Dados

npj Computational Materials volume 8, Número do artigo: 126 (2022) Citar este artigo

3463 acessos

8 Citações

3 Altmétrica

Detalhes das métricas

Na fabricação aditiva de peças metálicas, a capacidade de prever com precisão o campo de temperatura extremamente variável em detalhes e relacioná-lo quantitativamente com a estrutura e as propriedades é uma etapa fundamental para prever o desempenho da peça e otimizar o projeto do processo. Neste trabalho, uma simulação de elementos finitos do processo de deposição de energia direcionada (DED) é usada para prever o campo de temperatura dependente do espaço e do tempo durante o processo de construção de múltiplas camadas para paredes de Inconel 718. Os resultados do modelo térmico mostram boa concordância com as imagens infravermelhas dinâmicas capturadas in situ durante as construções DED. A relação entre a taxa de resfriamento prevista, características microestruturais e propriedades mecânicas é examinada, e a taxa de resfriamento por si só é considerada insuficiente para fornecer previsões de propriedades quantitativas. Como o aprendizado de máquina oferece uma maneira eficiente de identificar recursos importantes de dados em série, aplicamos uma estrutura orientada a dados de rede neural convolucional 1D para extrair automaticamente os recursos preditivos dominantes do histórico de temperatura simulado. Previsões muito boas das propriedades do material, especialmente resistência à tração, são obtidas usando dados do histórico térmico simulado. Para interpretar ainda mais as previsões da rede neural convolucional, visualizamos os recursos extraídos produzidos em cada camada convolucional e comparamos os recursos detectados pela rede neural convolucional de histórias térmicas para casos de resistência à tração final alta e baixa. Um resultado importante é a determinação de que as histórias térmicas em regimes de temperatura alta e moderada afetam as propriedades do material.

A manufatura aditiva de metal (AM) é uma tecnologia que pode ser utilizada para construir peças camada por camada, permitindo a fabricação de peças com geometria mais complexa e custos reduzidos em comparação com as técnicas tradicionais de fabricação1,2. A deposição de energia direcionada (DED) é um processo popular de fabricação aditiva de metal3 no qual o pó de metal é fornecido por um ou mais bicos4. Uma fonte de calor focalizada, como um laser, é usada para derreter localmente o material metálico injetado. As peças são construídas progressivamente à medida que cada camada é escaneada e derretida em um padrão predeterminado.

Durante o processo DED, as peças passam por ciclos repetitivos de aquecimento e resfriamento térmico devido à deposição de múltiplas camadas. O campo térmico complexo resultante nas peças, durante e após a solidificação, tem efeitos significativos na microestrutura do material final e nas propriedades mecânicas, como tensão de escoamento, tensão de escoamento, limite de resistência à tração (UTS) e tensão de falha5,6,7. No entanto, é demorado e caro realizar experimentos DED para otimizar os parâmetros do processo e os caminhos da ferramenta para uma determinada geometria para produzir peças com boas propriedades mecânicas. Modelos computacionais podem ser uma abordagem eficiente para obter históricos de temperatura de peças, que podem ser relacionados com a microestrutura e propriedades mecânicas.

Para prever o campo térmico, muitos pesquisadores usaram o método dos elementos finitos para resolver a equação do calor e simular o campo de temperatura transiente em AM. Para a maioria dos modelos térmicos DED, a condição de contorno na superfície da parte externa assume convecção com um coeficiente de convecção constante8,9,10,11,12,13,14,15. No entanto, os processos DED normalmente incluem um fluxo de gás de proteção forçado, com uma velocidade de fluxo que varia ao longo da superfície da peça; portanto, um modelo de coeficiente de convecção variável espacialmente calibrado contra dados medidos de termopar foi proposto e mostrou uma melhor correspondência com histórias experimentais de temperatura em comparação com um modelo de coeficiente de convecção uniforme3.

As calibrações de modelos DED térmicos também são desafiadoras. Quase todos os modelos térmicos calibrados anteriores para deposição multicamada foram baseados em medições de termopares feitas longe do ponto do laser16,17,18. No entanto, é difícil medir diretamente a temperatura dentro ou perto da região da poça de fusão com termopares devido à faixa de temperatura extrema e à geometria em constante mudança. Alternativamente, imagens dinâmicas de infravermelho (IR) medidas por câmeras IR têm sido usadas para calibrar modelos térmicos19,20. Uma câmera IR pode capturar a radiação térmica emitida na superfície da peça, inclusive perto da poça de fusão, fornecendo um complemento aos dados do termopar para calibração e validação de modelos térmicos19,20,21,22,23,24,25. Por exemplo, imagens de infravermelho foram capturadas para verificar um modelo térmico de fonte de calor móvel para manufatura aditiva baseada em solda assistida por indução (WAM)19. Câmeras de infravermelho também têm sido usadas para calibrar o modelo térmico para um processo de soldagem por arco de metal de gás multicamada (GMAW) de passagem única26; este trabalho estudou apenas duas camadas de deposição em vez de um modelo completo em escala parcial.