Koristimo kolačiće kako bismo poboljšali vaše iskustvo.Nastavkom pretraživanja ove web stranice, slažete se s našom upotrebom kolačića.Više informacija.
Članak iz časopisa Polymer Testing proučava i uspoređuje kvalitet nekoliko polimernih kompozitnih materijala proizvedenih korištenjem tehnologije 3D printanja, kao što su morfologija i površinska tekstura, mehanička svojstva i toplinska svojstva.
Istraživanje: plastični proizvodi natopljeni nano-česticama napravljeni od strane 3D štampača vođeni mašinskim učenjem.Izvor slike: Pixel B/Shutterstock.com
Proizvedene polimerne komponente zahtijevaju različite kvalitete u skladu s njihovom namjenom, od kojih se neke mogu osigurati korištenjem polimernih filamenata sastavljenih od različitih količina više materijala.
Grana aditivne proizvodnje (AM), nazvana 3D štampa, je vrhunska tehnologija koja miješa materijale za stvaranje proizvoda na temelju podataka 3D modela.
Stoga je otpad koji nastaje ovim procesom relativno mali.Tehnologija 3D štampe trenutno se koristi u raznim aplikacijama, uključujući i masovnu proizvodnju raznih predmeta, a količina upotrebe će se samo povećavati.
Ova tehnologija se sada može koristiti za proizvodnju objekata sa složenim strukturama, laganim materijalima i prilagodljivim dizajnom.Pored toga, 3D štampa ima prednosti efikasnosti, održivosti, svestranosti i minimizacije rizika.
Jedan od najvažnijih aspekata ove tehnologije je odabir pravih parametara jer oni imaju veliki utjecaj na proizvod, kao što su njegov oblik, veličina, brzina hlađenja i toplinski gradijent.Ovi kvaliteti zatim utiču na evoluciju mikrostrukture, njene karakteristike i defekte.
Mašinsko učenje se može koristiti za uspostavljanje odnosa između uslova procesa, mikrostrukture, oblika komponente, sastava, defekata i mehaničkog kvaliteta određenog štampanog proizvoda.Ove veze mogu pomoći u smanjenju broja pokušaja potrebnih za proizvodnju visokog kvaliteta.
Polietilen visoke gustine (HDPE) i polimlečna kiselina (PLA) su dva najčešće korišćena polimera u AM.PLA se koristi kao glavni materijal za mnoge primjene jer je održiv, ekonomičan, biorazgradiv i ima izvrsna svojstva.
Recikliranje plastike je glavni problem s kojim se svijet suočava;stoga bi bilo vrlo korisno uključiti plastiku koja se može reciklirati u proces 3D štampanja.
Kako se materijal za štampanje kontinuirano unosi u rastvarač, temperatura se održava na konstantnom nivou tokom taloženja proizvodnje fuzionih filamenata (FFF) (vrsta 3D štampanja).
Zbog toga se rastopljeni polimer izbacuje kroz mlaznicu smanjenjem pritiska.Morfologija površine, prinos, geometrijska tačnost, mehanička svojstva i trošak su pod uticajem FFF varijabli.
Zatezna, tlačna čvrstoća ili čvrstoća na savijanje i smjer tiska smatraju se najvažnijim procesnim varijablama koje utječu na uzorke FFF.U ovoj studiji za pripremu uzoraka korištena je FFF metoda;šest različitih filamenata korišteno je za konstruiranje sloja uzorka.
a: ML model optimizacije parametara predviđanja 3D štampača u uzorcima 1 i 2, b: ML model optimizacije parametara predviđanja ML 3D štampača u uzorku 3, c: ML modeli optimizacije parametara predviđanja 3D štampača u uzorcima 4 i 5. Izvor slike: Hossain , MI, itd.
Tehnologija 3D štampe može kombinovati odličan kvalitet projekata štampanja koji se ne može postići tradicionalnim proizvodnim metodama.Zbog jedinstvene proizvodne metode 3D štampe, na kvalitet proizvedenih dijelova uvelike utječu varijable dizajna i procesa.
Strojno učenje (ML) se koristi na mnogo načina u aditivnoj proizvodnji kako bi se poboljšao cjelokupni razvojni i proizvodni proces.Razvijena je napredna metoda dizajna zasnovana na podacima za FFF i okvir za optimizaciju dizajna FFF komponenti.
