We gebruiken cookies om uw ervaring te verbeteren.Door verder te bladeren op deze website, gaat u akkoord met ons gebruik van cookies.Meer informatie.
Een artikel uit het tijdschrift Polymer Testing bestudeert en vergelijkt de kwaliteit van verschillende polymeercomposietmaterialen die zijn vervaardigd met behulp van 3D-printtechnologie, zoals morfologie en oppervlaktetextuur, mechanische eigenschappen en thermische eigenschappen.
Onderzoek: met nanodeeltjes doordrenkte plastic producten gemaakt door 3D-printers op basis van machine learning.Afbeeldingsbron: Pixel B/Shutterstock.com
De vervaardigde polymeercomponenten vereisen verschillende kwaliteiten afhankelijk van hun doel, waarvan sommige kunnen worden geleverd door polymeerfilamenten te gebruiken die zijn samengesteld uit verschillende hoeveelheden van meerdere materialen.
Een tak van additive manufacturing (AM), genaamd 3D-printen, is een geavanceerde technologie die materialen mengt om producten te creëren op basis van 3D-modelgegevens.
Daarom is het afval dat door dit proces wordt gegenereerd relatief klein.3D-printtechnologie wordt momenteel gebruikt in verschillende toepassingen, waaronder het op grote schaal vervaardigen van verschillende artikelen, en het gebruik zal alleen maar toenemen.
Deze technologie kan nu worden gebruikt om objecten te vervaardigen met complexe structuren, lichtgewicht materialen en aanpasbare ontwerpen.Daarnaast heeft 3D-printen de voordelen van efficiëntie, duurzaamheid, veelzijdigheid en risicominimalisatie.
Een van de belangrijkste aspecten van deze technologie is het kiezen van de juiste parameters, omdat deze een grote invloed hebben op het product, zoals de vorm, grootte, afkoelsnelheid en thermische gradiënt.Deze kwaliteiten beïnvloeden vervolgens de evolutie van de microstructuur, zijn kenmerken en defecten.
Machine learning kan worden gebruikt om de relatie tussen de procesomstandigheden, microstructuur, componentvorm, samenstelling, defecten en mechanische kwaliteit van een specifiek gedrukt product vast te stellen.Deze verbindingen kunnen helpen het aantal proeven te verminderen dat nodig is om uitvoer van hoge kwaliteit te produceren.
Hogedichtheidspolyethyleen (HDPE) en polymelkzuur (PLA) zijn de twee meest gebruikte polymeren in AM.PLA wordt voor veel toepassingen als hoofdmateriaal gebruikt omdat het duurzaam, economisch, biologisch afbreekbaar is en uitstekende eigenschappen heeft.
Kunststofrecycling is een groot probleem waarmee de wereld wordt geconfronteerd;daarom zou het zeer nuttig zijn om recyclebaar plastic op te nemen in het 3D-printproces.
Omdat het printmateriaal continu in de condensor wordt gevoerd, wordt de temperatuur constant gehouden tijdens de depositie van fused filament manufacturing (FFF) (een soort 3D-printen).
Daarom wordt het gesmolten polymeer door de drukverlaging door het mondstuk uitgestoten.Oppervlaktemorfologie, opbrengst, geometrische nauwkeurigheid, mechanische eigenschappen en kosten worden allemaal beïnvloed door FFF-variabelen.
Trek-, druk- of buigsterkte en drukrichting worden beschouwd als de belangrijkste procesvariabelen die van invloed zijn op FFF-monsters.In deze studie werd de FFF-methode gebruikt om specimens voor te bereiden;zes verschillende filamenten werden gebruikt om de monsterlaag te construeren.
a: ML-voorspellingsparameteroptimalisatiemodel van 3D-printers in monsters 1 en 2, b: ML-voorspellingsparameteroptimalisatiemodel van 3D-printers in voorbeeld 3, c: ML-voorspellingsparameteroptimalisatiemodellen van 3D-printers in monsters 4 en 5. Afbeeldingsbron: Hossain , MI, enz.
3D-printtechnologie kan de uitstekende kwaliteit van printprojecten combineren die niet kunnen worden bereikt met traditionele productiemethoden.Door de unieke productiemethode van 3D-printen wordt de kwaliteit van gefabriceerde onderdelen sterk beïnvloed door ontwerp- en procesvariabelen.
Machine learning (ML) is op veel manieren gebruikt in additive manufacturing om het hele ontwikkelings- en productieproces te verbeteren.Een op data gebaseerde geavanceerde ontwerpmethode voor FFF en een raamwerk voor het optimaliseren van het ontwerp van FFF-componenten zijn ontwikkeld.
