Npj Comput. Mater.: 金属3D打印质量参差不齐？为你揭开这些关键之谜！

金属3D打印技术近年来备受瞩目，应用领域不断拓展，从航空航天到医疗器械，再到珠宝设计，都展示出了无限的潜力。然而，基于激光粉床熔合（L-PBF）的金属增材制造面临一个重大挑战：产品质量的不一致性。这个问题在很大程度上限制了金属3D打印技术在各行业的广泛应用。

为了解决这个难题，研究者们开始尝试利用基于数值计算的多物理场过程模拟来研究和优化产品打印。这种方法结合了计算机模拟和物理实验，让科学家们能够预测不同参数对金属3D打印产品质量的影响。然而，在现实世界中，材料参数存在不确定性，而且参数之间还存在相互作用，这使得基于数值计算的多物理场模拟方法的有效性受到限制。

典型的多物理场仿真结果：(a) 等距离视图和温度刻度，其中 L 和 W 分别表示熔池长度和宽度。(b) 熔池深度的垂直横截面视图和熔化刻度——1 表示曾经熔化过的区域，0 表示从未熔化过的区域。

在这一挑战背后，隐藏着一部分由于材料特性和加工过程中复杂的物理现象造成的困惑。例如，金属粉末在激光熔化过程中会产生气泡、裂纹等缺陷，这些都会影响最终打印产品的质量。此外，对于某些金属材料，其激光功率吸收、热导率、粘度、表面张力系数、表面张力温度敏感性等参数在实际生产过程中可能会因为多种因素而发生变化，这些变化在相互作用下可能导致模拟结果与实际打印结果出现较大偏差，使得预测和控制变得极为困难。在探索解决方案的过程中，科学家们不断尝试改进模拟方法，以提高其准确性和预测能力。他们希望通过更好地理解材料参数的不确定性及其相互作用，找到一种有效的提高打印质量的策略。

来自新加坡国立大学机械工程系的Dr. Wentao Yan团队和工业工程系的Dr. Jiaxiang Cai，联手研究了一种创新方法，旨在解决金属3D打印领域长期困扰的材料参数不确定性问题。这个跨学科团队通过整合完全要因实验和变量选择方法，深入挖掘了多物理模型中材料参数不确定性的根本原因及相互作用。为了实现这一目标，他们巧妙地将高精度多物理建模与统计分析相结合，以实现合理的计算成本和复杂度。这种独特的研究方法，不仅克服了小数据集带来的挑战，还为金属3D打印领域带来了实用的新洞见。

通过将 LASSO 应用于完整模型（用蓝色标记）和最佳子集模型（用红色标记），分别得到了90% 的置信区间规范化回归系数。X 轴代表输入的材料参数，其中激光功率吸收、热导率、粘度、表面张力系数、表面张力温度敏感性分别用 X1、X2、X3、X4、X5 表示。该图在双 Y 轴刻度上显示回归系数，右侧的 Y 轴显示 X1 的回归系数值范围，左侧的 Y 轴表示其他所有变量的回归系数值范围。虚线划分了两个 Y 轴之间的边界。

这项开创性研究采用多种统计方法，结合物理领域知识，成功量化了材料参数的不确定性对打印输出的影响，并对结论进行了统计和物理的双重验证。研究发现，特定的材料参数之间的相互作用会对打印输出产生显著影响，尤其是热导率与粘度之间以及热导率与表面张力温度敏感性之间的相互作用。这些相互作用与Marangoni效应等物理现象密切相关，为我们理解金属3D打印过程中的复杂现象提供了宝贵的线索。

这一创新性研究也为金属3D打印实际应用时的资源分配提供了建设性的指导，有助于减少输入参数不确定性的影响。这不仅为提升金属增材制造质量稳定性迈出了关键一步，还有望推动金属3D打印技术在各行业的广泛应用。该文近期发表于npj Computational Materials 9: 51 (2023)。

Factorial design analytics on effects of material parameter uncertainties in multiphysics modeling of additive manufacturing

Amanda Giam, Fan Chen, Jiaxiang Cai & Wentao Yan

A bottleneck in Laser Powder Bed Fusion (L-PBF) metal additive manufacturing is the quality inconsistency of its products. To address this issue without costly experimentation, computational multi-physics modeling has been used, but the effectiveness is limited by parameter uncertainties and their interactions. We propose a full factorial design and variable selection approach for the analytics of main and interaction effects arising from material parameter uncertainties in multi-physics models. Data are collected from high-fidelity thermal-fluid simulations based on a 2-level full factorial design for 5 selected material parameters. Crucial physical phenomena of the L-PBF process are analyzed to extract physics-based domain knowledge, which are used to establish a validation checkpoint for our study. Initial data visualization with half-normal probability plots, interaction plots and standard deviation plots, is used to assess if the checkpoint is being met. We then apply the combination of best subset selection and the LASSO method on multiple linear regression models for comprehensive variable selection. Analytics yield statistically and physically validated findings with practical implications, emphasizing the importance of parameter interactions under uncertainty, and their relation to the underlying physics of L-PBF.

转自：“知社学术圈”微信公众号

如有侵权，请联系本站删除！