Cookie-kat használunk az élmény fokozása érdekében.A weboldal böngészésének folytatásával beleegyezik a cookie-k használatába.Több információ.
A Polymer Testing magazin egyik cikke több, 3D nyomtatási technológiával előállított polimer kompozit anyag minőségét tanulmányozza és hasonlítja össze, például morfológiát és felületi textúrát, mechanikai tulajdonságokat és termikus tulajdonságokat.
Kutatás: Nanorészecskékkel infúziós műanyag termékek, amelyeket gépi tanulással vezérelt 3D nyomtatókkal készítettek.A kép forrása: Pixel B/Shutterstock.com
A gyártott polimer komponensek rendeltetésüknek megfelelően különböző minőséget igényelnek, amelyek egy része különböző mennyiségű, többféle anyagból álló polimer szálak felhasználásával biztosítható.
Az additív gyártás (AM) egyik ága, az úgynevezett 3D nyomtatás, egy élvonalbeli technológia, amely anyagok keverésével 3D modelladatokon alapuló termékeket hoz létre.
Ezért az eljárás során keletkező hulladék viszonylag kicsi.A 3D nyomtatási technológiát jelenleg különféle alkalmazásokban alkalmazzák, beleértve a különféle cikkek nagyüzemi gyártását, és a felhasználás mértéke csak növekedni fog.
Ezzel a technológiával ma már összetett szerkezetű, könnyű anyagokkal és testreszabható kialakítású tárgyak gyártására is lehetőség nyílik.Ezen túlmenően a 3D nyomtatás előnyei a hatékonyság, a fenntarthatóság, a sokoldalúság és a kockázatminimalizálás.
Ennek a technológiának az egyik legfontosabb szempontja a megfelelő paraméterek kiválasztása, mivel ezek nagy hatással vannak a termékre, például annak alakjára, méretére, hűtési sebességére és termikus gradiensére.Ezek a tulajdonságok aztán befolyásolják a mikrostruktúra alakulását, jellemzőit és hibáit.
A gépi tanulás segítségével meg lehet állapítani az összefüggést egy adott nyomtatott termék folyamatkörülményei, mikroszerkezete, alkatrész alakja, összetétele, hibái és mechanikai minősége között.Ezek a kapcsolatok segíthetnek csökkenteni a jó minőségű kimenet előállításához szükséges próbák számát.
A nagy sűrűségű polietilén (HDPE) és a politejsav (PLA) a két leggyakrabban használt polimer az AM-ben.A PLA-t számos alkalmazás fő anyagaként használják, mert fenntartható, gazdaságos, biológiailag lebomlik és kiváló tulajdonságokkal rendelkezik.
A műanyagok újrahasznosítása a világ egyik fő problémája;ezért nagyon előnyös lenne az újrahasznosítható műanyagot beépíteni a 3D nyomtatási folyamatba.
Mivel a nyomtatási anyagot folyamatosan adagolják a cseppfolyósítóba, a hőmérsékletet állandó szinten tartják a fused filament production (FFF) leválasztás során (a 3D nyomtatás egy fajtája).
Ezért az olvadt polimer a fúvókán keresztül a nyomáscsökkentés révén kilökődik.A felület morfológiáját, a hozamot, a geometriai pontosságot, a mechanikai tulajdonságokat és a költségeket mind befolyásolják az FFF-változók.
A húzó-, nyomóütő- vagy hajlítószilárdságot és a nyomtatási irányt tekintik az FFF mintákat befolyásoló legfontosabb folyamatváltozóknak.Ebben a vizsgálatban az FFF módszert alkalmaztuk a minták előkészítésére;hat különböző filamentet használtak a mintaréteg felépítéséhez.
a: 3D nyomtatók ML predikciós paraméteroptimalizálási modellje az 1. és 2. mintában, b: 3D nyomtatók ML előrejelzési paraméteroptimalizálási modellje a 3. mintában, c: 3D nyomtatók ML előrejelzési paraméteroptimalizálási modellje a 4. és 5. mintában. Kép forrása: Hossain , MI stb.
A 3D nyomtatási technológia ötvözi a nyomtatási projektek kiváló minőségét, amely hagyományos gyártási módszerekkel nem érhető el.A 3D nyomtatás egyedi gyártási módjának köszönhetően a legyártott alkatrészek minőségét nagyban befolyásolják a tervezési és folyamatváltozók.
A gépi tanulást (ML) sokféleképpen alkalmazták az additív gyártásban a teljes fejlesztési és gyártási folyamat javítására.Kidolgoztak egy adatalapú fejlett tervezési módszert az FFF-hez, valamint egy keretrendszert az FFF alkatrésztervezés optimalizálására.
