특성화됩니다. 액체-고체 공동 인쇄의 메커니즘은 실험적인 고속 이미징 및 CFD(전산 유체 역학) 연구를 통해 설명됩니다.
이 연구는 액체의 표면 장력이 액체 표면에서 광중합하여 재료의 단단한 층을 형성하는 분사된 광중합체 미세 방울을 지지할 수 있음을 보여줍니다.
마이크로/밀리 유체 소자의 액체-고체 공동 인쇄를 위한 설계 규칙은 믹서, 액적 발생기, 고도로 분기되는 구조 및 통합된 단방향 플랩 밸브와 같은 평면, 3D 및 복합 재료 마이크로/메조 유체 구조에 대한 사례 연구뿐만 아니라 제시됩니다.
우리는 액체-고체 공동 인쇄 과정을 마이크로/메조플루이딕 회로, 전기화학 트랜지스터, 칩 장치 및 로봇을 포함한 응용 프로그램을 사용하여 3D, 통합된 복합 재료 유체 회로 및 유압 구조의 단순하고 빠른 제작을 가능하게 하는 적층 제조의 핵심 새로운 기능으로 구상합니다.
Multi-material material jetting additive manufacturing processes deposit micro-scale droplets of different model and support materials to build three-dimensional (3D) parts layer by layer. Recent efforts have demonstrated that liquids can act as support materials, which can be easily purged from micro/milli-channels, and as working fluids, which permanently remain in a structure, yet the lack of a detailed understanding of the print process and mechanism has limited widespread applications of liquid printing. In this study, an “all in one go” multi-material print process, herein termed liquid–solid co-printing in which non photo-curable and photo-curable liquid droplets are simultaneous deposited, is extensively characterized. The mechanism of liquid–solid co-printing is explained via experimental high speed imaging and computational fluid dynamic (CFD) studies. This work shows that a liquid’s surface tension can support jetted photopolymer micro-droplets which photo-polymerize on the liquid surface to form a solid layer of material. Design rules for liquid–solid co-printing of micro/milli-fluidic devices are presented as well as case studies of planar, 3D, and multi-material micro/mesofluidic structures such as mixers, droplet generators, highly branching structures, and an integrated one-way flap valve. We envision the liquid–solid co-printing process as a key new capability in additive manufacturing to enable simple and rapid fabrication of 3D, integrated print-in-place multi-material fluidic circuits and hydraulic structures with applications including micro/mesofluidic circuits, electrochemical transistors, lab-on-a-chip devices, and robotics.
Liquid-solid co-printing of multi-material 3D fluidic devices via material jetting
Keywords
Additive manufacturing; Mesofluidics; Modeling and simulation; Multi-material; Material jetting
A 3D numerical model of heat transfer and fluid flow of molten pool in the process of laser wire deposition was presented by computational fluid dynamics technique. The simulation results of the deposition morphology were also compared with the experimental results under the condition of liquid bridge transfer mode. Moreover, they showed a good agreement. Considering the effect of recoil pressure, the morphology of the deposit metal obtained by the simulation was similar to the experiment result. Molten metal at the wire tip was peeled off and flowed into the molten pool, and then spread to both sides of the deposition layer under the recoil pressure. In addition, the results of simulation and high-speed charge-coupled device presented that a wedge transition zone, with a length of ∼6 mm, was formed behind the keyhole in the liquid bridge transfer process, where the height of deposited metal decreased gradually. After solidification, metal in the transition zone retained the original melt morphology, resulting in a decrease in the height of the tail of the deposition layer.
Keywords
LWD, CFD, liquid bridge transfer, fluid dynamics, wedge transition zone
Fluid Thermodynamic Simulation of Ti-6Al-4V Alloy in Laser Wire DepositionFluid Thermodynamic Simulation of Ti-6Al-4V Alloy in Laser Wire Deposition
References
1. Matthews MJ, Guss G, Khairallah SA, et al. Denudation of metal powder layers in laser powder bed fusion processes. Acta Mater 2016;114:33–42. Crossref, Google Scholar
2. Ge WJ, Han SW, Fang YC, et al. Mechanism of surface morphology in electron beam melting of Ti6Al4V based on computational flow patterns. Appl Surf Sci 2017;419:150–158. Crossref, Google Scholar
3. Bai XW, Colegrove P, Ding JL, et al. Numerical analyswas of heat transfer and fluid flow in multilayer deposition of PAW-based wire and arc additive manufacturing. Int J Heat Mass Transf 2018;124:504–516. Crossref, Google Scholar
4. Torkamany MJ, Kaplan AFH, Ghaini FM. Wire deposition by a laser-induced boiling front. Opt Laser Technol 2015;69:104–112. Crossref, Google Scholar
5. Yu Y, Huang W, Wang G. Investigation of melting dynamics of filler wire during wire feed laser welding. J Mec Sci Technol 2013;27:1097–1108. Crossref, Google Scholar
6. Ma G, Li L, Chen Y. Effects of beam confgurations on wire melting and transfer behaviors in dual beam laser welding with fller wire. Opt Laser Technol 2017;91:138–148. Crossref, Google Scholar
7. Abioye TE, Folkes J, Clare AT. A parametric study of Inconel 625 wire laser deposition. J Mater Process Tech 2013;213:2145–2151. Crossref, Google Scholar
8. Wei S, Wang G, Shin YC, et al. Comprehensive modeling of transport phenomena in laser hot-wire deposition process. Int J Heat Mass Transf 2018;125:1356–1368. Crossref, Google Scholar
9. Gu H, Li L. Computational fluid dynamic simulation of gravity and pressure effects in laser metal deposition for potential additive manufacturing in space. Int J Heat Mass Transf 2019;140:51–65. Crossref, Google Scholar
10. Hu R, Luo M, Liu T, et al. Thermal fluid dynamics of liquid bridge transfer in laser wire deposition 3D printing. Sci Technolf Weld Join 2019;24:1–11. Google Scholar
11. Chatterjee D, Chakraborty S. A hybrid lattice Boltzmann model for solid–liquid phase transition in presence of fluid flow. Phys Lett A 2006;351:359–367. Crossref, Google Scholar
12. Wu L, Cheon J, Kiran DV, et al. CFD simulations of GMA welding of horizontal fillet joints based on coordinate rotation of arc models. J Mater Process Tech 2016;231:221–238. Crossref, Google Scholar
13. Gerhard W, Boyer RR, Collings EW. Materials Properties Handbook: Titanium Alloys. ASM International: Almere, The Netherlands, 1994. Google Scholar
14. Colegrove P, Simiand PE, Varughese A, et al. Evaluation of a drilling model approach to represent laser spot microwelding. In: ASM Proceedings of the international conference: trends in welding research; 2009. Google Scholar
15. Boivineau M, Cagran C, Doytier D, et al. Thermophysical properties of solid and liquid Ti-6Al-4V (TA6V) alloy. Int J Thermophys 2006;27:507–529. Crossref, Google Scholar
16. Shejndlin AE, Kenisarin MM, Chekhovskoj VY. Melting point of yttrium oxide. AN SSSR 1974;216:582–584. Google Scholar
17. Cho JH, Na SJ. Teflection and Fresnel absorption of laser beam in keyhole. J Phys D Appl Phys 2006;39:5372–5378. Crossref, Google Scholar
18. Han SW, Ahn J, Na SJ. A study on ray tracing method for CFD simulations of laser keyhole welding: Progressive search method. Weld World 2016;60:247–258. Crossref, Google Scholar
19. Allmen MV. Laser-Beam Interactions with Materials. Springer, Berlin-Heidelberg, 1995. Google Scholar
20. Dobson PJ. Absorption and scattering of light by small particles. Phys Bull 1984;35:104. Crossref, Google Scholar
21. Greses J, Hilton PA, Barlow CY. Plume attenuation under high power Nd:yttritium aluminum garnet laser welding. J Laser Appl 2004;16:9–15. Crossref, Google Scholar
22. Shcheglov PY, Uspenskiy SA, Gumenyuk AV, et al. Plume attenuation of laser radiation during high power fiber laser welding. Laser Phys Lett 2011;8:475–480. Crossref, Google Scholar
23. Yang P, Liou KN. Effective refractive index for determining ray propagation in an absorbing dielectric particle. J Quant Spectrosc Radiat Transf 2009;110:300–306. Crossref, Google Scholar
24. Barber PW. Absorption and scattering of light by small particles. J Colloid Interface Sci 1984;98:290–291. Google Scholar
25. Hu ZR, Chen X, Yang G, et al. Metal transfer in wire feeding-based electron beam 3D printing: Modes, dynamics, and transition criterion. Int J Heat Mass Transf 2018;126:877–887. Crossref, Google Scholar
26. David SA, Babu SS, Vitek JM. Welding: Solidification and microstructure. JOM 2013;55:14–20. Crossref, Google Scholar
27. Zhong ML, Liu W. Laser surface cladding: The state of the art and challenges. Proc Inst Mech Eng Part C J Mech Eng Sci 2010;224:1041–1060. Crossref, Google Scholar
28. Kobryn PA, Semiatin S. Microstructure and texture evolution during solidification processing of Ti-6Al-4V. J Mater Process Technol 2003;135:330–339. Crossref, Google Scholar
29. Debroy T, David S. Physical processes in fusion welding. Rev Mod Phys 1995;67:85–112. Crossref, Google Scholar
30. Lee YS, Nordin M, Babu SS, et al. Effect of fluid convection on dendrite arm spacing in laser deposition. Metall Trans B 2014;45:1520–1528. Crossref, Google Scholar
31. Rappaz M, David SA, Vitek JM, et al. Development of microstructures in Fe15Ni15Cr single crystal electron beam welds. Metall Trans A 1989;20:1125–1138. Crossref, Google Scholar
Parshall Flumes의 효율성 향상을 위한 수치 및 실험 모델링의 적용: 최신 기술 검토
Mehdi Heyrani 1,* , Abdolmajid Mohammadian 1, Ioan Nistor 1 and Omerul Faruk Dursun 2
Abstract
열린 채널에서 흐름을 관리하는 기본 단계 중 하나는 속성을 결정하는 것입니다. 개방 수로의 흐름에 관한 추가 정보를 제공하기 위해 경험적 방정식이 개발되었습니다. 이러한 실험 방정식을 얻는 것은 비용과 시간이 많이 소요됩니다. 따라서 대체 솔루션이 모색되었습니다.
지난 세기 동안 움직이는 부분이 없는 정적 측정 장치인 Parshall 수로가 개방 수로의 흐름을 측정하는 데 중요한 역할을 했습니다. 많은 연구자들이 관개 및 폐수 관리와 같은 다양한 분야에서 Parshall 수로의 적용을 연구하는 데 관심을 집중해 왔습니다.
여러 학자들이 실험 결과를 사용하여 Parshall 수로의 등급 방정식을 향상시켰지만 다른 학자들은 수치 시뮬레이션을 사용하여 높이-방전 관계 방정식을 재보정하기 위해 대체 데이터 소스를 사용했습니다. 컴퓨팅 하드웨어가 지난 수십 년 동안 크게 발전하여 과거에 경험했던 제한된 해상도를 뛰어넘는 것이 가능해짐에 따라 CFD(Computational Fluid Dynamic) 소프트웨어가 오늘날 대중화되고 있습니다.
여러 CFD 모델은 가용성에 따라 오픈 소스 또는 상업적으로 허가되어 수위 결과를 생성하기 위해 다양한 구성의 수로, 특히 Parshall 수로에 대한 수치 시뮬레이션을 수행하는 데 사용되었습니다.
FLOW-3D, Ansys Fluent, OpenFOAM 등 지금까지 사용되어 온 다양한 CFD 도구에 대해 실험 데이터로 정밀 교정한 결과, 출력이 안정적이고 실제 시나리오에 구현할 수 있음이 확인되었습니다.
결과를 생성하기 위해 이 기술을 사용하는 이점은 필요한 경우 유속 또는 구조적 형상과 같은 초기 조건을 조정하는 CFD 접근 방식의 능력입니다. 수로 크기와 수로가 위치한 부지의 조건과 관련하여 상황에 적합한 특정 Parshall 수로로 선택이 좁혀집니다.
표준 Parshall 수로를 선택하는 것이 항상 가능한 것은 아닙니다. 따라서 엔지니어는 가장 가까운 수로 크기에 약간의 수정을 제공하고 정확한 유량을 생성하기 위해 새로운 등급 곡선을 제공합니다.
이 검토는 기존 등급 방정식을 향상시키거나 구조의 기하학에 대한 추가 수정을 제안하기 위해 Parshall 수로에서 수치 시뮬레이션 및 물리적 실험 데이터의 적용을 목표로 하는 여러 학자의 작업에 대해 수행되었습니다.
One of the primary steps in managing the flow in an open channel is determining its properties. Empirical equations are developed to provide further information regarding the flow in open channels. Obtaining such experimental equations is expensive and time consuming; therefore, alternative solutions have been sought. Over the last century, the Parshall flume, a static measuring device with no moving parts, has played a significant role in measuring the flow in open channels. Many researchers have focused their interest on studying the application of Parshall flumes in various fields like irrigation and wastewater management. Although various scholars used experimental results to enhance the rating equation of the Parshall flume, others used an alternative source of data to recalibrate the height–discharge relation equation using numerical simulation. Computational Fluid Dynamic (CFD) software is becoming popular nowadays as computing hardware has advanced significantly within the last few decades, making it possible to go beyond the limited resolution that was experienced in the past. Multiple CFD models, depending on their availability, either open-source or commercially licensed, have been used to perform numerical simulations on different configurations of flumes, especially Parshall flumes, to produce water level results. Regarding various CFD tools that have been used, i.e., FLOW-3D, Ansys Fluent, or OpenFOAM, after precise calibration with experimental data, it has been determined that the output is reliable and can be implemented to the actual scenarios. The benefit of using this technique to produce results is the ability of the CFD approach to adjust the initial conditions, like flow velocity or structural geometry, where necessary. With respect to channel size and the condition of the site where the flume is located, the choices are narrowed to the specific Parshall flume suitable to the situation. It is not always possible to select the standard Parshall flume; therefore, engineers provide some modification to the closest flume size and provide a new rating curve to produce accurate flowrates. This review has been performed on the works of a number of scholars who targeted the application of numerical simulation and physical experimental data in Parshall flumes to either enhance the existing rating equation or propose further modification to the structure’s geometry.
Keywords
Parshall flume; CFD; OpenFOAM; FLOW-3D; numerical simulation; turbulence model
Figure 1. Parshall flume measuring structure, installed [2].Figure 2. Parshall flume measuring structure, uninstalled [3]Figure 4. Mesh sensitivity analysis: top view and side view of the Parshall flume: (a) contains 27,000 cells;
(b) 52,000 cells; (c) 75,000 cells; (d) 270,000 cells. The C setup was used in their simulation [7].Figure 7. The simulated velocity (a) and simulated pressure pattern (b) across the Parshall flume.
The patterns match the physical behavior of actual Parshall flumes [7]. Figure 8. Computational grid system in the Side A flume. (a) contains a triangular grid system (b)
demonstrates the rectangular grid system. (c) and (d) are three-dimensional schematics showing the
superimposed grid system. (e) magnifies the dashed section in (b). (Reprinted with permission from
Ref. [11]. 2020 ELSEVIER). ). Figure 10. The results of flow patterns in different flumes; (a) Cutthroat flume, (b) airfoil-shaped
flume, (c) airfoil pillar-shaped flume, (d) optimized airfoil-shaped flume [23]Figure 11. Experimental setup: contraction ratio used on each flume [23].Figure 12. Entire flume geometry [25]
References
Cone, V.M. The Venturi Flume; U.S. Government Printing Office: Washington, DC, USA, 1917.
20-Foot Concrete Parshall Flume with Radius Wing Walls. Available online: https://www.openchannelflow.com/assets/uploads/ media/_large/20-foot-parshall-flume-curved-wing-walls.jpg (accessed on 12 January 2021).
Fiberglass 6-Inch Parshall Flume with Gauge. Available online: https://www.openchannelflow.com/assets/uploads/media/ _large/flume-parshall-6-inch-fiberglass.png (accessed on 12 January 2021).
Parshall, R.L. The Parshall Measuring Flume; Colorado State College, Colorado Experiment Station: Fort Collins, CO, USA, 1936.
Selecting Between a Weir and a Flume. 2022. Available online: https://www.openchannelflow.com/blog/selecting-a-primarydevice-part-1-choosing-between-a-weir-and-a-flume (accessed on 29 December 2021).
Heyrani, M.; Mohammadian, A.; Nistor, I. Numerical Simulation of Flow in Parshall Flume Using Selected Nonlinear Turbulence Models. Hydrology 2021, 8, 151. [CrossRef]
Heyrani, M.; Mohammadian, A.; Nistor, I.; Dursun, O.F. Numerical Modeling of Venturi Flume. Hydrology 2021, 8, 27. [CrossRef]
Alfonsi, G. Reynolds-Averaged Navier–Stokes Equations for Turbulence Modeling. Appl. Mech. Rev. 2009, 62, 040802. [CrossRef]
Imanian, H.; Mohammadian, A. Numerical Simulation of Flow over Ogee Crested Spillways under High Hydraulic Head Ratio. Eng. Appl. Comput. Fluid Mech. 2019, 13, 983–1000. [CrossRef]
Khosronejad, A.; Herb, W.; Sotiropoulos, F.; Kang, S.; Yang, X. Assessment of Parshall Flumes for Discharge Measurement of Open-Channel Flows: A Comparative Numerical and Field Case Study. Measurement 2020, 167, 108292. [CrossRef]
Dursun, O.F. An Experimental Investigation of the Aeration Performance of Parshall Flume and Venturi Flumes. KSCE J. Civ. Eng. 2016, 20, 943–950. [CrossRef]
Shih, T.-H.; Liu, N.-S.; Chen, K.-H. A Non-Linear k-Epsilon Model for Turbulent Shear Flows. In Proceedings of the 34th AIAA/ASME/SAE/ASEE Joint Propulsion Conference and Exhibit, Cleveland, OH, USA, 13 July 1998; p. 3983.
Lien, F.S. Low-Reynolds-Number Eddy-Viscosity Modelling Based on Non-Linear Stress-Strain/Vorticity Relations. In Proceedings of the 3rd Symposium on Engineering Turbulence Modelling and Measurement, Heraklion, Greece, 27 May 1996.
Davis, R.W.; Deutsch, S. A Numerical-Experimental Study of Parhall Flumes. J. Hydraul. Res. 1980, 18, 135–152. [CrossRef]
Xiao, Y.; Wang, W.; Hu, X.; Zhou, Y. Experimental and Numerical Research on Portable Short-Throat Flume in the Field. Flow Meas. Instrum. 2016, 47, 54–61. [CrossRef]
Wright, S.J.; Tullis, B.P.; Long, T.M. Recalibration of Parshall Flumes at Low Discharges. J. Irrig. Drain. Eng. 1994, 120, 348–362. [CrossRef]
Savage, B.M.; Heiner, B.; Barfuss, S. Parshall Flume Discharge Correction Coefficients through Modelling. Proc. ICE Water Manag. 2013, 167, 279–287. [CrossRef]
Zerihun, Y.T. A Numerical Study on Curvilinear Free Surface Flows in Venturi Flumes. Fluids 2016, 1, 21. [CrossRef]
Sun, B.; Zhu, S.; Yang, L.; Liu, Q.; Zhang, C.; Zhang, J. ping Experimental and Numerical Investigation of Flow Measurement Mechanism and Hydraulic Performance on Curved Flume in Rectangular Channel. Arab. J. Sci. Eng. 2020. [CrossRef]
Hu, H.; Huang, J.; Qian, Z.; Huai, W.; Yu, G. Hydraulic Analysis of Parabolic Flume for Flow Measurement. Flow Meas. Instrum. 2014, 37, 54–64. [CrossRef]
Sun, B.; Yang, L.; Zhu, S.; Liu, Q.; Wang, C.; Zhang, C. Study on the Applicability of Four Flumes in Small Rectangular Channels. Flow Meas. Instrum. 2021, 80, 101967. [CrossRef]
Willeitner, R.P.; Barfuss, S.L.; Johnson, M.C. Using Numerical Modeling to Correct Flow Rates for Submerged Montana Flumes. J. Irrig. Drain. Eng. 2013, 139, 586–592. [CrossRef]
Ran, D.; Wang, W.; Hu, X. Three-Dimensional Numerical Simulation of Flow in Trapezoidal Cutthroat Flumes Based on FLOW-3D. Front. Agric. Sci. Eng. 2018, 5, 168–176. [CrossRef]
Kim, S.-Y.; Lee, J.-H.; Hong, N.-K.; Lee, S.-O. Numerical Simulation for Determining Scale of Parshall Flume. Proc. Korea Water Resour. Assoc. Conf. 2010, 719–723.
Tekade, S.A.; Vasudeo, A.D.; Ghare, A.D.; Ingle, R.N. Measurement of Flow in Supercritical Flow Regime Using Cutthroat Flumes. Sadhana 2016, 41, 265–272. [CrossRef]
Wahl, T.L.; Replogle, J.A.; Wahlin, B.T.; Higgs, J.A. New Developments in Design and Application of Long-Throated Flumes. In Proceedings of the Joint Conference on Water Resource Engineering and Water Resources Planning and Management, Minneapolis, MN, USA, 30 July–2 August 2000.
Howes, D.J.; Burt, C.M.; Sanders, B.F. Subcritical Contraction for Improved Open-Channel Flow Measurement Accuracy with an Upward-Looking ADVM. J. Irrig. Drain. Eng. 2010, 136, 617–626. [CrossRef]
Tiwari, N.K.; Sihag, P. Prediction of Oxygen Transfer at Modified Parshall Flumes Using Regression Models. ISH J. Hydraul. Eng. 2020, 26, 209–220. [CrossRef]
Thornton, C.I.; Smith, B.A.; Abt, S.R.; Robeson, M.D. Supercritical Flow Measurement Using a Small Parshall Flume. J. Irrig. Drain. Eng. 2009, 135, 683–692. [CrossRef]
Cox, A.L.; Thornton, C.I.; Abt, S.R. Supercritical Flow Measurement Using a Large Parshall Flume. J. Irrig. Drain. Eng. 2013, 139, 655–662. [CrossRef]
Ribeiro, Á.S.; Sousa, J.A.; Simões, C.; Martins, L.L.; Dias, L.; Mendes, R.; Martins, C. Parshall Flumes Flow Rate Uncertainty Including Contributions of the Model Parameters and Correlation Effects. Meas. Sens. 2021, 18, 100108. [CrossRef]
Singh, J.; Mittal, S.K.; Tiwari, H.L. Discharge Relation for Small Parshall Flume in Free Flow Condition. Int. J. Res. Eng. Technol. 2014, 3, 317–321.
Kim, S.-D.; Lee, H.-J.; Oh, B.-D. Investigation on Application of Parshall Flume for Flow Measurement of Low-Flow Season in Korea. Meas. Sci. Rev. 2010, 10, 111. [CrossRef]
바이오프린팅은 세포가 실린 스캐폴드의 제조를 위한 유력한 기술로 발전했습니다. 바이오잉크는 바이오프린팅의 가장 중요한 구성요소입니다. 최근 마이크로겔은 세포 보호 및 세포 미세 환경 제어를 가능하게 하는 매우 유망한 바이오 잉크로 도입되었습니다. 그러나 이들의 미세유체 제작은 본질적으로 한계가 있는 것으로 보입니다.
여기에서 우리는 안정적인 스캐폴드에 직접 유입되는 바이오프린팅과 함께 세포가 실린 마이크로겔의 미세유체 생산을 위한 미세유체 및 3D 인쇄의 직접 결합을 소개합니다. 방법론은 세포를 단분산 미세 방울로 연속 온칩 캡슐화하여 후속 유입 교차 연결을 통해 세포가 함유된 마이크로겔을 생성할 수 있으며, 이는 미세관을 종료한 후 자동으로 얇은 연속 마이크로겔 필라멘트로 끼이게 됩니다.
3D 프린트 헤드로의 통합으로 독립형 3차원 스캐폴드에 필라멘트를 직접 유입 인쇄할 수 있습니다. 이 방법은 다양한 교차 연결 방법 및 세포주에 대해 설명됩니다. 이러한 발전으로 미세유체학은 더 이상 바이오 제조의 병목을 초래하는 현상이 아닙니다.
Bioprinting has evolved into a thriving technology for the fabrication of cell-laden scaffolds. Bioinks are the most critical component for bioprinting. Recently, microgels have been introduced as a very promising bioink enabling cell protection and the control of the cellular microenvironment. However, their microfluidic fabrication inherently seemed to be a limitation. Here we introduce a direct coupling of microfluidics and 3D-printing for the microfluidic production of cell-laden microgels with direct in-flow bioprinting into stable scaffolds. The methodology enables the continuous on-chip encapsulation of cells into monodisperse microdroplets with subsequent in-flow cross-linking to produce cell-laden microgels, which after exiting a microtubing are automatically jammed into thin continuous microgel filaments. The integration into a 3D printhead allows direct in-flow printing of the filaments into free-standing three-dimensional scaffolds. The method is demonstrated for different cross-linking methods and cell lines. With this advancement, microfluidics is no longer a bottleneck for biofabrication.
Fig. 1: Three-dimensional schematic view of the multilayer double 3D-focusing microfluidic channel
system, (b) control of droplet diameter via the Capiilary number Ca, and accessible hydrodynamic regimes
for droplet production: squeezing (c), dripping (d) and jetting (e). The scale bars are 200 µm. Fig. 2: Scheme of the LED photo-crosslinking and 3D-printing section of the microfluidic/3D-printing
device. The droplet train is transferred from the chip microchannel into a microtubing in a straight section
with nearly identical inner channel and inner microtubing diameter. Further downstream, the microtubing
passes an LED-section for fast photo cross-linking to generate the microgels. This section is contained in
an aluminum encasing to avoid premature crosslinking of polymer precursor in upstream channel sections
by stray light. Subsequently, the microtubing is integrated into a 3D-printhead, where the microgels are
jammed into a filament that is directly 3D-printed into the scaffold. Fig. 3: a) Photograph of a standard meander-shaped layer fabricated by microgel filament deposition
printing. The lines have a thickness of 300 µm. b) photograph of a cross-bar pattern obtained by on-top
deposition of several microgel filaments. The average linewidth is 1 mm. c) photograph of a donut-shaped
microgel construct. The microgels have been fluorescently labelled by FITC-dextran to demonstrate the
intrinsic microporosity corresponding to the black non-fluorescent regions, d) light microscopy image of
a construct edge showing that fused adhesive microgels form a continuous, three-dimensional selfsupporting scaffold with intrinsic micropores. Fig. 4: a) Scheme of the perfusion chamber consisting of an upstream and downstream chamber, perfusion
ports, and removable scaffolds to stabilize the microgel construct during 3D-printing, b) photograph of a
microgel construct in the perfusion chamber directly after printing and removal of the scaffolds, c)
confocal microscopy image of the permeation front of a fluorescent dye, where the high dye concentration
in the micropores can be clearly seen, d) confocal microscopy image of YFP-labelled HEK-cells within a
microgel construct. Fig. 5: a) Layer-by-layer printing of microgel construct with integrated perfusion channel. After printing
of the first layer, a hollow perfusion channel is inserted. Subsequently, the second and third layers are
printed. b) The construct is directly printed into a perfusion chamber. The perfusion chamber provides
whole construct permeation via flows cin and cout, as well as independent flow through the perfusion
channel via flows vin and vout. c) Photograph of a perfusion chamber containing the construct directly after
printing. The flow of the fluorescein solution through the integrated PVA hollow channel is clearly visible.Fig. 6: a) Photograph of an alginate capsule fiber formed after exiting the microtube. b) Confocal
fluorescence microscopy image of part of a 3D-printed alginate capsule construct. The fluorescence arises
from encapsulated fluorescently labelled polystyrene microbeads to demonstrate the integrity and stability
of the alginate capsules.
Keywords
biomaterials, microgels, microfluidics, 3D printing, bioprinting
References
A. Atala, Chem. Rev. 2020, 120, 10545-10546.
J. Groll, J. A. Burdick, D. W. Cho, B. Derby, M. Gelinsky, S. C. Heilshorn, T. Jüngst, J. Malda, V. A Mironov, K. Nakayama, A. Ovisanikov, W. Sun, S. Takeuchi, J. J. Yoo, T. B. F. Woodfield, Biofabrication 2019, 11, 013001.
W. Sun, B. Starly, A. C. Daly, J. A. Burdick, J. Groll, G. Skeldon, W. Shu, Y. Sakai, M. Shinohara, M. Nishikawa, J. Jang, D.-W. Cho, M. Nie, S. Takeuchi, S. Ostrovidov, A. Khademhosseini, R. D. Kamm, V. Mironov, L. Moroni, I. T. Ozbolat, Biofabrication 2020, 12, 022002.
R. Levato, T. Juengst, R. G. Scheuring, T. Blunk, J. Groll, J. Malda, Adv. Mater. 2020, 32, 1906423.
C. B. Highley, K. H. Song, A. C. Daly, J. A. Burdick, Adv. Sci. 2019, 6, 1801076.
D. Velasco, E. Tumarkin, E. Kumacheva, Small 2012, 8, 1633-1642.
W. Jiang, M. Li, Z. Chen, K. W. Leong, Lab Chip 2016, 16, 4482-4506.
A. C. Daly, L. Riley, T. Segura, J. A. Burdick, Nat. Rev. 2020, 5, 20-43.
A. S. Mao, B. Özkale, N. J. Shah, K. H. Vining, T. Descombes, L. Zhang, C. M. Tringides, S.-W. Wong, J.-W. Shin, D. T. Scadden, D. A. Weitz, D. J. Mooney, Proc. Natl. Acad. Sci. 2019, 116, 15392-15397.
S. R. Pajoumshariati, M. Azizi, D. Wesner, P. G. Miller, M. L. Shuler, A. Abbaspourrad, ACS Appl. Mater. Interfaces 2018, 10, 9235-9246.
A. S. Mao, J.-W. Shin, S. Utech, H. Wang, O. Uzun, W. Li, M. Cooper, Y. Hu, L. Zhang, D. A. Weitz, D. J. Mooney, Nat. Mater. 2017, 16, 236-243.
P. S. Lienemann, T. Rossow, A. S. Mao, Q. Vallmajo-Martin, M. Ehrbar, D. J. Mooney, Lab Chip, 2017, 17, 727.
F. Chen, J. Xue, J. Zhang, M. Bai, X. Yu, X.; C. Fan, Y. Zhao, J. Am. Chem. Soc. 2020, 142, 2889-2896.
Q. Feng, Q. Li, H. Wen, J. Chen, M. Liang, H. Huang, D. Lan, H. Dong, X. Cao, Adv. Funct. Mater., 2019, 29, 1096690.
L. P. B. Guerzoni, T. Yoshinari, D. B. Gehlen, D. Rommel, T. Haraszti, M. Akashi, L. De Laporte, Biomacromolecules 2019, 20, 3746-3754
T. Rossow, J. A. Heyman, A. J. Ehrlicher, A. Langhoff, D. A. Weitz, R. Haag, S. Seiffert, J. Am. Chem. Soc. 2012, 134, 4983-4989.
E. Kapourani, F. Neumann, K. Achazi, J. Dernedde, R. Haag, Macromol. Bioscience 2018, 18,1800116
H. Wang, H. Liu, H. Liu, W. Su, W. Chen, J. Qin, Adv. Mater. Technol. 2019, 4, 1800632.
C. Fan, S.-H. Zhan, Z.-X. Dong, W. Yang, W.-S. Deng, X. Liu, P. Suna, D.-A. Wang, Mater. Sci. Eng. C 2019, 108, 110399.
A. M. Compaan, K. Song, W. Chai, Y. Huang, ACS Appl. Mater. Interfaces 2020, 12, 7855-7868.
S. L. Anna, H. C. Mayer, Phys. Fluids 2006, 18, 121512.
T. Ward, M. Faivre, M. Abkarian, H. A. Stone, Electrophoresis 2005, 26, 3716-3724.
F. Lapierre, N. Wu, Y. Zhu, Proc. SPIE 2011, 8204, 82040H-1.
C. A. Stan, S. K. Y. Tang, G. M. Whitesides, Anal. Chem. 2009, 81, 2399-2402.
J. Tan, J. H. Xu, S. W. Li, G. S. Luo, Chem. Eng. J. 2008, 136, 306-311.
R.-C. Luo, C.-H. Chen, Soft 2012, 1, 1-23.
C. H. Choi, J. H. Jung, T. S. Hwang, C. S. Lee, Macromol. Res. 2009, 17, 163-167.
A. J. D. Krüger, O. Bakirman, P. B. Guerzoni, A. Jans, D. B. Gehlen, D. Rommel, T. Haraszti, A. J. C. Kuehne, L. De Laporte, Adv. Mater. 2019, 31, 1903668.
D. B. Kolesky, K. A. Homan, M. A. Skylar-Scott, J. A. Lewis, Proc. Natl. Acad. Sci. 2016, 113, 3179-3184
A. K. Miri, I. Mirzaee, S. Hassan, S. M. Oskui, D. Nieto, A. Khademhosseini, Y. S. Zhang, Lab Chip 2019, 19, 2019.
F. A. Plamper, W. Richtering Acc. Chem. Res. 2017, 50, 131-140.
S. Sun, M. Li, A. Liu, Int. J. Adhesion Adhesives 2013, 41, 98-106.
레이저 분말 베드 퓨전(L-PBF) 적층 제조(AM)는 우수한 기계적 특성으로 그물 모양에 가까운 복잡한 부품을 생산할 수 있습니다. 그러나 빌드 실패 및 다공성과 같은 결함으로 이어지는 원치 않는 잔류 응력 및 왜곡이 L-PBF의 광범위한 적용을 방해하고 있습니다.
L-PBF의 잠재력을 최대한 실현하기 위해 잔류 변형, 용융 풀 및 다공성 형성을 예측하는 다중 규모 모델링 방법론이 개발되었습니다. L-PBF의 잔류 변형 및 응력을 부품 규모에서 예측하기 위해 고유 변형 방법을 기반으로 하는 다중 규모 프로세스 모델링 프레임워크가 제안됩니다.
고유한 변형 벡터는 마이크로 스케일에서 충실도가 높은 상세한 다층 프로세스 시뮬레이션에서 추출됩니다. 균일하지만 이방성인 변형은 잔류 왜곡 및 응력을 예측하기 위해 준 정적 평형 유한 요소 분석(FEA)에서 레이어별로 L-PBF 부품에 적용됩니다.
부품 규모에서의 잔류 변형 및 응력 예측 외에도 분말 규모의 다중물리 모델링을 수행하여 공정 매개변수, 예열 온도 및 스패터링 입자에 의해 유도된 용융 풀 변동 및 결함 형성을 연구합니다. 이러한 요인과 관련된 용융 풀 역학 및 다공성 형성 메커니즘은 시뮬레이션 및 실험을 통해 밝혀졌습니다.
제안된 부품 규모 잔류 응력 및 왜곡 모델을 기반으로 경로 계획 방법은 큰 잔류 변형 및 건물 파손을 방지하기 위해 주어진 형상에 대한 레이저 스캐닝 경로를 조정하기 위해 개발되었습니다.
연속 및 아일랜드 스캐닝 전략을 위한 기울기 기반 경로 계획이 공식화되고 공식화된 컴플라이언스 및 스트레스 최소화 문제에 대한 전체 감도 분석이 수행됩니다. 이 제안된 경로 계획 방법의 타당성과 효율성은 AconityONE L-PBF 시스템을 사용하여 실험적으로 입증되었습니다.
또한 기계 학습을 활용한 데이터 기반 프레임워크를 개발하여 L-PBF에 대한 부품 규모의 열 이력을 예측합니다. 본 연구에서는 실시간 열 이력 예측을 위해 CNN(Convolutional Neural Network)과 RNN(Recurrent Neural Network)을 포함하는 순차적 기계 학습 모델을 제안합니다.
유한 요소 해석과 비교하여 100배의 예측 속도 향상이 달성되어 실제 제작 프로세스보다 빠른 예측이 가능하고 실시간 온도 프로파일을 사용할 수 있습니다.
Laser powder bed fusion (L-PBF) additive manufacturing (AM) is capable of producing complex parts near net shape with good mechanical properties. However, undesired residual stress and distortion that lead to build failure and defects such as porosity are preventing broader applications of L-PBF. To realize the full potential of L-PBF, a multiscale modeling methodology is developed to predict residual deformation, melt pool, and porosity formation. To predict the residual deformation and stress in L-PBF at part-scale, a multiscale process modeling framework based on inherent strain method is proposed.
Inherent strain vectors are extracted from detailed multi-layer process simulation with high fidelity at micro-scale. Uniform but anisotropic strains are then applied to L-PBF part in a layer-by-layer fashion in a quasi-static equilibrium finite element analysis (FEA) to predict residual distortion and stress. Besides residual distortion and stress prediction at part scale, multiphysics modeling at powder scale is performed to study the melt pool variation and defect formation induced by process parameters, preheating temperature and spattering particles. Melt pool dynamics and porosity formation mechanisms associated with these factors are revealed through simulation and experiments.
Based on the proposed part-scale residual stress and distortion model, path planning method is developed to tailor the laser scanning path for a given geometry to prevent large residual deformation and building failures. Gradient based path planning for continuous and island scanning strategy is formulated and full sensitivity analysis for the formulated compliance- and stress-minimization problem is performed.
The feasibility and effectiveness of this proposed path planning method is demonstrated experimentally using the AconityONE L-PBF system. In addition, a data-driven framework utilizing machine learning is developed to predict the thermal history at part-scale for L-PBF.
