Vi använder cookies för att förbättra din upplevelse.Genom att fortsätta surfa på denna webbplats godkänner du vår användning av cookies.Mer information.
En artikel från tidningen Polymer Testing studerar och jämför kvaliteten på flera polymerkompositmaterial tillverkade med 3D-utskriftsteknik, såsom morfologi och ytstruktur, mekaniska egenskaper och termiska egenskaper.
Forskning: Nanopartikelinfunderade plastprodukter tillverkade av 3D-skrivare vägledda av maskininlärning.Bildkälla: Pixel B/Shutterstock.com
De tillverkade polymerkomponenterna kräver olika kvaliteter beroende på deras syfte, av vilka några kan tillhandahållas genom att använda polymerfilament sammansatta av olika mängder av flera material.
En gren av additiv tillverkning (AM), kallad 3D-utskrift, är en banbrytande teknik som blandar material för att skapa produkter baserade på 3D-modelldata.
Därför är avfallet som genereras av denna process relativt litet.3D-utskriftsteknik används för närvarande i olika applikationer, inklusive storskalig tillverkning av olika föremål, och användningsmängden kommer bara att öka.
Denna teknik kan nu användas för att tillverka föremål med komplexa strukturer, lättviktsmaterial och anpassningsbar design.Dessutom har 3D-utskrift fördelarna med effektivitet, hållbarhet, mångsidighet och riskminimering.
En av de viktigaste aspekterna av denna teknik är att välja rätt parametrar eftersom de har stor inverkan på produkten, såsom dess form, storlek, kylningshastighet och värmegradient.Dessa egenskaper påverkar sedan utvecklingen av mikrostrukturen, dess egenskaper och defekter.
Maskininlärning kan användas för att fastställa förhållandet mellan processförhållanden, mikrostruktur, komponentform, sammansättning, defekter och mekanisk kvalitet hos en specifik tryckt produkt.Dessa anslutningar kan bidra till att minska antalet försök som krävs för att producera högkvalitativa resultat.
Högdensitetspolyeten (HDPE) och polymjölksyra (PLA) är de två mest använda polymererna i AM.PLA används som huvudmaterial för många applikationer eftersom det är hållbart, ekonomiskt, biologiskt nedbrytbart och har utmärkta egenskaper.
Återvinning av plast är en stor fråga som världen står inför;därför skulle det vara mycket fördelaktigt att införliva återvinningsbar plast i 3D-utskriftsprocessen.
Eftersom tryckmaterialet kontinuerligt matas in i kondensatorn, hålls temperaturen på en jämn nivå under deponering av fused filament manufacturing (FFF) (en typ av 3D-utskrift).
Därför sprutas den smälta polymeren ut genom munstycket genom tryckreduktionen.Ytmorfologi, utbyte, geometrisk noggrannhet, mekaniska egenskaper och kostnad påverkas alla av FFF-variabler.
Draghållfasthet, tryckslag eller böjhållfasthet och tryckriktning anses vara de viktigaste processvariablerna som påverkar FFF-prover.I denna studie användes FFF-metoden för att preparera prover;sex olika filament användes för att konstruera provskiktet.
a: ML-prediktionsparameteroptimeringsmodell för 3D-skrivare i prov 1 och 2, b: ML-prediktionsparameteroptimeringsmodell för 3D-skrivare i exempel 3, c: ML-prediktionsparameteroptimeringsmodeller för 3D-skrivare i prov 4 och 5. Bildkälla: Hossain , MI, etc.
3D-utskriftsteknik kan kombinera den utmärkta kvaliteten på utskriftsprojekt som inte kan uppnås med traditionella produktionsmetoder.På grund av den unika produktionsmetoden för 3D-utskrift, påverkas kvaliteten på tillverkade delar i hög grad av design- och processvariabler.
Maskininlärning (ML) har använts på många sätt i additiv tillverkning för att förbättra hela utvecklings- och tillverkningsprocessen.En databaserad avancerad designmetod för FFF och ett ramverk för att optimera FFF-komponentdesign har tagits fram.