A kutatók gépi tanulási javaslatok segítségével becsülték meg a fúvóka hőmérsékletét.Az ML technológiát a nyomtatási ágy hőmérsékletének és a nyomtatási sebességének kiszámítására is használják;minden mintához ugyanaz a méret van beállítva.
Az eredmények azt mutatják, hogy az anyag folyékonysága közvetlenül befolyásolja a 3D nyomtatás minőségét.Csak a megfelelő fúvóka-hőmérséklet biztosíthatja az anyag szükséges folyékonyságát.
Ebben a munkában a PLA-t, a HDPE-t és az újrahasznosított filamentanyagokat TiO2 nanorészecskékkel keverik össze, és olcsó 3D nyomtatott tárgyak előállítására használják fel kereskedelmi forgalomban lévő, olvadt filamentet gyártó 3D nyomtatók és filament extruderek segítségével.
A jellegzetes szálak újszerűek, és grafént használnak vízálló bevonat létrehozására, amely csökkentheti a késztermék alapvető mechanikai tulajdonságaiban bekövetkező bármilyen változást.A 3D nyomtatott komponens külseje is feldolgozható.
Ennek a munkának a fő célja, hogy megtalálja a módját, hogyan lehet megbízhatóbb és gazdagabb mechanikai és fizikai minőséget elérni a 3D nyomtatott termékekben, mint az általában gyártott hagyományos 3D nyomtatott termékek.A kutatás eredményei és alkalmazásai számos iparággal kapcsolatos program kidolgozását nyithatják meg.
Olvass tovább: Mely nanorészecskék a legjobbak additív gyártáshoz és 3D nyomtatási alkalmazásokhoz?
Hossain, MI, Chowdhury, MA, Zahid, MS, Sakib-Uz-Zaman, C., Rahaman, ML, & Kowser, MA (2022) 3D nyomtatókkal, gépi tanulással vezérelt nanorészecskékkel infúziós műanyag termékek fejlesztése és elemzése.Polymer testing, 106. Elérhető a következő URL-ről: https://www.sciencedirect.com/science/article/pii/S014294182100372X?via%3Dihub
Felelősség kizárása: Az itt kifejtett nézetek a szerző személyes minőségében fejtettek ki, és nem feltétlenül képviselik a webhely tulajdonosának és üzemeltetőjének, az AZoM.com Limited T/A AZoNetwork nézeteit.Ez a felelősségkizárás a jelen weboldal használati feltételeinek részét képezi.
Forró izzadság, Shahir.(2021. december 5.).A gépi tanulás optimalizálja a műanyagot újrahasznosító 3D nyomtatott termékeket.AZoNano.Letöltve a https://www.azonano.com/news.aspx?newsID=38306 webhelyről, 2021. december 6-án.
Forró izzadság, Shahir.„A gépi tanulás optimalizálja az újrahasznosított műanyagokból készült 3D nyomtatott termékeket.”AZoNano.2021. december 6..
Forró izzadság, Shahir.„A gépi tanulás optimalizálja az újrahasznosított műanyagokból készült 3D nyomtatott termékeket.”AZoNano.https://www.azonano.com/news.aspx?newsID=38306.(Hozzáférés: 2021. december 6.).
Forró izzadság, Shahir.2021. A gépi tanulás optimalizálja a 3D nyomtatott termékeket újrahasznosított műanyagokból.AZoNano, megtekintve 2021. december 6-án, https://www.azonano.com/news.aspx?newsID=38306.
Az AZoNano Dr. Jinian Yanggal beszélgetett a virágszerű nanorészecskék epoxigyanták teljesítményére gyakorolt előnyeiről szóló kutatásban való részvételéről.
Megbeszéltük Dr. John Miao-val, hogy ez a kutatás megváltoztatta az amorf anyagokról alkotott felfogásunkat, és azt, hogy ez mit jelent a minket körülvevő fizikai világ számára.
A NANO-LLPO-ról beszélgettünk Dr. Dominik Rejmannel, egy nanoanyagokon alapuló sebkötözőről, amely elősegíti a gyógyulást és megelőzi a fertőzést.
A P-17 stylus profiler felületmérő rendszer kiváló mérési ismételhetőséget biztosít a 2D és 3D topográfia következetes méréséhez.
A Profilm3D sorozat megfizethető optikai felületprofilokat kínál, amelyek kiváló minőségű felületi profilokat és valódi színes képeket készíthetnek korlátlan mélységélességgel.
A Raith EBPG Plus a nagy felbontású elektronsugaras litográfia végső terméke.Az EBPG Plus gyors, megbízható és nagy áteresztőképességű, ideális minden litográfiai igényhez.
Feladás időpontja: 2021. december 07