In this work, a sequential machine learning model including convolutional neural network (CNN) and recurrent neural network (RNN), long shortterm memory unit, is proposed for real-time thermal history prediction. A 100x prediction speed improvement is achieved compared to the finite element analysis which makes the prediction faster than real fabrication process and real-time temperature profile available.
Figure 1.1: Schematic Overview of Metal Laser Powder Bed Fusion Process [2]Figure 1.2: Commercial Powder Bed Fusion SystemsFigure 1.3: Commercial Metal Components Fabricated by Powder Bed Fusion Additive Manufacturing: (a) GE Fuel Nozzle; (b) Stryker Hip Biomedical Implant.Figure 2.1: Proposed Multiscale Process Simulation FrameworkFigure 2.2: (a) Experimental Setup for In-situ Thermocouple Measurement in the EOS M290 Build Chamber; (b) Themocouple Locations on the Bottom Side of the Substrate.Figure 2.3: (a) Finite Element Model for Single Layer Thermal Analysis; (b) Deposition LayerFigure 2.4: Core-skin layer: (a) Surface Morphology; (b) Scanning Strategy; (c) Transient Temperature Distribution and Temperature History at (d) Point 1; (e) Point 2 and (f) Point 3Figure 2.5: (a) Scanning Orientation of Each Layer; (b) Finite Element Model for Micro-scale Representative Volume Figure 2.6: Bottom Layer (a) Thermal History; (b) Plastic Strain and (c) Elastic Strain Evolution HistoryFigure 2.7: Bottom Layer Inherent Strain under Default Process Parameters along Horizontal Scanning PathFigure 2.8: Snapshots of the Element Activation ProcessFigure 2.9: Double Cantilever Beam Structure Built by the EOS M290 DMLM Process (a) Before and (b)
After Cutting off; (c) Faro Laser ScanArm V3 for Distortion MeasurementFigure 2.10: Square Canonical Structure Built by the EOS M290 DMLM ProcessFigure 2.11: Finite Element Mesh for the Square Canonical and Snapshots of Element Activation ProcessFigure 2.12: Simulated Distortion Field for the Double Cantilever Beam before Cutting off the Supports: (a) Inherent Strain Method; (b) Simufact Additive 3.1Figure 3.10: Snapshots of Temperature Profile for Single Track in Keyhole Regime (P = 250W and V = 0.5m/s) at the Preheating Temperature of 100 °Cs) at the Preheating Temperature of 500 °CFigure 3.15: Melt Pool Cross Section Comparison Between Simulation and Experiment for Single Track
Bibliography
[1] I. Astm, ASTM52900-15 Standard Terminology for Additive Manufacturing—General Principles—Terminology, ASTM International, West Conshohocken, PA 3(4) (2015) 5. [2] W.E. King, A.T. Anderson, R.M. Ferencz, N.E. Hodge, C. Kamath, S.A. Khairallah, A.M. Rubenchik, Laser powder bed fusion additive manufacturing of metals; physics, computational, and materials challenges, Applied Physics Reviews 2(4) (2015) 041304. [3] W. Yan, Y. Lu, K. Jones, Z. Yang, J. Fox, P. Witherell, G. Wagner, W.K. Liu, Data-driven characterization of thermal models for powder-bed-fusion additive manufacturing, Additive Manufacturing (2020) 101503. [4] K. Dai, L. Shaw, Thermal and stress modeling of multi-material laser processing, Acta Materialia 49(20) (2001) 4171-4181. [5] K. Dai, L. Shaw, Distortion minimization of laser-processed components through control of laser scanning patterns, Rapid Prototyping Journal 8(5) (2002) 270-276. [6] S.S. Bo Cheng, Kevin Chou, Stress and deformation evaluations of scanning strategy effect in selective laser melting, Additive Manufacturing (2017). [7] C. Fu, Y. Guo, Three-dimensional temperature gradient mechanism in selective laser melting of Ti-6Al-4V, Journal of Manufacturing Science and Engineering 136(6) (2014) 061004. [8] P. Prabhakar, W.J. Sames, R. Dehoff, S.S. Babu, Computational modeling of residual stress formation during the electron beam melting process for Inconel 718, Additive Manufacturing 7 (2015) 83-91. [9] A. Hussein, L. Hao, C. Yan, R. Everson, Finite element simulation of the temperature and stress fields in single layers built without-support in selective laser melting, Materials & Design (1980-2015) 52 (2013) 638-647. [10] P.Z. Qingcheng Yang, Lin Cheng, Zheng Min, Minking Chyu, Albert C. To, articleFinite element modeling and validation of thermomechanicalbehavior of Ti-6Al-4V in directed energy deposition additivemanufacturing, Additive Manufacturing (2016). [11] E.R. Denlinger, J. Irwin, P. Michaleris, Thermomechanical Modeling of Additive Manufacturing Large Parts, Journal of Manufacturing Science and Engineering 136(6) (2014) 061007. [12] E.R. Denlinger, M. Gouge, J. Irwin, P. Michaleris, Thermomechanical model development and in situ experimental validation of the Laser Powder-Bed Fusion process, Additive Manufacturing 16 (2017) 73-80. [13] V.J. Erik R Denlinger, G.V. Srinivasan, Tahany EI-Wardany, Pan Michaleris, Thermal modeling of Inconel 718 processed with powder bed fusionand experimental validation using in situ measurements, Additive Manufacturing 11 (2016) 7-15. [14] N. Patil, D. Pal, H.K. Rafi, K. Zeng, A. Moreland, A. Hicks, D. Beeler, B. Stucker, A Generalized Feed Forward Dynamic Adaptive Mesh Refinement and Derefinement Finite Element Framework for Metal Laser Sintering—Part I: Formulation and Algorithm Development, Journal of Manufacturing Science and Engineering 137(4) (2015) 041001. [15] D. Pal, N. Patil, K.H. Kutty, K. Zeng, A. Moreland, A. Hicks, D. Beeler, B. Stucker, A Generalized Feed-Forward Dynamic Adaptive Mesh Refinement and Derefinement FiniteElement Framework for Metal Laser Sintering—Part II: Nonlinear Thermal Simulations and Validations, Journal of Manufacturing Science and Engineering 138(6) (2016) 061003. [16] N. Keller, V. Ploshikhin, New method for fast predictions of residual stress and distortion of AM parts, Solid Freeform Fabrication Symposium, Austin, Texas, 2014, pp. 1229-1237. [17] S.A. Khairallah, A.T. Anderson, A. Rubenchik, W.E. King, Laser powder-bed fusion additive manufacturing: Physics of complex melt flow and formation mechanisms of pores, spatter, and denudation zones, Acta Materialia 108 (2016) 36-45. [18] M.J. Matthews, G. Guss, S.A. Khairallah, A.M. Rubenchik, P.J. Depond, W.E. King, Denudation of metal powder layers in laser powder bed fusion processes, Acta Materialia 114 (2016) 33-42. [19] A.A. Martin, N.P. Calta, S.A. Khairallah, J. Wang, P.J. Depond, A.Y. Fong, V. Thampy, G.M. Guss, A.M. Kiss, K.H. Stone, Dynamics of pore formation during laser powder bed fusion additive manufacturing, Nature communications 10(1) (2019) 1987. [20] R. Shi, S.A. Khairallah, T.T. Roehling, T.W. Heo, J.T. McKeown, M.J. Matthews, Microstructural control in metal laser powder bed fusion additive manufacturing using laser beam shaping strategy, Acta Materialia (2019). [21] S.A. Khairallah, A.A. Martin, J.R. Lee, G. Guss, N.P. Calta, J.A. Hammons, M.H. Nielsen, K. Chaput, E. Schwalbach, M.N. Shah, Controlling interdependent meso-nanosecond dynamics and defect generation in metal 3D printing, Science 368(6491) (2020) 660-665. [22] W. Yan, W. Ge, Y. Qian, S. Lin, B. Zhou, W.K. Liu, F. Lin, G.J. Wagner, Multi-physics modeling of single/multiple-track defect mechanisms in electron beam selective melting, Acta Materialia 134 (2017) 324-333. [23] S. Shrestha, Y. Kevin Chou, A Numerical Study on the Keyhole Formation During Laser Powder Bed Fusion Process, Journal of Manufacturing Science and Engineering 141(10) (2019). [24] S. Shrestha, B. Cheng, K. Chou, An Investigation into Melt Pool Effective Thermal Conductivity for Thermal Modeling of Powder-Bed Electron Beam Additive Manufacturing. [25] D. Rosenthal, Mathematical theory of heat distribution during welding and cutting, Welding journal 20 (1941) 220-234. [26] P. Promoppatum, S.-C. Yao, P.C. Pistorius, A.D. Rollett, A comprehensive comparison of the analytical and numerical prediction of the thermal history and solidification microstructure of Inconel 718 products made by laser powder-bed fusion, Engineering 3(5) (2017) 685-694. [27] M. Tang, P.C. Pistorius, J.L. Beuth, Prediction of lack-of-fusion porosity for powder bed fusion, Additive Manufacturing 14 (2017) 39-48. [28] T. Moran, P. Li, D. Warner, N. Phan, Utility of superposition-based finite element approach for part-scale thermal simulation in additive manufacturing, Additive Manufacturing 21 (2018) 215-219. [29] Y. Yang, M. Knol, F. van Keulen, C. Ayas, A semi-analytical thermal modelling approach for selective laser melting, Additive Manufacturing 21 (2018) 284-297. [30] B. Cheng, S. Shrestha, K. Chou, Stress and deformation evaluations of scanning strategy effect in selective laser melting, Additive Manufacturing 12 (2016) 240-251. [31] L.H. Ahmed Hussein, Chunze Yan, Richard Everson, Finite element simulation of the temperature and stress fields in single layers built without-support in selective laser melting, Materials and Design 52 (2013) 638-647. [32] H. Peng, D.B. Go, R. Billo, S. Gong, M.R. Shankar, B.A. Gatrell, J. Budzinski, P. Ostiguy, R. Attardo, C. Tomonto, Part-scale model for fast prediction of thermal distortion in DMLS additive manufacturing; Part 2: a quasi-static thermo-mechanical model, Austin, Texas (2016). [33] M.F. Zaeh, G. Branner, Investigations on residual stresses and deformations in selective laser melting, Production Engineering 4(1) (2010) 35-45. [34] C. Li, C. Fu, Y. Guo, F. Fang, A multiscale modeling approach for fast prediction of part distortion in selective laser melting, Journal of Materials Processing Technology 229 (2016) 703- 712. [35] C. Li, Z. Liu, X. Fang, Y. Guo, On the Simulation Scalability of Predicting Residual Stress and Distortion in Selective Laser Melting, Journal of Manufacturing Science and Engineering 140(4) (2018) 041013. [36] S. Afazov, W.A. Denmark, B.L. Toralles, A. Holloway, A. Yaghi, Distortion Prediction and Compensation in Selective Laser Melting, Additive Manufacturing 17 (2017) 15-22. [37] Y. Lee, W. Zhang, Modeling of heat transfer, fluid flow and solidification microstructure of nickel-base superalloy fabricated by laser powder bed fusion, Additive Manufacturing 12 (2016) 178-188. [38] L. Scime, J. Beuth, A multi-scale convolutional neural network for autonomous anomaly detection and classification in a laser powder bed fusion additive manufacturing process, Additive Manufacturing 24 (2018) 273-286. [39] L. Scime, J. Beuth, Using machine learning to identify in-situ melt pool signatures indicative of flaw formation in a laser powder bed fusion additive manufacturing process, Additive Manufacturing 25 (2019) 151-165. [40] X. Xie, J. Bennett, S. Saha, Y. Lu, J. Cao, W.K. Liu, Z. Gan, Mechanistic data-driven prediction of as-built mechanical properties in metal additive manufacturing, npj Computational Materials 7(1) (2021) 1-12. [41] C. Wang, X. Tan, S. Tor, C. Lim, Machine learning in additive manufacturing: State-of-theart and perspectives, Additive Manufacturing (2020) 101538. [42] J. Li, R. Jin, Z.Y. Hang, Integration of physically-based and data-driven approaches for thermal field prediction in additive manufacturing, Materials & Design 139 (2018) 473-485. [43] M. Mozaffar, A. Paul, R. Al-Bahrani, S. Wolff, A. Choudhary, A. Agrawal, K. Ehmann, J. Cao, Data-driven prediction of the high-dimensional thermal history in directed energy deposition processes via recurrent neural networks, Manufacturing letters 18 (2018) 35-39. [44] A. Paul, M. Mozaffar, Z. Yang, W.-k. Liao, A. Choudhary, J. Cao, A. Agrawal, A real-time iterative machine learning approach for temperature profile prediction in additive manufacturing processes, 2019 IEEE International Conference on Data Science and Advanced Analytics (DSAA), IEEE, 2019, pp. 541-550. [45] S. Clijsters, T. Craeghs, J.-P. Kruth, A priori process parameter adjustment for SLM process optimization, Innovative developments on virtual and physical prototyping, Taylor & Francis Group., 2012, pp. 553-560. [46] R. Mertens, S. Clijsters, K. Kempen, J.-P. Kruth, Optimization of scan strategies in selective laser melting of aluminum parts with downfacing areas, Journal of Manufacturing Science and Engineering 136(6) (2014) 061012. [47] J.-P. Kruth, J. Deckers, E. Yasa, R. Wauthlé, Assessing and comparing influencing factors of residual stresses in selective laser melting using a novel analysis method, Proceedings of the institution of mechanical engineers, Part B: Journal of Engineering Manufacture 226(6) (2012) 980-991. [48] Y. Lu, S. Wu, Y. Gan, T. Huang, C. Yang, L. Junjie, J. Lin, Study on the microstructure, mechanical property and residual stress of SLM Inconel-718 alloy manufactured by differing island scanning strategy, Optics & Laser Technology 75 (2015) 197-206. [49] E. Foroozmehr, R. Kovacevic, Effect of path planning on the laser powder deposition process: thermal and structural evaluation, The International Journal of Advanced Manufacturing Technology 51(5-8) (2010) 659-669. [50] L.H. Ahmed Hussein, Chunze Yan, Richard Everson, Finite element simulation of the temperature and stress fields in single layers built without-support in selective laser melting, Materials and Design (2013). [51] J.-P. Kruth, M. Badrossamay, E. Yasa, J. Deckers, L. Thijs, J. Van Humbeeck, Part and material properties in selective laser melting of metals, Proceedings of the 16th international symposium on electromachining, 2010, pp. 1-12. [52] L. Thijs, K. Kempen, J.-P. Kruth, J. Van Humbeeck, Fine-structured aluminium products with controllable texture by selective laser melting of pre-alloyed AlSi10Mg powder, Acta Materialia 61(5) (2013) 1809-1819. [53] D. Ding, Z.S. Pan, D. Cuiuri, H. Li, A tool-path generation strategy for wire and arc additive manufacturing, The international journal of advanced manufacturing technology 73(1-4) (2014) 173-183. [54] B.E. Carroll, T.A. Palmer, A.M. Beese, Anisotropic tensile behavior of Ti–6Al–4V components fabricated with directed energy deposition additive manufacturing, Acta Materialia 87 (2015) 309-320. [55] D. Ding, Z. Pan, D. Cuiuri, H. Li, A practical path planning methodology for wire and arc additive manufacturing of thin-walled structures, Robotics and Computer-Integrated Manufacturing 34 (2015) 8-19. [56] D. Ding, Z. Pan, D. Cuiuri, H. Li, S. van Duin, N. Larkin, Bead modelling and implementation of adaptive MAT path in wire and arc additive manufacturing, Robotics and Computer-Integrated Manufacturing 39 (2016) 32-42. [57] R. Ponche, O. Kerbrat, P. Mognol, J.-Y. Hascoet, A novel methodology of design for Additive Manufacturing applied to Additive Laser Manufacturing process, Robotics and ComputerIntegrated Manufacturing 30(4) (2014) 389-398. [58] D.E. Smith, R. Hoglund, Continuous fiber angle topology optimization for polymer fused fillament fabrication, Annu. Int. Solid Free. Fabr. Symp. Austin, TX, 2016. [59] J. Liu, J. Liu, H. Yu, H. Yu, Concurrent deposition path planning and structural topology optimization for additive manufacturing, Rapid Prototyping Journal 23(5) (2017) 930-942. [60] Q. Xia, T. Shi, Optimization of composite structures with continuous spatial variation of fiber angle through Shepard interpolation, Composite Structures 182 (2017) 273-282. [61] C. Kiyono, E. Silva, J. Reddy, A novel fiber optimization method based on normal distribution function with continuously varying fiber path, Composite Structures 160 (2017) 503-515. [62] C.J. Brampton, K.C. Wu, H.A. Kim, New optimization method for steered fiber composites using the level set method, Structural and Multidisciplinary Optimization 52(3) (2015) 493-505. [63] J. Liu, A.C. To, Deposition path planning-integrated structural topology optimization for 3D additive manufacturing subject to self-support constraint, Computer-Aided Design 91 (2017) 27- 45. [64] H. Shen, J. Fu, Z. Chen, Y. Fan, Generation of offset surface for tool path in NC machining through level set methods, The International Journal of Advanced Manufacturing Technology 46(9-12) (2010) 1043-1047. [65] C. Zhuang, Z. Xiong, H. Ding, High speed machining tool path generation for pockets using level sets, International Journal of Production Research 48(19) (2010) 5749-5766. [66] K.C. Mills, Recommended values of thermophysical properties for selected commercial alloys, Woodhead Publishing2002. [67] S.S. Sih, J.W. Barlow, The prediction of the emissivity and thermal conductivity of powder beds, Particulate Science and Technology 22(4) (2004) 427-440. [68] L. Dong, A. Makradi, S. Ahzi, Y. Remond, Three-dimensional transient finite element analysis of the selective laser sintering process, Journal of materials processing technology 209(2) (2009) 700-706. [69] J.J. Beaman, J.W. Barlow, D.L. Bourell, R.H. Crawford, H.L. Marcus, K.P. McAlea, Solid freeform fabrication: a new direction in manufacturing, Kluwer Academic Publishers, Norwell, MA 2061 (1997) 25-49. [70] G. Bugeda Miguel Cervera, G. Lombera, Numerical prediction of temperature and density distributions in selective laser sintering processes, Rapid Prototyping Journal 5(1) (1999) 21-26. [71] T. Mukherjee, W. Zhang, T. DebRoy, An improved prediction of residual stresses and distortion in additive manufacturing, Computational Materials Science 126 (2017) 360-372. [72] A.J. Dunbar, E.R. Denlinger, M.F. Gouge, P. Michaleris, Experimental validation of finite element modeling for laser powderbed fusion deformation, Additive Manufacturing 12 (2016) 108-120. [73] J. Goldak, A. Chakravarti, M. Bibby, A new finite element model for welding heat sources, Metallurgical and Materials Transactions B 15(2) (1984) 299-305. [74] J. Liu, Q. Chen, Y. Zhao, W. Xiong, A. To, Quantitative Texture Prediction of Epitaxial Columnar Grains in Alloy 718 Processed by Additive Manufacturing, Proceedings of the 9th International Symposium on Superalloy 718 & Derivatives: Energy, Aerospace, and Industrial Applications, Springer, 2018, pp. 749-755. [75] J. Irwin, P. Michaleris, A line heat input model for additive manufacturing, Journal of Manufacturing Science and Engineering 138(11) (2016) 111004. [76] M. Gouge, J. Heigel, P. Michaleris, T. Palmer, Modeling forced convection in the thermal simulation of laser cladding processes, International Journal of Advanced Manufacturing Technology 79 (2015). [77] J. Heigel, P. Michaleris, E. Reutzel, Thermo-mechanical model development and validation of directed energy deposition additive manufacturing of Ti–6Al–4V, Additive manufacturing 5 (2015) 9-19. [78] E.R. Denlinger, J.C. Heigel, P. Michaleris, Residual stress and distortion modeling of electron beam direct manufacturing Ti-6Al-4V, Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture 229(10) (2015) 1803-1813. [79] X. Liang, Q. Chen, L. Cheng, Q. Yang, A. To, A modified inherent strain method for fast prediction of residual deformation in additive manufacturing of metal parts, 2017 Solid Freeform Fabrication Symposium Proceedings, Austin, Texas, 2017. [80] X. Liang, L. Cheng, Q. Chen, Q. Yang, A. To, A Modified Method for Estimating Inherent Strains from Detailed Process Simulation for Fast Residual Distortion Prediction of Single-Walled Structures Fabricated by Directed Energy Deposition, Additive Manufacturing 23 (2018) 471-486. [81] L. Sochalski-Kolbus, E.A. Payzant, P.A. Cornwell, T.R. Watkins, S.S. Babu, R.R. Dehoff, M. Lorenz, O. Ovchinnikova, C. Duty, Comparison of residual stresses in Inconel 718 simple parts made by electron beam melting and direct laser metal sintering, Metallurgical and Materials Transactions A 46(3) (2015) 1419-1432. [82] P. Mercelis, J.-P. Kruth, Residual stresses in selective laser sintering and selective laser melting, Rapid Prototyping Journal 12(5) (2006) 254-265. [83] N. Hodge, R. Ferencz, J. Solberg, Implementation of a thermomechanical model for the simulation of selective laser melting, Computational Mechanics 54(1) (2014) 33-51. [84] A.S. Wu, D.W. Brown, M. Kumar, G.F. Gallegos, W.E. King, An experimental investigation into additive manufacturing-induced residual stresses in 316L stainless steel, Metallurgical and Materials Transactions A 45(13) (2014) 6260-6270. [85] C. Li, J. liu, Y. Guo, Efficient predictive model of part distortion and residual stress in selective laser melting, Solid Freeform Fabrication 2016, 2017. [86] Y. Zhao, Y. Koizumi, K. Aoyagi, D. Wei, K. Yamanaka, A. Chiba, Molten pool behavior and effect of fluid flow on solidification conditions in selective electron beam melting (SEBM) of a biomedical Co-Cr-Mo alloy, Additive Manufacturing 26 (2019) 202-214. [87] J.-H. Cho, S.-J. Na, Implementation of real-time multiple reflection and Fresnel absorption of laser beam in keyhole, Journal of Physics D: Applied Physics 39(24) (2006) 5372. [88] Q. Guo, C. Zhao, M. Qu, L. Xiong, L.I. Escano, S.M.H. Hojjatzadeh, N.D. Parab, K. Fezzaa, W. Everhart, T. Sun, In-situ characterization and quantification of melt pool variation under constant input energy density in laser powder-bed fusion additive manufacturing process, Additive Manufacturing (2019). [89] E. Assuncao, S. Williams, D. Yapp, Interaction time and beam diameter effects on the conduction mode limit, Optics and Lasers in Engineering 50(6) (2012) 823-828. [90] R. Cunningham, C. Zhao, N. Parab, C. Kantzos, J. Pauza, K. Fezzaa, T. Sun, A.D. Rollett, Keyhole threshold and morphology in laser melting revealed by ultrahigh-speed x-ray imaging, Science 363(6429) (2019) 849-852. [91] W. Tan, N.S. Bailey, Y.C. Shin, Investigation of keyhole plume and molten pool based on a three-dimensional dynamic model with sharp interface formulation, Journal of Physics D: Applied Physics 46(5) (2013) 055501. [92] W. Tan, Y.C. Shin, Analysis of multi-phase interaction and its effects on keyhole dynamics with a multi-physics numerical model, Journal of Physics D: Applied Physics 47(34) (2014) 345501. [93] R. Fabbro, K. Chouf, Keyhole modeling during laser welding, Journal of applied Physics 87(9) (2000) 4075-4083. [94] Q. Guo, C. Zhao, M. Qu, L. Xiong, S.M.H. Hojjatzadeh, L.I. Escano, N.D. Parab, K. Fezzaa, T. Sun, L. Chen, In-situ full-field mapping of melt flow dynamics in laser metal additive manufacturing, Additive Manufacturing 31 (2020) 100939. [95] Y. Ueda, K. Fukuda, K. Nakacho, S. Endo, A new measuring method of residual stresses with the aid of finite element method and reliability of estimated values, Journal of the Society of Naval Architects of Japan 1975(138) (1975) 499-507. [96] M.R. Hill, D.V. Nelson, The inherent strain method for residual stress determination and its application to a long welded joint, ASME-PUBLICATIONS-PVP 318 (1995) 343-352. [97] H. Murakawa, Y. Luo, Y. Ueda, Prediction of welding deformation and residual stress by elastic FEM based on inherent strain, Journal of the society of Naval Architects of Japan 1996(180) (1996) 739-751. [98] M. Yuan, Y. Ueda, Prediction of residual stresses in welded T-and I-joints using inherent strains, Journal of Engineering Materials and Technology, Transactions of the ASME 118(2) (1996) 229-234. [99] L. Zhang, P. Michaleris, P. Marugabandhu, Evaluation of applied plastic strain methods for welding distortion prediction, Journal of Manufacturing Science and Engineering 129(6) (2007) 1000-1010. [100] M. Bugatti, Q. Semeraro, Limitations of the Inherent Strain Method in Simulating Powder Bed Fusion Processes, Additive Manufacturing 23 (2018) 329-346. [101] L. Cheng, X. Liang, J. Bai, Q. Chen, J. Lemon, A. To, On Utilizing Topology Optimization to Design Support Structure to Prevent Residual Stress Induced Build Failure in Laser Powder Bed Metal Additive Manufacturing, Additive Manufacturing (2019). [102] Q. Chen, X. Liang, D. Hayduke, J. Liu, L. Cheng, J. Oskin, R. Whitmore, A.C. To, An inherent strain based multiscale modeling framework for simulating part-scale residual deformation for direct metal laser sintering, Additive Manufacturing 28 (2019) 406-418. [103] S. Osher, J.A. Sethian, Fronts propagating with curvature-dependent speed: algorithms based on Hamilton-Jacobi formulations, Journal of computational physics 79(1) (1988) 12-49. [104] M.Y. Wang, X. Wang, D. Guo, A level set method for structural topology optimization, Computer methods in applied mechanics and engineering 192(1) (2003) 227-246. [105] G. Allaire, F. Jouve, A.-M. Toader, Structural optimization using sensitivity analysis and a level-set method, Journal of computational physics 194(1) (2004) 363-393. [106] Y. Wang, Z. Luo, Z. Kang, N. Zhang, A multi-material level set-based topology and shape optimization method, Computer Methods in Applied Mechanics and Engineering 283 (2015) 1570-1586. [107] P. Dunning, C. Brampton, H. Kim, Simultaneous optimisation of structural topology and material grading using level set method, Materials Science and Technology 31(8) (2015) 884-894. [108] P. Liu, Y. Luo, Z. Kang, Multi-material topology optimization considering interface behavior via XFEM and level set method, Computer methods in applied mechanics and engineering 308 (2016) 113-133. [109] J. Liu, Q. Chen, Y. Zheng, R. Ahmad, J. Tang, Y. Ma, Level set-based heterogeneous object modeling and optimization, Computer-Aided Design (2019). [110] J. Liu, Q. Chen, X. Liang, A.C. To, Manufacturing cost constrained topology optimization for additive manufacturing, Frontiers of Mechanical Engineering 14(2) (2019) 213-221. [111] Z. Kang, Y. Wang, Integrated topology optimization with embedded movable holes based on combined description by material density and level sets, Computer methods in applied mechanics and engineering 255 (2013) 1-13. [112] P.D. Dunning, H. Alicia Kim, A new hole insertion method for level set based structural topology optimization, International Journal for Numerical Methods in Engineering 93(1) (2013) 118-134. [113] J.A. Sethian, A fast marching level set method for monotonically advancing fronts, Proceedings of the National Academy of Sciences 93(4) (1996) 1591-1595. [114] J.A. Sethian, Level set methods and fast marching methods: evolving interfaces in computational geometry, fluid mechanics, computer vision, and materials science, Cambridge university press1999. [115] C. Le, J. Norato, T. Bruns, C. Ha, D. Tortorelli, Stress-based topology optimization for continua, Structural and Multidisciplinary Optimization 41(4) (2010) 605-620. [116] A. Takezawa, G.H. Yoon, S.H. Jeong, M. Kobashi, M. Kitamura, Structural topology optimization with strength and heat conduction constraints, Computer Methods in Applied Mechanics and Engineering 276 (2014) 341-361. [117] S. Hochreiter, J. Schmidhuber, Long short-term memory, Neural computation 9(8) (1997) 1735-1780. [118] A. Krizhevsky, I. Sutskever, G.E. Hinton, Imagenet classification with deep convolutional neural networks, Advances in neural information processing systems 25 (2012) 1097-1105. [119] K. Simonyan, A. Zisserman, Very deep convolutional networks for large-scale image recognition, arXiv preprint arXiv:1409.1556 (2014). [120] K. He, X. Zhang, S. Ren, J. Sun, Deep residual learning for image recognition, Proceedings of the IEEE conference on computer vision and pattern recognition, 2016, pp. 770-778. [121] O. Russakovsky, J. Deng, H. Su, J. Krause, S. Satheesh, S. Ma, Z. Huang, A. Karpathy, A. Khosla, M. Bernstein, Imagenet large scale visual recognition challenge, International journal of computer vision 115(3) (2015) 211-252. [122] S. Ren, K. He, R. Girshick, J. Sun, Faster r-cnn: Towards real-time object detection with region proposal networks, Advances in neural information processing systems 28 (2015) 91-99. [123] E.J. Schwalbach, S.P. Donegan, M.G. Chapman, K.J. Chaput, M.A. Groeber, A discrete source model of powder bed fusion additive manufacturing thermal history, Additive Manufacturing 25 (2019) 485-498. [124] D.G. Duffy, Green’s functions with applications, Chapman and Hall/CRC2015. [125] J. Martínez-Frutos, D. Herrero-Pérez, Efficient matrix-free GPU implementation of fixed grid finite element analysis, Finite Elements in Analysis and Design 104 (2015) 61-71. [126] F. Dugast, P. Apostolou, A. Fernandez, W. Dong, Q. Chen, S. Strayer, R. Wicker, A.C. To, Part-scale thermal process modeling for laser powder bed fusion with matrix-free method and GPU computing, Additive Manufacturing 37 (2021) 101732. [127] A. Vaswani, N. Shazeer, N. Parmar, J. Uszkoreit, L. Jones, A.N. Gomez, Ł. Kaiser, I. Polosukhin, Attention is all you need, Advances in neural information processing systems, 2017, pp. 5998-6008. [128] J. Devlin, M.-W. Chang, K. Lee, K. Toutanova, Bert: Pre-training of deep bidirectional transformers for language understanding, arXiv preprint arXiv:1810.04805 (2018).
Electricité de Tahiti(GDF Suez) 댐의 재건이라는 틀 내에서 Coyne et Bellier는 진단과 Tahiti 댐의 전반적인 연구를 수행했습니다.
Tahinu는 프랑스령 폴리네시아의 Tahiti 섬에 위치한 37m 높이의 수력 발전 댐입니다. 수문학적 연구의 검토와 프랑스 표준의 적용은 최대 설계 홍수를 500에서 644 m3/s(+30%)로 증가시켰습니다.
먼저 측수로 여수로(마루 길이 60m)의 1D 수치 모델링을 수행하여 배수 용량을 평가했습니다. 결론은 마루댐과 배수로 수로 측벽의 오버토핑을 유발할 수 있는 배수로의 용량이 충분하지 않다는 것이었습니다.
그런 다음 이러한 결과를 확인하고 배수로의 특정 구성(정원 아래의 접근 속도와 깊이의 불균일한 분포, 측면 채널 단면의 불규칙한 기하학, 잠긴 둑, 곡선 채널 배수로)을 고려하기 위해, 3D 수치 모델링은 Flow 3D®로 수행되었습니다.
시뮬레이션은 1D 모델(흐름의 일반적인 패턴, 상류 저수지 수위)보다 더 정확한 결과를 보여주었습니다. 이에 따라 댐 능선의 높이와 여수로 측벽을 설계 및 최적화하여 안전을 위한 충분한 freeboards을 확보하도록 하였습니다.
Within the framework of the rehabilitation of Electricité de Tahiti (GDF Suez) dams, Coyne et Bellier carried out a diagnosis and an overall study of the Tahinu dam. Tahinu is a 37-m-high earthfill hydroelectric dam, located in the island of Tahiti, French Polynesia. The review of the hydrological study and the application of French standards lead to increase the peak design flood from 500 to 644 m3/s (+30 %). First, a 1D numerical modeling of the side-channel spillway (crest length 60 m) was performed to assess its discharge capacity. The conclusion was an insufficient capacity of the spillway that might induce an overtopping of the crest dam and of the sidewalls of the spillway channel. Then, to confirm these results and to take into account the specific configuration of the spillway (non-uniform distribution of the approach velocity and depth below crest, irregular geometry of the side-channel cross section, submerged weir, curved channel spillway), a 3D numerical modeling was carried out with Flow 3D®. Simulations showed more accurate results than 1D model (general pattern of the flow, upstream reservoir level). Consequently, heightenings of the dam crest and the sidewalls of the spillway channel were designed and optimized to secure sufficient freeboards for safety.
Cite this chapter as:Milési G., Causse S. (2014) 3D Numerical Modeling of a Side-Channel Spillway. In: Gourbesville P., Cunge J., Caignaert G. (eds) Advances in Hydroinformatics. Springer Hydrogeology. Springer, Singapore. https://doi.org/10.1007/978-981-4451-42-0_39
First Online12 November 2013
DOI : https://doi.org/10.1007/978-981-4451-42-0_39
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 2. (a) Scanning electron microscopy images of Ti6Al4V powder particles and (b) simulated powder bed using
discrete element modellingFigure 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 msFigure 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 msFigure 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 msFigure 8. Transformation from shallow depth melt flow to deep keyhole formation when laser power increased from
(a) 170 W to (b) 200 WFigure 9. Stream traces and laser beam multiple reflections in deep keyhole melt flow modeFigure 10. A comparison between analytical and CFD simulation results for peak thermal distribution value in the deep
keyhole formationFigure 11. A comparison among experiments [49], CFD and analytical simulations for deep keyhole
top width and bottom width
References
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]
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]
Guo, N.; Leu, M.C. Additive manufacturing: Technology, applications and research needs. Front. Mech. Eng. 2013, 8, 215–243. [CrossRef]
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]
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]
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]
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]
Ur Rehman, A.; Sglavo, V.M. 3D printing of geopolymer-based concrete for building applications. Rapid Prototyp. J. 2020, 26, 1783–1788. [CrossRef]
Ur Rehman, A.; Sglavo, V.M. 3D printing of Portland cement-containing bodies. Rapid Prototyp. J. 2021. ahead of print. [CrossRef]
Popovich, A.; Sufiiarov, V. Metal Powder Additive Manufacturing. In New Trends in 3D Printing; InTech: Rijeka, Croatia, 2016.
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]
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]
Ur Rehman, A.; Tingting, L.; Liao, W. 4D Printing; Printing Ceramics from Metals with Selective Oxidation. Patent No. W0/2019/052128, 21 March 2019.
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]
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.
Wong, K.V.; Hernandez, A. A Review of Additive Manufacturing. ISRN Mech. Eng. 2012, 2012, 1–10. [CrossRef]
Körner, C. Additive manufacturing of metallic components by selective electron beam melting—A review. Int. Mater. Rev. 2016, 61, 361–377. [CrossRef]
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]
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]
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]
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]
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]
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]
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]
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]
Frazier, W.E. Metal additive manufacturing: A review. J. Mater. Eng. Perform. 2014, 23, 1917–1928. [CrossRef]
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]
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]
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]
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]
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]
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]
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]
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]
Oane, M.; Sporea, D. Temperature profiles modeling in IR optical components during high power laser irradiation. Infrared Phys. Technol. 2001, 42, 31–40. [CrossRef]
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]
Parteli, E.J.R.; Pöschel, T. Particle-based simulation of powder application in additive manufacturing. Powder Technol. 2016, 288, 96–102. [CrossRef]
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]
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]
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]
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]
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]
Rosenthal, D. Mathematical Theory of Heat Distribution During Welding and Cutting. Weld. J. 1941, 20, 220–234.
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).
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]
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]
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.
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]
두 개의 부유체 사이에 간격이 있는 경사진 부유식 방파제(FB)에 대한 새로운 연구가 제안되었습니다. 구조물의 기울기는 파동 에너지 소산을 유발할 수 있습니다. 경사진 구조물의 문제는 파도가 넘친다는 것입니다. 이 문제를 해결하기 위해 두 플로터 사이의 간격을 고려합니다.
오버 토핑이 발생하면 마루를 통과하는 물이 두 플로터 사이의 틈으로 쏟아지며 결과적으로 파도 에너지가 감쇠됩니다. 체인 네트가 모델에 추가되고 전송 계수에 대한 영향이 연구됩니다. 또한, 구조물의 유체역학적 성능에 대한 자유도의 영향을 조사하기 위해 말뚝으로 고정된(1 자유도) 계류 라인으로 고정된(3도의 자유도) 두 가지 고정 시스템에서 자유 모델을 연구했습니다.
게다가, 실험은 5개의 다른 파도 주기와 4개의 다른 파도 높이를 가진 규칙파에서 수행됩니다. 실험 결과, 경사형 부유식 방파제가 직사각형 상자형보다 최대 15% 성능이 우수한 것으로 나타났다. 말뚝에 의해 고정된 FB에 대한 투과계수는 단파에서 케이블에 의해 고정된 FB보다 최대값으로 약 14% 낮고 장파에서 약 4-10% 더 높다. 흘수가 증가함에 따라 전송 계수는 감소하지만 건현은 허용 비율의 초과를 제한하기 위한 최소 요구 사항을 충족해야 합니다.