De onderzoekers schatten de mondstuktemperatuur met behulp van machine learning-suggesties.ML-technologie wordt ook gebruikt om de printbedtemperatuur en printsnelheid te berekenen;dezelfde maat is ingesteld voor alle monsters.
De resultaten laten zien dat de vloeibaarheid van het materiaal direct van invloed is op de kwaliteit van de 3D-printoutput.Alleen de juiste mondstuktemperatuur kan de vereiste vloeibaarheid van het materiaal garanderen.
In dit werk worden PLA, HDPE en gerecyclede filamentmaterialen gemengd met TiO2-nanodeeltjes en gebruikt om goedkope 3D-geprinte objecten te vervaardigen door commerciële 3D-printers en filamentextruders voor de productie van gesmolten filament.
De karakteristieke filamenten zijn nieuw en gebruiken grafeen om een waterdichte coating te genereren, die eventuele veranderingen in de mechanische basiseigenschappen van het eindproduct kan verminderen.Ook de buitenkant van het 3D-geprinte onderdeel kan worden bewerkt.
Het belangrijkste doel van dit werk is om een manier te vinden om een betrouwbaardere en rijkere mechanische en fysieke kwaliteit te bereiken in 3D-geprinte items in vergelijking met traditionele 3D-geprinte items die gewoonlijk worden geproduceerd.De resultaten en toepassingen van dit onderzoek kunnen de weg vrijmaken voor de ontwikkeling van tal van industriegerelateerde programma's.
Blijf lezen: welke nanodeeltjes zijn het beste voor additive manufacturing en 3D-printtoepassingen?
Hossain, MI, Chowdhury, MA, Zahid, MS, Sakib-Uz-Zaman, C., Rahaman, ML, & Kowser, MA (2022) Ontwikkeling en analyse van met nanodeeltjes doordrenkte plastic producten gemaakt door 3D-printers op basis van machine learning.Polymeertest, 106. Beschikbaar via de volgende URL: https://www.sciencedirect.com/science/article/pii/S014294182100372X?via%3Dihub
Disclaimer: De meningen die hier worden geuit, zijn die welke door de auteur op persoonlijke titel zijn geuit en vertegenwoordigen niet noodzakelijk de mening van de eigenaar en beheerder van deze website, AZoM.com Limited T/A AZoNetwork.Deze disclaimer maakt onderdeel uit van de gebruiksvoorwaarden van deze website.
Heet zweet, Shahir.(5 december 2021).Machine learning optimaliseert 3D-geprinte producten die plastic recyclen.AZoNano.Opgehaald van https://www.azonano.com/news.aspx?newsID=38306 op 6 december 2021.
Heet zweet, Shahir."Machine learning optimaliseert 3D-geprinte producten van gerecyclede kunststoffen."AZoNano.6 december 2021..
Heet zweet, Shahir."Machine learning optimaliseert 3D-geprinte producten van gerecyclede kunststoffen."AZoNano.https://www.azonano.com/news.aspx?newsID=38306.(Betreden op 6 december 2021).
Heet zweet, Shahir.2021. Machine learning optimaliseert 3D-geprinte producten van gerecyclede kunststoffen.AZoNano, bekeken op 6 december 2021, https://www.azonano.com/news.aspx?newsID=38306.
AZoNano sprak met Dr. Jinian Yang over zijn deelname aan onderzoek naar de voordelen van bloemachtige nanodeeltjes op de prestatie van epoxyharsen.
We bespraken met Dr. John Miao dat dit onderzoek ons begrip van amorfe materialen heeft veranderd en wat het betekent voor de fysieke wereld om ons heen.
We bespraken NANO-LLPO met Dr. Dominik Rejman, een wondverband op basis van nanomaterialen dat genezing bevordert en infectie voorkomt.
Het P-17 stylusprofiler-oppervlaktemeetsysteem biedt uitstekende herhaalbaarheid van metingen voor consistente meting van 2D- en 3D-topografie.
De Profilm3D-serie biedt betaalbare optische oppervlakteprofilers die hoogwaardige oppervlakteprofielen en afbeeldingen in ware kleuren met onbeperkte scherptediepte kunnen genereren.
Raith's EBPG Plus is het ultieme product van hoge resolutie elektronenstraallithografie.EBPG Plus is snel, betrouwbaar en met een hoge doorvoer, ideaal voor al uw lithografiebehoeften.
Posttijd: dec-07-2021