激光加工技术

激光是原子在受激幅射放大过程中发出的光。激光加工是利用高能量密度激光束照射工件，将材料加热、熔化、气化的一种无机械接触的加工方法。由于激光束能被聚焦成功率密度达10^7-10^2W／cm^2的微小光点，因而几乎可以加工所有的金属和非金属材料，包含各种坚硬的高熔点材料。激光加工的应用范围十分广阔，     

镁合金AZ31搅拌摩擦焊接温度场数值模拟

针对5mm厚AZ31镁合金搅拌摩擦焊接过程进行三维有限元传热分析，并推导搅拌摩擦焊接(FSW)产热的数学模型，计算FSW过程不同时刻和不同位置温度分布。计算结果表明：起焊时有一个预热作用，预热对搅拌摩擦焊接过程有利；搅拌摩擦焊接过程中准稳态时最高温度为460℃左右，低于镁合金的熔化温度，属于固相连接。温度场测量结果显示：计算结果与测量结果较吻合，说明温度场模型的建立基本符合搅拌摩擦焊接过程。     

锰基钎料真空钎焊时钎料未熔化痕迹的研究

采用锰基钎料,在炉中高温真空钎焊后发现,放置钎料处残留有明显的钎料未熔化痕迹,造成隔扳钎缝强度降低。本文对钎料未熔化痕迹产生的原因及合格隔板产品的钎焊作了较详细的介绍。     

选区激光熔化TC4钛合金疲劳裂纹扩展行为研究

选区激光熔化增材制造(AM-SLM)技术广泛应用于钛合金结构部件制造.SLM钛合金材料疲劳性能具有明显各向异性.研究SLM钛合金在不同方向载荷下的疲劳裂纹扩展行为对于航空结构耐久性/损伤容限设计具有重要意义.基于此,本文设计了与打印方向呈0°、45°、75°和90°的4种不同取样角度及未处理和热处理的钛合金紧凑拉伸试验...     

激光选区熔化制备钛合金点阵材料无损表征

通过激光选区熔化制备BCC和DOD结构的钛合金金属点阵,使用Micro–CT对两种结构的钛合金点阵材料进行扫描和三维重建。Micro–CT图像清晰地显示金属点阵内部结构,BCC和DOD单胞整齐地以周期性进行排列,且内部存在少量圆形、椭圆形缺陷。通过将实际样品三维数据与CATIA数模进行比对,发现钛合金点阵在制备过程中出现一定程度翘曲。此外使用共聚焦显微镜并基于Micro–CT图像对BCC和DOD两种金属点阵进行表面粗糙度测定。结果表明,Micro–CT在钛合金点阵材料内部结构、缺陷、制备误差、粗糙度测试等表征方面具有显著的应用价值。     

激光选区熔化技术在航空航天领域的发展现状及典型应用

增材制造技术(AM)是一种基于离散-堆积原理,以计算机模型数据来加工组件的新型制造技术。激光选区熔化(SLM)作为增材制造领域的一项重要技术,以其一体化制造特点和在复杂结构零部件制造领域的显著优势,成为航空航天制造领域的重点发展技术和前沿方向。本文综述了SLM技术的材料体系和应用领域,主要对SLM技术的最新工艺研究和航空航天领域的典型应用进行细致分析。重点阐述SLM铁基合金、镍基合金、钛合金和铝合金等材料体系的研究进展及成果。SLM技术在各领域广泛应用的同时,也存在成形材料内部缺陷多、高性能材料的裂纹及变形、标准体系的欠缺和粉末材料兼容性低等诸多问题和不足之处,使其发展受到一定制约,需要在这些方面做更深入的工作。     

求解等温相变问题的解耦法

基于焓法模型导出了一种求解等温相变问题的简单计算模型.计算模型将温度场与液相分数场进行解耦,即可分别求解出相变控制体和非相变控制体的温度;以长方体容器为例,用计算模型进行计算并将计算结果与实验数据及焓法计算结果进行对比验证,结果吻合的很好;利用计算模型,对长方体容器和圆柱体容器内相变材料熔化时间进行数值计算比较.结果表明,在容器体积和特征尺寸相同的条件下,长方体容器内相变材料的熔化时间几乎只有圆柱体容器的一半.      

容器热物性参数对蓄热系统性能影响的数值研究

建立了分析潜热蓄热系统蓄热性能的二维数学模型,并进行了数值计算.其中考虑了容器壁面的导热,且相变传热只考虑导热模型,对相变材料(PCM)相变过程的求解采用解耦法计算模型.对几种不同材料容器内PCM熔化过程进行了数值计算比较,结果表明,容器材料的导热系数、比热容和密度等热物性参数对PCM的熔化有很大的影响.此外还对不同初始温度和边界壁温对PCM熔化的影响进行了数值计算.所得结论对潜热蓄热系统的热性能及其优化设计有一定的指导作用.      

激光选区熔化增材制造缺陷智能监测与过程控制综述

激光选区熔化（SLM）技术被认为是最有应用前景的增材制造技术之一,已应用于航空航天、医疗器械等领域。然而,如何确保构件质量的可靠性和制造的可重复性是SLM面临的最大挑战,已被认为是限制SLM及其他金属增材制造技术发展和工业应用的最大壁垒。其中,主要原因是SLM过程中会产生难以控制的缺陷。因此,对SLM进行过程监测和实时反馈控制是解决这一挑战的重要研究方向,也已成为学术界和工业界的研究热点之一。通过对近十年该领域的文献调研,综述了金属激光增材制造中常见的冶金缺陷及其产生机理,对金属增材制造过程产生的信号及其监测手段,如声信号、光信号及热信号等进行了详细描述;总结了信号数据的处理方法,包括传统的统计处理方法和新兴的基于机器学习的智能监测方法;随后,综述了金属增材制造过程的质量控制方法,包括非闭环控制和闭环控制,并对全文进行了总结,展望了未来SLM智能监测和控制领域值得深入的研究方向。