체인 그물이 있는 모델은 없는 모델에 비해 전달 계수가 최대 14% 감소하여 더 나은 성능을 나타냅니다. 실험 결과, 경사형 부유식 방파제가 직사각형 상자형보다 최대 15% 성능이 우수한 것으로 나타났다. 말뚝에 의해 고정된 FB에 대한 투과계수는 단파에서 케이블에 의해 고정된 FB보다 최대값으로 약 14% 낮고 장파에서 약 4-10% 더 높다. 흘수가 증가함에 따라 전송 계수는 감소하지만 건현은 허용 비율의 초과를 제한하기 위한 최소 요구 사항을 충족해야 합니다.
체인 그물이 있는 모델은 없는 모델에 비해 전달 계수가 최대 14% 감소하여 더 나은 성능을 나타냅니다. 실험 결과, 경사형 부유식 방파제가 직사각형 상자형보다 최대 15% 성능이 우수한 것으로 나타났다. 말뚝에 의해 고정된 FB에 대한 투과계수는 단파에서 케이블에 의해 고정된 FB보다 최대값으로 약 14% 낮고 장파에서 약 4-10% 더 높다. 흘수가 증가함에 따라 전송 계수는 감소하지만 건현은 허용 비율의 초과를 제한하기 위한 최소 요구 사항을 충족해야 합니다.
체인 그물이 있는 모델은 없는 모델에 비해 전달 계수가 최대 14% 감소하여 더 나은 성능을 나타냅니다. 말뚝에 의해 고정된 FB에 대한 투과계수는 단파에서 케이블에 의해 고정된 FB보다 최대값으로 약 14% 낮고 장파에서 약 4-10% 더 높다. 흘수가 증가함에 따라 전송 계수는 감소하지만 건현은 허용 비율의 초과를 제한하기 위한 최소 요구 사항을 충족해야 합니다.
체인 그물이 있는 모델은 없는 모델에 비해 전달 계수가 최대 14% 감소하여 더 나은 성능을 나타냅니다. 말뚝에 의해 고정된 FB에 대한 투과계수는 단파에서 케이블에 의해 고정된 FB보다 최대값으로 약 14% 낮고 장파에서 약 4-10% 더 높다.
흘수가 증가함에 따라 전송 계수는 감소하지만 건현은 허용 비율의 초과를 제한하기 위한 최소 요구 사항을 충족해야 합니다. 체인 그물이 있는 모델은 없는 모델에 비해 전달 계수가 최대 14% 감소하여 더 나은 성능을 나타냅니다.
A novel study of sloping floating breakwater (FB) that has a gap between two floaters is proposed. The slope of a structure can cause wave energy dissipation. A problem with sloping structures is wave overtopping. To solve this problem, a gap is considered between the two floaters. If overtopping occurs, water passing the crest will pour into the gap between the two floaters, as a result wave energy will be attenuated. A chain net is added to the model and its effect on the transmission coefficient is studied. Furthermore, in order to investigate the effects of the degree of freedom on the hydrodynamic performance of the structure, the model is studied in the two anchorage systems which are anchored by pile (1 degree of freedom) and anchored by mooring lines (3 degree of freedom). Moreover, the experiments are performed under regular waves with five different wave periods and four different wave heights. The results of the experiments show a sloping floating breakwater that has a better performance than that of rectangular box type by 15% as maximum value. The transmission coefficients for the FB anchored by pile are lower about 14% as maximum value than that of the FB anchored by cable in shorter waves and are higher about 4–10% in longer waves. With increasing the draft, the transmission coefficient decreases but the freeboard should meet the minimum requirements to restrict overtopping in the allowable rate. The model with a chain net exhibits a better performance as compared with the model without it by a maximum 14% reduction in the transmission coefficients.
Fig. 1
Fig. 2
Fig. 3
Fig. 4
Fig. 5
Fig. 6
Fig. 7
Fig. 8
Fig. 9
Fig. 10
Fig. 11
Fig. 12
Fig. 13
Fig. 14
Fig. 15
Fig. 16
Fig. 17
Fig. 18
Fig. 19
Fig. 20
Fig. 21
Fig. 22
Fig. 23
Fig.24
Fig. 25
Fig. 26
Fig. 27
References
Abul-Azm AG, Gesraha MR (2000) Approximation to the hydrodynamics of floating pontoons under oblique waves. Ocean Eng 27:365–384ArticleGoogle Scholar
Biesheuvel AC (2013) Effectiveness of floating breakwaters. Delf University of Technology, DissertaionGoogle Scholar
Chen Zh, Wang Y, Dong H, Zheng B (2012) Time-domain hydrodynamic analysis of pontoon-plate floating breakwater. J Water Sci Eng 5(3):291–303Google Scholar
Daneshfaraz R, Kaya B (2008) solution of the propagation of the waves in open channels by the transfer matrix method. J Ocean Eng 35:1075–1079ArticleGoogle Scholar
Daneshfaraz R, Sadeghfam S, Tahni A (2020) exprimental investigation of screen as energy dissipators in the movable-Bed channel. Iran J Sci Technol Trans Civil Eng 44:1237–1246ArticleGoogle Scholar
Deng Zh, Wang L, Zhao X, Huang Zh (2019) Hydrodynamic performance of a T-shaped floating breakwater. J Appl Ocean Res 82:325–336ArticleGoogle Scholar
Dong GH, Zheng YN, Li YC, Teng B, Guan CT, Lin DF (2008) Experiments on wave transmission coefficients of floating breakwaters. Ocean Eng 35:931–938ArticleGoogle Scholar
Duan WY, Xu SP, Xu QL et al (2017) Performance of an F-type floating break water: a numerical and experimental study. Proc I MechE Part M 231(2):583–599Google Scholar
Gesraha MR (2006) Analysis of π shaped floating breakwater in oblique waves: I. Impervious rigid wave boards. Appl Ocean Res 28:327–338ArticleGoogle Scholar
He F, Huang Zh, Wing-Keung Law A (2013) An experimental study of a floating breakwater with asymmetric pneumatic chambers for wave energy extraction. J Appl Energy 106:222–231ArticleGoogle Scholar
Ikeno M, Shimoda N, Iwata K (1988) A new type of breakwater utilizing air compressibility. In: Proceedings of the 21st Coastal Engineering Conference, ASCE. pp 2426–2339
Ji Ch, Cheng Y, Cui J, Yuan Zh, Gaidai O (2018) Hydrodynamic performance of floating breakwaters in long wave regime: an experimental study. J Ocean Eng 152:154–166ArticleGoogle Scholar
Koutandos E, Prinos P, Gironella X (2005) Floating breakwaters under regular and irregular wave forcing: reflection and transmission characteristics. J Hydraul Res 43(2):174–188ArticleGoogle Scholar
Liu Zh, Wang Y, Wang W, Hua X (2019) Numerical modeling and optimization of a winged box-type floating breakwater by Smoothed Particle Hydrodynamics. J Ocean Eng 188:106246ArticleGoogle Scholar
LotfollahiYaghin MA, Mojtahedi A, Aminfar MH (2012) Physical model studies and system identification of hydrodynamics around a vertical square-section cylinder in irregular sea waves. J Ocean Eng 55:10–22ArticleGoogle Scholar
Mansard E, Funke E (1980) The measurement of the incident and reflected spectra using the least squares method. In: Proceedings of the 17th Coastal Engineering Conference ASCE, Sydney. pp 154–172
Mojtahedi A, ShokatianBeiragh M, Farajpour I, Mohammadian M (2020) Investigation on hydrodynamic performance of an enviromentally friendly pile breakwater. J Ocean Eng 217:107942ArticleGoogle Scholar
Pena E, Ferreras J, Sanchez-Tembleque F (2011) Experimental study on wave transmission coefficient, mooring lines and module connector forces with different designs of floating breakwaters. J Ocean Eng 38:1150–1160ArticleGoogle Scholar
Safarzadeh A, Zaji AH, Bonakdari H (2017) Comparative Assessment of the Hybrid Genetic Algorithm-Artificial neural network and genetic programming methods for the predicition of longitudinal velocity field around a single straight groyne. Appl Soft Comput 60:213–228ArticleGoogle Scholar
Tang HJ, Huang CC, Chen WM (2011) Dynamics of dual pontoon floating structure for cage aquaculture in a two-dimensional numerical wave tank. J Fluid Struct 27:918–936ArticleGoogle Scholar
U.S. Army coastal engineering research center (1984) Shore protection manual. U.S. Government Printing Office, WashingtonGoogle Scholar
Williams AN, Lee HS, Huang Z (2000) Floating pontoon breakwaters. Ocean Eng 27:221–240ArticleGoogle Scholar
Yang Zh, Xie M, Gao Zh, Xu T, Guo W, Ji X, Yuan Ch (2018) Experimental investigation on hydrodynamic effectiveness of a water ballast type floating breakwater. J Ocean Eng 167:77–94ArticleGoogle Scholar
Zhang X, Ma Sh, Duan W (2018) A new L type floating breakwater derived from vortex dissipation simulation. J Ocean Eng 164:455–464ArticleGoogle Scholar
Comparative study of experimental and CFD analysis for predicting discharge coefficient of compound broad crested weir
ABSTRACT
Present study highlights the behavior of weir crest head and width parameter on the discharge coefficient of compound broad crested (CBC) weir. Computational fluid dynamics model (CFD) is validated with laboratory experimental investigations.
In the discharge analysis through broad crested weirs, the upstream head over the weir crest (h) is crucial, where the result is mainly dependent upon the weir crest length (L) in transverse direction to flow, water depth from channel bed. Currently, minimal investigations are known for CFD validations on compound broad crested weirs.
The hydraulic research for measuring discharge numerically is carried out using FLOW 3D software. The model applies renormalized group (RNG) using volume of fluid (VOF) method for improved accuracy in free surface simulations. Structured hexagonal meshes of cubic elements define discretized meshing.
The comparative analysis of the numerical simulations and experimental observations confirm the performance of CBC weir for precise measurement of a wide range of discharges. Series of CFD model studies and experimental validation have led to constant range of discharg coefficients for various head over weir crest. The correlation coefficient of discharge predictions is 0.999 with mean error of 0.28%.
현재 연구에서는 CBC(compound broad crested) 위어의 배출 계수에 대한 위어 볏 머리 및 너비 매개변수의 거동을 강조합니다. 전산 유체 역학 모델(CFD)은 실험실 실험 조사를 통해 검증되었습니다.
넓은 볏이 있는 둑을 통한 유출 분석에서 둑 마루의 상류 수두(h)가 중요합니다. 여기서 결과는 주로 흐름에 대한 횡 방향의 둑 마루 길이(L), 수로 바닥에서 수심에 따라 달라집니다. . 현재 복합 넓은 볏 둑에 대한 CFD 검증에 대해 최소한의 조사가 알려져 있습니다.
수압 연구는 FLOW 3D 소프트웨어를 사용하여 수치적으로 측정합니다. 이 모델은 자유 표면 시뮬레이션의 정확도 향상을 위해 VOF(유체 체적) 방법을 사용하여 RNG(재정규화 그룹)를 적용합니다. 정육면체 요소의 구조화된 육각형 메쉬는 이산화된 메쉬를 정의합니다.
수치 시뮬레이션과 실험적 관찰의 비교 분석을 통해 광범위한 배출의 정확한 측정을 위한 CBC 둑의 성능을 확인했습니다. 일련의 CFD 모델 연구와 실험적 검증을 통해 다양한 head over weir crest에 대한 일정한 범위의 방전 계수가 나타났습니다. 방전 예측의 상관 계수는 0.999이고 평균 오차는 0.28%입니다.
Figure 1 | Original Compound Broad Crested Weir Model (PVC cast).Figure 4 | CFD Simulation for max discharge (y2 ¼ 13.557 cm, Qmax ¼ 10 lps) and min discharge (y2 ¼ 6.56 cm, Qmin ¼ 2 lps).Figure 5 | (a, b) Velocity profiles corresponding to max discharge (10 lps) and min discharge (2 lps).Table 8 | Range of Froude number, Reynold number and Weber number
Key words
compound weir, flow 3D, flow measurement, numerical technique, open channel
HIGHLIGHTS
• The Head-Discharge relation is established for discharge measurement using compound broad crested weir, experimentally and numerically. • Assessment of head over weir crest for different step widths of proposed weir on discharge coefficient is executed. • Experimental and CFD results of weir performance demonstrate good agreement between the theoretical discharges by traditional rectangular weir formulae keeping Cd constant.
CONCLUSION
The head discharge relationship established for compound rectangular broad crested weir for various discharge ranges was validated by CFD technique. A three dimensional simulation software FLOW 3D was used for this purpose.
Original theoretical compound weir model depicts the relative average error between discharge predictions with Flow 3D simulation as 4.96% which is found less than the predictions made by graphical interpolation technique which is 5.33%.
The standard deviation in Cd parameter for CFD simulation model is less i.e. 0.0146 as compared to experimental output of 0.0502.
The correlation coefficient for physical and CFD studies for modified compound weir model is high, around 0.999 with error in discharge predictions being 0.28% as compared to the accuracy limits of about +3–5% stated in literature so far.
Discharge coefficient by experimental and CFD approach is maintained constant and equal to design input value of 0.6. Thus, the proposed CBC weir can be operated for various discharge ranges by maintaining constant discharge coefficients. Good agreement between the theoretical, experimental and CFD simulation results for obtaining discharge through compound broad crested weir ascertains the fact that CFD model can be used as an effective tool towards modeling flow through compound broad crested weir.
REFERENCES
Abd El-Hady Rady, R. M. 2011 2D 3D modeling of flow over sharp crested weirs. Journal of Applied Sciences Research 7 (12), 2495–2505. ISSN 1819-544X. Ackers, P., White, W. R. & Harrison, A. J. M. 1978 Weirs and Flumes for Flow Measurement. Wiley, New York. Aydin, M. C. 2016 Investigation of a sill effect on rectangular side-weir flow by using CFD. Journal of Irrigation and Drainage Engineering 142 (2), 04015043. Azimi, A. H. & Rajaratnam, N. 2009 Discharge characteristics of weirs of finite crest length. Journal of Hydraulic Engineering 135 (12), 1081–1085. Bijankhan, M., Di Stefano, C., Ferro, V. & Kouchakzadeh, S. 2014 New stage discharge relationship for weirs of finite crest length. Journal of Irrigation and Drainage Engineering 140 (3), 06013006. Boiten, W. & Pitlo, H. R. 1982 The V- shaped broad-crested weir. Journal of Irrigation and Drainage Engineering 108 (2), 142–160. Bos, M. G. 1989 Discharge Measurement Structures, 3rd edn. International Institute for Land Reclamation and Improvement, Publication 20, Wageningen, The Netherlands. Gogus, M., Defne, Z. & Ozkandemir, V. 2006 Broad-crested weirs with rectangular compound cross sections. Journal of Irrigation and Drainage Engineering 132 (3), 272–280.
Gogus, M., Al-Khatib, I. A., Atalay, A. E. & Khatib, J. I. 2016 Discharge prediction in flow measurement flumes with different downstream transition slopes. Flow Measurement and Instrumentation 47, 28–34. Hager, W. H. & Schwalt, M. 1994 Broad – crested weir. Journal of Irrigation and Drainage Engineering 120 (1), 13–25. Harrison, A. J. M. 1967 The streamlined broad-crested weir. Proceedings of the Institution of Civil Engineers 38, 657–678. Hinge, G. A., Balkrishna, S. & Khare, K. C. 2010 Improved design of stilling basin for deficient tail water. Journal of Basic and Applied Scientific Research 1 (1), 31–40. Hinge, G. A., Balkrishna, S. & Khare, K. C. 2011 Experimental and numerical study of compound broad crested weir. International Journal of Fluids Engineering 3 (2), 197–202. Horton, R. E. 1907 Weir Experiments, Coefficients, and Formulas. Dept. of the Interior, U.S. Geological Survey, Water-Supply and Irrigation Paper 200. Government Printing Office, Washington, DC. Khan, L. A., Wicklein, E. A. & Teixeira, E. C. 2006 Validation of a three-dimensional computational fluid dynamics model of a contact tank. Journal of Hydraulic Engineering 132 (7), 741–746. Kindsvater, C. E. & Carter, R. W. 1959 Discharge characteristics of rectangular thin-plate weirs. Paper No. 3001, Transactions, American Society of Civil Engineers 124. Kulin, G. & Compton, P. R. 1975 A Guide to Methods and Standards for the Measurement of Water Flow. Special Publication 421, National Bureau of Standards. Kulkarni, K. H. & Hinge, G. A. 2017 Compound broad crested weir for measurement of discharge – a novel approach. In: Proceedings International Conference Organized by Indian Society of Hydraulics – ISH HYDRO, 21–23 Dec 2017, India, pp. 678–687. Kulkarni, K. H. & Hinge, G. A. 2020 Experimental study for measuring discharge through compound broad crested weir. Flow Measurement Instrumentation 75, 101803. ISSN 0955-5986. Man, C., Zhang, G., Hong, V., Zhou, S. & Feng, Y. 2019 Assessment of turbulence models on bridge-pier scour using flow-3D. World Journal of Engineering and Technology 7, 241–255. ISSN Online: 2331-4249. Omer, B., Cihan, A. M., Emin, E. M. & Miller, C. J. 2018 Experimental and CFD analysis of circular labyrinth weirs. Journal of Irrigation and Drainage Engineering 144 (6), 04018007. RangaRaju, K. G. 1981 Flow Through Open Channels. McGraw-Hill, New York. Roushangar, K., Nouri, A., Shahnazi, S. & Azamathulla, H. M. 2021 Towards design of compound channels with minimum overall cost through grey wolf optimization algorithm. IWA – Journal of Hydroinformatics (In – press). Safarzadeh, A. & Mohajeri, S. H. 2018 Hydrodynamics of rectangular broad-crested porous weir. Journal of Irrigation and Drainage Engineering 144 (10), 04018028. Salmasi, F., Poorescandar, S., Dalir, A. H. & Zadeh, D. F. 2012 Discharge relations for rectangular broad crested weirs. Journal of Agricultural Sciences 17, 324–336. Samadi, A. & Arvanaghi, H. 2014 CFD simulation of flow over contracted compound arched rectangular sharp crested weirs. International Journal of Optimization in Civil Engineering 4 (4), 549–560. Savage, B. M. & Johnson, M. C. 2001 Flow over ogee spillway: physical and numerical model case study. Journal of Hydraulic Engineering 127 (8), 640–649. Swamee, P. K. 1988 Generalized rectangular weir equations. Journal of Hydraulic Engineering 945–952. doi:10.1061/(ASCE),0733-9429 114:8(945). The United States Bureau of Reclamation (USBR) 2001 Water Measurement Manual, Chapter 7 – Weirs. U.S. Government Printing Office, Washington, DC, p. 20402. Available from: http://www/usbr.gov/pmts/hydraulics_lab/pubs/wmm. Zahiri, A. & Azamathulla, H. M. 2014 Comparison between linear genetic programming and M5 tree models to predict flow discharge in compound channels. Neural Computing and Application 24, 413–420.
Mahdi Feizbahr,1 Navid Tonekaboni,2Guang-Jun Jiang,3,4 and Hong-Xia Chen3,4Show moreAcademic Editor: Mohammad YazdiReceived08 Apr 2021Revised18 Jun 2021Accepted17 Jul 2021Published11 Aug 2021
Abstract
Vegetation along the river increases the roughness and reduces the average flow velocity, reduces flow energy, and changes the flow velocity profile in the cross section of the river. Many canals and rivers in nature are covered with vegetation during the floods. Canal’s roughness is strongly affected by plants and therefore it has a great effect on flow resistance during flood. Roughness resistance against the flow due to the plants depends on the flow conditions and plant, so the model should simulate the current velocity by considering the effects of velocity, depth of flow, and type of vegetation along the canal. Total of 48 models have been simulated to investigate the effect of roughness in the canal. The results indicated that, by enhancing the velocity, the effect of vegetation in decreasing the bed velocity is negligible, while when the current has lower speed, the effect of vegetation on decreasing the bed velocity is obviously considerable.
강의 식생은 거칠기를 증가시키고 평균 유속을 감소시키며, 유속 에너지를 감소시키고 강의 단면에서 유속 프로파일을 변경합니다. 자연의 많은 운하와 강은 홍수 동안 초목으로 덮여 있습니다. 운하의 조도는 식물의 영향을 많이 받으므로 홍수시 유동저항에 큰 영향을 미칩니다. 식물로 인한 흐름에 대한 거칠기 저항은 흐름 조건 및 식물에 따라 다르므로 모델은 유속, 흐름 깊이 및 운하를 따라 식생 유형의 영향을 고려하여 현재 속도를 시뮬레이션해야 합니다. 근관의 거칠기의 영향을 조사하기 위해 총 48개의 모델이 시뮬레이션되었습니다. 결과는 유속을 높임으로써 유속을 감소시키는 식생의 영향은 무시할 수 있는 반면, 해류가 더 낮은 유속일 때 유속을 감소시키는 식생의 영향은 분명히 상당함을 나타냈다.
1. Introduction
Considering the impact of each variable is a very popular field within the analytical and statistical methods and intelligent systems [1–14]. This can help research for better modeling considering the relation of variables or interaction of them toward reaching a better condition for the objective function in control and engineering [15–27]. Consequently, it is necessary to study the effects of the passive factors on the active domain [28–36]. Because of the effect of vegetation on reducing the discharge capacity of rivers [37], pruning plants was necessary to improve the condition of rivers. One of the important effects of vegetation in river protection is the action of roots, which cause soil consolidation and soil structure improvement and, by enhancing the shear strength of soil, increase the resistance of canal walls against the erosive force of water. The outer limbs of the plant increase the roughness of the canal walls and reduce the flow velocity and deplete the flow energy in vicinity of the walls. Vegetation by reducing the shear stress of the canal bed reduces flood discharge and sedimentation in the intervals between vegetation and increases the stability of the walls [38–41].
One of the main factors influencing the speed, depth, and extent of flood in this method is Manning’s roughness coefficient. On the other hand, soil cover [42], especially vegetation, is one of the most determining factors in Manning’s roughness coefficient. Therefore, it is expected that those seasonal changes in the vegetation of the region will play an important role in the calculated value of Manning’s roughness coefficient and ultimately in predicting the flood wave behavior [43–45]. The roughness caused by plants’ resistance to flood current depends on the flow and plant conditions. Flow conditions include depth and velocity of the plant, and plant conditions include plant type, hardness or flexibility, dimensions, density, and shape of the plant [46]. In general, the issue discussed in this research is the optimization of flood-induced flow in canals by considering the effect of vegetation-induced roughness. Therefore, the effect of plants on the roughness coefficient and canal transmission coefficient and in consequence the flow depth should be evaluated [47, 48].
Current resistance is generally known by its roughness coefficient. The equation that is mainly used in this field is Manning equation. The ratio of shear velocity to average current velocity is another form of current resistance. The reason for using the ratio is that it is dimensionless and has a strong theoretical basis. The reason for using Manning roughness coefficient is its pervasiveness. According to Freeman et al. [49], the Manning roughness coefficient for plants was calculated according to the Kouwen and Unny [50] method for incremental resistance. This method involves increasing the roughness for various surface and plant irregularities. Manning’s roughness coefficient has all the factors affecting the resistance of the canal. Therefore, the appropriate way to more accurately estimate this coefficient is to know the factors affecting this coefficient [51].
To calculate the flow rate, velocity, and depth of flow in canals as well as flood and sediment estimation, it is important to evaluate the flow resistance. To determine the flow resistance in open ducts, Manning, Chézy, and Darcy–Weisbach relations are used [52]. In these relations, there are parameters such as Manning’s roughness coefficient (n), Chézy roughness coefficient (C), and Darcy–Weisbach coefficient (f). All three of these coefficients are a kind of flow resistance coefficient that is widely used in the equations governing flow in rivers [53].
The three relations that express the relationship between the average flow velocity (V) and the resistance and geometric and hydraulic coefficients of the canal are as follows:where n, f, and c are Manning, Darcy–Weisbach, and Chézy coefficients, respectively. V = average flow velocity, R = hydraulic radius, Sf = slope of energy line, which in uniform flow is equal to the slope of the canal bed, = gravitational acceleration, and Kn is a coefficient whose value is equal to 1 in the SI system and 1.486 in the English system. The coefficients of resistance in equations (1) to (3) are related as follows:
Based on the boundary layer theory, the flow resistance for rough substrates is determined from the following general relation:where f = Darcy–Weisbach coefficient of friction, y = flow depth, Ks = bed roughness size, and A = constant coefficient.
On the other hand, the relationship between the Darcy–Weisbach coefficient of friction and the shear velocity of the flow is as follows:
By using equation (6), equation (5) is converted as follows:
Investigation on the effect of vegetation arrangement on shear velocity of flow in laboratory conditions showed that, with increasing the shear Reynolds number (), the numerical value of the ratio also increases; in other words the amount of roughness coefficient increases with a slight difference in the cases without vegetation, checkered arrangement, and cross arrangement, respectively [54].
Roughness in river vegetation is simulated in mathematical models with a variable floor slope flume by different densities and discharges. The vegetation considered submerged in the bed of the flume. Results showed that, with increasing vegetation density, canal roughness and flow shear speed increase and with increasing flow rate and depth, Manning’s roughness coefficient decreases. Factors affecting the roughness caused by vegetation include the effect of plant density and arrangement on flow resistance, the effect of flow velocity on flow resistance, and the effect of depth [45, 55].
One of the works that has been done on the effect of vegetation on the roughness coefficient is Darby [56] study, which investigates a flood wave model that considers all the effects of vegetation on the roughness coefficient. There are currently two methods for estimating vegetation roughness. One method is to add the thrust force effect to Manning’s equation [47, 57, 58] and the other method is to increase the canal bed roughness (Manning-Strickler coefficient) [45, 59–61]. These two methods provide acceptable results in models designed to simulate floodplain flow. Wang et al. [62] simulate the floodplain with submerged vegetation using these two methods and to increase the accuracy of the results, they suggested using the effective height of the plant under running water instead of using the actual height of the plant. Freeman et al. [49] provided equations for determining the coefficient of vegetation roughness under different conditions. Lee et al. [63] proposed a method for calculating the Manning coefficient using the flow velocity ratio at different depths. Much research has been done on the Manning roughness coefficient in rivers, and researchers [49, 63–66] sought to obtain a specific number for n to use in river engineering. However, since the depth and geometric conditions of rivers are completely variable in different places, the values of Manning roughness coefficient have changed subsequently, and it has not been possible to choose a fixed number. In river engineering software, the Manning roughness coefficient is determined only for specific and constant conditions or normal flow. Lee et al. [63] stated that seasonal conditions, density, and type of vegetation should also be considered. Hydraulic roughness and Manning roughness coefficient n of the plant were obtained by estimating the total Manning roughness coefficient from the matching of the measured water surface curve and water surface height. The following equation is used for the flow surface curve:where is the depth of water change, S0 is the slope of the canal floor, Sf is the slope of the energy line, and Fr is the Froude number which is obtained from the following equation:where D is the characteristic length of the canal. Flood flow velocity is one of the important parameters of flood waves, which is very important in calculating the water level profile and energy consumption. In the cases where there are many limitations for researchers due to the wide range of experimental dimensions and the variety of design parameters, the use of numerical methods that are able to estimate the rest of the unknown results with acceptable accuracy is economically justified.
FLOW-3D software uses Finite Difference Method (FDM) for numerical solution of two-dimensional and three-dimensional flow. This software is dedicated to computational fluid dynamics (CFD) and is provided by Flow Science [67]. The flow is divided into networks with tubular cells. For each cell there are values of dependent variables and all variables are calculated in the center of the cell, except for the velocity, which is calculated at the center of the cell. In this software, two numerical techniques have been used for geometric simulation, FAVOR™ (Fractional-Area-Volume-Obstacle-Representation) and the VOF (Volume-of-Fluid) method. The equations used at this model for this research include the principle of mass survival and the magnitude of motion as follows. The fluid motion equations in three dimensions, including the Navier–Stokes equations with some additional terms, are as follows:where are mass accelerations in the directions x, y, z and are viscosity accelerations in the directions x, y, z and are obtained from the following equations:
Shear stresses in equation (11) are obtained from the following equations:
The standard model is used for high Reynolds currents, but in this model, RNG theory allows the analytical differential formula to be used for the effective viscosity that occurs at low Reynolds numbers. Therefore, the RNG model can be used for low and high Reynolds currents.
Weather changes are high and this affects many factors continuously. The presence of vegetation in any area reduces the velocity of surface flows and prevents soil erosion, so vegetation will have a significant impact on reducing destructive floods. One of the methods of erosion protection in floodplain watersheds is the use of biological methods. The presence of vegetation in watersheds reduces the flow rate during floods and prevents soil erosion. The external organs of plants increase the roughness and decrease the velocity of water flow and thus reduce its shear stress energy. One of the important factors with which the hydraulic resistance of plants is expressed is the roughness coefficient. Measuring the roughness coefficient of plants and investigating their effect on reducing velocity and shear stress of flow is of special importance.
Roughness coefficients in canals are affected by two main factors, namely, flow conditions and vegetation characteristics [68]. So far, much research has been done on the effect of the roughness factor created by vegetation, but the issue of plant density has received less attention. For this purpose, this study was conducted to investigate the effect of vegetation density on flow velocity changes.
In a study conducted using a software model on three density modes in the submerged state effect on flow velocity changes in 48 different modes was investigated (Table 1).Table 1The studied models.
The number of cells used in this simulation is equal to 1955888 cells. The boundary conditions were introduced to the model as a constant speed and depth (Figure 1). At the output boundary, due to the presence of supercritical current, no parameter for the current is considered. Absolute roughness for floors and walls was introduced to the model (Figure 1). In this case, the flow was assumed to be nonviscous and air entry into the flow was not considered. After seconds, this model reached a convergence accuracy of .
Figure 1The simulated model and its boundary conditions.
Due to the fact that it is not possible to model the vegetation in FLOW-3D software, in this research, the vegetation of small soft plants was studied so that Manning’s coefficients can be entered into the canal bed in the form of roughness coefficients obtained from the studies of Chow [69] in similar conditions. In practice, in such modeling, the effect of plant height is eliminated due to the small height of herbaceous plants, and modeling can provide relatively acceptable results in these conditions.
48 models with input velocities proportional to the height of the regular semihexagonal canal were considered to create supercritical conditions. Manning coefficients were applied based on Chow [69] studies in order to control the canal bed. Speed profiles were drawn and discussed.
Any control and simulation system has some inputs that we should determine to test any technology [70–77]. Determination and true implementation of such parameters is one of the key steps of any simulation [23, 78–81] and computing procedure [82–86]. The input current is created by applying the flow rate through the VFR (Volume Flow Rate) option and the output flow is considered Output and for other borders the Symmetry option is considered.
Simulation of the models and checking their action and responses and observing how a process behaves is one of the accepted methods in engineering and science [87, 88]. For verification of FLOW-3D software, the results of computer simulations are compared with laboratory measurements and according to the values of computational error, convergence error, and the time required for convergence, the most appropriate option for real-time simulation is selected (Figures 2 and 3 ).
Figure 2Modeling the plant with cylindrical tubes at the bottom of the canal.
Figure 3Velocity profiles in positions 2 and 5.
The canal is 7 meters long, 0.5 meters wide, and 0.8 meters deep. This test was used to validate the application of the software to predict the flow rate parameters. In this experiment, instead of using the plant, cylindrical pipes were used in the bottom of the canal.
The conditions of this modeling are similar to the laboratory conditions and the boundary conditions used in the laboratory were used for numerical modeling. The critical flow enters the simulation model from the upstream boundary, so in the upstream boundary conditions, critical velocity and depth are considered. The flow at the downstream boundary is supercritical, so no parameters are applied to the downstream boundary.
The software well predicts the process of changing the speed profile in the open canal along with the considered obstacles. The error in the calculated speed values can be due to the complexity of the flow and the interaction of the turbulence caused by the roughness of the floor with the turbulence caused by the three-dimensional cycles in the hydraulic jump. As a result, the software is able to predict the speed distribution in open canals.
2. Modeling Results
After analyzing the models, the results were shown in graphs (Figures 4–14 ). The total number of experiments in this study was 48 due to the limitations of modeling. (a) (b) (c) (d) (a) (b) (c) (d)Figure 4Flow velocity profiles for canals with a depth of 1 m and flow velocities of 3–3.3 m/s. Canal with a depth of 1 meter and a flow velocity of (a) 3 meters per second, (b) 3.1 meters per second, (c) 3.2 meters per second, and (d) 3.3 meters per second.
Figure 5Canal diagram with a depth of 1 meter and a flow rate of 3 meters per second.
Figure 6Canal diagram with a depth of 1 meter and a flow rate of 3.1 meters per second.
Figure 7Canal diagram with a depth of 1 meter and a flow rate of 3.2 meters per second.
Figure 8Canal diagram with a depth of 1 meter and a flow rate of 3.3 meters per second. (a) (b) (c) (d) (a) (b) (c) (d)Figure 9Flow velocity profiles for canals with a depth of 2 m and flow velocities of 4–4.3 m/s. Canal with a depth of 2 meters and a flow rate of (a) 4 meters per second, (b) 4.1 meters per second, (c) 4.2 meters per second, and (d) 4.3 meters per second.
Figure 10Canal diagram with a depth of 2 meters and a flow rate of 4 meters per second.
Figure 11Canal diagram with a depth of 2 meters and a flow rate of 4.1 meters per second.
Figure 12Canal diagram with a depth of 2 meters and a flow rate of 4.2 meters per second.
Figure 13Canal diagram with a depth of 2 meters and a flow rate of 4.3 meters per second. (a) (b) (c) (d) (a) (b) (c) (d)Figure 14Flow velocity profiles for canals with a depth of 3 m and flow velocities of 5–5.3 m/s. Canal with a depth of 2 meters and a flow rate of (a) 4 meters per second, (b) 4.1 meters per second, (c) 4.2 meters per second, and (d) 4.3 meters per second.
To investigate the effects of roughness with flow velocity, the trend of flow velocity changes at different depths and with supercritical flow to a Froude number proportional to the depth of the section has been obtained.
According to the velocity profiles of Figure 5, it can be seen that, with the increasing of Manning’s coefficient, the canal bed speed decreases.
According to Figures 5 to 8, it can be found that, with increasing the Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of the models 1 to 12, which can be justified by increasing the speed and of course increasing the Froude number.
According to Figure 10, we see that, with increasing Manning’s coefficient, the canal bed speed decreases.
According to Figure 11, we see that, with increasing Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of Figures 5–10, which can be justified by increasing the speed and, of course, increasing the Froude number.
With increasing Manning’s coefficient, the canal bed speed decreases (Figure 12). But this deceleration is more noticeable than the deceleration of the higher models (Figures 5–8 and 10, 11), which can be justified by increasing the speed and, of course, increasing the Froude number.
According to Figure 13, with increasing Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of Figures 5 to 12, which can be justified by increasing the speed and, of course, increasing the Froude number.
According to Figure 15, with increasing Manning’s coefficient, the canal bed speed decreases.
Figure 15Canal diagram with a depth of 3 meters and a flow rate of 5 meters per second.
According to Figure 16, with increasing Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of the higher model, which can be justified by increasing the speed and, of course, increasing the Froude number.
Figure 16Canal diagram with a depth of 3 meters and a flow rate of 5.1 meters per second.
According to Figure 17, it is clear that, with increasing Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of the higher models, which can be justified by increasing the speed and, of course, increasing the Froude number.
Figure 17Canal diagram with a depth of 3 meters and a flow rate of 5.2 meters per second.
According to Figure 18, with increasing Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of the higher models, which can be justified by increasing the speed and, of course, increasing the Froude number.
Figure 18Canal diagram with a depth of 3 meters and a flow rate of 5.3 meters per second.
According to Figure 19, it can be seen that the vegetation placed in front of the flow input velocity has negligible effect on the reduction of velocity, which of course can be justified due to the flexibility of the vegetation. The only unusual thing is the unexpected decrease in floor speed of 3 m/s compared to higher speeds. (a) (b) (c) (a) (b) (c)Figure 19Comparison of velocity profiles with the same plant densities (depth 1 m). Comparison of velocity profiles with (a) plant densities of 25%, depth 1 m; (b) plant densities of 50%, depth 1 m; and (c) plant densities of 75%, depth 1 m.
According to Figure 20, by increasing the speed of vegetation, the effect of vegetation on reducing the flow rate becomes more noticeable. And the role of input current does not have much effect in reducing speed. (a) (b) (c) (a) (b) (c)Figure 20Comparison of velocity profiles with the same plant densities (depth 2 m). Comparison of velocity profiles with (a) plant densities of 25%, depth 2 m; (b) plant densities of 50%, depth 2 m; and (c) plant densities of 75%, depth 2 m.
According to Figure 21, it can be seen that, with increasing speed, the effect of vegetation on reducing the bed flow rate becomes more noticeable and the role of the input current does not have much effect. In general, it can be seen that, by increasing the speed of the input current, the slope of the profiles increases from the bed to the water surface and due to the fact that, in software, the roughness coefficient applies to the channel floor only in the boundary conditions, this can be perfectly justified. Of course, it can be noted that, due to the flexible conditions of the vegetation of the bed, this modeling can show acceptable results for such grasses in the canal floor. In the next directions, we may try application of swarm-based optimization methods for modeling and finding the most effective factors in this research [2, 7, 8, 15, 18, 89–94]. In future, we can also apply the simulation logic and software of this research for other domains such as power engineering [95–99]. (a) (b) (c) (a) (b) (c)Figure 21Comparison of velocity profiles with the same plant densities (depth 3 m). Comparison of velocity profiles with (a) plant densities of 25%, depth 3 m; (b) plant densities of 50%, depth 3 m; and (c) plant densities of 75%, depth 3 m.