Forskarna uppskattade munstyckstemperaturen med hjälp av maskininlärningsförslag.ML-teknik används också för att beräkna utskriftsbäddens temperatur och utskriftshastighet;samma storlek är inställd för alla prover.
Resultaten visar att materialets flytbarhet direkt påverkar kvaliteten på 3D-utskriften.Endast den rätta munstyckstemperaturen kan säkerställa materialets önskade flytbarhet.
I detta arbete blandas PLA, HDPE och återvunnet filamentmaterial med TiO2-nanopartiklar och används för att tillverka billiga 3D-utskrivna objekt av kommersiella 3D-skrivare och filamentextrudrar som tillverkar smälttråd.
De karakteristiska filamenten är nya och använder grafen för att generera en vattentät beläggning, som kan minska eventuella förändringar i de grundläggande mekaniska egenskaperna hos den färdiga produkten.Utsidan av den 3D-utskrivna komponenten kan också bearbetas.
Huvudmålet med detta arbete är att hitta ett sätt att uppnå en mer tillförlitlig och rikare mekanisk och fysisk kvalitet i 3D-utskrivna föremål jämfört med traditionella 3D-utskrivna föremål som vanligtvis produceras.Resultaten och tillämpningarna av denna forskning kan bana väg för utvecklingen av många industrirelaterade program.
Fortsätt läsa: Vilka nanopartiklar är bäst för additiv tillverkning och 3D-utskrift?
Hossain, MI, Chowdhury, MA, Zahid, MS, Sakib-Uz-Zaman, C., Rahaman, ML, & Kowser, MA (2022) Utveckling och analys av nanopartikelinfunderade plastprodukter gjorda av 3D-skrivare styrda av maskininlärning.Polymer testing, 106. Tillgänglig från följande URL: https://www.sciencedirect.com/science/article/pii/S014294182100372X?via%3Dihub
Friskrivningsklausul: De åsikter som uttrycks här är de som uttrycks av författaren i en personlig egenskap och representerar inte nödvändigtvis åsikterna från ägaren och operatören av denna webbplats, AZoM.com Limited T/A AZoNetwork.Denna ansvarsfriskrivning utgör en del av villkoren för användning av denna webbplats.
Het svett, Shahir.(5 december 2021).Maskininlärning optimerar 3D-tryckta produkter som återvinner plast.AZoNano.Hämtad från https://www.azonano.com/news.aspx?newsID=38306 den 6 december 2021.
Het svett, Shahir."Maskininlärning optimerar 3D-tryckta produkter från återvunnen plast."AZoNano.6 december 2021..
Het svett, Shahir."Maskininlärning optimerar 3D-tryckta produkter från återvunnen plast."AZoNano.https://www.azonano.com/news.aspx?newsID=38306.(Nådd den 6 december 2021).
Het svett, Shahir.2021. Maskininlärning optimerar 3D-tryckta produkter från återvunnen plast.AZoNano, visade den 6 december 2021, https://www.azonano.com/news.aspx?newsID=38306.
AZoNano pratade med Dr. Jinian Yang om hans deltagande i forskning om fördelarna med blomliknande nanopartiklar på prestandan hos epoxihartser.
Vi diskuterade med Dr. John Miao att denna forskning har förändrat vår förståelse av amorfa material och vad det betyder för den fysiska världen omkring oss.
Vi diskuterade NANO-LLPO med Dr Dominik Rejman, ett sårförband baserat på nanomaterial som främjar läkning och förhindrar infektion.
Ytmätsystemet P-17 stylus profiler ger utmärkt repeterbarhet för mätningar för konsekvent mätning av 2D- och 3D-topografi.
Profilm3D-serien tillhandahåller prisvärda optiska ytprofilerare som kan generera högkvalitativa ytprofiler och äkta färgbilder med obegränsat skärpedjup.
Raiths EBPG Plus är den ultimata produkten av högupplöst elektronstrålelitografi.EBPG Plus är snabb, pålitlig och hög genomströmning, perfekt för alla dina litografibehov.
Posttid: Dec-07-2021