Istraživači su procijenili temperaturu mlaznice uz pomoć prijedloga mašinskog učenja.ML tehnologija se takođe koristi za izračunavanje temperature sloja za štampanje i brzine štampanja;ista veličina je postavljena za sve uzorke.
Rezultati pokazuju da fluidnost materijala direktno utiče na kvalitet 3D štampe.Samo odgovarajuća temperatura mlaznice može osigurati potrebnu fluidnost materijala.
U ovom radu, PLA, HDPE i reciklirani filamentni materijali pomiješani su s TiO2 nanočesticama i korišteni za proizvodnju jeftinih 3D printanih objekata pomoću komercijalnih 3D printera i ekstrudera za proizvodnju rastopljenih filamenata.
Karakteristični filamenti su novi i koriste grafen za stvaranje vodootpornog premaza, koji može smanjiti bilo kakve promjene u osnovnim mehaničkim svojstvima gotovog proizvoda.Spoljašnja strana 3D štampane komponente također se može obraditi.
Glavni cilj ovog rada je pronaći način da se postigne pouzdaniji i bogatiji mehanički i fizički kvalitet kod 3D štampanih predmeta u odnosu na tradicionalne 3D štampane predmete koji se obično proizvode.Rezultati i primjena ovog istraživanja mogu utrti put za razvoj brojnih programa vezanih za industriju.
Nastavite da čitate: Koje su nanočestice najbolje za aditivnu proizvodnju i aplikacije za 3D štampanje?
Hossain, MI, Chowdhury, MA, Zahid, MS, Sakib-Uz-Zaman, C., Rahaman, ML, & Kowser, MA (2022) Razvoj i analiza plastičnih proizvoda natopljenih nanočesticama napravljenih pomoću 3D štampača vođenih mašinskim učenjem.Testiranje polimera, 106. Dostupno na sljedećem URL-u: https://www.sciencedirect.com/science/article/pii/S014294182100372X?via%3Dihub
Odricanje od odgovornosti: Stavovi izraženi ovdje su oni koje je izrazio autor u ličnom svojstvu i ne predstavljaju nužno stavove vlasnika i operatera ove web stranice, AZoM.com Limited T/A AZoNetwork.Ovo odricanje od odgovornosti čini dio odredbi i uslova korištenja ove web stranice.
Vrući znoj, Shahir.(5. decembar 2021.).Mašinsko učenje optimizira 3D štampane proizvode koji recikliraju plastiku.AZoNano.Preuzeto sa https://www.azonano.com/news.aspx?newsID=38306 6. decembra 2021.
Vrući znoj, Shahir.“Mašinsko učenje optimizira 3D štampane proizvode od reciklirane plastike.”AZoNano.6. decembar 2021..
Vrući znoj, Shahir.“Mašinsko učenje optimizira 3D štampane proizvode od reciklirane plastike.”AZoNano.https://www.azonano.com/news.aspx?newsID=38306.(Pristupljeno 6. decembra 2021.).
Vrući znoj, Shahir.2021. Mašinsko učenje optimizira 3D štampane proizvode od reciklirane plastike.AZoNano, pogledano 6. decembra 2021, https://www.azonano.com/news.aspx?newsID=38306.
AZoNano je razgovarao sa dr. Jinian Yangom o njegovom učešću u istraživanju o prednostima nanočestica nalik cvijetu na učinak epoksidnih smola.
Razgovarali smo sa dr. John Miaoom da je ovo istraživanje promijenilo naše razumijevanje amorfnih materijala i onoga što oni znače za fizički svijet oko nas.
S dr. Dominikom Rejmanom razgovarali smo o NANO-LLPO, zavoju za rane na bazi nanomaterijala koji pospješuje zacjeljivanje i sprječava infekciju.
Sistem za površinsko merenje profilatora P-17 pruža odličnu ponovljivost merenja za dosledno merenje 2D i 3D topografije.
Profilm3D serija pruža pristupačne optičke površinske profilere koji mogu generirati visokokvalitetne površinske profile i slike u pravim bojama s neograničenom dubinom polja.
Raithov EBPG Plus je vrhunski proizvod litografije elektronskih zraka visoke rezolucije.EBPG Plus je brz, pouzdan i visok protok, idealan za sve vaše potrebe za litografijom.
Vrijeme objave: 07.12.2021