3. Conclusion
The effects of vegetation on the flood canal were investigated by numerical modeling with FLOW-3D software. After analyzing the results, the following conclusions were reached:(i)Increasing the density of vegetation reduces the velocity of the canal floor but has no effect on the velocity of the canal surface.(ii)Increasing the Froude number is directly related to increasing the speed of the canal floor.(iii)In the canal with a depth of one meter, a sudden increase in speed can be observed from the lowest speed and higher speed, which is justified by the sudden increase in Froude number.(iv)As the inlet flow rate increases, the slope of the profiles from the bed to the water surface increases.(v)By reducing the Froude number, the effect of vegetation on reducing the flow bed rate becomes more noticeable. And the input velocity in reducing the velocity of the canal floor does not have much effect.(vi)At a flow rate between 3 and 3.3 meters per second due to the shallow depth of the canal and the higher landing number a more critical area is observed in which the flow bed velocity in this area is between 2.86 and 3.1 m/s.(vii)Due to the critical flow velocity and the slight effect of the roughness of the horseshoe vortex floor, it is not visible and is only partially observed in models 1-2-3 and 21.(viii)As the flow rate increases, the effect of vegetation on the rate of bed reduction decreases.(ix)In conditions where less current intensity is passing, vegetation has a greater effect on reducing current intensity and energy consumption increases.(x)In the case of using the flow rate of 0.8 cubic meters per second, the velocity distribution and flow regime show about 20% more energy consumption than in the case of using the flow rate of 1.3 cubic meters per second.
Nomenclature
n:
Manning’s roughness coefficient
C:
Chézy roughness coefficient
f:
Darcy–Weisbach coefficient
V:
Flow velocity
R:
Hydraulic radius
g:
Gravitational acceleration
y:
Flow depth
Ks:
Bed roughness
A:
Constant coefficient
:
Reynolds number
∂y/∂x:
Depth of water change
S0:
Slope of the canal floor
Sf:
Slope of energy line
Fr:
Froude number
D:
Characteristic length of the canal
G:
Mass acceleration
:
Shear stresses.
Data Availability
All data are included within the paper.
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
H. Yu, L. Jie, W. Gui et al., “Dynamic Gaussian bare-bones fruit fly optimizers with abandonment mechanism: method and analysis,” Engineering with Computers, vol. 20, pp. 1–29, 2020.View at: Publisher Site | Google Scholar
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
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, Article ID 106684, 2021.View at: Publisher Site | Google Scholar
C. Yu, M. Chen, K. Chen et al., “SGOA: annealing-behaved grasshopper optimizer for global tasks,” Engineering with Computers, vol. 4, pp. 1–28, 2021.View at: Publisher Site | Google Scholar
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. 8, Article ID 106728, 2020.View at: Google Scholar
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, Article ID 106642, 2021.View at: Publisher Site | Google Scholar
Y. Zhang, R. Liu, X. Wang et al., “Towards augmented kernel extreme learning models for bankruptcy prediction: algorithmic behavior and comprehensive analysis,” Neurocomputing, vol. 430, 2020.View at: Google Scholar
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
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
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
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
M. Wang, H. Chen, B. Yang et al., “Toward an optimal kernel extreme learning machine using a chaotic moth-flame optimization strategy with applications in medical diagnoses,” Neurocomputing, vol. 267, pp. 69–84, 2017.View at: Publisher Site | Google Scholar
L. Chao, K. Zhang, Z. Li, Y. Zhu, J. Wang, and Z. Yu, “Geographically weighted regression based methods for merging satellite and gauge precipitation,” Journal of Hydrology, vol. 558, pp. 275–289, 2018.View at: Publisher Site | Google Scholar
F. J. Golrokh, G. Azeem, and A. Hasan, “Eco-efficiency evaluation in cement industries: DEA malmquist productivity index using optimization models,” ENG Transactions, vol. 1, 2020.View at: Google Scholar
D. Zhao, L. Lei, F. Yu et al., “Chaotic random spare ant colony optimization for multi-threshold image segmentation of 2D Kapur entropy,” Knowledge-Based Systems, vol. 8, Article ID 106510, 2020.View at: Google Scholar
Y. Zhang, R. Liu, X. Wang, H. Chen, and C. Li, “Boosted binary Harris hawks optimizer and feature selection,” Engineering with Computers, vol. 517, pp. 1–30, 2020.View at: Publisher Site | Google Scholar
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
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
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
Y. Xu, H. Chen, J. Luo, Q. Zhang, S. Jiao, and X. Zhang, “Enhanced Moth-flame optimizer with mutation strategy for global optimization,” Information Sciences, vol. 492, pp. 181–203, 2019.View at: Publisher Site | Google Scholar
M. Wang and H. Chen, “Chaotic multi-swarm whale optimizer boosted support vector machine for medical diagnosis,” Applied Soft Computing Journal, vol. 88, Article ID 105946, 2020.View at: Publisher Site | Google Scholar
Y. Chen, J. Li, H. Lu, and P. Yan, “Coupling system dynamics analysis and risk aversion programming for optimizing the mixed noise-driven shale gas-water supply chains,” Journal of Cleaner Production, vol. 278, Article ID 123209, 2020.View at: Google Scholar
H. Tang, Y. Xu, A. Lin et al., “Predicting green consumption behaviors of students using efficient firefly grey wolf-assisted K-nearest neighbor classifiers,” IEEE Access, vol. 8, pp. 35546–35562, 2020.View at: Publisher Site | Google Scholar
H.-J. Ma and G.-H. Yang, “Adaptive fault tolerant control of cooperative heterogeneous systems with actuator faults and unreliable interconnections,” IEEE Transactions on Automatic Control, vol. 61, no. 11, pp. 3240–3255, 2015.View at: Google Scholar
H.-J. Ma and L.-X. Xu, “Decentralized adaptive fault-tolerant control for a class of strong interconnected nonlinear systems via graph theory,” IEEE Transactions on Automatic Control, vol. 66, 2020.View at: Google Scholar
H. J. Ma, L. X. Xu, and G. H. Yang, “Multiple environment integral reinforcement learning-based fault-tolerant control for affine nonlinear systems,” IEEE Transactions on Cybernetics, vol. 51, pp. 1–16, 2019.View at: Publisher Site | Google Scholar
J. Hu, M. Wang, C. Zhao, Q. Pan, and C. Du, “Formation control and collision avoidance for multi-UAV systems based on Voronoi partition,” Science China Technological Sciences, vol. 63, no. 1, pp. 65–72, 2020.View at: Publisher Site | Google Scholar
C. Zhang, H. Li, Y. Qian, C. Chen, and X. Zhou, “Locality-constrained discriminative matrix regression for robust face identification,” IEEE Transactions on Neural Networks and Learning Systems, vol. 99, pp. 1–15, 2020.View at: Publisher Site | Google Scholar
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
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. 560, 2020.View at: Google Scholar
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. 03, p. 1, 2020.View at: Publisher Site | Google Scholar
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. 197-198, Article ID 103003, 2020.View at: Publisher Site | Google Scholar
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. 3, p. 1, 2020.View at: Publisher Site | Google Scholar
L. He, J. Shen, and Y. Zhang, “Ecological vulnerability assessment for ecological conservation and environmental management,” Journal of Environmental Management, vol. 206, pp. 1115–1125, 2018.View at: Publisher Site | Google Scholar
Y. Chen, W. Zheng, W. Li, and Y. Huang, “Large group Activity security risk assessment and risk early warning based on random forest algorithm,” Pattern Recognition Letters, vol. 144, pp. 1–5, 2021.View at: Publisher Site | Google Scholar
J. Hu, H. Zhang, Z. Li, C. Zhao, Z. Xu, and Q. Pan, “Object traversing by monocular UAV in outdoor environment,” Asian Journal of Control, vol. 25, 2020.View at: Google Scholar
P. Tian, H. Lu, W. Feng, Y. Guan, and Y. Xue, “Large decrease in streamflow and sediment load of Qinghai-Tibetan Plateau driven by future climate change: a case study in Lhasa River Basin,” Catena, vol. 187, Article ID 104340, 2020.View at: Publisher Site | Google Scholar
A. Stokes, C. Atger, A. G. Bengough, T. Fourcaud, and R. C. Sidle, “Desirable plant root traits for protecting natural and engineered slopes against landslides,” Plant and Soil, vol. 324, no. 1, pp. 1–30, 2009.View at: Publisher Site | Google Scholar
T. B. Devi, A. Sharma, and B. Kumar, “Studies on emergent flow over vegetative channel bed with downward seepage,” Hydrological Sciences Journal, vol. 62, no. 3, pp. 408–420, 2017.View at: Google Scholar
G. Ireland, M. Volpi, and G. Petropoulos, “Examining the capability of supervised machine learning classifiers in extracting flooded areas from Landsat TM imagery: a case study from a Mediterranean flood,” Remote Sensing, vol. 7, no. 3, pp. 3372–3399, 2015.View at: Publisher Site | Google Scholar
L. Goodarzi and S. Javadi, “Assessment of aquifer vulnerability using the DRASTIC model; a case study of the Dezful-Andimeshk Aquifer,” Computational Research Progress in Applied Science & Engineering, vol. 2, no. 1, pp. 17–22, 2016.View at: Google Scholar
K. Zhang, Q. Wang, L. Chao et al., “Ground observation-based analysis of soil moisture spatiotemporal variability across a humid to semi-humid transitional zone in China,” Journal of Hydrology, vol. 574, pp. 903–914, 2019.View at: Publisher Site | Google Scholar
L. De Doncker, P. Troch, R. Verhoeven, K. Bal, P. Meire, and J. Quintelier, “Determination of the Manning roughness coefficient influenced by vegetation in the river Aa and Biebrza river,” Environmental Fluid Mechanics, vol. 9, no. 5, pp. 549–567, 2009.View at: Publisher Site | Google Scholar
M. Fathi-Moghadam and K. Drikvandi, “Manning roughness coefficient for rivers and flood plains with non-submerged vegetation,” International Journal of Hydraulic Engineering, vol. 1, no. 1, pp. 1–4, 2012.View at: Google Scholar
F.-C. Wu, H. W. Shen, and Y.-J. Chou, “Variation of roughness coefficients for unsubmerged and submerged vegetation,” Journal of Hydraulic Engineering, vol. 125, no. 9, pp. 934–942, 1999.View at: Publisher Site | Google Scholar
M. K. Wood, “Rangeland vegetation-hydrologic interactions,” in Vegetation Science Applications for Rangeland Analysis and Management, vol. 3, pp. 469–491, Springer, 1988.View at: Publisher Site | Google Scholar
C. Wilson, O. Yagci, H.-P. Rauch, and N. Olsen, “3D numerical modelling of a willow vegetated river/floodplain system,” Journal of Hydrology, vol. 327, no. 1-2, pp. 13–21, 2006.View at: Publisher Site | Google Scholar
R. Yazarloo, M. Khamehchian, and M. R. Nikoodel, “Observational-computational 3d engineering geological model and geotechnical characteristics of young sediments of golestan province,” Computational Research Progress in Applied Science & Engineering (CRPASE), vol. 03, 2017.View at: Google Scholar
G. E. Freeman, W. H. Rahmeyer, and R. R. Copeland, “Determination of resistance due to shrubs and woody vegetation,” International Journal of River Basin Management, vol. 19, 2000.View at: Google Scholar
N. Kouwen and T. E. Unny, “Flexible roughness in open channels,” Journal of the Hydraulics Division, vol. 99, no. 5, pp. 713–728, 1973.View at: Publisher Site | Google Scholar
S. Hosseini and J. Abrishami, Open Channel Hydraulics, Elsevier, Amsterdam, Netherlands, 2007.
C. S. James, A. L. Birkhead, A. A. Jordanova, and J. J. O’Sullivan, “Flow resistance of emergent vegetation,” Journal of Hydraulic Research, vol. 42, no. 4, pp. 390–398, 2004.View at: Publisher Site | Google Scholar
F. Huthoff and D. Augustijn, “Channel roughness in 1D steady uniform flow: Manning or Chézy?,,” NCR-days, vol. 102, 2004.View at: Google Scholar
M. S. Sabegh, M. Saneie, M. Habibi, A. A. Abbasi, and M. Ghadimkhani, “Experimental investigation on the effect of river bank tree planting array, on shear velocity,” Journal of Watershed Engineering and Management, vol. 2, no. 4, 2011.View at: Google Scholar
A. Errico, V. Pasquino, M. Maxwald, G. B. Chirico, L. Solari, and F. Preti, “The effect of flexible vegetation on flow in drainage channels: estimation of roughness coefficients at the real scale,” Ecological Engineering, vol. 120, pp. 411–421, 2018.View at: Publisher Site | Google Scholar
S. E. Darby, “Effect of riparian vegetation on flow resistance and flood potential,” Journal of Hydraulic Engineering, vol. 125, no. 5, pp. 443–454, 1999.View at: Publisher Site | Google Scholar
V. Kutija and H. Thi Minh Hong, “A numerical model for assessing the additional resistance to flow introduced by flexible vegetation,” Journal of Hydraulic Research, vol. 34, no. 1, pp. 99–114, 1996.View at: Publisher Site | Google Scholar
T. Fischer-Antze, T. Stoesser, P. Bates, and N. R. B. Olsen, “3D numerical modelling of open-channel flow with submerged vegetation,” Journal of Hydraulic Research, vol. 39, no. 3, pp. 303–310, 2001.View at: Publisher Site | Google Scholar
U. Stephan and D. Gutknecht, “Hydraulic resistance of submerged flexible vegetation,” Journal of Hydrology, vol. 269, no. 1-2, pp. 27–43, 2002.View at: Publisher Site | Google Scholar
F. G. Carollo, V. Ferro, and D. Termini, “Flow resistance law in channels with flexible submerged vegetation,” Journal of Hydraulic Engineering, vol. 131, no. 7, pp. 554–564, 2005.View at: Publisher Site | Google Scholar
W. Fu-sheng, “Flow resistance of flexible vegetation in open channel,” Journal of Hydraulic Engineering, vol. S1, 2007.View at: Google Scholar
P.-f. Wang, C. Wang, and D. Z. Zhu, “Hydraulic resistance of submerged vegetation related to effective height,” Journal of Hydrodynamics, vol. 22, no. 2, pp. 265–273, 2010.View at: Publisher Site | Google Scholar
J. K. Lee, L. C. Roig, H. L. Jenter, and H. M. Visser, “Drag coefficients for modeling flow through emergent vegetation in the Florida Everglades,” Ecological Engineering, vol. 22, no. 4-5, pp. 237–248, 2004.View at: Publisher Site | Google Scholar
G. J. Arcement and V. R. Schneider, Guide for Selecting Manning’s Roughness Coefficients for Natural Channels and Flood Plains, US Government Printing Office, Washington, DC, USA, 1989.
Y. Ding and S. S. Y. Wang, “Identification of Manning’s roughness coefficients in channel network using adjoint analysis,” International Journal of Computational Fluid Dynamics, vol. 19, no. 1, pp. 3–13, 2005.View at: Publisher Site | Google Scholar
E. T. Engman, “Roughness coefficients for routing surface runoff,” Journal of Irrigation and Drainage Engineering, vol. 112, no. 1, pp. 39–53, 1986.View at: Publisher Site | Google Scholar
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: Publisher Site | Google Scholar
M. Farzadkhoo, A. Keshavarzi, H. Hamidifar, and M. Javan, “Sudden pollutant discharge in vegetated compound meandering rivers,” Catena, vol. 182, Article ID 104155, 2019.View at: Publisher Site | Google Scholar
V. T. Chow, Open-channel Hydraulics, Mcgraw-Hill Civil Engineering Series, Chennai, TN, India, 1959.
X. Zhang, R. Jing, Z. Li, Z. Li, X. Chen, and C.-Y. Su, “Adaptive pseudo inverse control for a class of nonlinear asymmetric and saturated nonlinear hysteretic systems,” IEEE/CAA Journal of Automatica Sinica, vol. 8, no. 4, pp. 916–928, 2020.View at: Google Scholar
C. Zuo, Q. Chen, L. Tian, L. Waller, and A. Asundi, “Transport of intensity phase retrieval and computational imaging for partially coherent fields: the phase space perspective,” Optics and Lasers in Engineering, vol. 71, pp. 20–32, 2015.View at: Publisher Site | Google Scholar
C. Zuo, J. Sun, J. Li, J. Zhang, A. Asundi, and Q. Chen, “High-resolution transport-of-intensity quantitative phase microscopy with annular illumination,” Scientific Reports, vol. 7, no. 1, pp. 7654–7722, 2017.View at: Publisher Site | Google Scholar
B.-H. Li, Y. Liu, A.-M. Zhang, W.-H. Wang, and S. Wan, “A survey on blocking technology of entity resolution,” Journal of Computer Science and Technology, vol. 35, no. 4, pp. 769–793, 2020.View at: Publisher Site | Google Scholar
Y. Liu, B. Zhang, Y. Feng et al., “Development of 340-GHz transceiver front end based on GaAs monolithic integration technology for THz active imaging array,” Applied Sciences, vol. 10, no. 21, p. 7924, 2020.View at: Publisher Site | Google Scholar
J. Hu, H. Zhang, L. Liu, X. Zhu, C. Zhao, and Q. Pan, “Convergent multiagent formation control with collision avoidance,” IEEE Transactions on Robotics, vol. 36, no. 6, pp. 1805–1818, 2020.View at: Publisher Site | Google Scholar
M. B. Movahhed, J. Ayoubinejad, F. N. Asl, and M. Feizbahr, “The effect of rain on pedestrians crossing speed,” Computational Research Progress in Applied Science & Engineering (CRPASE), vol. 6, no. 3, 2020.View at: Google Scholar
A. Li, D. Spano, J. Krivochiza et al., “A tutorial on interference exploitation via symbol-level precoding: overview, state-of-the-art and future directions,” IEEE Communications Surveys & Tutorials, vol. 22, no. 2, pp. 796–839, 2020.View at: Publisher Site | Google Scholar
W. Zhu, C. Ma, X. Zhao et al., “Evaluation of sino foreign cooperative education project using orthogonal sine cosine optimized kernel extreme learning machine,” IEEE Access, vol. 8, pp. 61107–61123, 2020.View at: Publisher Site | Google Scholar
G. Liu, W. Jia, M. Wang et al., “Predicting cervical hyperextension injury: a covariance guided sine cosine support vector machine,” IEEE Access, vol. 8, pp. 46895–46908, 2020.View at: Publisher Site | Google Scholar
Y. Wei, H. Lv, M. Chen et al., “Predicting entrepreneurial intention of students: an extreme learning machine with Gaussian barebone harris hawks optimizer,” IEEE Access, vol. 8, pp. 76841–76855, 2020.View at: Publisher Site | Google Scholar
A. Lin, Q. Wu, A. A. Heidari et al., “Predicting intentions of students for master programs using a chaos-induced sine cosine-based fuzzy K-Nearest neighbor classifier,” Ieee Access, vol. 7, pp. 67235–67248, 2019.View at: Publisher Site | Google Scholar
Y. Fan, P. Wang, A. A. Heidari et al., “Rationalized fruit fly optimization with sine cosine algorithm: a comprehensive analysis,” Expert Systems with Applications, vol. 157, Article ID 113486, 2020.View at: Publisher Site | Google Scholar
E. Rodríguez-Esparza, L. A. Zanella-Calzada, D. Oliva et al., “An efficient Harris hawks-inspired image segmentation method,” Expert Systems with Applications, vol. 155, Article ID 113428, 2020.View at: Publisher Site | Google Scholar
S. Jiao, G. Chong, C. Huang et al., “Orthogonally adapted Harris hawks optimization for parameter estimation of photovoltaic models,” Energy, vol. 203, Article ID 117804, 2020.View at: Publisher Site | Google Scholar
Z. Xu, Z. Hu, A. A. Heidari et al., “Orthogonally-designed adapted grasshopper optimization: a comprehensive analysis,” Expert Systems with Applications, vol. 150, Article ID 113282, 2020.View at: Publisher Site | Google Scholar
A. Abbassi, R. Abbassi, A. A. Heidari et al., “Parameters identification of photovoltaic cell models using enhanced exploratory salp chains-based approach,” Energy, vol. 198, Article ID 117333, 2020.View at: Publisher Site | Google Scholar
M. Mahmoodi and K. K. Aminjan, “Numerical simulation of flow through sukhoi 24 air inlet,” Computational Research Progress in Applied Science & Engineering (CRPASE), vol. 03, 2017.View at: Google Scholar
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,” ENG Transactions, vol. 1, 2020.View at: Google Scholar
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
J. Guo, H. Zheng, B. Li, and G.-Z. Fu, “Bayesian hierarchical model-based information fusion for degradation analysis considering non-competing relationship,” IEEE Access, vol. 7, pp. 175222–175227, 2019.View at: Publisher Site | Google Scholar
J. Guo, H. Zheng, B. Li, and G.-Z. Fu, “A Bayesian approach for degradation analysis with individual differences,” IEEE Access, vol. 7, pp. 175033–175040, 2019.View at: Publisher Site | Google Scholar
M. M. A. Malakoutian, Y. Malakoutian, P. Mostafapour, and S. Z. D. Abed, “Prediction for monthly rainfall of six meteorological regions and TRNC (case study: north Cyprus),” ENG Transactions, vol. 2, no. 2, 2021.View at: Google Scholar
H. Arslan, M. Ranjbar, and Z. Mutlum, “Maximum sound transmission loss in multi-chamber reactive silencers: are two chambers enough?,,” ENG Transactions, vol. 2, no. 1, 2021.View at: Google Scholar
N. Tonekaboni, M. Feizbahr, N. Tonekaboni, G.-J. Jiang, and H.-X. Chen, “Optimization of solar CCHP systems with collector enhanced by porous media and nanofluid,” Mathematical Problems in Engineering, vol. 2021, Article ID 9984840, 12 pages, 2021.View at: Publisher Site | Google Scholar
Z. Niu, B. Zhang, J. Wang et al., “The research on 220GHz multicarrier high-speed communication system,” China Communications, vol. 17, no. 3, pp. 131–139, 2020.View at: Publisher Site | Google Scholar
B. Zhang, Z. Niu, J. Wang et al., “Four‐hundred gigahertz broadband multi‐branch waveguide coupler,” IET Microwaves, Antennas & Propagation, vol. 14, no. 11, pp. 1175–1179, 2020.View at: Publisher Site | Google Scholar
Z.-Q. Niu, L. Yang, B. Zhang et al., “A mechanical reliability study of 3dB waveguide hybrid couplers in the submillimeter and terahertz band,” Journal of Zhejiang University Science, vol. 1, no. 1, 1998.View at: Google Scholar
B. Zhang, D. Ji, D. Fang, S. Liang, Y. Fan, and X. Chen, “A novel 220-GHz GaN diode on-chip tripler with high driven power,” IEEE Electron Device Letters, vol. 40, no. 5, pp. 780–783, 2019.View at: Publisher Site | Google Scholar
M. Taleghani and A. Taleghani, “Identification and ranking of factors affecting the implementation of knowledge management engineering based on TOPSIS technique,” ENG Transactions, vol. 1, no. 1, 2020.View at: Google Scholar
This paper presents computational fluid dynamics simulations of the deposition flow during printing of multiple layers in material extrusion additive manufacturing. The developed model predicts the morphology of the deposited layers and captures the layer deformations during the printing of viscoplastic materials. The physics is governed by the continuity and momentum equations with the Bingham constitutive model, formulated as a generalized Newtonian fluid. The cross-sectional shapes of the deposited layers are predicted, and the deformation of layers is studied for different constitutive parameters of the material. It is shown that the deformation of layers is due to the hydrostatic pressure of the printed material, as well as the extrusion pressure during the extrusion. The simulations show that a higher yield stress results in prints with less deformations, while a higher plastic viscosity leads to larger deformations in the deposited layers. Moreover, the influence of the printing speed, extrusion speed, layer height, and nozzle diameter on the deformation of the printed layers is investigated. Finally, the model provides a conservative estimate of the required increase in yield stress that a viscoplastic material demands after deposition in order to support the hydrostatic and extrusion pressure of the subsequently printed layers.
이 논문은 재료 압출 적층 제조에서 여러 레이어를 인쇄하는 동안 증착 흐름의 전산 유체 역학 시뮬레이션을 제공합니다. 개발된 모델은 증착된 레이어의 형태를 예측하고 점소성 재료를 인쇄하는 동안 레이어 변형을 캡처합니다.
물리학은 일반화된 뉴턴 유체로 공식화된 Bingham 구성 모델의 연속성 및 운동량 방정식에 의해 제어됩니다. 증착된 층의 단면 모양이 예측되고 재료의 다양한 구성 매개변수에 대해 층의 변형이 연구됩니다. 층의 변형은 인쇄물의 정수압과 압출시 압출압력으로 인한 것임을 알 수 있다.
시뮬레이션에 따르면 항복 응력이 높을수록 변형이 적은 인쇄물이 생성되는 반면 플라스틱 점도가 높을수록 증착된 레이어에서 변형이 커집니다. 또한 인쇄 속도, 압출 속도, 층 높이 및 노즐 직경이 인쇄된 층의 변형에 미치는 영향을 조사했습니다.
마지막으로, 이 모델은 후속 인쇄된 레이어의 정수압 및 압출 압력을 지원하기 위해 증착 후 점소성 재료가 요구하는 항복 응력의 필요한 증가에 대한 보수적인 추정치를 제공합니다.
Stability and deformations of deposited layers in material extrusion additive manufacturing
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 Fig1electromagnetic metal casting computation designs Fig2electromagnetic metal casting computation designs Fig3electromagnetic metal casting computation designs Fig4electromagnetic metal casting computation designs Fig5electromagnetic metal casting computation designs Fig6electromagnetic metal casting computation designs Fig7electromagnetic metal casting computation designs Fig8electromagnetic metal casting computation designs Fig9
References
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/ma9040231ADSArticleGoogle Scholar
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/ma10111255ADSArticleGoogle Scholar
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.2014.07.103ArticleGoogle Scholar
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.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.2018.03.183ArticleGoogle Scholar
22.K.L. Glass, D.M. Ashby, U.S. Patent No. 9050656. (U.S. Patent and Trademark Office, Washington, DC, 2015)
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.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.2006.02.034ArticleGoogle Scholar
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.2018.08.006ArticleGoogle Scholar
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.2008.4633143ArticleGoogle Scholar
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.J. Campbell, Complete Casting Handbook: Metal Casting Processes, Metallurgy, Techniques and Design (Butterworth-Heinemann, 2015)Google Scholar
31.B. Ravi, Metal Casting: Computer-Aided Design and Analysis, 1st edn. (PHI Learning Ltd, 2005)Google Scholar
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.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
38.EKK, Inc. Metal Casting Simulation Software and Consulting Services, CAPCAST Brochure
39.P. Muenprasertdee, Solidification modeling of iron castings using SOLIDCast (2007)
40.CasCAE, CT-CasTest Inc. Oy, Kerava
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.2006.886913ADSArticleGoogle Scholar
42.B. Warren, M.H. Awida, A.E. Fathy, Electromagnetic heating of metals. IET Electromagn. Antennas Propag. 6(2), 196–205 (2012)ArticleGoogle Scholar
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.2007.11.010ArticleGoogle Scholar
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/10.1080/10408436.2016.1142421ADSArticleGoogle Scholar
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/10.1109/19.52520ArticleGoogle Scholar
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)ADSArticleGoogle Scholar
48.M. Bologna, A. Petri, B. Tellini, C. Zappacosta, Effective magnetic permeability measurementin composite resonator structures. Instrum. Meas. IEEE Trans. 59, 1200–1206 (2010)ArticleGoogle Scholar
49.B. Ravi, G.L. Datta, Metal casting–back to future, in 52nd Indian Foundry Congress, (2004)
51.H. Sekiguchi, Y. Mori, Steam plasma reforming using Electromagnetic discharge. Thin Solid Films 435, 44–48 (2003)ADSArticleGoogle Scholar
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)ArticleGoogle Scholar
56.B. Ravi, Metal Casting: Computer-Aided Design and Analysis. (PHI Learning Pvt. Ltd., 2005)
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/s18051428ADSArticleGoogle Scholar
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/s13369-020-04648-7ArticleGoogle Scholar
61.W. Chen, B. Gutmann, C.O. Kappe, Characterization of electromagnetic-induced electric discharge phenomena in metal-solvent mixtures. ChemistryOpen 1, 39–48 (2012)ArticleGoogle Scholar
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.2019.02.018ArticleGoogle Scholar
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.2018.02.004ArticleGoogle Scholar
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/s00170-016-8416-8ArticleGoogle Scholar
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.
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.2017.06.018ArticleGoogle Scholar
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.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)ArticleGoogle Scholar
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)ArticleGoogle Scholar
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.2015.03.056ArticleMATHGoogle Scholar
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.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.2019.10.051ArticleGoogle Scholar
76.B.P. Pehrson, A.F. Moore (2014). U.S. Patent No. 8708031 (U.S. Patent and Trademark Office, Washington, DC, 2014)
77.Liu, J., & Rynerson, M. L. (2008). U.S. Patent No. 7,461,684. Washington, DC: U.S. Patent and Trademark Office.
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/s40962-017-0176-1ArticleGoogle Scholar
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.2017.08.015ArticleGoogle Scholar
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.4.4.2840ArticleGoogle Scholar
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.2021.02.374ArticleGoogle Scholar
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 1Figure 2. Borders in the overhang region depending on the overhang angle θFigure 3. (a) Profile of the volumetric heat source, (b) the model geometry of single-track printing on a solid substrate (unit: µm), and (c) the comparison of melt pool dimensions obtained from the experiment (right half) and simulation (left half) for a calibrated optical penetration depth of 110 µm (laser power 200 W and scan speed 800 mm/s, solidified layer thickness 30 µm, powder size 10–45 µm).Figure 4. The model geometry of an overhang being L-PBF processed: (a) 3D view and (b) right view.Figure 5. The cross-sectional contour of border tracks in a 45° overhang region.Figure 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 8. Schematic of powder adhesion on a 45° overhang region.Figure 9. The L-PBF printed samples with various overhang angle (a) θ = 0° (cube), (b) θ = 30°, (c) θ = 45°, (d) θ = 55° and (e) θ = 60°.Figure 10. Two mechanisms of powder adhesion related to the overhang angle: (a) simulation-predicted, θ = 45°; (b) simulation-predicted, θ = 60°; (c, e) optical micrographs, θ = 45°; (d, f) optical micrographs, θ = 60°. (e) and (f) are partial enlargement of (c) and (d), respectively.Figure 11. Simulation-predicted surface morphology in the overhang region at different overhang angle: (a) θ = 15°, (b) θ = 30°, (c) θ = 45°, (d) θ = 60° and (e) θ = 80° (Blue solid lines: simulation-predicted contour; red dashed lines: the planar profile of designed overhang region specified by the overhang angles).Figure 12. Effect of overhang angle on surface roughness Ra in overhang regionsFigure 13. Surface morphology of L-PBF printed overhang regions with different overhang angle: (a) θ = 15°, (b) θ = 30°, (c) θ = 45° and (d) θ = 60° (overhang border parameters: P = 100 W, v = 1000 mm/s).Figure 14. Effect of (a) laser power (scan speed = 1000 mm/s) and (b) scan speed (lase power = 100 W) on surface roughness Ra in overhang regions (θ = 45°, laser power and scan speed referred to overhang border parameters, and the other process parameters are listed in Table 2).
References
Cai, Chao, Chrupcala Radoslaw, Jinliang Zhang, Qian Yan, Shifeng Wen, Bo Song, and Yusheng Shi. 2019. “In-Situ Preparation and Formation of TiB/Ti-6Al-4V Nanocomposite via Laser Additive Manufacturing: Microstructure Evolution and Tribological Behavior.” Powder Technology 342: 73–84. doi:10.1016/j.powtec.2018.09.088. [Crossref], [Web of Science ®], [Google Scholar]
Cai, Chao, Wei Shian Tey, Jiayao Chen, Wei Zhu, Xingjian Liu, Tong Liu, Lihua Zhao, and Kun Zhou. 2021. “Comparative Study on 3D Printing of Polyamide 12 by Selective Laser Sintering and Multi Jet Fusion.” Journal of Materials Processing Technology 288 (August 2020): 116882. doi:10.1016/j.jmatprotec.2020.116882. [Crossref], [Web of Science ®], [Google Scholar]
Cai, Chao, Xu Wu, Wan Liu, Wei Zhu, Hui Chen, Jasper Dong Qiu Chua, Chen Nan Sun, Jie Liu, Qingsong Wei, and Yusheng Shi. 2020. “Selective Laser Melting of Near-α Titanium Alloy Ti-6Al-2Zr-1Mo-1V: Parameter Optimization, Heat Treatment and Mechanical Performance.” Journal of Materials Science and Technology 57: 51–64. doi:10.1016/j.jmst.2020.05.004. [Crossref], [Web of Science ®], [Google Scholar]
Charles, Amal, Ahmed Elkaseer, Lore Thijs, and Steffen G. Scholz. 2020. “Dimensional Errors Due to Overhanging Features in Laser Powder Bed Fusion Parts Made of Ti-6Al-4V.” Applied Sciences 10 (7): 2416. doi:10.3390/app10072416. [Crossref], [Google Scholar]
Chatham, Camden A., Timothy E. Long, and Christopher B. Williams. 2019. “A Review of the Process Physics and Material Screening Methods for Polymer Powder Bed Fusion Additive Manufacturing.” Progress in Polymer Science 93: 68–95. doi:10.1016/j.progpolymsci.2019.03.003. [Crossref], [Web of Science ®], [Google Scholar]
Du, Yang, Xinyu You, Fengbin Qiao, Lijie Guo, and Zhengwu Liu. 2019. “A Model for Predicting the Temperature Field during Selective Laser Melting.” Results in Physics 12 (November 2018): 52–60. doi:10.1016/j.rinp.2018.11.031. [Crossref], [Web of Science ®], [Google Scholar]
Duval-Chaneac, M. S., S. Han, C. Claudin, F. Salvatore, J. Bajolet, and J. Rech. 2018. “Experimental Study on Finishing of Internal Laser Melting (SLM) Surface with Abrasive Flow Machining (AFM).” Precision Engineering 54 (July 2017): 1–6. doi:10.1016/j.precisioneng.2018.03.006. [Crossref], [Web of Science ®], [Google Scholar]
Feng, Shaochuan, Shijie Chen, Amar M. Kamat, Ru Zhang, Mingji Huang, and Liangcai Hu. 2020. “Investigation on Shape Deviation of Horizontal Interior Circular Channels Fabricated by Laser Powder Bed Fusion.” Additive Manufacturing 36 (December): 101585. doi:10.1016/j.addma.2020.101585. [Crossref], [Web of Science ®], [Google Scholar]
Feng, Shaochuan, Chuanzhen Huang, Jun Wang, Hongtao Zhu, Peng Yao, and Zhanqiang Liu. 2017. “An Analytical Model for the Prediction of Temperature Distribution and Evolution in Hybrid Laser-Waterjet Micro-Machining.” Precision Engineering 47: 33–45. doi:10.1016/j.precisioneng.2016.07.002. [Crossref], [Web of Science ®], [Google Scholar]
Feng, Shaochuan, Amar M. Kamat, and Yutao Pei. 2021. “Design and Fabrication of Conformal Cooling Channels in Molds: Review and Progress Updates.” International Journal of Heat and Mass Transfer. doi:10.1016/j.ijheatmasstransfer.2021.121082. [Crossref], [PubMed], [Web of Science ®], [Google Scholar]
Flow-3D V11.2 Documentation. 2016. Flow Science, Inc. [Crossref], [Google Scholar]
Foroozmehr, Ali, Mohsen Badrossamay, Ehsan Foroozmehr, and Sa’id Golabi. 2016. “Finite Element Simulation of Selective Laser Melting Process Considering Optical Penetration Depth of Laser in Powder Bed.” Materials and Design 89: 255–263. doi:10.1016/j.matdes.2015.10.002. [Crossref], [Web of Science ®], [Google Scholar]
“Geometrical Product Specifications (GPS) — Surface Texture: Profile Method — Rules and Procedures for the Assessment of Surface Texture (ISO 4288).” 1996. International Organization for Standardization. https://www.iso.org/standard/2096.html. [Google Scholar]
Günther, Johannes, Stefan Leuders, Peter Koppa, Thomas Tröster, Sebastian Henkel, Horst Biermann, and Thomas Niendorf. 2018. “On the Effect of Internal Channels and Surface Roughness on the High-Cycle Fatigue Performance of Ti-6Al-4V Processed by SLM.” Materials & Design 143: 1–11. doi:10.1016/j.matdes.2018.01.042. [Crossref], [Web of Science ®], [Google Scholar]
Hopkinson, Neil, and Phill Dickens. 2000. “Conformal Cooling and Heating Channels Using Laser Sintered Tools.” In Solid Freeform Fabrication Conference, 490–497. Texas. doi:10.26153/tsw/3075. [Crossref], [Google Scholar]
Hu, Zhiheng, Haihong Zhu, Changchun Zhang, Hu Zhang, Ting Qi, and Xiaoyan Zeng. 2018. “Contact Angle Evolution during Selective Laser Melting.” Materials and Design 139: 304–313. doi:10.1016/j.matdes.2017.11.002. [Crossref], [Web of Science ®], [Google Scholar]
Hu, Cheng, Kejia Zhuang, Jian Weng, and Donglin Pu. 2019. “Three-Dimensional Analytical Modeling of Cutting Temperature for Round Insert Considering Semi-Infinite Boundary and Non-Uniform Heat Partition.” International Journal of Mechanical Sciences 155 (October 2018): 536–553. doi:10.1016/j.ijmecsci.2019.03.019. [Crossref], [Web of Science ®], [Google Scholar]
Huang, Yuze, Mir Behrad Khamesee, and Ehsan Toyserkani. 2019. “A New Physics-Based Model for Laser Directed Energy Deposition (Powder-Fed Additive Manufacturing): From Single-Track to Multi-Track and Multi-Layer.” Optics & Laser Technology 109 (August 2018): 584–599. doi:10.1016/j.optlastec.2018.08.015. [Crossref], [Web of Science ®], [Google Scholar]
Kadirgama, K., W. S. W. Harun, F. Tarlochan, M. Samykano, D. Ramasamy, Mohd Zaidi Azir, and H. Mehboob. 2018. “Statistical and Optimize of Lattice Structures with Selective Laser Melting (SLM) of Ti6AL4V Material.” International Journal of Advanced Manufacturing Technology 97 (1–4): 495–510. doi:10.1007/s00170-018-1913-1. [Crossref], [Web of Science ®], [Google Scholar]
Kamat, Amar M, and Yutao Pei. 2019. “An Analytical Method to Predict and Compensate for Residual Stress-Induced Deformation in Overhanging Regions of Internal Channels Fabricated Using Powder Bed Fusion.” Additive Manufacturing 29 (March): 100796. doi:10.1016/j.addma.2019.100796. [Crossref], [Web of Science ®], [Google Scholar]
Kamath, Chandrika, Bassem El-Dasher, Gilbert F. Gallegos, Wayne E. King, and Aaron Sisto. 2014. “Density of Additively-Manufactured, 316L SS Parts Using Laser Powder-Bed Fusion at Powers up to 400 W.” International Journal of Advanced Manufacturing Technology 74 (1–4): 65–78. doi:10.1007/s00170-014-5954-9. [Crossref], [Web of Science ®], [Google Scholar]
Karimi, J., C. Suryanarayana, I. Okulov, and K. G. Prashanth. 2020. “Selective Laser Melting of Ti6Al4V: Effect of Laser Re-Melting.” Materials Science and Engineering A (July): 140558. doi:10.1016/j.msea.2020.140558. [Crossref], [Web of Science ®], [Google Scholar]
Khairallah, Saad A., and Andy Anderson. 2014. “Mesoscopic Simulation Model of Selective Laser Melting of Stainless Steel Powder.” Journal of Materials Processing Technology 214 (11): 2627–2636. doi:10.1016/j.jmatprotec.2014.06.001. [Crossref], [Web of Science ®], [Google Scholar]
Khairallah, Saad A., Andrew T. Anderson, Alexander Rubenchik, and Wayne E. King. 2016. “Laser Powder-Bed Fusion Additive Manufacturing: Physics of Complex Melt Flow and Formation Mechanisms of Pores, Spatter, and Denudation Zones.” Edited by Adedeji B. Badiru, Vhance V. Valencia, and David Liu. Acta Materialia 108 (April): 36–45. doi:10.1016/j.actamat.2016.02.014. [Crossref], [Web of Science ®], [Google Scholar]
Kuo, C. N., C. K. Chua, P. C. Peng, Y. W. Chen, S. L. Sing, S. Huang, and Y. L. Su. 2020. “Microstructure Evolution and Mechanical Property Response via 3D Printing Parameter Development of Al–Sc Alloy.” Virtual and Physical Prototyping 15 (1): 120–129. doi:10.1080/17452759.2019.1698967. [Taylor & Francis Online], [Web of Science ®], [Google Scholar]
Le, K. Q., C. H. Wong, K. H. G. Chua, C. Tang, and H. Du. 2020. “Discontinuity of Overhanging Melt Track in Selective Laser Melting Process.” International Journal of Heat and Mass Transfer 162 (December): 120284. doi:10.1016/j.ijheatmasstransfer.2020.120284. [Crossref], [Web of Science ®], [Google Scholar]
Lee, Y. S., and W. Zhang. 2016. “Modeling of Heat Transfer, Fluid Flow and Solidification Microstructure of Nickel-Base Superalloy Fabricated by Laser Powder Bed Fusion.” Additive Manufacturing 12: 178–188. doi:10.1016/j.addma.2016.05.003. [Crossref], [Web of Science ®], [Google Scholar]
Leitz, K. H., P. Singer, A. Plankensteiner, B. Tabernig, H. Kestler, and L. S. Sigl. 2017. “Multi-Physical Simulation of Selective Laser Melting.” Metal Powder Report 72 (5): 331–338. doi:10.1016/j.mprp.2016.04.004. [Crossref], [Google Scholar]
Li, Jian, Jing Hu, Yi Zhu, Xiaowen Yu, Mengfei Yu, and Huayong Yang. 2020. “Surface Roughness Control of Root Analogue Dental Implants Fabricated Using Selective Laser Melting.” Additive Manufacturing 34 (September 2019): 101283. doi:10.1016/j.addma.2020.101283. [Crossref], [Web of Science ®], [Google Scholar]
Li, Yingli, Kun Zhou, Pengfei Tan, Shu Beng Tor, Chee Kai Chua, and Kah Fai Leong. 2018. “Modeling Temperature and Residual Stress Fields in Selective Laser Melting.” International Journal of Mechanical Sciences 136 (February): 24–35. doi:10.1016/j.ijmecsci.2017.12.001. [Crossref], [Web of Science ®], [Google Scholar]
Mazur, MacIej, Martin Leary, Matthew McMillan, Joe Elambasseril, and Milan Brandt. 2016. “SLM Additive Manufacture of H13 Tool Steel with Conformal Cooling and Structural Lattices.” Rapid Prototyping Journal 22 (3): 504–518. doi:10.1108/RPJ-06-2014-0075. [Crossref], [Web of Science ®], [Google Scholar]
Mingear, Jacob, Bing Zhang, Darren Hartl, and Alaa Elwany. 2019. “Effect of Process Parameters and Electropolishing on the Surface Roughness of Interior Channels in Additively Manufactured Nickel-Titanium Shape Memory Alloy Actuators.” Additive Manufacturing 27 (October 2018): 565–575. doi:10.1016/j.addma.2019.03.027. [Crossref], [Web of Science ®], [Google Scholar]
Pakkanen, Jukka, Flaviana Calignano, Francesco Trevisan, Massimo Lorusso, Elisa Paola Ambrosio, Diego Manfredi, and Paolo Fino. 2016. “Study of Internal Channel Surface Roughnesses Manufactured by Selective Laser Melting in Aluminum and Titanium Alloys.” Metallurgical and Materials Transactions A 47 (8): 3837–3844. doi:10.1007/s11661-016-3478-7. [Crossref], [Web of Science ®], [Google Scholar]
Patterson, Albert E., Sherri L. Messimer, and Phillip A. Farrington. 2017. “Overhanging Features and the SLM/DMLS Residual Stresses Problem: Review and Future Research Need.” Technologies 5 (4): 15. doi:10.3390/technologies5020015. [Crossref], [Web of Science ®], [Google Scholar]
Roberts, I. A., C. J. Wang, R. Esterlein, M. Stanford, and D. J. Mynors. 2009. “A Three-Dimensional Finite Element Analysis of the Temperature Field during Laser Melting of Metal Powders in Additive Layer Manufacturing.” International Journal of Machine Tools and Manufacture 49 (12–13): 916–923. doi:10.1016/j.ijmachtools.2009.07.004. [Crossref], [Web of Science ®], [Google Scholar]
Shrestha, Subin, and Kevin Chou. 2018. “Computational Analysis of Thermo-Fluid Dynamics with Metallic Powder in SLM.” In CFD Modeling and Simulation in Materials Processing 2018, edited by Laurentiu Nastac, Koulis Pericleous, Adrian S. Sabau, Lifeng Zhang, and Brian G. Thomas, 85–95. Cham, Switzerland: Springer Nature. doi:10.1007/978-3-319-72059-3_9. [Crossref], [Google Scholar]
Sing, S. L., and W. Y. Yeong. 2020. “Laser Powder Bed Fusion for Metal Additive Manufacturing: Perspectives on Recent Developments.” Virtual and Physical Prototyping 15 (3): 359–370. doi:10.1080/17452759.2020.1779999. [Taylor & Francis Online], [Web of Science ®], [Google Scholar]
Šmilauer, Václav, Emanuele Catalano, Bruno Chareyre, Sergei Dorofeenko, Jérôme Duriez, Nolan Dyck, Jan Eliáš, et al. 2015. Yade Documentation. 2nd ed. The Yade Project. doi:10.5281/zenodo.34073. [Crossref], [Google Scholar]
Tan, Pengfei, Fei Shen, Biao Li, and Kun Zhou. 2019. “A Thermo-Metallurgical-Mechanical Model for Selective Laser Melting of Ti6Al4V.” Materials & Design 168 (April): 107642. doi:10.1016/j.matdes.2019.107642. [Crossref], [Web of Science ®], [Google Scholar]
Tan, Lisa Jiaying, Wei Zhu, and Kun Zhou. 2020. “Recent Progress on Polymer Materials for Additive Manufacturing.” Advanced Functional Materials 30 (43): 1–54. doi:10.1002/adfm.202003062. [Crossref], [Web of Science ®], [Google Scholar]
Wang, Xiaoqing, and Kevin Chou. 2018. “Effect of Support Structures on Ti-6Al-4V Overhang Parts Fabricated by Powder Bed Fusion Electron Beam Additive Manufacturing.” Journal of Materials Processing Technology 257 (February): 65–78. doi:10.1016/j.jmatprotec.2018.02.038. [Crossref], [Web of Science ®], [Google Scholar]
Wang, Di, Yongqiang Yang, Ziheng Yi, and Xubin Su. 2013. “Research on the Fabricating Quality Optimization of the Overhanging Surface in SLM Process.” International Journal of Advanced Manufacturing Technology 65 (9–12): 1471–1484. doi:10.1007/s00170-012-4271-4. [Crossref], [Web of Science ®], [Google Scholar]
Wen, Peng, Maximilian Voshage, Lucas Jauer, Yanzhe Chen, Yu Qin, Reinhart Poprawe, and Johannes Henrich Schleifenbaum. 2018. “Laser Additive Manufacturing of Zn Metal Parts for Biodegradable Applications: Processing, Formation Quality and Mechanical Properties.” Materials and Design 155: 36–45. doi:10.1016/j.matdes.2018.05.057. [Crossref], [Web of Science ®], [Google Scholar]
Wu, Yu-che, Cheng-hung San, Chih-hsiang Chang, Huey-jiuan Lin, Raed Marwan, Shuhei Baba, and Weng-Sing Hwang. 2018. “Numerical Modeling of Melt-Pool Behavior in Selective Laser Melting with Random Powder Distribution and Experimental Validation.” Journal of Materials Processing Technology 254 (November 2017): 72–78. doi:10.1016/j.jmatprotec.2017.11.032. [Crossref], [Web of Science ®], [Google Scholar]
Yadroitsev, I., P. Krakhmalev, I. Yadroitsava, S. Johansson, and I. Smurov. 2013. “Energy Input Effect on Morphology and Microstructure of Selective Laser Melting Single Track from Metallic Powder.” Journal of Materials Processing Technology 213 (4): 606–613. doi:10.1016/j.jmatprotec.2012.11.014. [Crossref], [Web of Science ®], [Google Scholar]
Yu, Wenhui, Swee Leong Sing, Chee Kai Chua, and Xuelei Tian. 2019. “Influence of Re-Melting on Surface Roughness and Porosity of AlSi10Mg Parts Fabricated by Selective Laser Melting.” Journal of Alloys and Compounds 792: 574–581. doi:10.1016/j.jallcom.2019.04.017. [Crossref], [Web of Science ®], [Google Scholar]
Zhang, Dongyun, Pudan Zhang, Zhen Liu, Zhe Feng, Chengjie Wang, and Yanwu Guo. 2018. “Thermofluid Field of Molten Pool and Its Effects during Selective Laser Melting (SLM) of Inconel 718 Alloy.” Additive Manufacturing 21 (100): 567–578. doi:10.1016/j.addma.2018.03.031. [Crossref], [Web of Science ®], [Google Scholar]
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] ).
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.
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.
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 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.
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 차 주파수 (2 x 빔 발진 주파수, 이른바 초핑 주파수, Cho et al., 2018 [26] 참조 ) 및 2 차 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.
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.
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 차 및 2 차버튼 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 차 주파수 성분 (4 x 빔 발진 주파수)이 나타나는 것은이 두 현상의 동시 작용입니다.
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 차 주파수 성분이 더 우세 해졌고, 2 차 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 .
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.
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.
1 차 주파수 (2 x 빔 발진 주파수, 이른바 초핑 주파수), 2 차 주파수 (4 x 빔 발진 주파수) 및 빔 발진 주파수 성분은 푸리에 변환 및 웨이블릿 변환 분석에서 발견 된 주요 성분이었습니다.2.
1 차 주파수와 2 차 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 차 주파수와 2 차 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.
-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.
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
cellladen 마이크로 겔 구조의 온칩 제작 및 인플 로우 3D 프린팅 : 하나의 통합 프로세스에서 칩에서 스캐폴드 재료까지
Benjamin Reineke 1,2, Ilona Paulus 3, Jonas Hazur 6, Madita Vollmer 4, Gültekin Tamgüney 4,5, Stephan Hauschild1 , Aldo R. Boccacini 6, Jürgen Groll 3, Stephan Förster *1,2 1 Jülich Centre for Neutron Science (JCNS-1/IBI-8), Forschungszentrum Jülich GmbH, 52425 Jülich, Germany 2 Institute of Physical Chemistry, RWTH Aachen University, 52074 Aachen, Germany 3 Department of Functional Materials in Medicine and Dentistry (FMZ) and Bavarian Polymer Institute (BPI), University of Würzburg, 97070 Würzburg, Germany 4 Forschungszentrum Jülich GmbH, Institute of Biological Information Processing – Structural Biochemistry (IBI7), Jülich, Germany 5 Heinrich-Heine-Universität Düsseldorf, Institut für Physikalische Biologie, Düsseldorf, Germany 6 Institute of Biomaterials, University of Erlangen-Nuremberg, Cauerstr. 6, 91058, Erlangen, Germany
Summary
Bioprinting has evolved into a thriving technology for the fabrication of cell-laden scaffolds. Bioinks are the most critical component for bioprinting. Recently, microgels have been introduced as a very promising bioink enabling cell protection and the control of the cellular microenvironment. However, their microfluidic fabrication inherently seemed to be a limitation. Here we introduce a direct coupling of microfluidics and 3D-printing for the microfluidic production of cell-laden microgels with direct in-flow bioprinting into stable scaffolds. The methodology enables the continuous on-chip encapsulation of cells into monodisperse microdroplets with subsequent in-flow cross-linking to produce cell-laden microgels, which after exiting a microtubing are automatically jammed into thin continuous microgel filaments. The integration into a 3D printhead allows direct in-flow printing of the filaments into free-standing three-dimensional scaffolds. The method is demonstrated for different cross-linking methods and cell lines. With this advancement, microfluidics is no longer a bottleneck for biofabrication.
Bioprinting은 세포가있는 스캐 폴드 제작을 위한 번성하는 기술로 진화했습니다. 바이오 잉크는 바이오 프린팅에 가장 중요한 구성 요소입니다. 최근 마이크로 젤은 세포 보호 및 세포 미세 환경 제어를 가능하게 하는 매우 유망한 바이오 잉크로 도입되었습니다.
그러나 이들의 미세 유체 제작은 본질적으로 한계로 보였습니다. 여기에서 우리는 안정적인 스캐 폴드에 직접 유입 바이오 프린팅을 사용하여 세포가 실린 마이크로 겔의 미세 유체 생산을 위한 미세 유체 및 3D 프린팅의 직접 결합을 소개합니다.
이 방법론은 세포를 단 분산 미세 방울로 연속 온칩 캡슐화하고 후속 유입 교차 연결을 통해 세포가 가득한 마이크로 겔을 생성 할 수 있으며, 이는 마이크로 튜브를 종료 한 후 얇은 연속 마이크로 겔 필라멘트에 자동으로 걸린다. 3D 프린트 헤드에 통합되어 필라멘트를 독립형 3 차원 스캐 폴드로 직접 유입 인쇄 할 수 있습니다.
이 방법은 다양한 가교 방법 및 세포주에 대해 설명됩니다. 이러한 발전으로 미세 유체 학은 더 이상 바이오 패브리 케이션의 병목 현상이 아닙니다.
Bioprinting은 신체 조직을 모방하거나 대체하기위한 3 차원 세포 실장 구조를 제작하는 새로운 기술입니다.
(1) 조직 공학 및 약물 전달뿐만 아니라 질병 연구 및 치료 개발에 중요한 역할을합니다. 바이오 프린팅에서 세포와 물질은 바이오 잉크 (2,3)로 공식화되어 계층 적으로 구조화 된 3D 스캐 폴드로 직접 인쇄됩니다. 바이오 프린팅의 궁극적 인 목표는 3 차원 적으로 제작 된 구조적 배열이 생물학적 성숙을 촉진하고 가속화한다는 근거를 바탕으로 표적 조직 또는 기관의 전체 또는 부분 기능을 나타내는 세포가있는 스캐 폴드를 생산하는 것입니다.
(4) 따라서 바이오 잉크는 바이오 프린팅 기술의 중요한 구성 요소입니다. 그들은 주로 세포와 생물 활성 분자를 캡슐화 할 수있는 물질, 즉 하이드로 겔에 의존하며 압출 인쇄와 같은 적합한 인쇄 기술에 사용하여 원하는 3 차원 스캐 폴드 또는 구조물을 제작할 수 있습니다. 바이오 잉크의 설계는 유동성 및 탄성 특성을 미세 조정하여 압출 중에 충분히 전단 얇게 만들고,이어서 응고 후 원하는 기계적 안정성과 탄성을 빠르게 개발하여 안정적인 스캐 폴드를 형성해야하기 때문에 까다롭습니다.
또한, 바이오 잉크는 생체 적합성이어야하며 세포 생존력과 적절한 제조 후 행동을 촉진 할 수있을만큼 충분히 생체 기능적이어야하며 충분한 영양분과 산소를 공급할 수 있어야합니다. 바이오 잉크로 가장 두드러진 하이드로 겔 전구체 용액이 사용되며, 때로는 약간 사전 가교된 형태로 사용되며, 프린팅 후 가교되어 구조를 안정화합니다.
종종 발생하는 문제는 세포 침강, 불균일 혼합 및 생체 적합성 제형과 인쇄 사이의 상충 관계이며, 세포가 유동 제형에서 전단력을 직접 경험하기 때문에 결과적인 모양 충실도입니다. 이러한 한계를 극복하기 위해 Highley et al.
(5) 최근 microgel bioinks의 사용을 제안했습니다. 콜로이드 특성으로 인해 마이크로 겔 바이오 잉크는 전단 얇아지고 정지 상태에서 빠르게 응고되는 반면 부드러운 콜로이드에로드 된 세포는 전단 보호됩니다. 인쇄 된 마이크로 겔 스캐 폴드는 계면 중합체 얽힘이 충분하지 않은 경우 2 차 가교에 의해 추가로 안정화 될 수 있습니다.
Microgels는 세포 미세 환경을 조정하는 이점을 더 제공합니다. 따라서, 세포가 가득 찬 마이크로 겔을 제조하는 방법은 이미 개발되었으며, 특히 매우 균일 한 크기의 마이크로 겔을 연속 공정으로 제작할 수있는 마이크로 유체 학 분야에서 이미 개발되었습니다. (6-8) 마이크로 겔은 EDTA- 복합체 (11,12) 또는 열 유도에 의해 조절 될 수있는 알기 네이트 / Ca2 + 이온 복합체 형성 (9,10)과 같은 물리적 가교에 의해 형성 될 수 있음이 입증되었습니다. 젤라틴 용액을 20 ° C 이하로 냉각하는 것과 같은 겔화. (9,13) 화학적 가교 반응은 마이크로 겔의 더 큰 안정성과 더 나은 기계적 특성을 제공합니다.
예를 들면 기능화 된 젤라틴, 히알루 노 레이트, 폴리에틸렌 글리콜 또는 폴리 글리세롤 (12, 14-16)에 대한 마이클 유형 반응, 폴리 글리세롤 (17) 및 광 가교 (18)에 대한 아 지드-알킨 클릭 반응은 다음과 같은 광개시제 및 가교기를 필요로 합니다. 폴리에틸렌 글리콜에 대해 나타났습니다.
캡슐화된 세포에는 줄기 세포 (9,12,14,15), 크립트 및 페 이어 세포 (10), 간 세포 (HepG2) 및 내피 세포 (HUVEC) (18), NIH 3T3 섬유 아세포 (6)가 포함됩니다. 지금까지 Fan et al.에 의해 세포가 실린 마이크로 겔을 기반으로하는 기능성 스캐 폴드의 제작이 보여졌습니다.
(19) 겔 -MA 마이크로 겔의 에멀젼 기반 제조 및 Compaan et al. (20) 젤라틴 마이크로 겔 충전제 입자. 미세 유체 생성 마이크로 겔의 경우 이것은 최근 Highley et al.에 의해 처음으로 입증되었습니다. (5). 마이크로 겔 기반 바이오 잉크 및 스캐 폴드에 대한 바이오 프린팅에 대한 지금까지 제한된 수의 연구에 대한 이유는 소량의 마이크로 겔을 생성하는 마이크로 유체의 필수 조합과 교차 결합, 준비를 포함하는 여러 포스트 칩 배치 공정 단계가 뒤 따르기 때문입니다. bioink의, 그리고 원하는 스캐 폴드에 후속 bioprinting.
이것은 현재 microgel biofabrication을 시간 소모적이고 생산성이 낮은 다단계 공정으로 만듭니다. 따라서 원하는 스캐 폴드의 제조를위한 마이크로 겔 및 바이오 프린팅을위한 미세 유체가 하나의 연속적이고 자동화 가능한 프로세스에 통합 될 수 있다면 매우 바람직 할 것입니다.
여기에서 우리는 미세 유체 칩이 세포를 방울로 온칩 캡슐화하도록 설계 될 수 있음을 보여줍니다. 이는 마이크로 겔을 생성하기 위해 흐름에서 광 가교 결합 된 다음 다운 스트림 마이크로 튜브에서 자동으로 잼되어 얇은 마이크로 겔 필라멘트를 지속적으로 형성합니다. 마이크로 튜브는 3D 프린터의 프린트 헤드에 통합되어 필라멘트를 독립형 3 차원으로 직접 유입 인쇄합니다.
Results and discussion
Microfluidic device and controlled droplet production
우리의 목표는 (i) 낮은 전단 응력 세포 캡슐화, (ii) 물리적 또는 화학적 가교에 대한 가변성, (iii) 미세 액적 직경의 큰 변화, (iv)이를 결합 할 수 있는 기능을 위한 미세 유체 칩을 3D 프린터로 설계하는 것이었습니다.
따라서 디자인은 높은 세포 생존력을 위해 좁은 채널 섹션 내의 세포에 대한 전단력을 최소화해야 합니다. 다양한 물리적 및 화학적 가교 반응을 수행 할 수 있도록 입구 채널 설계는 세포, 폴리머, 가교 및 추가 제제를 포함하는 용액의 순차적 혼합을 허용해야 합니다. 단일 세포 캡슐화가 필요한 경우 미세 방울은 300 µm에서 50 µm까지 제어 가능한 직경을 가져야 106 / ml의 세포 밀도에 도달 할 수 있습니다.
Fig. 1: Three-dimensional schematic view of the multilayer double 3D-focusing microfluidic channel
system, (b) control of droplet diameter via the Capiilary number Ca, and accessible hydrodynamic regimes
for droplet production: squeezing (c), dripping (d) and jetting (e). The scale bars are 200 µm.
따라서 우리는 두 개의 후속 혼합 교차로 3 차원 흐름 초점을 허용 한 다음 제어 된 액적 형성을위한 하류 좁은 오리피스가 뒤 따르는 채널 설계를 사용했습니다. 디자인은 그림 1에 개략적으로 표시되어 있습니다. 여기에는 세포와 전구체 폴리머를 포함하는 중앙 스트림 용액을위한 입구 채널과 완충 용액, 배양 배지, 생리 활성 물질 또는 가교제를 포함 할 수있는 두 개의 측면 채널이 있습니다. 측면 채널 흐름은 입구 채널 흐름을 세포에 대한 전단력이 최소 인 채널의 중앙에 3 차원 적으로 집중시킵니다. 그 후, 수성 스트림은 액적 형성을 제어하는 좁은 오리피스 섹션으로 들어가기 위해 오일 상으로 3 차원 적으로 집중됩니다. 좁은 섹션은 다양한 유체 역학 체제에 액세스하여 다양한 범위에 걸쳐 액적 크기를 변경할 수 있습니다. 다운 스트림 채널은 방울이 채널 중심 유선에서 안정적인 방울 트레인을 형성하도록 충분히 좁게 유지됩니다. 3D 이중 초점 칩은 다층 기술을 사용하는 소프트 리소그래피로 제작되었으며 지원 정보 (그림 S2-S4, S7)에 설명 된대로 흐름이 시뮬레이션되었습니다. 액적 분해는 외부 유체에 의해 가해지는 점성 전단력 𝐹𝑠ℎ𝑒ar 표면 장력에서 발생하는 고정 계면 력 𝐹𝐹𝛾𝛾을 초과 할 때 발생합니다. 두 힘은 직접 연속 유상 η 평균 유입 흐름 속도 (V)의 점도 환산 수 무차 모세관 수가 CA = 𝐹𝑠ℎ𝑒ar/𝐹γ, 그리고 CA = 𝐹𝑠ℎ𝑒ar/𝐹γ = 같은 표면 장력 γ가 관련 𝜂𝜂 𝛾. 캐 필러 리 수에 따라 액적 생성을위한 다양한 유체 역학 체제를 구별 할 수 있습니다. c) 분사 체제 (Ca> 1). (21-25) 그림 1에서 볼 수 있듯이 가변 3D 수축 설계를 사용하면 액적 생산을위한 세 가지 유체 역학 체제에 모두 액세스 할 수 있으며 모세관 수는 액적 생산을위한 주요 제어 매개 변수입니다. 체적 유량, 오일 점도 및 계면 장력을 조정하여 50 ~ 300 µm 범위의 목표 범위에서 액적 직경을 정밀하게 제어 할 수 있습니다. 각 점도 및 계면 장력은 지원 정보의 표 SI에 요약되어 있습니다.
Fig. 2: Scheme of the LED photo-crosslinking and 3D-printing section of the microfluidic/3D-printing
device. The droplet train is transferred from the chip microchannel into a microtubing in a straight section
with nearly identical inner channel and inner microtubing diameter. Further downstream, the microtubing
passes an LED-section for fast photo cross-linking to generate the microgels. This section is contained in
an aluminum encasing to avoid premature crosslinking of polymer precursor in upstream channel sections
by stray light. Subsequently, the microtubing is integrated into a 3D-printhead, where the microgels are
jammed into a filament that is directly 3D-printed into the scaffold.Fig. 3: a) Photograph of a standard meander-shaped layer fabricated by microgel filament deposition
printing. The lines have a thickness of 300 µm. b) photograph of a cross-bar pattern obtained by on-top
deposition of several microgel filaments. The average linewidth is 1 mm. c) photograph of a donut-shaped
microgel construct. The microgels have been fluorescently labelled by FITC-dextran to demonstrate the
intrinsic microporosity corresponding to the black non-fluorescent regions, d) light microscopy image of
a construct edge showing that fused adhesive microgels form a continuous, three-dimensional selfsupporting scaffold with intrinsic micropores. Fig. 4: a) Scheme of the perfusion chamber consisting of an upstream and downstream chamber, perfusion
ports, and removable scaffolds to stabilize the microgel construct during 3D-printing, b) photograph of a
microgel construct in the perfusion chamber directly after printing and removal of the scaffolds, c)
confocal microscopy image of the permeation front of a fluorescent dye, where the high dye concentration
in the micropores can be clearly seen, d) confocal microscopy image of YFP-labelled HEK-cells within a
microgel construct. Fig. 5: a) Layer-by-layer printing of microgel construct with integrated perfusion channel. After printing
of the first layer, a hollow perfusion channel is inserted. Subsequently, the second and third layers are
printed. b) The construct is directly printed into a perfusion chamber. The perfusion chamber provides
whole construct permeation via flows cin and cout, as well as independent flow through the perfusion
channel via flows vin and vout. c) Photograph of a perfusion chamber containing the construct directly after
printing. The flow of the fluorescein solution through the integrated PVA hollow channel is clearly visible. Fig. 6: a) Photograph of an alginate capsule fiber formed after exiting the microtube. b) Confocal
fluorescence microscopy image of part of a 3D-printed alginate capsule construct. The fluorescence arises
from encapsulated fluorescently labelled polystyrene microbeads to demonstrate the integrity and stability
of the alginate capsules.
A. Atala, Chem. Rev. 2020, 120, 10545-10546.
J. Groll, J. A. Burdick, D. W. Cho, B. Derby, M. Gelinsky, S. C. Heilshorn, T. Jüngst, J. Malda, V. A Mironov, K. Nakayama, A. Ovisanikov, W. Sun, S. Takeuchi, J. J. Yoo, T. B. F. Woodfield, Biofabrication 2019, 11, 013001.
W. Sun, B. Starly, A. C. Daly, J. A. Burdick, J. Groll, G. Skeldon, W. Shu, Y. Sakai, M. Shinohara, M. Nishikawa, J. Jang, D.-W. Cho, M. Nie, S. Takeuchi, S. Ostrovidov, A. Khademhosseini, R. D. Kamm, V. Mironov, L. Moroni, I. T. Ozbolat, Biofabrication 2020, 12, 022002.
R. Levato, T. Juengst, R. G. Scheuring, T. Blunk, J. Groll, J. Malda, Adv. Mater. 2020, 32, 1906423.
C. B. Highley, K. H. Song, A. C. Daly, J. A. Burdick, Adv. Sci. 2019, 6, 1801076.
D. Velasco, E. Tumarkin, E. Kumacheva, Small 2012, 8, 1633-1642.
W. Jiang, M. Li, Z. Chen, K. W. Leong, Lab Chip 2016, 16, 4482-4506.
A. C. Daly, L. Riley, T. Segura, J. A. Burdick, Nat. Rev. 2020, 5, 20-43.
A. S. Mao, B. Özkale, N. J. Shah, K. H. Vining, T. Descombes, L. Zhang, C. M. Tringides, S.-W. Wong, J.-W. Shin, D. T. Scadden, D. A. Weitz, D. J. Mooney, Proc. Natl. Acad. Sci. 2019, 116, 15392- 15397.
S. R. Pajoumshariati, M. Azizi, D. Wesner, P. G. Miller, M. L. Shuler, A. Abbaspourrad, ACS Appl. Mater. Interfaces 2018, 10, 9235-9246.
A. S. Mao, J.-W. Shin, S. Utech, H. Wang, O. Uzun, W. Li, M. Cooper, Y. Hu, L. Zhang, D. A. Weitz, D. J. Mooney, Nat. Mater. 2017, 16, 236-243.
P. S. Lienemann, T. Rossow, A. S. Mao, Q. Vallmajo-Martin, M. Ehrbar, D. J. Mooney, Lab Chip, 2017, 17, 727.
F. Chen, J. Xue, J. Zhang, M. Bai, X. Yu, X.; C. Fan, Y. Zhao, J. Am. Chem. Soc. 2020, 142, 2889- 2896.
Q. Feng, Q. Li, H. Wen, J. Chen, M. Liang, H. Huang, D. Lan, H. Dong, X. Cao, Adv. Funct. Mater., 2019, 29, 1096690.
L. P. B. Guerzoni, T. Yoshinari, D. B. Gehlen, D. Rommel, T. Haraszti, M. Akashi, L. De Laporte, Biomacromolecules 2019, 20, 3746-3754
T. Rossow, J. A. Heyman, A. J. Ehrlicher, A. Langhoff, D. A. Weitz, R. Haag, S. Seiffert, J. Am. Chem. Soc. 2012, 134, 4983-4989.
E. Kapourani, F. Neumann, K. Achazi, J. Dernedde, R. Haag, Macromol. Bioscience 2018, 18, 1800116
H. Wang, H. Liu, H. Liu, W. Su, W. Chen, J. Qin, Adv. Mater. Technol. 2019, 4, 1800632.
C. Fan, S.-H. Zhan, Z.-X. Dong, W. Yang, W.-S. Deng, X. Liu, P. Suna, D.-A. Wang, Mater. Sci. Eng. C 2019, 108, 110399.
A. M. Compaan, K. Song, W. Chai, Y. Huang, ACS Appl. Mater. Interfaces 2020, 12, 7855-7868.
S. L. Anna, H. C. Mayer, Phys. Fluids 2006, 18, 121512.
T. Ward, M. Faivre, M. Abkarian, H. A. Stone, Electrophoresis 2005, 26, 3716-3724.
F. Lapierre, N. Wu, Y. Zhu, Proc. SPIE 2011, 8204, 82040H-1.
C. A. Stan, S. K. Y. Tang, G. M. Whitesides, Anal. Chem. 2009, 81, 2399-2402.
J. Tan, J. H. Xu, S. W. Li, G. S. Luo, Chem. Eng. J. 2008, 136, 306-311.
R.-C. Luo, C.-H. Chen, Soft 2012, 1, 1-23.
C. H. Choi, J. H. Jung, T. S. Hwang, C. S. Lee, Macromol. Res. 2009, 17, 163-167.
A. J. D. Krüger, O. Bakirman, P. B. Guerzoni, A. Jans, D. B. Gehlen, D. Rommel, T. Haraszti, A. J. C. Kuehne, L. De Laporte, Adv. Mater. 2019, 31, 1903668.
D. B. Kolesky, K. A. Homan, M. A. Skylar-Scott, J. A. Lewis, Proc. Natl. Acad. Sci. 2016, 113, 3179-3184
A. K. Miri, I. Mirzaee, S. Hassan, S. M. Oskui, D. Nieto, A. Khademhosseini, Y. S. Zhang, Lab Chip 2019, 19, 2019.
F. A. Plamper, W. Richtering Acc. Chem. Res. 2017, 50, 131-140.
S. Sun, M. Li, A. Liu, Int. J. Adhesion Adhesives 2013, 41, 98-106.
Nowadays, the requirements of customers undergo dynamic changes and industries are heading towards the manufacturing of customized end-user products, making market fluctuations extremely unpredictable. This demands the production industries to shift towards instantaneous product development strategies that can deliver products on the shortest lead time without compromise in the quality and accuracy. Direct metal deposition is one such evolving additive manufacturing (AM) technique that has found its application from rapid prototyping to production of real-time industrial components. In addition, the process is ideal for just-in-time manufacturing, producing parts-on-demand while offering the potential to reduce cost, energy consumption, and carbon footprint. The evolution of this advanced manufacturing technique had drastically reduced the manufacturing constraints and greatly improved the product versatility. This review provides insight into the evolution, current status, and challenges of metal additive manufacturing (MAM) techniques, starting from powder bed fusion and direct metal deposition. In addition to this, the review explores the variants of metal additive manufacturing with its process mechanism, merits, demerits, and applications. The efficiency of the processes is finally analysed using a time–cost triangle and the mechanical properties are comprehensively compared. The review will enhance the basic understanding of MAM and thus broaden the scope of research and development.
오늘날 고객의 요구 사항은 역동적 인 변화를 겪고 있으며 산업은 맞춤형 최종 사용자 제품의 제조로 향하고있어 시장 변동을 예측할 수 없게 만듭니다. 따라서 생산 산업은 품질과 정확성을 타협하지 않고 최단 리드 타임에 제품을 제공 할 수있는 즉각적인 제품 개발 전략으로 전환해야합니다. 직접 금속 증착은 쾌속 프로토 타이핑에서 실시간 산업 부품 생산에 이르기까지 응용 분야를 발견 한 진화하는 적층 제조 (AM) 기술 중 하나입니다. 또한이 프로세스는 적시 제조에 이상적이며 주문형 부품을 생산하는 동시에 비용, 에너지 소비 및 탄소 발자국을 줄일 수있는 잠재력을 제공합니다. 이 고급 제조 기술의 발전으로 제조 제약이 크게 줄어들고 제품의 다양성이 크게 향상되었습니다. 이 리뷰는 분말 베드 융합 및 직접 금속 증착에서 시작하여 금속 적층 제조 (MAM) 기술의 발전, 현재 상태 및 과제에 대한 통찰력을 제공합니다. 이 외에도이 리뷰에서는 프로세스 메커니즘, 장점, 단점 및 응용 프로그램과 함께 금속 적층 제조의 변형을 탐색합니다. 프로세스의 효율성은 마지막으로 시간-비용 삼각형을 사용하여 분석되고 기계적 특성이 포괄적으로 비교됩니다. 검토는 MAM에 대한 기본적인 이해를 높이고 연구 개발 범위를 넓힐 것입니다.
Keywords: Metal additive manufacturing, 3D Printing, Direct energy deposition, Electron beam meltingRapid prototyping
DNA 프린팅 통합 멀티플렉서 드라이버 Microelectronic Mechanical System Head (IDMH) 및 Microfluidic Flow Estimation
by Jian-Chiun Liou 1,*,Chih-Wei Peng 1,Philippe Basset 2 andZhen-Xi Chen 11School of Biomedical Engineering, Taipei Medical University, Taipei 11031, Taiwan2ESYCOM, Université Gustave Eiffel, CNRS, CNAM, ESIEE Paris, F-77454 Marne-la-Vallée, France*Author to whom correspondence should be addressed.
Abstract
The system designed in this study involves a three-dimensional (3D) microelectronic mechanical system chip structure using DNA printing technology. We employed diverse diameters and cavity thickness for the heater. DNA beads were placed in this rapid array, and the spray flow rate was assessed. Because DNA cannot be obtained easily, rapidly deploying DNA while estimating the total amount of DNA being sprayed is imperative. DNA printings were collected in a multiplexer driver microelectronic mechanical system head, and microflow estimation was conducted. Flow-3D was used to simulate the internal flow field and flow distribution of the 3D spray room. The simulation was used to calculate the time and pressure required to generate heat bubbles as well as the corresponding mean outlet speed of the fluid. The “outlet speed status” function in Flow-3D was used as a power source for simulating the ejection of fluid by the chip nozzle. The actual chip generation process was measured, and the starting voltage curve was analyzed. Finally, experiments on flow rate were conducted, and the results were discussed. The density of the injection nozzle was 50, the size of the heater was 105 μm × 105 μm, and the size of the injection nozzle hole was 80 μm. The maximum flow rate was limited to approximately 3.5 cc. The maximum flow rate per minute required a power between 3.5 W and 4.5 W. The number of injection nozzles was multiplied by 100. On chips with enlarged injection nozzle density, experiments were conducted under a fixed driving voltage of 25 V. The flow curve obtained from various pulse widths and operating frequencies was observed. The operating frequency was 2 KHz, and the pulse width was 4 μs. At a pulse width of 5 μs and within the power range of 4.3–5.7 W, the monomer was injected at a flow rate of 5.5 cc/min. The results of this study may be applied to estimate the flow rate and the total amount of the ejection liquid of a DNA liquid.
이 연구에서 설계된 시스템은 DNA 프린팅 기술을 사용하는 3 차원 (3D) 마이크로 전자 기계 시스템 칩 구조를 포함합니다. 히터에는 다양한 직경과 캐비티 두께를 사용했습니다. DNA 비드를 빠른 어레이에 배치하고 스프레이 유속을 평가했습니다.
DNA를 쉽게 얻을 수 없기 때문에 DNA를 빠르게 배치하면서 스프레이 되는 총 DNA 양을 추정하는 것이 필수적입니다. DNA 프린팅은 멀티플렉서 드라이버 마이크로 전자 기계 시스템 헤드에 수집되었고 마이크로 플로우 추정이 수행되었습니다.
Flow-3D는 3D 스프레이 룸의 내부 유동장과 유동 분포를 시뮬레이션 하는데 사용되었습니다. 시뮬레이션은 열 거품을 생성하는데 필요한 시간과 압력뿐만 아니라 유체의 해당 평균 출구 속도를 계산하는데 사용되었습니다.
Flow-3D의 “출구 속도 상태”기능은 칩 노즐에 의한 유체 배출 시뮬레이션을 위한 전원으로 사용되었습니다. 실제 칩 생성 프로세스를 측정하고 시작 전압 곡선을 분석했습니다. 마지막으로 유속 실험을 하고 그 결과를 논의했습니다. 분사 노즐의 밀도는 50, 히터의 크기는 105μm × 105μm, 분사 노즐 구멍의 크기는 80μm였다. 최대 유량은 약 3.5cc로 제한되었습니다. 분당 최대 유량은 3.5W에서 4.5W 사이의 전력이 필요했습니다. 분사 노즐의 수에 100을 곱했습니다. 분사 노즐 밀도가 확대 된 칩에 대해 25V의 고정 구동 전압에서 실험을 수행했습니다. 얻은 유동 곡선 다양한 펄스 폭과 작동 주파수에서 관찰되었습니다. 작동 주파수는 2KHz이고 펄스 폭은 4μs입니다. 5μs의 펄스 폭과 4.3–5.7W의 전력 범위 내에서 단량체는 5.5cc / min의 유속으로 주입되었습니다. 이 연구의 결과는 DNA 액체의 토 출액의 유량과 총량을 추정하는 데 적용될 수 있습니다.
잉크젯 프린트 헤드 기술은 매우 중요하며, 잉크젯 기술의 거대한 발전은 주로 잉크젯 프린트 헤드 기술의 원리 개발에서 시작되었습니다. 잉크젯 인쇄 연구를 위한 대규모 액적 생성기 포함 [ 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8]. 연속 식 잉크젯 시스템은 고주파 응답과 고속 인쇄의 장점이 있습니다. 그러나이 방법의 잉크젯 프린트 헤드의 구조는 더 복잡하고 양산이 어려운 가압 장치, 대전 전극, 편향 전계가 필요하다. 주문형 잉크젯 시스템의 잉크젯 프린트 헤드는 구조가 간단하고 잉크젯 헤드의 다중 노즐을 쉽게 구현할 수 있으며 디지털화 및 색상 지정이 쉽고 이미지 품질은 비교적 좋지만 일반적인 잉크 방울 토출 속도는 낮음 [ 9 , 10 , 11 ].
핫 버블 잉크젯 헤드의 총 노즐 수는 수백 또는 수천에 달할 수 있습니다. 노즐은 매우 미세하여 풍부한 조화 색상과 부드러운 메쉬 톤을 생성할 수 있습니다. 잉크 카트리지와 노즐이 일체형 구조를 이루고 있으며, 잉크 카트리지 교체시 잉크젯 헤드가 동시에 업데이트되므로 노즐 막힘에 대한 걱정은 없지만 소모품 낭비가 발생하고 상대적으로 높음 비용. 주문형 잉크젯 기술은 배출해야 하는 그래픽 및 텍스트 부분에만 잉크 방울을 배출하고 빈 영역에는 잉크 방울이 배출되지 않습니다. 이 분사 방법은 잉크 방울을 충전할 필요가 없으며 전극 및 편향 전기장을 충전할 필요도 없습니다. 노즐 구조가 간단하고 노즐의 멀티 노즐 구현이 용이하며, 출력 품질이 더욱 개선되었습니다. 펄스 제어를 통해 디지털화가 쉽습니다. 그러나 잉크 방울의 토출 속도는 일반적으로 낮습니다. 열 거품 잉크젯, 압전 잉크젯 및 정전기 잉크젯의 세 가지 일반적인 유형이 있습니다. 물론 다른 유형이 있습니다.
압전 잉크젯 기술의 실현 원리는 인쇄 헤드의 노즐 근처에 많은 소형 압전 세라믹을 배치하면 압전 크리스탈이 전기장의 작용으로 변형됩니다. 잉크 캐비티에서 돌출되어 노즐에서 분사되는 패턴 데이터 신호는 압전 크리스탈의 변형을 제어한 다음 잉크 분사량을 제어합니다. 압전 MEMS 프린트 헤드를 사용한 주문형 드롭 하이브리드 인쇄 [ 12]. 열 거품 잉크젯 기술의 실현 원리는 가열 펄스 (기록 신호)의 작용으로 노즐의 발열체 온도가 상승하여 근처의 잉크 용매가 증발하여 많은 수의 핵 형성 작은 거품을 생성하는 것입니다. 내부 거품의 부피는 계속 증가합니다. 일정 수준에 도달하면 생성된 압력으로 인해 잉크가 노즐에서 분사되고 최종적으로 기판 표면에 도달하여 패턴 정보가 재생됩니다 [ 13 , 14 , 15 , 16 , 17 , 18 ].
“3D 제품 프린팅”및 “증분 빠른 제조”의 의미는 진화했으며 모든 증분 제품 제조 기술을 나타냅니다. 이는 이전 제작과는 다른 의미를 가지고 있지만, 자동 제어 하에 소재를 쌓아 올리는 3D 작업 제작 과정의 공통적 인 특징을 여전히 반영하고 있습니다 [ 19 , 20 , 21 , 22 , 23 , 24 ].
이 개발 시스템은 열 거품 분사 기술입니다. 이 빠른 어레이에 DNA 비드를 배치하고 스프레이 유속을 평가하기 위해 다른 히터 직경과 캐비티 두께를 설계하는 것입니다. DNA 제트 칩의 부스트 회로 시스템은 큰 흐름을 구동하기위한 신호 소스입니다. 목적은 분사되는 DNA 용액의 양과 출력을 조정하는 것입니다. 입력 전압을 더 높은 출력 전압으로 변환해야 하는 경우 부스트 컨버터가 유일한 선택입니다. 부스트 컨버터는 내부 금속 산화물 반도체 전계 효과 트랜지스터 (MOSFET)를 통해 전압을 충전하여 부스트 출력의 목적을 달성하고, MOSFET이 꺼지면 인덕터는 부하 정류를 통해 방전됩니다.
인덕터의 충전과 방전 사이의 변환 프로세스는 인덕터를 통한 전압의 방향을 반대로 한 다음 점차적으로 입력 작동 전압보다 높은 전압을 증가시킵니다. MOSFET의 스위칭 듀티 사이클은 확실히 부스트 비율을 결정합니다. MOSFET의 정격 전류와 부스트 컨버터의 부스트 비율은 부스트 컨버터의 부하 전류의 상한을 결정합니다. MOSFET의 정격 전압은 출력 전압의 상한을 결정합니다. 일부 부스트 컨버터는 정류기와 MOSFET을 통합하여 동기식 정류를 제공합니다. 통합 MOSFET은 정확한 제로 전류 턴 오프를 달성하여 부스트 변압기를 보다 효율적으로 만듭니다. 최대 전력 점 추적 장치를 통해 입력 전력을 실시간으로 모니터링합니다. 입력 전압이 최대 입력 전력 지점에 도달하면 부스트 컨버터가 작동하기 시작하여 부스트 컨버터가 최대 전력 출력 지점으로 유리 기판에 DNA 인쇄를 하는 데 적합합니다. 일정한 온 타임 생성 회로를 통해 온 타임이 온도 및 칩의 코너 각도에 영향을 받지 않아 시스템의 안정성이 향상됩니다.
잉크젯 프린트 헤드에 사용되는 기술은 매우 중요합니다. 잉크젯 기술의 엄청난 발전은 주로 잉크젯 프린팅에 사용되는 대형 액적 이젝터 [ 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 ]를 포함하여 잉크젯 프린트 헤드 기술의 이론 개발에서 시작되었습니다 . 연속 잉크젯 시스템은 고주파 응답과 고속 인쇄의 장점을 가지고 있습니다. 잉크젯 헤드의 총 노즐 수는 수백 또는 수천에 달할 수 있으며 이러한 노즐은 매우 복잡합니다. 노즐은 풍부하고 조화로운 색상과 부드러운 메쉬 톤을 생성할 수 있습니다 [ 9 , 10 ,11 ]. 잉크젯은 열 거품 잉크젯, 압전 잉크젯 및 정전 식 잉크젯의 세 가지 주요 유형으로 분류할 수 있습니다. 다른 유형도 사용 중입니다. 압전 잉크젯의 기능은 다음과 같습니다. 많은 소형 압전 세라믹이 잉크젯 헤드 노즐 근처에 배치됩니다. 압전 결정은 전기장 아래에서 변형됩니다. 그 후, 잉크는 잉크 캐비티에서 압착되어 노즐에서 배출됩니다. 패턴의 데이터 신호는 압전 결정의 변형을 제어한 다음 분사되는 잉크의 양을 제어합니다. 압전 마이크로 전자 기계 시스템 (MEMS) 잉크젯 헤드는 하이브리드 인쇄에 사용됩니다. [ 12]. 열 버블 잉크젯 기술은 다음과 같이 작동합니다. 가열 펄스 (즉, 기록 신호) 하에서 노즐의 가열 구성 요소의 온도가 상승하여 근처의 잉크 용매를 증발시켜 많은 양의 작은 핵 기포를 생성합니다. 내부 기포의 부피가 지속적으로 증가합니다. 압력이 일정 수준에 도달하면 노즐에서 잉크가 분출되고 잉크가 기판 표면에 도달하여 패턴과 메시지가 표시됩니다 [ 13 , 14 , 15 , 16 , 17 , 18 ].
3 차원 (3D) 제품 프린팅 및 빠른 프로토 타입 기술의 발전에는 모든 빠른 프로토 타입의 생산 기술이 포함됩니다. 래피드 프로토 타입 기술은 기존 생산 방식과는 다르지만 3D 제품 프린팅 생산 과정의 일부 특성을 공유합니다. 구체적으로 자동 제어 [ 19 , 20 , 21 , 22 , 23 , 24 ] 하에서 자재를 쌓아 올립니다 .
이 연구에서 개발된 시스템은 열 기포 방출 기술을 사용했습니다. 이 빠른 어레이에 DNA 비드를 배치하기 위해 히터에 대해 다른 직경과 다른 공동 두께가 사용되었습니다. 그 후, 스프레이 유속을 평가했다. DNA 제트 칩의 부스트 회로 시스템은 큰 흐름을 구동하기위한 신호 소스입니다. 목표는 분사되는 DNA 액체의 양과 출력을 조정하는 것입니다. 입력 전압을 더 높은 출력 전압으로 수정해야하는 경우 승압 컨버터가 유일한 옵션입니다. 승압 컨버터는 내부 금속 산화물 반도체 전계 효과 트랜지스터 (MOSFET)를 충전하여 출력 전압을 증가시킵니다. MOSFET이 꺼지면 부하 정류를 통해 인덕턴스가 방전됩니다. 충전과 방전 사이에서 인덕터를 변경하는 과정은 인덕터를 통과하는 전압의 방향을 변경합니다. 전압은 입력 작동 전압을 초과하는 지점까지 점차적으로 증가합니다. MOSFET 스위치의 듀티 사이클은 부스트 비율을 결정합니다. MOSFET의 승압 컨버터의 정격 전류와 부스트 비율은 승압 컨버터의 부하 전류의 상한을 결정합니다. MOSFET의 정격 전류는 출력 전압의 상한을 결정합니다. 일부 승압 컨버터는 정류기와 MOSFET을 통합하여 동기식 정류를 제공합니다. 통합 MOSFET은 정밀한 제로 전류 셧다운을 실현할 수 있으므로 셋업 컨버터의 효율성을 높일 수 있습니다. 최대 전력 점 추적 장치는 입력 전력을 실시간으로 모니터링하는 데 사용되었습니다. 입력 전압이 최대 입력 전력 지점에 도달하면 승압 컨버터가 작동을 시작합니다. 스텝 업 컨버터는 DNA 프린팅을 위한 최대 전력 출력 포인트가 있는 유리 기판에 사용됩니다.
MEMS Chip Design for Bubble Jet
이 연구는 히터 크기, 히터 번호 및 루프 저항과 같은 특정 매개 변수를 조작하여 5 가지 유형의 액체 배출 챔버 구조를 설계했습니다. 표 1 은 측정 결과를 나열합니다. 이 시스템은 다양한 히터의 루프 저항을 분석했습니다. 100 개 히터 설계를 완료하기 위해 2 세트의 히터를 사용하여 각 단일 회로 시리즈를 통과하기 때문에 100 개의 히터를 설계할 때 총 루프 저항은 히터 50 개의 총 루프 저항보다 하나 더 커야 합니다. 이 연구에서 MEMS 칩에서 기포를 배출하는 과정에서 저항 층의 면저항은 29 Ω / m 2입니다. 따라서 모델 A의 총 루프 저항이 가장 컸습니다. 일반 사이즈 모델 (모델 B1, C, D, E)의 두 배였습니다. 모델 B1, C, D 및 E의 총 루프 저항은 약 29 Ω / m 2 입니다. 표 1 에 따르면 오류 범위는 허용된 설계 값 이내였습니다. 따라서야 연구에서 설계된 각 유형의 단일 칩은 동일한 생산 절차 결과를 가지며 후속 유량 측정에 사용되었습니다.
Table 1. List of resistance measurement of single circuit resistance.
DNA를 뿌린 칩의 파워가 정상으로 확인되면 히터 버블의 성장 특성을 테스트하고 검증했습니다. DNA 스프레이 칩의 필름 두께와 필름 품질은 히터의 작동 조건과 스프레이 품질에 영향을 줍니다. 따라서 기포 성장 현상과 그 성장 특성을 이해하면 본 연구에서 DNA 스프레이 칩의 특성과 작동 조건을 명확히 하는 데 도움이 됩니다.
설계된 시스템은 기포 성장 조건을 관찰하기 위해 개방형 액체 공급 방법을 채택했습니다. 이미지 관찰을 위해 발광 다이오드 (LED, Nichia NSPW500GS-K1, 3.1V 백색 LED 5mm)를 사용하는 동기식 플래시 방식을 사용하여 동기식 지연 광원을 생성했습니다. 이 시스템은 또한 전하 결합 장치 (CCD, Flir Grasshopper3 GigE GS3-PGE-50S5C-C)를 사용하여 이미지를 캡처했습니다. 그림 1핵 형성, 성장, 거품 생성에서 소산에 이르는 거품의 과정을 보여줍니다. 이 시스템은 기포의 성장 및 소산 과정을 확인하여 시작 전압을 관찰하는 데 사용할 수 있습니다. 마이크로 채널의 액체 공급 방법은 LED가 깜빡이는 시간을 가장 큰 기포 발생에 필요한 시간 (15μs)으로 설정했습니다. 이 디자인은 부적합한 깜박임 시간으로 인한 잘못된 판단과 거품 이미지 캡처 불가능을 방지합니다.
Figure 1. The system uses CCD to capture images.
<내용 중략>…….
Table 2. Open pool test starting voltage results.Figure 2. Serial input parallel output shift registers forms of connection.Figure 3. The geometry of the jet cavity. (a) The actual DNA liquid chamber, (b) the three-dimensional view of the microfluidic single channel. A single-channel jet cavity with 60 μm diameter and 50 μm thickness, with an operating frequency of 5 KHz, in (a) three-dimensional side view (b) X-Z two-dimensional cross-sectional view, at 10, 20, 30, 40 and 200 μs injection conditions.Figure 4. Calculate and simulate the injection of water in a single-channel injection chamber with a nozzle diameter of 60 μm and a thickness of 50 μm, at an operating frequency of 5 KHz, in the X-Y two-dimensional cross-sectional view, at 10, 20, 30, 40 and 200 μs.Figure 5 depicts the calculation results of the 2D X-Z cross section. At 100 μs and 200 μs, the fluid injection orifice did not completely fill the chamber. This may be because the size of the single-channel injection cavity was unsuitable for the highest operating frequency of 10 KHz. Thus, subsequent calculation simulations employed 5 KHz as the reference operating frequency. The calculation simulation results were calculated according to the operating frequency of the impact. Figure 6 illustrates the injection cavity height as 60 μm and 30 μm and reveals the 2D X-Y cross section. At 100 μs and 200 μs, the fluid injection orifice did not completely fill the chamber. In those stages, the fluid was still filling the chamber, and the flow field was not yet stable.Figure 6. Calculate and simulate water in a single-channel spray chamber with a spray hole diameter of 60 μm and a thickness of 50 μm, with an operating frequency of 10 KHz, in an XY cross-sectional view, at 10, 20, 30, 40, 100, 110, 120, 130, 140 and 200 μs injection situation.Figure 7. The DNA printing integrated multiplexer driver MEMS head (IDMH).Figure 8. The initial voltage diagrams of chip number A,B,C,D,E type.Figure 9. The initial energy diagrams of chip number A,B,C,D,E type.Figure 10. A Type-Sample01 flow test.Figure 11. A Type-Sample01 drop volume.Figure 12. A Type-Sample01 flow rate.Figure 13. B1-00 flow test.Figure 14. C Type-01 flow test.Figure 15. D Type-02 flow test.Figure 16. E1 type flow test.Figure 17. E1 type ejection rate relationship.
Conclusions
이 연구는 DNA 프린팅 IDMH를 제공하고 미세 유체 흐름 추정을 수행했습니다. 설계된 DNA 스프레이 캐비티와 20V의 구동 전압에서 다양한 펄스 폭의 유동 성능이 펄스 폭에 따라 증가하는 것으로 밝혀졌습니다.
E1 유형 유량 테스트는 해당 유량이 3.1cc / min으로 증가함에 따라 유량이 전력 변화에 영향을 받는 것으로 나타났습니다. 동력이 증가함에 따라 유량은 0.75cc / min에서 3.5cc / min으로 최대 6.5W까지 증가했습니다. 동력이 더 증가하면 유량은 에너지와 함께 증가하지 않습니다. 이것은 이 테이블 디자인이 가장 크다는 것을 보여줍니다. 유속은 3.5cc / 분이었다. 작동 주파수가 2KHz이고 펄스 폭이 4μs 및 5μs 인 특수 설계된 DNA 스프레이 룸 구조에서 다양한 전력 조건 하에서 유량 변화를 관찰했습니다. 4.3–5.87 W의 출력 범위 내에서 주입 된 모노머의 유속은 5.5cc / 분이었습니다. 이것은 힘이 증가해도 변하지 않았습니다. DNA는 귀중하고 쉽게 얻을 수 없습니다. 이 실험을 통해 우리는 DNA가 뿌려진 마이크로 어레이 바이오칩의 수천 개의 지점에 필요한 총 DNA 양을 정확하게 추정 할 수 있습니다.
<내용 중략>…….
References
Pydar, O.; Paredes, C.; Hwang, Y.; Paz, J.; Shah, N.; Candler, R. Characterization of 3D-printed microfluidic chip interconnects with integrated O-rings. Sens. Actuators Phys.2014, 205, 199–203. [Google Scholar] [CrossRef]
Ohtani, K.; Tsuchiya, M.; Sugiyama, H.; Katakura, T.; Hayakawa, M.; Kanai, T. Surface treatment of flow channels in microfluidic devices fabricated by stereolitography. J. Oleo Sci.2014, 63, 93–96. [Google Scholar] [CrossRef]
Castrejn-Pita, J.R.; Martin, G.D.; Hoath, S.D.; Hutchings, I.M. A simple large-scale droplet generator for studies of inkjet printing. Rev. Sci. Instrum.2008, 79, 075108. [Google Scholar] [CrossRef] [PubMed]
Asai, A. Application of the nucleation theory to the design of bubble jet printers. Jpn. J. Appl. Phys. Regul. Rap. Short Notes1989, 28, 909–915. [Google Scholar] [CrossRef]
Aoyama, R.; Seki, M.; Hong, J.W.; Fujii, T.; Endo, I. Novel Liquid Injection Method with Wedge-shaped Microchannel on a PDMS Microchip System for Diagnostic Analyses. In Transducers’ 01 Eurosensors XV; Springer: Berlin, Germany, 2001; pp. 1204–1207. [Google Scholar]
Xu, B.; Zhang, Y.; Xia, H.; Dong, W.; Ding, H.; Sun, H. Fabrication and multifunction integration of microfluidic chips by femtosecond laser direct writing. Lab Chip2013, 13, 1677–1690. [Google Scholar] [CrossRef] [PubMed]
Nayve, R.; Fujii, M.; Fukugawa, A.; Takeuchi, T.; Murata, M.; Yamada, Y. High-Resolution long-array thermal ink jet printhead fabricated by anisotropic wet etching and deep Si RIE. J. Microelectromech. Syst.2004, 13, 814–821. [Google Scholar] [CrossRef]
O’Connor, J.; Punch, J.; Jeffers, N.; Stafford, J. A dimensional comparison between embedded 3D: Printed and silicon microchannesl. J. Phys. Conf. Ser.2014, 525, 012009. [Google Scholar] [CrossRef]
Fang, Y.J.; Lee, J.I.; Wang, C.H.; Chung, C.K.; Ting, J. Modification of heater and bubble clamping behavior in off-shooting inkjet ejector. In Proceedings of the IEEE Sensors, Irvine, CA, USA, 30 October–3 November 2005; pp. 97–100. [Google Scholar]
Lee, W.; Kwon, D.; Choi, W.; Jung, G.; Jeon, S. 3D-Printed microfluidic device for the detection of pathogenic bacteria using size-based separation in helical channel with trapezoid cross-section. Sci. Rep.2015, 5, 7717. [Google Scholar] [CrossRef] [PubMed]
Shin, D.Y.; Smith, P.J. Theoretical investigation of the influence of nozzle diameter variation on the fabrication of thin film transistor liquid crystal display color filters. J. Appl. Phys.2008, 103, 114905-1–114905-11. [Google Scholar] [CrossRef]
Kim, Y.; Kim, S.; Hwang, J.; Kim, Y. Drop-on-Demand hybrid printing using piezoelectric MEMS printhead at various waveforms, high voltages and jetting frequencies. J. Micromech. Microeng.2013, 23, 8. [Google Scholar] [CrossRef]
Shin, S.J.; Kuka, K.; Shin, J.W.; Lee, C.S.; Oha, Y.S.; Park, S.O. Thermal design modifications to improve firing frequency of back shooting inkjet printhead. Sens. Actuators Phys.2004, 114, 387–391. [Google Scholar] [CrossRef]
Rose, D. Microfluidic Technologies and Instrumentation for Printing DNA Microarrays. In Microarray Biochip Technology; Eaton Publishing: Norwalk, CT, USA, 2000; p. 35. [Google Scholar]
Wu, D.; Wu, S.; Xu, J.; Niu, L.; Midorikawa, K.; Sugioka, K. Hybrid femtosecond laser microfabrication to achieve true 3D glass/polymer composite biochips with multiscale features and high performance: The concept of ship-in-abottle biochip. Laser Photon. Rev.2014, 8, 458–467. [Google Scholar] [CrossRef]
McIlroy, C.; Harlen, O.; Morrison, N. Modelling the jetting of dilute polymer solutions in drop-on-demand inkjet printing. J. Non Newton. Fluid Mech.2013, 201, 17–28. [Google Scholar] [CrossRef]
Anderson, K.; Lockwood, S.; Martin, R.; Spence, D. A 3D printed fluidic device that enables integrated features. Anal. Chem.2013, 85, 5622–5626. [Google Scholar] [CrossRef] [PubMed]
Avedisian, C.T.; Osborne, W.S.; McLeod, F.D.; Curley, C.M. Measuring bubble nucleation temperature on the surface of a rapidly heated thermal ink-jet heater immersed in a pool of water. Proc. R. Soc. A Lond. Math. Phys. Sci.1999, 455, 3875–3899. [Google Scholar] [CrossRef]
Lim, J.H.; Kuk, K.; Shin, S.J.; Baek, S.S.; Kim, Y.J.; Shin, J.W.; Oh, Y.S. Failure mechanisms in thermal inkjet printhead analyzed by experiments and numerical simulation. Microelectron. Reliab.2005, 45, 473–478. [Google Scholar] [CrossRef]
Shallan, A.; Semjkal, P.; Corban, M.; Gujit, R.; Breadmore, M. Cost-Effective 3D printing of visibly transparent microchips within minutes. Anal. Chem.2014, 86, 3124–3130. [Google Scholar] [CrossRef] [PubMed]
Cavicchi, R.E.; Avedisian, C.T. Bubble nucleation and growth anomaly for a hydrophilic microheater attributed to metastable nanobubbles. Phys. Rev. Lett.2007, 98, 124501. [Google Scholar] [CrossRef] [PubMed]
Kamei, K.; Mashimo, Y.; Koyama, Y.; Fockenberg, C.; Nakashima, M.; Nakajima, M.; Li, J.; Chen, Y. 3D printing of soft lithography mold for rapid production of polydimethylsiloxane-based microfluidic devices for cell stimulation with concentration gradients. Biomed. Microdevices2015, 17, 36. [Google Scholar] [CrossRef] [PubMed]
Shin, S.J.; Kuka, K.; Shin, J.W.; Lee, C.S.; Oha, Y.S.; Park, S.O. Firing frequency improvement of back shooting inkjet printhead by thermal management. In Proceedings of the TRANSDUCERS’03. 12th International Conference on Solid-State Sensors.Actuators and Microsystems. Digest of Technical Papers (Cat. No.03TH8664), Boston, MA, USA, 8–12 June 2003; Volume 1, pp. 380–383. [Google Scholar]
Laio, X.; Song, J.; Li, E.; Luo, Y.; Shen, Y.; Chen, D.; Chen, Y.; Xu, Z.; Sugoioka, K.; Midorikawa, K. Rapid prototyping of 3D microfluidic mixers in glass by femtosecond laser direct writing. Lab Chip2012, 12, 746–749. [Google Scholar] [CrossRef] [PubMed]
Shun-Chung Tsung • Jihn-Sung Lai • Der-Liang Young
sharp-crested weir에서 속도 분포 및 배출 계산
개방 수로의 harp-crested 위어는 수두-방류 관계를 통해 방류를 계산하는데 유용한 장치입니다. 그러나 수위 측정 사이트와 배출 계수는 배출 계산 정확도에 큰 영향을 미칩니다. 따라서 본 연구는 각각 16MHz MicroADV와 FLOW-3D를 사용하여 위어 부분의 속도 분포를 측정하고 시뮬레이션합니다. 감마 확률 밀도 함수를 사용하여 속도 분포를 특성화하기 위해 위어 섹션의 수심 및 표면 속도가 선택됩니다. 본 연구에서는 측정된 수심과 수면 속도에서 도출된 속도 분포를 기반으로 속도-면적 통합 방법으로 정확한 배출을 계산합니다. 이 연구의 주요 기여는 정확한 측정 사이트를 제공하고, 속도 분포와 방류를 연결하고, 방류 계수 영향을 피하고, 방류 계산 정확도를 향상시키는 것입니다.
A sharp-crested weir in open channel is a useful device to calculate discharge via head-discharge relationship. However, water stage measurement site and discharge coefficient significantly influence discharge calculation accuracy. Therefore, this study measures and simulates velocity distribution at the weir section using 16-MHz MicroADV and FLOW-3D, respectively. The water depth and surface velocity at the weir section are selected to characterize velocity distribution using gamma probability density function. In this study, accurate discharge is calculated by velocity–area integration method based on velocity distribution derived from measured water depth and surface velocity. The main contributions of this study are to give an exact measurement site, link velocity distribution and discharge, avoid discharge coefficient influence, and improve discharge calculation accuracy.
Fig. 1 Fixed staff gauge for head measurement at the upstream side
of the Yuanshanzi Flood Diversion Work in the Keelung River,
Taiwan
References
Ackers P, White WR, Perkins JA, Harrison AJM (1978) Weirs and flumes for flow measurement. Wiley, New York
Bagheri S, Heidarpour M (2010) Application of free vortex theory to estimating discharge coefficient for sharp-crested weirs. Biosyst Eng 105:423–427
Chanson H, Montes JS (1998) Overflow characteristics of circular weirs: effects of inflow conditions. J Irrig Drain Eng 124(3):152–162
Costa JE, Cheng RT, Haeni FP, Melcher N, Spicer KR, Hayes E, Plant W, Hayes K, Teague C, Barrick D (2006) Use of radars to monitor stream discharge by noncontact methods. Water Resour Res 42:1–14
Ferrari A (2010) SPH simulation of free surface flow over a sharpcrested weir. Adv Water Resour 33:270–276
Ghodsian M (2003) Supercritical flow over a rectangular side weir. Can J Civ Eng 30:596–600
Hirt CW, Nichols BD (1981) Volume of fluid (VOF) method for the dynamics of free boundaries. J Comput Phys 39:201–225
Hirt CW, Sicilian JM (1985) A porosity technique for the definition of obstacles in rectangular cell meshes. In: Proc. 4th Int. Conf. Ship Hydrodynamics, National Academy of Science, Washington, DChttp://www.flow3d.com/. Accessed 20 Nov 2012
Kindsvater CE, Carter R (1957) Discharge characteristics of rectangular thin-plate weirs. J Hydraul Div 83(3):1–36
Lai JS, Tsorng SC, Tan YC, Hwang CY (2008) Measurements and analysis of flow field over sharp-crested weir. Taiwan Water Conservancy 56(1):49–59 (in Chinese)
Lin C, Huang WY, Suen HF, Hsieh SC (2002) Study on the characteristics of velocity field of free overfalls over a vertical drop. In: Proc. Hydraul Meas Exp Methods Conf, Estes Park, CO, USA
Muson BR, Young DF, Okiishi TH (1990) Fundamentals of fluid mechanics. Wiley, New York
Qu J, Ramamurthy AS, Tadayon R, Chen Z (2009) Numerical simulation of sharp-crested weir flows. Can J Civ Eng 36:1530–1534
Rajaratnam N, Muralidhar D (1971) Pressure and velocity distribution for sharp-crested weirs. J Hydraul Res 9(2):241–248
Ramamurthy AS, Tim US, Rao MV (1987) Flow over sharp-crested weirs. J Irrig Drain Eng 113(2):163–172
Rehbock T (1929) Discussion of ‘‘precise weir measurements’’ by Schoder EW and Turner KB Trans ASCE 93: 1143–1162
Rouse H (1936) Discharge characteristics of the free overfall. Civ Eng ASCE 6(4):257–260
Samani AK, Ansari A, Borghei SM (2010) Hydraulic behaviour of flow over an oblique weir. J Hydraul Res 48(5):669–673
Sargisonl JE, Percy A (2009) Hydraulics of broad-crested weirs with varying side slopes. J Irrig Drain Eng 135(1):115–118
Subramanya K (1986) Flow in open channels. Tata McGraw-Hill, New Delhi
하천 복원 노력을 지원하기 위해 우리는 하천 파괴 속도를 늦출 필요가 있습니다. 이 연구는 하천 곡률 보호를 위해 구불 구불 한 하천이 곧게 펴질 때 수리적 복잡성 손실에 대한 자세한 설명을 제공합니다.
전산 유체 역학 (CFD) 모델링을 사용하여 채널 곡률 (C)이 잘 확립된 사행 굽힘 (C = 0.77)에서 곡률이 없는 직선 채널 (C = 0)로 저하되는 9 개의 시뮬레이션에서 유동 역학의 차이를 문서화했습니다.
공변량을 제어하고 수리적 복잡성에 대한 손실률을 늦추기 위해 각 9 개 채널 구현은 동등한 베드 형태 지형을 가졌습니다. 분석된 수력학적 변수에는 흐름 표면 고도, 흐름 방향 및 횡단 단위 배출, 흐름 방향, 가로 방향 및 수직 방향의 유속, 베드 전단 응력, 흐름 함수 및 채널 베드에서의 수직 저 유량 유속 비율이 포함되었습니다.
수력 복잡성의 손실은 처음에 수로를 C = 0.77에서 C = 0.33 (즉, 수로의 반경이 수로 폭의 3 배임) 할 때 점차적으로 발생했으며, 추가 직선화는 수력 복잡성에 대한 급속한 손실을 초래했습니다.
다른 연구에서는 수리적 복잡성이 중요한 하천 서식지를 제공하고 생물 다양성과 양의 상관 관계가 있음을 보여주었습니다. 이 연구는 강을 풀 때 수력학적 복잡성이 점진적으로 사라졌다가 빠르게 사라지는 방법을 보여줍니다.
To assist river restoration efforts we need to slow the rate of river degradation. This study provides a detailed explanation of the hydraulic complexity loss when a meandering river is straightened in order to motivate the protection of river channel curvature. We used computational fluid dynamics (CFD) modeling to document the difference in flow dynamics in nine simulations with channel curvature (C) degrading from a well-established tight meander bend (C = 0.77) to a straight channel without curvature (C = 0). To control for covariates and slow the rate of loss to hydraulic complexity, each of the nine-channel realizations had equivalent bedform topography. The analyzed hydraulic variables included the flow surface elevation, streamwise and transverse unit discharge, flow velocity at streamwise, transverse, and vertical directions, bed shear stress, stream function, and the vertical hyporheic flux rates at the channel bed. The loss of hydraulic complexity occurred gradually when initially straightening the channel from C = 0.77 to C = 0.33 (i.e., the radius of the channel is three-times the channel width), and additional straightening incurred rapid losses to hydraulic complexity. Other studies have shown hydraulic complexity provides important riverine habitat and is positively correlated with biodiversity. This study demonstrates how hydraulic complexity can be gradually and then rapidly lost when unwinding a river, and hopefully will serve as a cautionary tale.
Figure 1. Geometries and bed topography settings of the nine computational fluid dynamics (CFD)
simulations with channel curvature (C) changed from 0.77 to 0Figure 2. Flow surface elevation (h) normalized by H at C = 0.77, C = 0.33, and C = 0 conditions.
n denotes the lateral coordination with n = 0 at channel center and B denotes the channel width.Figure 3. Normalized flow surface profiles for the nine simulations at the point bar apex 1.5 s/B.
The insert plot shows the second order derivative of normalized flow surface elevation in the transverse
direction, Fh00(n/B), which gives the convexity or concavity of the surface profile curves.Figure 4. Streamwise unit discharge qs/UH for channel curvature C = 0.77, 0.33, and 0 conditions.Figure 5. Transverse unit discharge qn/UH for channel curvature C = 0.77, 0.33, and 0 conditions.
Figure 6. Transverse unit discharge averaged over the transverse direction. The inset shows the R2 of transverse unit discharge < qn/UH > between each curvature, C, and the straight channel condition (C = 0, R2 = 1); a lower R2 suggests greater hydraulic complexity for transverse unit discharge.Figure 7. Normalized depth averaged streamwise velocity /U for channel curvature C = 0.77, 0.33, and 0 conditions.Figure 8. The first moment of normalized depth averaged streamwise velocity /U, which represents center of gravity of the streamwise flow distribution, along the channel. The inset shows the R2 of the first moment of /U between each curvature and the straight channel condition (C = 0, R2 = 1); a lower R2 suggests greater hydraulic complexity for the first moment of depth averaged streamwise velocity.Figure 9. Distribution of river channel bed shear Cf for channel curvature C = 0.77, 0.33, and 0 conditions.Figure 10. Normalized vertical hyporheic flux vzbed/U at 2 mm below sediment surface for channel curvature C = 0.77, 0.33, and 0 conditions. Positive indicates upwelling of groundwater into the river channel.Figure 11. Normalized vertical velocity /U for channel curvature C = 0.77, 0.33, and 0 conditions, with positive values upward flows, negative values downward flows.Figure 12. Transverse stream function distribution ψ/UBH reveals the secondary circulation of transverse flow cells rotating at the meander apex 1.5 s/B for channel curvature C = 0.77 (A), C = 0.33 (B), and C = 0 (C), with positive values representing clockwise rotation direction when facing upstream, and negative values representing counter-clockwise rotation when facing upstream.
References
Paper 422-H); U.S. Government Printing Office: Washington, DC, USA, 1966.
Wohl, E. Rivers in the Landscape; John Wiley & Sons: Hoboken, NJ, USA, 2020. [Google Scholar]
Dietrich, W.E.; Smith, J.D. Influence of the point bar on flow through curved channels. Water Resour. Res.1983, 19, 1173–1192. [Google Scholar] [CrossRef]
Harvey, J.W.; Bencala, K. The effects of streambed topography on surface-subsurface water exchange in mountains catchments. Water Resour. Res.1993, 29, 89–98. [Google Scholar] [CrossRef]
Bridge, J.S. Rivers and Floodplains: Forms, Processes, and Sedimentary Record; John Wiley & Sons: Hoboken, NJ, USA, 2009. [Google Scholar]
Vermeulen, B.; Hoitink, A.J.F.; Labeur, R.J. Flow structure caused by a local cross-sectional area increase and curvature in a sharp river bend. J. Geophys. Res. Earth Surf.2015, 120, 1771–1783. [Google Scholar] [CrossRef]
Konsoer, K.M.; Rhoads, B.L.; Best, J.L.; Langendoen, E.J.; Abad, J.D.; Parsons, D.R.; Garcia, M.H. Three-dimensional flow structure and bed morphology in large elongate meander loops with different outer bank roughness characteristics. Water Resour. Res.2016, 52, 9621–9641. [Google Scholar] [CrossRef]
Li, B.D.; Zhang, X.H.; Tang, H.S.; Tsubaki, R. Influence of deflection angles on flow behaviours in openchannel bends. J. Mt. Sci.2018, 15, 2292–2306. [Google Scholar] [CrossRef]
Gualtieri, C.; Abdi, R.; Ianniruberto, M.; Filizola, N.; Endreny, T.A. A 3D analysis of spatial habitat metrics about the confluence of Negro and Solimões rivers, Brazil. Ecohydrology2020, 13, e2166. [Google Scholar] [CrossRef]
Gualtieri, C.; Ianniruberto, M.; Filizola, N.; Santos, R.; Endreny, T. Hydraulic complexity at a large river confluence in the Amazon basin. Ecohydrology2017, 10, e1863. [Google Scholar] [CrossRef]
Kozarek, J.; Hession, W.; Dolloff, C.; Diplas, P. Hydraulic complexity metrics for evaluating in-stream brook trout habitat. J. Hydraul. Eng.2010, 136, 1067–1076. [Google Scholar] [CrossRef]
McCoy, E.D.; Bell, S.S.; Mushinsky, H.R. Habitat structure: Synthesis and perspectives. In Habitat Structure; Springer: Berlin, Germany, 1991; pp. 427–430. [Google Scholar]
Palmer, M.A.; Bernhardt, E.; Allan, J.; Lake, P.S.; Alexander, G.; Brooks, S.; Carr, J.; Clayton, S.; Dahm, C.; Follstad Shah, J.; et al. Standards for ecologically successful river restoration. J. Appl. Ecol.2005, 42, 208–217. [Google Scholar] [CrossRef]
Abad, J.D.; Rhoads, B.L.; Güneralp, İ.; García, M.H. Flow structure at different stages in a meander-bend with bendway weirs. J. Hydraul. Eng.2008, 134, 1052–1063. [Google Scholar] [CrossRef]
Constantinescu, G.; Koken, M.; Zeng, J. The structure of turbulent flow in an open channel bend of strong curvature with deformed bed: Insight provided by detached eddy simulation. Water Resour. Res.2011, 47. [Google Scholar] [CrossRef]
Sawyer, A.H.; Bayani Cardenas, M.; Buttles, J. Hyporheic exchange due to channel-spanning logs. Water Resour. Res.2011, 47. [Google Scholar] [CrossRef]
Zhou, T.; Endreny, T. Meander hydrodynamics initiated by river restoration deflectors. Hydrol. Process.2012, 26, 3378–3392. [Google Scholar] [CrossRef]
Hirt, C.W.; Nichols, B.D. Volume of fluid (VOF) method for the dynamics of free boundaries. J. Comput. Phys.1981, 39, 201–225. [Google Scholar] [CrossRef]
Van Balen, W.; Uijttewaal, W.; Blanckaert, K. Large-eddy simulation of a curved open-channel flow over topography. Phys. Fluids2010, 22, 075108. [Google Scholar] [CrossRef]
Blanckaert, K. Topographic steering, flow recirculation, velocity redistribution, and bed topography in sharp meander bends. Water Resour. Res.2010, 46. [Google Scholar] [CrossRef]
Zeng, J.; Constantinescu, G.; Blanckaert, K.; Weber, L. Flow and bathymetry in sharp open-channel bends: Experiments and predictions. Water Resour. Res.2008, 44. [Google Scholar] [CrossRef]
Elliott, A.H.; Brooks, N.H. Transfer of nonsorbing solutes to a streambed with bed forms: Laboratory experiments. Water Resour. Res.1997, 33, 137–151. [Google Scholar] [CrossRef]
Zhou, T.; Endreny, T.A. Reshaping of the hyporheic zone beneath river restoration structures: Flume and hydrodynamic experiments. Water Resour. Res.2013, 49, 5009–5020. [Google Scholar] [CrossRef]
Lane, S.; Bradbrook, K.; Richards, K.; Biron, P.; Roy, A. The application of computational fluid dynamics to natural river channels: Three-dimensional versus two-dimensional approaches. Geomorphology1999, 29, 1–20. [Google Scholar] [CrossRef]
Vardy, A. Fluid Principles; McGraw-Hill International Series in Civil Engineering; McGraw-Hill: London, UK, 1990. [Google Scholar]
Rozovskii, I.L. Flow of Water in Bends of Open Channels; Academy of Sciences of the Ukrainian SSR: Kiev, Ukraine, 1957. [Google Scholar]
Blanckaert, K.; De Vriend, H.J. Secondary flow in sharp open-channel bends. J. Fluid Mech.2004, 498, 353–380. [Google Scholar] [CrossRef]
Johannesson, H.; Parker, G. Linear theory of river meanders. River Meand.1989, 12, 181–213. [Google Scholar] [CrossRef]
Camporeale, C.; Perona, P.; Porporato, A.; Ridolfi, L. Hierarchy of models for meandering rivers and related morphodynamic processes. Rev. Geophys.2007, 45. [Google Scholar] [CrossRef]
He, L. Distribution of primary and secondary currents in sine-generated bends. Water SA2018, 44, 118–129. [Google Scholar] [CrossRef]
Liao, J.C.; Beal, D.N.; Lauder, G.V.; Triantafyllou, M.S. Fish exploiting vortices decrease muscle activity. Science2003, 302, 1566–1569. [Google Scholar] [CrossRef]
Crispell, J.K.; Endreny, T.A. Hyporheic exchange flow around constructed in-channel structures and implications for restoration design. Hydrol. Process.2009, 1168, 1158–1168. [Google Scholar] [CrossRef]
Hester, E.T.; Gooseff, M.N. Moving Beyond the Banks: Hyporheic Restoration Is Fundamental to Restoring Ecological Services and Functions of Streams. Environ. Sci. Technol.2010, 44, 1521–1525. [Google Scholar] [CrossRef]
This article was contributed by V.Sukhotskiy1,2, I. H. Karampelas3, G. Garg 1, A. Verma1, M. Tong 1, S. Vader2, Z. Vader2, and E. P. Furlani1 1University at Buffalo SUNY, 2Vader Systems, 3Flow Science, Inc.
Drop-on-demand 잉크젯 인쇄는 상업 및 소비자 이미지 재생을 위한 잘 정립 된 방법입니다. 이 기술을 주도하는 동일한 원리는 인쇄 및 적층 제조 분야에도 적용될 수 있습니다. 기존의 잉크젯 기술은 폴리머에서 살아있는 세포에 이르기까지 다양한 재료를 증착하고 패턴화하여 다양한 기능성 매체, 조직 및 장치를 인쇄하는 데 사용되었습니다 [1, 2]. 이 작업의 초점은 잉크젯 기반 기술을 3D 솔리드 금속 구조 인쇄로 확장하는 데 있습니다 [3, 4]. 현재 대부분의 3D 금속 프린팅 응용 프로그램은 고체 물체를 형성하기 위해 레이저 [6] 또는 전자 빔 [7]과 같은 외부 지향 에너지 원의 영향을 받아 증착 된 금속 분말 소결 또는 용융을 포함합니다. 그러나 이러한 방법은 비용 및 프로세스 복잡성 측면에서 단점이 있습니다. 예를 들어, 3D 프린팅 프로세스에 앞서 분말을 생성하기 위해 시간과 에너지 집약적인 기술이 필요합니다.
이 기사에서는 MHD (자기 유체 역학) drop-on-demand 방출 및 움직이는 기판에 액체 방울 증착을 기반으로 3D 금속 구조의 적층 제조에 대한 새로운 접근 방식에 대해 설명합니다. 프로세스의 각 부분을 연구하기 위해 많은 시뮬레이션이 수행되었습니다.
단순화를 위해 이 연구는 두 부분으로 나뉘었습니다.
첫 번째 부분에서는 MHD 분석을 사용하여 프린트 헤드 내부의 Lorentz 힘 밀도에 의해 생성 된 압력을 추정 한 다음 FLOW-3D 모델의 경계 조건으로 사용됩니다. 액적 방출 역학을 연구하는 데 사용되었습니다.
두 번째 부분에서는 이상적인 액적 증착 조건을 식별하기 위해 FLOW-3D 매개 변수 분석을 수행했습니다. 모델링 노력의 결과는 그림 1에 표시된 장치의 설계를 안내하는데 사용되었습니다.
코일은 배출 챔버를 둘러싸고 전기적으로 펄스되어 액체 금속을 투과하고 폐쇄 루프를 유도하는 과도 자기장을 생성합니다. 그 안에 일시적인 전기장. 전기장은 순환 전류 밀도를 발생시키고, 이는 과도장에 역 결합되고 챔버 내에서 자홍 유체 역학적 로렌츠 힘 밀도를 생성합니다. 힘의 방사형 구성 요소는 오리피스에서 액체 금속 방울을 분출하는 역할을 하는 압력을 생성합니다. 분출된 액적은 기질로 이동하여 결합 및 응고되어 확장된 고체 구조를 형성합니다. 임의의 형태의 3 차원 구조는 입사 액적의 정확한 패턴 증착을 가능하게 하는 움직이는 기판을 사용하여 층별로 인쇄 될 수 있습니다. 이 기술은 상표명 MagnetoJet으로 Vader Systems (www.vadersystems.com)에 의해 특허 및 상용화되었습니다.
MagnetoJet 프린팅 공정의 장점은 상대적으로 높은 증착 속도와 낮은 재료 비용으로 임의 형상의 3D 금속 구조를 인쇄하는 것입니다 [8, 9]. 또한 고유한 금속 입자 구조가 존재하기 때문에 기계적 특성이 개선된 부품을 인쇄 할 수 있습니다.
프로토타입 디바이스 개발
Vader Systems의 3D 인쇄 시스템의 핵심 구성 요소는 두 부분의 노즐과 솔레노이드 코일로 구성된 프린트 헤드 어셈블리입니다. 액체화는 노즐의 상부에서 발생합니다. 하부에는 직경이 100μm ~ 500μm 인 서브 밀리미터 오리피스가 있습니다. 수냉식 솔레노이드 코일은 위 그림에 표시된 바와 같이 오리피스 챔버를 둘러싸고있습니다 (냉각 시스템은 도시되지 않음). 다수의 프린트 헤드 디자인의 반복적인 개발은 액체 금속 배출 거동뿐만 아니라, 액체 금속 충전 거동에 대한 사출 챔버 기하적인 효과를 분석하기 위해 연구되었습니다.
이 프로토타입 시스템은 일반적인 알루미늄 합금으로 만들어진 견고한 3D 구조를 성공적으로 인쇄했습니다 (아래 그림 참조). 액적 직경, 기하학, 토출 빈도 및 기타 매개 변수에 따라 직경이 50 μm에서 500 μm까지 다양합니다. 짧은 버스트에서 최대 5000 Hz까지 40-1000 Hz의 지속적인 방울 분사 속도가 달성 되었습니다.
Computational Models
프로토 타입 장치 개발의 일환으로, 성능 (예 : 액적 방출 역학, 액적-공기 및 액적-기질 상호 작용)에 대한 설계 개념을 스크리닝하기 위해 프로토타입 제작 전에 계산 시뮬레이션을 수행했습니다. 분석을 단순화하기 위해 CFD 분석 뿐만 아니라 컴퓨터 전자기(CE)를 사용하는 두 가지 다른 보완 모델이 개발되었습니다. 첫 번째 모델에서는 2 단계 CE 및 CFD 분석을 사용하여 MHD 기반 액적 분출 거동과 효과적인 압력 생성을 연구했습니다. 두 번째 모델에서는 열-유체 CFD 분석을 사용하여 기판상의 액적 패턴화, 유착 및 응고를 연구했습니다.
MHD 분석 후, 첫 번째 모델에서 등가 압력 프로파일을 추출하여 액적 분출 및 액적-기질 상호 작용의 과도 역학을 탐구하도록 설계된 FLOW-3D 모델의 입력으로 사용되었습니다. FLOW-3D 시뮬레이션은 액적 분출에 대한 오리피스 안과 주변의 습윤 효과를 이해하기 위해 수행되었습니다. 오리피스 내부와 외부 모두에서 유체 초기화 수준을 변경하고 펄스 주파수에 의해 결정된 펄스 사이의 시간을 허용함으로써 크기 및 속도를 포함하여 분출 된 액 적의 특성 차이를 식별 할 수있었습니다.
Droplet 생성
MagnetoJet 인쇄 프로세스에서, 방울은 전압 펄스 매개 변수에 따라 일반적으로 1 – 10m/s 범위의 속도로 배출되고 기판에 충돌하기 전에 비행 중에 약간 냉각됩니다. 기판상의 액적들의 패터닝 및 응고를 제어하는 능력은 정밀한 3D 솔리드 구조의 형성에 중요합니다. 고해상도 3D 모션베이스를 사용하여 패터닝을 위한 정확한 Droplet 배치가 이루어집니다. 그러나 낮은 다공성과 원하지 않는 레이어링 artifacts가 없는 잘 형성된 3D 구조를 만들기 위해 응고를 제어하는 것은 다음과 같은 제어를 필요로하기 때문에 어려움이 있습니다.
냉각시 액체 방울로부터 주변 물질로의 열 확산,
토출된 액적의 크기,
액적 분사 빈도 및
이미 형성된 3D 물체로부터의 열 확산.
이들 파라미터를 최적화 함으로써, 인쇄된 형상의 높은 공간 분해능을 제공하기에 충분히 작으며, 인접한 액적들 및 층들 사이의 매끄러운 유착을 촉진하기에 충분한 열 에너지를 보유 할 것입니다. 열 관리 문제에 직면하는 한 가지 방법은 가열된 기판을 융점보다 낮지만 상대적으로 가까운 온도에서 유지하는 것입니다. 이는 액체 금속 방울과 그 주변 사이의 온도 구배를 감소시켜 액체 금속 방울로부터의 열의 확산을 늦춤으로써 유착을 촉진시키고 고형화하여 매끄러운 입체 3D 덩어리를 형성합니다. 이 접근법의 실행 가능성을 탐구하기 위해 FLOW-3D를 사용한 파라 메트릭 CFD 분석이 수행되었습니다.
액체 금속방울 응집과 응고
우리는 액체 금속방울 분사 주파수뿐만 아니라 액체 금속방울 사이의 중심 간 간격의 함수로서 가열된 기판에서 내부 층의 금속방울 유착 및 응고를 조사했습니다. 이 분석에서 액체 알루미늄의 구형 방울은 3mm 높이에서 가열 된 스테인리스 강 기판에 충돌합니다. 액적 분리 거리 (100)로 변화 될 때 방울이 973 K의 초기 온도를 가지고, 기판이 다소 943 K.도 3의 응고 온도보다 900 K로 유지됩니다. 실선의 인쇄 중에 액적 유착 및 응고를 도시 50㎛의 간격으로 500㎛에서 400㎛까지 연속적으로 유지하고, 토출 주파수는 500Hz에서 일정하게 유지 하였습니다.
방울 분리가 250μm를 초과하면 선을 따라 입자가 있는 응고된 세그먼트가 나타납니다. 350μm 이상의 거리에서는 세그먼트가 분리되고 선이 채워지지 않은 간극이 있어 부드러운 솔리드 구조를 형성하는데 적합하지 않습니다. 낮은 온도에서 유지되는 기질에 대해서도 유사한 분석을 수행했습니다(예: 600K, 700K 등). 3D 구조물이 쿨러 기질에 인쇄될 수 있지만, 그것들은 후속적인 퇴적 금속 층들 사이에 강한 결합의 결여와 같은 바람직하지 않은 공예품을 보여주는 것이 관찰되었습니다. 이는 침전된 물방울의 열 에너지 손실률이 증가했기 때문입니다. 기판 온도의 최종 선택은 주어진 용도에 대해 물체의 허용 가능한 인쇄 품질에 따라 결정될 수 있습니다. 인쇄 중에 부품이 커짐에 따라 더 높은 열 확산에 맞춰 동적으로 조정할 수도 있습니다.
FLOW-3D 결과 검증
위 그림은 가열된 기판 상에 인쇄된 컵 구조 입니다. 인쇄 과정에서 가열된 인쇄물의 온도는 인쇄된 부분의 순간 높이를 기준으로 실시간으로 733K (430 ° C)에서 833K (580 ° C)로 점차 증가했습니다. 이것은 물체 표면적이 증가함에 따라 국부적인 열 확산의 증가를 극복하기 위해 행해졌습니다. 알루미늄의 높은 열전도율은 국부적인 온도 구배에 대한 조정이 신속하게 이루어져야 하기 때문에 특히 어렵습니다. 그렇지 않으면 온도가 빠르게 감소하고 층내 유착을 저하시킵니다.
결론
시뮬레이션 결과를 바탕으로, Vader System의 프로토타입 마그네슘 유체 역학 액체 금속 Drop-on-demand 3D 프린터 프로토 타입은 임의의 형태의 3D 솔리드 알루미늄 구조를 인쇄할 수 있었습니다. 이러한 구조물은 서브 밀리미터의 액체 금속방울을 층 단위로 패턴화하여 성공적으로 인쇄되었습니다. 시간당 540 그램 이상의 재료 증착 속도는 오직 하나의 노즐을 사용하여 달성 되었습니다.
이 기술의 상업화는 잘 진행되고 있지만 처리량, 효율성, 해상도 및 재료 선택면에서 최적의 인쇄 성능을 실현하는 데는 여전히 어려움이 있습니다. 추가 모델링 작업은 인쇄 과정 중 과도 열 영향을 정량화하고, 메니스커스 동작뿐만 아니라 인쇄된 부품의 품질을 평가하는 데 초점을 맞출 것입니다.
[3] Tseng, A.A., Lee, M.H. and Zhao, B., “Design and operation of a droplet deposition system for freeform fabrication of metal parts,” Transactions-American Society of Mechanical Engineers Journal of Engineering Materials and Technology 123(1), 74-84 (2001).
[4] Suter, M., Weingärtner, E. and Wegener, K., “MHD printhead for additive manufacturing of metals,” Procedia CIRP 2, 102-106 (2012).
[5] Loh, L.E., Chua, C.K., Yeong, W.Y., Song, J., Mapar, M., Sing, S.L., Liu, Z.H. and Zhang, D.Q., “Numerical investigation and an effective modelling on the Selective Laser Melting (SLM) process with aluminium alloy 6061,” International Journal of Heat and Mass Transfer 80, 288-300 (2015).
[6] Simchi, A., “Direct laser sintering of metal powders: Mechanism, kinetics and microstructural features,” Materials Science and Engineering: A 428(1), 148-158 (2006).
[7] Murr, L.E., Gaytan, S.M., Ramirez, D.A., Martinez, E., Hernandez, J., Amato, K.N., Shindo, P.W., Medina, F.R. and Wicker, R.B., “Metal fabrication by additive manufacturing using laser and electron beam melting technologies,” Journal of Materials Science & Technology, 28(1), 1-14 (2012).
[8] J. Jang and S. S. Lee, “Theoretical and experimental study of MHD (magnetohydrodynamic) micropump,” Sensors & Actuators: A. Physical, 80(1), 84-89 (2000).
[9] M. Orme and R. F. Smith, “Enhanced aluminum properties by means of precise droplet deposition,” Journal of Manufacturing Science and Engineering, Transactions of the ASME, 122(3), 484-493, (2000)
Keywords: Magnetohydrodynamicdroplet ejection, droplet on demandprinting, 3D printing of molten metal, additive manufacturing, thermo-fluidic analysis, molten aluminum.
우리는 액체 금속 방울을 사용하여 3D 고체 금속 구조의 DOD (drop-on-demand) 프린팅을 위한 새로운 방법을 제시합니다. 이 방법은 MHD (Magnetohydrodynamic) 기반 방울 생성에 의존합니다. 특히, 외부 코일에 의해 공급되는 맥동 자기장은 액체 금속으로 채워진 분사 챔버 내에서 MHD 기반 힘 밀도를 유도하여 물방울이 노즐을 통해 분사되도록 합니다.
임의의 모양의 3 차원 (3D) 고체 금속 구조는 드롭 방식의 유착 및 응고와 함께 방울의 층별 패턴 증착을 통해 인쇄 할 수 있습니다. 샘플 인쇄 구조와 함께 이 프로토 타입 MHD 인쇄 시스템을 소개합니다. 또한 드롭 생성을 제어하는 기본 물리학에 대해 논의하고 장치 성능을 예측하기 위한 계산 모델을 소개합니다.
주문형 잉크젯 인쇄는 상업용 및 소비자용 이미지 재생을 위한 잘 정립된 방법입니다. 이 기술을 주도하는 동일한 원리는 기능 인쇄 및 적층 제조 분야에도 적용될 수 있습니다. 기존의 잉크젯 기술은 폴리머에서 살아있는 세포에 이르기까지 다양한 재료를 증착하고 패턴 화하여 다양한 기능성 매체, 조직 및 장치를 인쇄하는 데 사용되어 왔습니다 [1, 2]. 이 작업의 초점은 잉크젯 기반 기술을 3D 솔리드 금속 구조 프린팅으로 확장하는 데 있습니다 [3, 4]. 현재 대부분의 3D 금속 프린팅 응용 분야에는 레이저 (예 : 선택적 레이저 소결 [5] 및 직접 레이저 금속 소결 [6]) 또는 전자 빔 (예 : 레이저 소결 [6])과 같은 외부 지향 에너지 원의 영향으로 증착 된 금속 분말 소결 또는 용융이 포함됩니다. 전자빔 용융 [7])을 사용하여 고체 물체를 형성합니다. 그러나 이러한 방법은 비용 및 복잡성 측면에서 단점이 있습니다. 3D 프린팅 프로세스에 앞서 금속을 밀링해야 합니다.
igure 1:Essential componentsof the MHD printhead (a) cross-sectional view of printhead showing flow of liquid metal.(b) simulation model showing the magneticfield generated by a pulsed magnetic coil as well as an ejecteddroplet of liquid aluminum.
이 작업에서 우리는 자기 유체 역학의 원리에 기반한 금속 구조물의 적층 제조에 대한 새로운 접근 방식을 소개합니다. 이 방법에서는 감긴 고체 금속 와이어가 MHD 프린트 헤드의 아세라 미치 팅 챔버에 연속적으로 공급되고 용융되어 그림 1에 표시된 것처럼 모세관 힘을 통해 배출 챔버에 공급되는 액체 금속 저장소를 형성합니다. 코일이 배출 챔버를 둘러싸고 있습니다. 액체 금속 내에서 과도 전기장을 유도하는 과도 자기장을 생성하도록 전기적으로 펄스됩니다. 전기장은 유도 된 순환 전류 밀도를 생성하며, 이는 적용된 자기장과 결합하여 챔버 내에서 오리피스의 액체 금속 방울을 방출하는 역할을하는 로렌츠 힘 밀도 (fMHD)를 생성합니다. 분출 된 액 적은 기질로 이동하여 결합 및 응고되어 확장 된 고체 구조를 형성합니다. 임의의 형태의 3 차원 구조는 입사 액 적의 정확한 패턴 증착을 가능하게하는 움직이는 기판을 사용하여 층별로 인쇄 될 수 있습니다. 이 기술은 Vader Systems (www.vadersystems.com)에서 MagnetoJet이라는 상표명으로 개척하고 상용화했습니다. MagnetoJet 인쇄 공정의 장점은 상대적으로 높은 증착 속도와 낮은 재료 비용으로 임의의 모양의 3D 금속 구조를 인쇄하는 것입니다. 이 작업에서는 MagnetoJet 프로토 타입 프린팅 프로세스에 대해 논의하고 샘플 3D 프린팅 구조를 시연하며 합리적인 설계 및 장치 성능 예측을 가능하게하는 계산 모델을 소개합니다.
Figure 2:Printed 3D structures: (a) ring showing as printed base and processed upper portion, and (b) cat
FLOW-3D는 신규 모듈을 개발 하면서, 입자 모델의 새로운 입자 클래스 중 하나인 유체 입자의 기능에 초점을 맞출 것입니다. 유체 입자는 증발 및 응고를 포함하여 유체 속성을 본질적으로 부여합니다. 유체 입자가 비교적 간단한 강우 모델링(아래의 애니메이션)에서 복잡한 레이저 증착(용접) 모델링에 이르기까지 다양한 사례가 있을 수 있습니다.
Fluid Particles
FLOW-3D에서 유체 입자 옵션이 활성화 되면 사용자는 다양한 직경과 밀도로 다양한 유체 입자 종을 설정할 수 있습니다. 또한 유체 입자의 동력학은 확산 계수, 항력 계수, 난류 슈미트 수, 반발 계수 및 응고된 반발 계수와 같은 특성에 의해 제어 될 수 있습니다. 유체 입자는 열적 및 전기적 특성을 지정할 수 있습니다.
사용자는 유체 입자 생성을 위해 여러 소스를 설정할 수 있습니다. 각 소스는 이전에 정의 된 모든 유체 입자 종 또는 일부 유체 입자 종의 혼합을 가질 수 있습니다. 또한 사용자는 무작위 또는 균일한 입자 생성을 선택하고 입자가 소스에서 방출되는 속도를 정의 할 수 있습니다.
Laser Metal Deposition
레이저 금속 증착은 미세한 금속 분말을 함께 융합하여 3차원 금속 부품을 제작하는 3D printing 공정입니다. 레이저 금속 증착은 항공 우주 및 의료 정형 외과 분야에서 다양한 응용 분야에 적용됩니다. 레이저 금속 증착의 개략도는 아래와 같습니다. 전력 강도 분포, 기판의 이동 속도, 차폐 가스 압력 및 용융/응고, 상 변화 및 열전달과 같은 물리적 제어와 같은 제어 매개 변수가 함께 작동하여 레이저 금속 증착을 효과적인 적층 제조 공정으로 만듭니다.
Setting Up Laser Metal Deposition
새로운 유체 입자 모델은 분말 강도 분포를 할당하고 용융 풀 내부 및 주변에서 발생하는 복잡한 입자 – 기판 상호 작용을 포착하기 때문에 레이저 금속 증착 시뮬레이션을 설정하는 데 없어서는 안될 부분입니다.
일반 사용자들은 FLOW-3D에서 시뮬레이션을 쉽게 설정할 수 있다는 것을 알고 있습니다. 레이저 금속 증착 설정의 경우에도 다른 점은 없습니다. IN-718의 물리적 특성, 형상 생성, 입자 분말 강도 분포, 메쉬 생성 및 시뮬레이션 실행과 같은 모든 설정 단계가 간단하고 사용자 친화적입니다.
IN-718의 물성은 기판과 응고된 유체 입자 모두에 사용됩니다. 40 미크론 유체 입자가 무작위 방식으로 초당 500,000의 속도로 입자 영역에서 계산 영역으로 주입됩니다. 입자 빔은 기판의 운동 방향이 변화 될 때마다 순간적으로 정지되어 용융 풀이 급격한 속도 변화에 적응하도록 합니다.
이렇게 하면 기판에서 입자가 반사되는 것을 방지 할 수 있습니다. 기판이 5초마다 회전하기 때문에 입자 생성 속도는 아래 그림과 같이 5 초마다 0으로 떨어집니다. 기판 이동 자체는 표 형식의 속도 데이터를 사용하여 FLOW-3D에 지정됩니다. 입자는 응고된 유체 입자로 주입되어 고온의 용융 풀에 부딪혀 녹아 용융 풀 유체의 일부가 됩니다.
Substrate velocity
입자 모델 외에도 FLOW-3D의 밀도 평가, 열 전달, 표면 장력, 응고 및 점도 모델이 사용됩니다. 보다 구체적으로, 온도에 따른 표면 장력은 증착된 층의 형태에 큰 영향을 주는 Marangoni 효과를 일으킵니다.
레이저를 복제하기 위해 100 % 다공성 구성 요소가 있는 매우 기본적인 설정이 열원으로 사용됩니다. 100 % 다공성은 구성 요소 주변의 유동 역학에 영향을 미치지 않습니다. 오히려 그것은 특정 영역의 기판에 열을 효과적으로 추가합니다. 이 예비 가열 메커니즘을 자회사인 Flow Science Japan이 개발한 고급 레이저 모듈로 교체하는 작업이 현재 본격적으로 진행 중입니다. 가열 다공성 구성 요소는 각각의 층이 동일한 양의 열을 얻도록 각 층이 증착된 후에 약간 위로 이동됩니다.
Results and discussion
아래 애니메이션은 다중 층 증착을 이용한 레이저 금속 증착 공정을 보여줍니다. 기판이 방향을 변경할 때마다 입자 빔 모션이 일시적으로 중지됩니다. 또한 층이 증착됨에 따라 다공성 열원에서 각 층에 불균등 한 열이 추가되어 새로운 층의 모양이 변경됩니다. 각 층을 증착 한 후에 열원을 위로 이동해야 하는 양을 측정하는 것은 현재의 기능에서는 어렵습니다. 다만 준비중인 Flow Science Japan의 레이저 모듈은 이 문제를 해결할 수 있습니다.
전반적으로 입자 모델은 레이저 금속 증착에서 매우 중요한 공정 매개 변수인 분말 강도 분포를 정확하게 재현합니다. 입자 모델에 대한 이러한 수준의 제어 및 정교함은 적층 제조 분야의 사용자와 공급자 모두가 제조 공정을 미세 조정하는 데 도움이 될 것으로 기대합니다.
분사성 작동 조건을 최적화하기 위한 결합된 CFD-Response Surface Method(RSM)
Nuno Couto 1, Valter Silva 1,2,* , João Cardoso 2, Leo M. González-Gutiérrez 3 and Antonio Souto-Iglesias 41 INEGI-FEUP, Faculty of Engineering, Porto University, 4200-465 Porto, Portugal; nunodiniscouto@hotmail.com 2 VALORIZA, Polytechnic Institute of Portalegre, 7300-110 Portalegre, Portugal; jps.cardoso@ipportalegre.pt 3 CEHINAV, DMFPA, ETSIN, Universidad Politécnica de Madrid, 28040 Madrid, Spain; leo.gonzalez@upm.es 4 CEHINAV, DACSON, ETSIN, Universidad Politécnica de Madrid, 28040 Madrid, Spain; antonio.souto@upm.es
물방울 생성에 대한 이해는 여러 산업 응용 분야에서 매우 중요합니다 [ 1 ]. 잉크젯 프린팅 프로세스는 일반적으로 10 ~ 100 μm [ 1 ] 범위의 독특하고 작은 액적 크기를 특징으로 하며 연속적 또는 충동적 흐름을 사용하여 얻을 수 있습니다 (마지막 방식은 주문형 드롭 (DoD)이라고도 함). 잉크젯).
여러 장점 덕분에 DoD 방법은 산업 환경에서 상당한 수용을 얻고 있습니다 [ 2 ].DoD는 복잡한 프로세스이며 유체 속성, 노즐 형상 및 구동 파형 [ 1 , 3 ]의 세 가지 주요 범주로 분류되는 여러 매개 변수에 따라 달라집니다 .그러나 길이와 시간 척도가 모두 마이크로 오더 [ 4 ] 이기 때문에 실험을하기가 어렵습니다 .
결과적으로 실험 설정은 항상 비용이 많이 들고 복잡하며 CFD (전산 유체 역학)와 같은 고급 수치 접근 방식이 엄격한 요구 사항입니다 [ 5 , 6 ]. VOF (volume-of-fluid) 접근 방식은 액체 분해 및 액적 생성에 대한 다상 공정을 시뮬레이션하기위한 적절한 대안으로 밝혀졌으며 과거 연구에서 그대로 사용되었습니다 [ 7 , 8], 인쇄 프로세스의 맥락에서 전자는 여전히 현재 연구의 주제입니다.
또한 VOF 체계를 사용하면 단일 운동량 방정식 세트를 해결하고 도메인 전체에 걸쳐 각 유체의 체적 분율을 추적하여 명확하게 정의된 인터페이스로 둘 이상의 혼합 불가능한 유체를 효과적으로 시뮬레이션 할 수 있습니다. Feng [ 9 ]는 VOF 접근 방식을 사용하여 일시적인 유체 인터페이스 변형 및 중단을 효과적으로 추적하는 패키지 FLOW-3D를 사용하여 낙하 배출 중 복잡한 유체 역학 프로세스를 시뮬레이션하는 선구자 작업 중 하나를 수행했습니다.
주요 목표는 볼륨 및 속도와 같은 민감한 변수를 더 잘 이해하면서 장치 개발에서 일반적인 설계 규칙을 구현하는 것이 었습니다. 이러한 종류의 공정과 관련된 주요 질문 중 하나는 안정적인 액적 형성을 위한 작동 범위의 정의입니다.
Fromm [ 10 ]은 Reynolds 수와 Weber 수의 제곱근 비율이 2보다 작으면 안정적인 방울을 생성 할 수 없다는 것을 확인했습니다. 이 무차원 값은 나중에 Z 번호로 알려졌으며 분사 가능성 범위 [ 11 ]를 정의합니다 . 문헌에서 분사 가능성을 위한 Z 간격은 1 ~ 10 [ 12 ], 4 ~ 14 [ 13 ] 또는 0.67 ~ 50 [ 14]을 찾을 수 있습니다.
이것은 Z 값 만으로는 분사 가능성 조건을 나타낼 수 없음을 분명히 의미합니다. 실제로, 다른 속성을 가진 유체는 다른 인쇄 품질을 나타내면서 동일한 Z 값을 나타낼 수 있습니다. 액적 생성 공정과 해당 분사 성은 주로 전체 공정 품질에 큰 영향을 미치는 매개 변수 세트에 의해 결정됩니다.
토대 메커니즘을 더 잘 이해하려면 확장 된 작동 조건 및 매개 변수 세트를 고려하여 여러 실험 또는 수치 실행을 수행해야 합니다. DoE (design-of-experiment) 접근 방식과 같은 체계적인 접근 방식이 없으면 이것은 달성하기 매우 어려운 작업이 될 수 있습니다. 최적화 문제를 해결하기 위해 반응 표면 방법을 사용하여 처음으로 체계화된 접근 방식이 개발된 Box and Wilson [ 15 ] 의 선구자 기사 이후 ,이 입증된 방법론은 많은 화학 및 산업 공정[ 16 ] 및 기타 관련 학계에 성공적으로 적용되었습니다.
예를 들어 Silva와 Rouboa [ 17 ]는 직접 메탄올 연료 전지의 출력 밀도에 영향을 미치는 관련 매개 변수를 식별하기 위해 반응 표면 방법론 (RSM)을 사용했습니다. 많은 실제 산업 응용 분야에서 실험 연구는 작동 매개 변수를 조절하기 어렵 기 때문에 제한적이지만 주로 설정을 개발하거나 실험을 실행하는 데 드는 비용이 높기 때문입니다.
따라서 솔루션은 주요 시스템 응답을 시뮬레이션하고 예측할 수 있는 효과적인 수학적 모델의 개발에 의존합니다. DoE와 같은 최적화 방법론을 수치 모델과 결합하면 비용이 많이 들고 시간이 많이 걸리는 실험을 피하고 다양한 입력 조합을 사용하여 최적의 조건을 얻을 수 있습니다 [ 16 ].
실바와 루 보아 [ 18] CFD 프레임 워크 하에서 개발 된 2D Eulerian-Eulerian 바이오 매스 가스화 모델에서 얻은 결과를 RSM과 결합하여 다양한 응용 분야에서 합성 가스를 생성하기 위한 최적의 작동 조건을 찾습니다.
저자는 입력 요인으로 인한 최상의 응답과 최소한의 변동을 모두 보장하는 작동 조건을 찾을 수 있었습니다. Frawley et al. [ 19 ] CFD 및 DoE 기술 (특히 RSM)을 결합하여 파이프의 팔꿈치에서 고체 입자 침식에 대한 다양한 주요 요인의 영향을 조사하여 침식 예측 모델을 개발할 수 있습니다.우리가 아는 한, DoD 잉크젯 프로세스의 개선 및 더 나은 이해에 적용되는 DoE 접근법 (실험적으로 또는 모든 종류의 수치 모델과 결합)을 구현하는 연구는 없습니다. 선도 기업이 이러한 접근 방식을 적용 할 가능성이 있지만 관련 결과는 민감할 수 있으므로 더 넓은 커뮤니티에서 사용할 수 없습니다. 이 사실은 DoD 잉크젯 공정에서 액적 생성에 대한 여러 매개 변수의 영향을 평가하기 위한 이러한 종류의 연구로서 현재 논문의 영향을 증가 시킬 수 있습니다.
CFD 프레임 워크 내에서 VOF 접근 방식을 사용하여 여러 컴퓨터 실험의 설계를 개발하고 RSM을 분석 도구로 사용했습니다. 충분한 수치 정확도와 수용 가능한 시간 계산 시뮬레이션의 균형을 맞추기 위해 메쉬 수렴 연구가 수행되었습니다. 설계 목적을 위해 점도, 표면 장력, 입구 속도 및 노즐 직경이 입력 요인으로 선택되었습니다. 응답은 break-up 시간과 break-up 길이였습니다.
Figure 1. Schematic of the computational domainFigure 2. Ink fraction contours for mesh 1 through 4 (left to right) at the following four time steps:
(a) 6 µs, (b) 12 µs, (c) 18 µs, and (d) 24 µs.Figure 3. Comparison between surface tensions at the following four time steps: (a) 6 µs, (b) 12 µs,
(c) 18 µs, and (d) 24 µsFigure 4. Comparison between viscosity values at the following four time steps: (a) 6 μs, (b) 12 μs, (c) 18 μs, and (d) 24 μs.Figure 5. Comparison between different nozzle diameters at the following four time steps: (a) 6 µs,
(b) 12 µs, (c) 18 µs, and (d) 24 µsFigure 6. Comparison between different inlet velocities at the following four time steps: (a) 6 µs,
(b) 12 µs, (c) 18 µs, and (d) 24 µsFigure 8. Contour response plots for break-up time as a function of (a) surface tension and viscosity,
(b) nozzle diameter and viscosity, (c) inlet velocity and viscosity, (d) nozzle diameter and surface
tension, (e) inlet velocity and surface tension, and (f) inlet velocity and nozzle diameter.
Figure 12. Break-up length as a function of the We–Ca space (obtained from the 25 runs).
Hutchings, I.M.; Martin, G.D. Inkjet Technology for Digital Fabrication; John Wiley & Sons Ltd.: Hoboken, NJ, USA, 2013.
Waasdorp, R.; Heuvel, O.; Versluis, F.; Hajee, B.; GhatKesar, M. Acessing individual 75-micron diameter nozzles of a desktop inkjet printer to dispense picoliter droplets on demand. RSC Adv. 2018, 8, 14765.
Zhang, H.; Wang, J.; Lu, G. Numerical investigation of the influence of companion drops on drop-ondemand ink jetting. Appl. Phys. Eng. 2012, 13, 584–595.
Dong, H.; Carr, W. An experimental study of drop-on-demand drop formation. Phys. Fluids 2006, 18, 072102.
Patel, M.; Pericleous, K.; Cross, M. Numerical Modelling of Circulating Fluidized beds. Int. J. Comput.
Fluid Dyn. 1993, 1, 161–176. [CrossRef]
Zhao, X.; Glenn, C.; Xiao, Z.; Zhang, S. CFD development for macro particle simulations. Int. J. Comput.
Fluid Dyn. 2014, 28, 232–249. [CrossRef]
Hasan, M.N.; Chandy, A.; Choi, J.W. Numerical analysis of post-impact droplet deformation for direct-print.
by Vahid Bazargan M.A.Sc., Mechanical Engineering, The University of British Columbia, 2008 B.Sc., Mechanical Engineering, Sharif University of Technology, 2006 B.Sc., Chemical & Petroleum Engineering, Sharif University of Technology, 2006
고착 방울은 평평한 기판에 놓인 액체 방울입니다. 작은 고정 액적이 증발하는 동안 액적의 접촉선은 고정된 접촉 영역이 있는 고정된 단계와 고정된 접촉각이 있는 고정 해제된 단계의 두 가지 단계를 거칩니다. 고정된 접촉 라인이 있는 증발은 액적 내부에서 접촉 라인을 향한 흐름을 생성합니다.
이 흐름은 입자를 운반하고 접촉 선 근처에 침전시킵니다. 이로 인해 일반적으로 관찰되는 “커피 링”현상이 발생합니다. 이 논문은 증발 과정과 고착성 액적의 증발 유도 흐름에 대한 연구를 제공하고 콜로이드 현탁액에서 입자의 침착에 대한 통찰력을 제공합니다. 여기서 우리는 먼저 작은 고착 방울의 증발을 연구하고 증발 과정에서 기판의 열전도도의 중요성에 대해 논의합니다.
현재 증발 모델이 500µm 미만의 액적 크기에 대해 심각한 오류를 생성하는 방법을 보여줍니다. 우리의 모델에는 열 효과가 포함되어 있으며, 특히 증발 잠열의 균형을 맞추기 위해 액적에 열을 제공하는 기판의 열전도도를 포함합니다. 실험 결과를 바탕으로 접촉각의 진화와 관련된 접촉 선의 가상 움직임을 정의하여 고정 및 고정 해제 단계의 전체 증발 시간을 고려합니다.
우리의 모델은 2 % 미만의 오차로 500 µm보다 작은 물방울에 대한 실험 결과와 일치합니다. 또한 유한한 크기의 라인 액적의 증발을 연구하고 증발 중 접촉 라인의 복잡한 동작에 대해 논의합니다. 에너지 공식을 적용하고 접촉 선이 구형 방울의 후퇴 접촉각보다 높은 접촉각을 가진 선 방울의 두 끝에서 후퇴하기 시작 함을 보여줍니다. 그리고 라인 방울 내부의 증발 유도 흐름을 보여줍니다.
마지막으로, 계면 활성제 존재 하에서 접촉 라인의 거동을 논의하고 입자 증착에 대한 Marangoni 흐름 효과에 대해 논의합니다. 열 Marangoni 효과는 접촉 선 근처에 증착 된 입자의 양에 영향을 미치며, 기판 온도가 낮을수록 접촉 선 근처에 증착되는 입자의 양이 많다는 것을 알 수 있습니다.
Figure 1.1: A water droplet with a radius of 1 mm resting on a glass substrate.
The surface of the droplet takes on a spherical cap shape. The contact
angle θ is defined by the balance of the interfacial forces.
Figure 2.1: Evaporation modes of sessile droplets on a substrate: (a) evaporation at constant contact angle (de-pinned stage) and (b) evaporation at
constant contact area (pinned stage)Figure 2.2: A sessil droplet with its image can be profiled as the equiconvex
lens formed by two intersecting spheres with radius of a.Figure 2.3: The droplet life time for both evaporation modes derived from
Equation 2.2.Figure 2.4: A probability of escape for vapor molecules at two different sites
of the surface of the droplet for diffusion controlled evaporation. The
random walk path initiated from a vapor molecule is more likely to result in a return to the surface if the starting point is further away from
the edge of the droplet.Figure 2.5: Schematic of the sessile droplet on a substrate. The evaporation
rate at the surface of the droplet is enhanced toward the edge of the
droplet.Figure 2.6: The domain mesh (a) and the solution of the Laplace equation for
diffusion of the water vapor molecule with the concentration of Cv =
1.9×10−8 g/mm3
at the surface of the droplet into the ambient air with
the relative humidity of 55%, i.e. φ = 0.55 (b).
Figure 3.1: The portable micro printing setup. A motorized linear stage from
Zaber Technologies Inc. was used to control the place and speed of the
micro nozzle.Figure 4.6: Temperature contours inside the substrate adjacent to the dropletFigure 4.7: The effect of substrate cooling on the evaporation rate, the basic
model shows the same value for all substrates.
[1] R. G. Picknett and R. Bexon, “The evaporation of sessile or pendant drops in still air,” Journal of Colloid and Interface Science, vol. 61, pp. 336–350, Sept. 1977. → pages viii, 8, 9, 18, 42 [2] H. Y. Erbil, “Evaporation of pure liquid sessile and spherical suspended drops: A review,” Advances in Colloid and Interface Science, vol. 170, pp. 67–86, Jan. 2012. → pages 1 [3] R. Sharma, C. Y. Lee, J. H. Choi, K. Chen, and M. S. Strano, “Nanometer positioning, parallel alignment, and placement of single anisotropic nanoparticles using hydrodynamic forces in cylindrical droplets,” Nano Lett., vol. 7, no. 9, pp. 2693–2700, 2007. → pages 1, 54, 71 [4] S. Tokonami, H. Shiigi, and T. Nagaoka, “Review: Micro- and nanosized molecularly imprinted polymers for high-throughput analytical applications,” Analytica Chimica Acta, vol. 641, pp. 7–13, May 2009. →pages 71 [5] A. A. Sagade and R. Sharma, “Copper sulphide (CuxS) as an ammonia gas sensor working at room temperature,” Sensors and Actuators B: Chemical, vol. 133, pp. 135–143, July 2008. → pages [6] W. R. Small, C. D. Walton, J. Loos, and M. in het Panhuis, “Carbon nanotube network formation from evaporating sessile drops,” The Journal of Physical Chemistry B, vol. 110, pp. 13029–13036, July 2006. → pages 71 [7] S. H. Ko, H. Lee, and K. H. Kang, “Hydrodynamic flows in electrowetting,” Langmuir, vol. 24, pp. 1094–1101, Feb. 2008. → pages 42 [8] T. T. Nellimoottil, P. N. Rao, S. S. Ghosh, and A. Chattopadhyay, “Evaporation-induced patterns from droplets containing motile and nonmotile bacteria,” Langmuir, vol. 23, pp. 8655–8658, Aug. 2007. → pages 1 [9] R. Sharma and M. S. Strano, “Centerline placement and alignment of anisotropic nanotubes in high aspect ratio cylindrical droplets of nanometer diameter,” Advanced Materials, vol. 21, no. 1, p. 6065, 2009. → pages 1, 54, 71 [10] V. Dugas, J. Broutin, and E. Souteyrand, “Droplet evaporation study applied to DNA chip manufacturing,” Langmuir, vol. 21, pp. 9130–9136, Sept. → pages 2, 71 [11] Y.-C. Hu, Q. Zhou, Y.-F. Wang, Y.-Y. Song, and L.-S. Cui, “Formation mechanism of micro-flows in aqueous poly(ethylene oxide) droplets on a substrate at different temperatures,” Petroleum Science, vol. 10, pp. 262–268, June 2013. → pages 2, 34, 54 [12] T.-S. Wong, T.-H. Chen, X. Shen, and C.-M. Ho, “Nanochromatography driven by the coffee ring effect,” Analytical Chemistry, vol. 83, pp. 1871–1873, Mar. 2011. → pages 71 [13] J.-H. Kim, S.-B. Park, J. H. Kim, and W.-C. Zin, “Polymer transports inside evaporating water droplets at various substrate temperatures,” The Journal of Physical Chemistry C, vol. 115, pp. 15375–15383, Aug. 2011. → pages 54 [14] S. Choi, S. Stassi, A. P. Pisano, and T. I. Zohdi, “Coffee-ring effect-based three dimensional patterning of Micro/Nanoparticle assembly with a single droplet,” Langmuir, vol. 26, pp. 11690–11698, July 2010. → pages [15] D. Wang, S. Liu, B. J. Trummer, C. Deng, and A. Wang, “Carbohydrate microarrays for the recognition of cross-reactive molecular markers of microbes and host cells,” Nature biotechnology, vol. 20, pp. 275–281, Mar. PMID: 11875429. → pages 2, 54, 71 [16] H. K. Cammenga, “Evaporation mechanisms of liquids,” Current topics in materials science, vol. 5, pp. 335–446, 1980. → pages 3 [17] C. Snow, “Potential problems and capacitance for a conductor bounded by two intersecting spheres,” Journal of Research of the National Bureau of Standards, vol. 43, p. 337, 1949. → pages 9 [18] R. D. Deegan, O. Bakajin, T. F. Dupont, G. Huber, S. R. Nagel, and T. A. Witten, “Contact line deposits in an evaporating drop,” Physical Review E, vol. 62, p. 756, July 2000. → pages 10, 14, 18, 27, 53, 54, 71, 84 [19] H. Hu and R. G. Larson, “Evaporation of a sessile droplet on a substrate,” The Journal of Physical Chemistry B, vol. 106, pp. 1334–1344, Feb. 2002. → pages 12, 18, 29, 43, 44, 48, 49, 53, 61, 71, 84 [20] Y. O. Popov, “Evaporative deposition patterns: Spatial dimensions of the deposit,” Physical Review E, vol. 71, p. 036313, Mar. 2005. → pages 14, 27, 43, 44, 45, 54 [21] H. Gelderblom, A. G. Marin, H. Nair, A. van Houselt, L. Lefferts, J. H. Snoeijer, and D. Lohse, “How water droplets evaporate on a superhydrophobic substrate,” Physical Review E, vol. 83, no. 2, p. 026306,→ pages [22] F. Girard, M. Antoni, S. Faure, and A. Steinchen, “Influence of heating temperature and relative humidity in the evaporation of pinned droplets,” Colloids and Surfaces A: Physicochemical and Engineering Aspects, vol. 323, pp. 36–49, June 2008. → pages 18 [23] Y. Y. Tarasevich, “Simple analytical model of capillary flow in an evaporating sessile drop,” Physical Review E, vol. 71, p. 027301, Feb. 2005. → pages 19, 54, 62, 72 [24] A. J. Petsi and V. N. Burganos, “Potential flow inside an evaporating cylindrical line,” Physical Review E, vol. 72, p. 047301, Oct. 2005. → pages 22, 55, 62, 68, 71 [25] A. J. Petsi and V. N. Burganos, “Evaporation-induced flow in an inviscid liquid line at any contact angle,” Physical Review E, vol. 73, p. 041201, Apr.→ pages 23, 53, 55, 72 [26] H. Masoud and J. D. Felske, “Analytical solution for stokes flow inside an evaporating sessile drop: Spherical and cylindrical cap shapes,” Physics of Fluids, vol. 21, pp. 042102–042102–11, Apr. 2009. → pages 23, 55, 62, 71, 72 [27] H. Hu and R. G. Larson, “Analysis of the effects of marangoni stresses on the microflow in an evaporating sessile droplet,” Langmuir, vol. 21, pp. 3972–3980, Apr. 2005. → pages 24, 28, 53, 54, 56, 62, 68, 71, 72, 74, 84 [28] R. Bhardwaj, X. Fang, and D. Attinger, “Pattern formation during the evaporation of a colloidal nanoliter drop: a numerical and experimental study,” New Journal of Physics, vol. 11, p. 075020, July 2009. → pages 28 [29] A. Petsi, A. Kalarakis, and V. Burganos, “Deposition of brownian particles during evaporation of two-dimensional sessile droplets,” Chemical Engineering Science, vol. 65, pp. 2978–2989, May 2010. → pages 28 [30] J. Park and J. Moon, “Control of colloidal particle deposit patterns within picoliter droplets ejected by ink-jet printing,” Langmuir, vol. 22, pp. 3506–3513, Apr. 2006. → pages 28 [31] H. Hu and R. G. Larson, “Marangoni effect reverses coffee-ring depositions,” The Journal of Physical Chemistry B, vol. 110, pp. 7090–7094, Apr. 2006. → pages 29, 74 [32] K. H. Kang, S. J. Lee, C. M. Lee, and I. S. Kang, “Quantitative visualization of flow inside an evaporating droplet using the ray tracing method,” Measurement Science and Technology, vol. 15, pp. 1104–1112, June 2004. → pages 34 [33] S. T. Beyer and K. Walus, “Controlled orientation and alignment in films of single-walled carbon nanotubes using inkjet printing,” Langmuir, vol. 28, pp. 8753–8759, June 2012. → pages 42, 71 [34] G. McHale, “Surface free energy and microarray deposition technology,” Analyst, vol. 132, pp. 192–195, Feb. 2007. → pages 42 [35] R. Bhardwaj, X. Fang, P. Somasundaran, and D. Attinger, “Self-assembly of colloidal particles from evaporating droplets: Role of DLVO interactions and proposition of a phase diagram,” Langmuir, vol. 26, pp. 7833–7842, June→ pages 42 [36] G. J. Dunn, S. K. Wilson, B. R. Duffy, S. David, and K. Sefiane, “The strong influence of substrate conductivity on droplet evaporation,” Journal of Fluid Mechanics, vol. 623, no. 1, p. 329351, 2009. → pages 44 [37] M. S. Plesset and A. Prosperetti, “Flow of vapour in a liquid enclosure,” Journal of Fluid Mechanics, vol. 78, pp. 433–444, 1976. → pages 44 [38] S. Das, P. R. Waghmare, M. Fan, N. S. K. Gunda, S. S. Roy, and S. K. Mitra, “Dynamics of liquid droplets in an evaporating drop: liquid droplet coffee stain? effect,” RSC Advances, vol. 2, pp. 8390–8401, Aug. 2012. → pages 53 [39] B. J. Fischer, “Particle convection in an evaporating colloidal droplet,” Langmuir, vol. 18, pp. 60–67, Jan. 2002. → pages 54 [40] J. L. Wilbur, A. Kumar, H. A. Biebuyck, E. Kim, and G. M. Whitesides, “Microcontact printing of self-assembled monolayers: applications in microfabrication,” Nanotechnology, vol. 7, p. 452, Dec. 1996. → pages 54 [41] T. Kawase, H. Sirringhaus, R. H. Friend, and T. Shimoda, “Inkjet printed via-hole interconnections and resistors for all-polymer transistor circuits,” Advanced Materials, vol. 13, no. 21, p. 16011605, 2001. → pages 71 [42] B.-J. de Gans, P. C. Duineveld, and U. S. Schubert, “Inkjet printing of polymers: State of the art and future developments,” Advanced Materials, vol. 16, no. 3, p. 203213, 2004. → pages 71 [43] H. Sirringhaus, T. Kawase, R. H. Friend, T. Shimoda, M. Inbasekaran, W. Wu, and E. P. Woo, “High-resolution inkjet printing of all-polymer transistor circuits,” Science, vol. 290, pp. 2123–2126, Dec. 2000. PMID:→ pages [44] D. Soltman and V. Subramanian, “Inkjet-printed line morphologies and temperature control of the coffee ring effect,” Langmuir, vol. 24, pp. 2224–2231, Mar. 2008. → pages 54 [45] R. Tadmor and P. S. Yadav, “As-placed contact angles for sessile drops,” Journal of Colloid and Interface Science, vol. 317, pp. 241–246, Jan. 2008. → pages 56 [46] J. Drelich, “The significance and magnitude of the line tension in three-phase (solid-liquid-fluid) systems,” Colloids and Surfaces A: Physicochemical and Engineering Aspects, vol. 116, pp. 43–54, Sept. 1996. → pages 56 [47] R. Tadmor, “Line energy, line tension and drop size,” Surface Science, vol. 602, pp. L108–L111, July 2008. → pages 69 [48] C.-H. Choi and C.-J. C. Kim, “Droplet evaporation of pure water and protein solution on nanostructured superhydrophobic surfaces of varying heights,” Langmuir, vol. 25, pp. 7561–7567, July 2009. → pages 71 [49] K. F. Baughman, R. M. Maier, T. A. Norris, B. M. Beam, A. Mudalige, J. E. Pemberton, and J. E. Curry, “Evaporative deposition patterns of bacteria from a sessile drop: Effect of changes in surface wettability due to exposure to a laboratory atmosphere,” Langmuir, vol. 26, pp. 7293–7298, May 2010. [50] D. Brutin, B. Sobac, and C. Nicloux, “Influence of substrate nature on the evaporation of a sessile drop of blood,” Journal of Heat Transfer, vol. 134, pp. 061101–061101, May 2012. → pages 71 [51] D. Pech, M. Brunet, P.-L. Taberna, P. Simon, N. Fabre, F. Mesnilgrente, V. Condra, and H. Durou, “Elaboration of a microstructured inkjet-printed carbon electrochemical capacitor,” Journal of Power Sources, vol. 195, pp. 1266–1269, Feb. 2010. → pages 71 [52] J. Bachmann, A. Ellies, and K. Hartge, “Development and application of a new sessile drop contact angle method to assess soil water repellency,” Journal of Hydrology, vol. 231232, pp. 66–75, May 2000. → pages 71 [53] H. Y. Erbil, G. McHale, and M. I. Newton, “Drop evaporation on solid surfaces: constant contact angle mode,” Langmuir, vol. 18, no. 7, pp. 2636–2641, 2002. → pages [54] X. Fang, B. Li, J. C. Sokolov, M. H. Rafailovich, and D. Gewaily, “Hildebrand solubility parameters measurement via sessile drops evaporation,” Applied Physics Letters, vol. 87, pp. 094103–094103–3, Aug.→ pages [55] Y. C. Jung and B. Bhushan, “Wetting behaviour during evaporation and condensation of water microdroplets on superhydrophobic patterned surfaces,” Journal of Microscopy, vol. 229, no. 1, p. 127140, 2008. → pages 71 [56] J. Drelich, J. D. Miller, and R. J. Good, “The effect of drop (bubble) size on advancing and receding contact angles for heterogeneous and rough solid surfaces as observed with sessile-drop and captive-bubble techniques,” Journal of Colloid and Interface Science, vol. 179, pp. 37–50, Apr. 1996. →pages 72, 75 [57] D. Bargeman and F. Van Voorst Vader, “Effect of surfactants on contact angles at nonpolar solids,” Journal of Colloid and Interface Science, vol. 42, pp. 467–472, Mar. 1973. → pages 73 [58] J. Menezes, J. Yan, and M. Sharma, “The mechanism of alteration of macroscopic contact angles by the adsorption of surfactants,” Colloids and Surfaces, vol. 38, no. 2, pp. 365–390, 1989. → pages [59] T. Okubo, “Surface tension of structured colloidal suspensions of polystyrene and silica spheres at the air-water interface,” Journal of Colloid and Interface Science, vol. 171, pp. 55–62, Apr. 1995. → pages 73, 76 [60] R. Pyter, G. Zografi, and P. Mukerjee, “Wetting of solids by surface-active agents: The effects of unequal adsorption to vapor-liquid and solid-liquid interfaces,” Journal of Colloid and Interface Science, vol. 89, pp. 144–153, Sept. 1982. → pages 73 [61] T. Mitsui, S. Nakamura, F. Harusawa, and Y. Machida, “Changes in the interfacial tension with temperature and their effects on the particle size and stability of emulsions,” Kolloid-Zeitschrift und Zeitschrift fr Polymere, vol. 250, pp. 227–230, Mar. 1972. → pages 73 [62] S. Phongikaroon, R. Hoffmaster, K. P. Judd, G. B. Smith, and R. A. Handler, “Effect of temperature on the surface tension of soluble and insoluble surfactants of hydrodynamical importance,” Journal of Chemical & Engineering Data, vol. 50, pp. 1602–1607, Sept. 2005. → pages 73, 80 [63] V. S. Vesselovsky and V. N. Pertzov, “Adhesion of air bubbles to the solid surface,” Zh. Fiz. Khim, vol. 8, pp. 245–259, 1936. → pages 75 [64] Hideo Nakae, Ryuichi Inui, Yosuke Hirata, and Hiroyuki Saito, “Effects of surface roughness on wettability,” Acta Materialia, vol. 46, pp. 2313–2318, Apr. 1998. → pages [65] R. J. Good and M. Koo, “The effect of drop size on contact angle,” Journal of Colloid and Interface Science, vol. 71, pp. 283–292, Sept. 1979. → pages
지난 10 년 동안 나노 크기의 재료와 공정을 제품에 통합하는 데 제한적인 성공을 거두면서 나노 기술에 상당한 투자와 발전이 있었습니다.
잉크젯, 그라비아, 스크린 프린팅과 같은 접근 방식은 나노 물질을 사용하여 구조와 장치를 만드는 데 사용됩니다. [1–7] 그러나 상당히 느리고 µm 스케일 분해능 만 제공 할 수 있습니다. 다양한 모양과 크기의 100nm 미만의 특징을 달성하기 위해 딥펜 리소그래피 (DPN) [8-11] 및 소프트 리소그래피 [12-16]와 같은 다양한 기술이 개발되고 광범위하게 연구되었습니다.
DPN은 직접 쓰기 기술로, atomic force microscopy 현미경 팁을 사용하여 다양한 기판에 여러 패턴을 생성합니다. DPN을 사용한 확장 성을 해결하기 위해 단일 AFM 팁 대신 2D 형식으로 배포 된 AFM (Atomic Force Microscopy) 팁 [17,18]이 사용되었습니다. 소프트 리소그래피에서는 나노 물질을 포함하는 잉크로 적셔진 원하는 릴리프 패턴을 가진 경화된 엘라스토머가 기판과 컨 포멀 접촉하게 되며, 여기서 패턴 화 된 나노 물질이 전달되어 기판에서 원하는 특징을 달성합니다.
이 논문에서는 작거나 큰 영역에서 몇 분 만에 나노, 마이크로 또는 거시적 구조를 인쇄 할 수 있는 다중 스케일 오프셋 인쇄 접근 방식을 제시합니다. 이 프로세스는 나노 입자 (NP), 탄소 나노 튜브 (CNT) 또는 용해 된 폴리머를 포함하는 서스펜션 (잉크)에서 나노 물질의 전기 영동 방향 조립을 사용하여 특별히 제작 된 재사용 가능한 Damascene 템플릿에 패턴을 “inking” 하는 것으로 시작됩니다. 이 잉크 프로세스는 실온과 압력에서 수행됩니다.
두 번째 단계는 템플릿에 조립된 나노 물질이 다른 기판으로 전송되는 “printing”로 구성됩니다. 전송 프로세스가 끝나면 템플릿은 다음 조립 및 전송주기에서 즉시 재사용 할 수 있습니다. 이 오프셋 인쇄 프로세스를 통해 NP (폴리스티렌 라텍스 (PSL), 실리카,은) 및 CNT (다중 벽 및 단일 벽)를 100μm에서 500nm까지의 크기 범위를 가진 패턴에 조립하고 유동성 기판에 성공적으로 옮깁니다.
다양한 나노 물질을 다양한 아키텍처로 조립하기 위해 템플릿 유도 유동, 대류, 유전 영동 (DEP) 및 전기 영동 조립과 같은 몇 가지 직접 조립 프로세스가 조사되었습니다. 모세관력이 지배적인 조립 메커니즘인 유체 조립 공정은 다양한 나노 물질에 적용 할 수 있습니다.
대류 조립 공정은 현탁 메니 스커 스와 증발을 활용하여 단일 나노 입자 분해능으로 정밀 조립을 가능하게 합니다. 이러한 조립 공정 중 많은 부분이 트렌치와 같은 마이크로 및 나노 스케일 기능으로 고해상도의 직접 조립을 보여 주었지만, 확장성 부족, 느린 공정 속도 및 반복성과 같은 많은 단점이 있습니다.
DEP 어셈블리는 NP와 전극 사이에 고배향 탄소 나노 튜브 어셈블리를 사용하여 나노 와이어 및 구조를 만드는 데 사용되었습니다. 조립 효율은 전기장과 전기장 구배에 상당한 영향을 미치는 전극의 기하학적 구조와 간격에 크게 좌우됩니다. 전기 영동 기반 조립 공정은 유체 조립에 비해 훨씬 짧은 시간에 전도성 표면에 표면 전하를 가진 나노 물질을 조립하는 것을 포함합니다. [34–37]
그러나 전기 영동 조립은 조립이 전도성 표면에 발생해야 하므로 다양한 장치를 만드는 데 실용적이지 않습니다. 한 가지 해결책은 원하는 나노 스케일 구조를 기반으로 전도성 패턴이 있는 템플릿을 만들고, 전기 영동 공정을 사용하여 패턴 위에 나노 물질을 조립 한 다음 조립 된 구조를 수용 기판에 옮기는 것입니다.
그림 1a와 같이 절연 필름에 전도성 와이어와 같은 패턴 구조가있는 기존 템플릿을 사용하면 나노 스케일 와이어의 잠재적 인 큰 강하로 인해 어셈블리가 불균일 해지며 대부분의 입자는 그림 1에 표시된 마이크로 와이어 b. 또한 NP는 3D 와이어의 측벽에도 조립되므로 바람직하지 않습니다. 또한 나노 스케일 와이어와 템플릿 사이의 작은 접촉 면적으로 인해 나노 스케일 와이어는 이송 과정에서 쉽게 벗겨집니다.
Figure 1. Damascene templates: a) A schematic of a conventional wire template used for electrophoretic assembly. In these templates nanowire
are connected to a micrometer scale electrodes, which are in turn connected, to a large metal pad through which the potential is applied. b) SEM
images of a typical nanoparticle assembly result obtained for confi guration shown in (a). c) A schematic of a Damascene template where all of the
wires (nano- or micrometer scale) and the metal pad are connected to a conductive fi lm underneath the insulating fi lm. d) A schematic of Damascene
template fabrication. Inset is artifi cially colored cross-sectional SEM image showing the metal nanowires to be at the same height as that of the SiO 2
and showing the conductive fi lm underneath the insulator. e) An optical image of a 3 inch Damascene template.Figure 2. Offset printing: a) A schematic of the nanoscale offset printing approach. The insulating (SiO 2 ) surface of the Damascene template is
selectively coated with a hydrophobic SAM (OTS). Using electrophoresis, nanomaterials are assembled on the conductive patterns of the Damascene
template (“inking”), which are then transferred to a recipient substrate (“printing”). After the transfer, the template is ready for the next assembly
and transfer cycle. b) SEM image of 50 nm PSL particles assembly with high density on 1 µm wide electrodes. c) Silica particles (20 nm) assembly on
crossbar 2D patterns demonstrating the versatility of the Damascene template. Inset fi gure is a high-resolution image of assembled silica particles.
d) SEM image of assembled SWNTs on micrometer scale patterns. e) MWNTs assembled on 100 µm features. f) Cellulose assembled on 2 µm electrodes. g) SWNTs assembled in cross bar architecture patterns. h) Flexible devices with array of transferred SWNTs and metal electrodes (printed on
PEN). Inset is the microscopy image of two electropads and transferred SWNTs on PEN fi lm.Figure 3. Analysis of nanomaterial assembly on electrodes
이것은 또한 그림 3b에 표시된대로 유한 체적 모델링 (Flow 3D)을 사용하는 전기장 윤곽 시뮬레이션 결과에 의해 확인됩니다. 전기장 강도의 윤곽은 전도성 패턴의 가장자리에있는 전기장이 중앙에있는 것보다 더 강하다는 것을 나타냅니다. 그러나 적용된 전위가 2.5V로 증가하면 그림 3c에 표시된대로 100nm 실리카 입자가 Damascene 템플릿을 가로 질러 전도성 패턴의 표면에 완전히 조립되어 조립을위한 임계 전기장 강도에 도달했음을 나타냅니다. 정렬 된 SWNT는 여과 전달 경로를 피하고 나노 튜브 사이의 접합 저항을 최소화하여 소자 성능의 최소 변화를 가져 오기 때문에 많은 응용 분야에서 고도로 조직화 된 SWNT가 필요합니다.
Ink-jet is part of the non impact printing that shooting the ink drop from the nozzle to paper. It is very silence and express good color. There are two types of printing that continuous and drop on demand. But drop on demand process is becoming the mainstream. these days, LCD, PDP is passed more than semiconductor industry. And we expect organic EL, FED as a next display. But product equipment, main component and technology have a gap between an advanced country and us nevertheless physical development. Expecially, previous process part is depended on imports. Ink-jet printing technology that there isn’t complicated photo lithography process is attracted, so ink-jet printing resolution is more embossed. But there were not many of ink-jet resolution thesis but ink-jet head or nozzle. Because, to out of the ink from the nozzle is unseeable and hard to experiment. Therefore this thesis was experimented and simulated how can ink-jet printer improved resolution by flow-3d simulation package program.
잉크젯은 노즐에서 종이로 잉크 방울을 분사하는 비 충격 인쇄의 일부입니다. 매우 조용하고 좋은 색상을 표현합니다. 연속 및 요청시 드롭되는 두 가지 유형의 인쇄가 있습니다. 그러나 주문형 드롭 프로세스가 주류가되고 있습니다. 요즘 LCD, PDP는 반도체 산업을 넘어서고 있습니다. 그리고 우리는 유기 EL, FED를 다음 디스플레이로 기대합니다. 그러나 제품 장비, 주요 부품 및 기술은 선진국과 우리의 물리적 발달 사이에 격차가 있습니다. 특히 이전 공정 부분은 수입품에 의존합니다. 복잡한 포토 리소그래피 공정이없는 잉크젯 프린팅 기술이 매료되어 잉크젯 프린팅 해상도가 더욱 강조됩니다. 하지만 잉크젯 해상도 논문은 많지 않고 잉크젯 헤드 나 노즐이 많았습니다. 왜냐하면 노즐에서 잉크가 빠져 나가는 것은 보이지 않고 실험하기 어렵 기 때문입니다. 따라서이 논문은 flow-3d 시뮬레이션 패키지 프로그램을 통해 잉크젯 프린터가 해상도를 향상시킬 수있는 방법을 실험하고 시뮬레이션했습니다.
![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.](https://flow3d.co.kr/wp-content/uploads/Fig.-3-2D-melt-pool-contours-from-the-numerical-model-compared-to-experiments.png)
![Figure 7. The simulated velocity (a) and simulated pressure pattern (b) across the Parshall flume. The patterns match the physical behavior of actual Parshall flumes [7].](https://www.flow3d.co.kr/wp-content/uploads/Figure-7.-The-simulated-velocity-a-and-simulated-pressure-pattern-b-across-the-Parshall-flume.-The-patterns-match-the-physical-behavior-of-actual-Parshall-flumes-7.-.png)
![Figure 1. Parshall flume measuring structure, installed [2].](https://flow3d.co.kr/wp-content/uploads/Figure-1.-Parshall-flume-measuring-structure-installed-2..png)
![Figure 2. Parshall flume measuring structure, uninstalled [3]](https://flow3d.co.kr/wp-content/uploads/Figure-2.-Parshall-flume-measuring-structure-uninstalled-3.png)
![Figure 4. Mesh sensitivity analysis: top view and side view of the Parshall flume: (a) contains 27,000 cells; (b) 52,000 cells; (c) 75,000 cells; (d) 270,000 cells. The C setup was used in their simulation [7].](https://flow3d.co.kr/wp-content/uploads/Figure-4.-Mesh-sensitivity-analysis-top-view-and-side-view-of-the-Parshall-flume-a-contains-27000-cells-b-52000-cells-c-75000-cells-d-270000-cells.-The-C-setup-was-used-in-their-simulation-7..png)
![Figure 7. The simulated velocity (a) and simulated pressure pattern (b) across the Parshall flume. The patterns match the physical behavior of actual Parshall flumes [7].](https://flow3d.co.kr/wp-content/uploads/Figure-7.-The-simulated-velocity-a-and-simulated-pressure-pattern-b-across-the-Parshall-flume.-The-patterns-match-the-physical-behavior-of-actual-Parshall-flumes-7.-.png)
![Figure 8. Computational grid system in the Side A flume. (a) contains a triangular grid system (b) demonstrates the rectangular grid system. (c) and (d) are three-dimensional schematics showing the superimposed grid system. (e) magnifies the dashed section in (b). (Reprinted with permission from Ref. [11]. 2020 ELSEVIER). ).](https://flow3d.co.kr/wp-content/uploads/Figure-8.-Computational-grid-system-in-the-Side-A-flume..png)
![Figure 10. The results of flow patterns in different flumes; (a) Cutthroat flume, (b) airfoil-shaped flume, (c) airfoil pillar-shaped flume, (d) optimized airfoil-shaped flume [23]](https://flow3d.co.kr/wp-content/uploads/Figure-10.-The-results-of-flow-patterns-in-different-flumes-a-Cutthroat-flume-b-airfoil-shaped-flume-c-airfoil-pillar-shaped-flume-d-optimized-airfoil-shaped-flume-23.png)
![Figure 11. Experimental setup: contraction ratio used on each flume [23].](https://flow3d.co.kr/wp-content/uploads/Figure-11.-Experimental-setup-contraction-ratio-used-on-each-flume-23..png)
![Figure 12. Entire flume geometry [25]](https://flow3d.co.kr/wp-content/uploads/Figure-12.-Entire-flume-geometry-25.png)
![Figure 1.1: Schematic Overview of Metal Laser Powder Bed Fusion Process [2]](https://flow3d.co.kr/wp-content/uploads/Figure-1.1-Schematic-Overview-of-Metal-Laser-Powder-Bed-Fusion-Process-2.png)
![Figure 11. A comparison among experiments [49], CFD and analytical simulations for deep keyhole top width and bottom width](https://flow3d.co.kr/wp-content/uploads/Figure-11.-A-comparison-among-experiments-49-CFD-and-analytical-simulations-for-deep-keyhole-top-width-and-bottom-width.png)
