Ми використовуємо файли cookie, щоб покращити ваш досвід.Продовжуючи перегляд цього веб-сайту, ви погоджуєтеся на використання файлів cookie.Більше інформації.
Стаття з журналу Polymer Testing вивчає та порівнює якість кількох полімерних композитних матеріалів, виготовлених за допомогою технології 3D-друку, наприклад, морфологію та текстуру поверхні, механічні та термічні властивості.
Дослідження: пластикові вироби з наночастинками, виготовлені 3D-принтерами за допомогою машинного навчання.Джерело зображення: Pixel B/Shutterstock.com
Виготовлені полімерні компоненти вимагають різних якостей відповідно до їх призначення, деякі з яких можуть бути забезпечені за допомогою полімерних ниток, що складаються з різної кількості кількох матеріалів.
Галузь адитивного виробництва (AM), яка називається 3D-друком, є передовою технологією, яка змішує матеріали для створення продуктів на основі даних 3D-моделі.
Тому відходи, що утворюються в результаті цього процесу, відносно невеликі.Технологія 3D-друку в даний час використовується в різних сферах застосування, включаючи великомасштабне виробництво різних предметів, і кількість використання буде тільки збільшуватися.
Цю технологію тепер можна використовувати для виготовлення об’єктів зі складною структурою, легкими матеріалами та настроюваним дизайном.Крім того, 3D-друк має переваги ефективності, стійкості, універсальності та мінімізації ризиків.
Одним із найважливіших аспектів цієї технології є вибір правильних параметрів, оскільки вони мають великий вплив на продукт, наприклад його форму, розмір, швидкість охолодження та температурний градієнт.Потім ці якості впливають на еволюцію мікроструктури, її характеристики та дефекти.
Машинне навчання можна використовувати для встановлення зв’язку між умовами процесу, мікроструктурою, формою компонентів, складом, дефектами та механічною якістю конкретного друкованого продукту.Ці підключення можуть допомогти зменшити кількість спроб, необхідних для отримання високоякісного результату.
Поліетилен високої щільності (HDPE) і полімолочна кислота (PLA) є двома найбільш часто використовуваними полімерами в AM.PLA використовується як основний матеріал для багатьох застосувань, оскільки він стійкий, економічний, біологічно розкладається та має чудові властивості.
Переробка пластику є головною проблемою, з якою стикається світ;тому було б дуже корисно включити перероблений пластик у процес 3D-друку.
Оскільки друкарський матеріал безперервно подається в зріджувач, температура підтримується на постійному рівні під час осадження плавленої нитки (FFF) (тип 3D-друку).
Тому розплавлений полімер викидається через сопло за рахунок зниження тиску.Морфологія поверхні, продуктивність, геометрична точність, механічні властивості та вартість залежать від змінних FFF.
Міцність на розтяг, стиснення або міцність на вигин і напрямок друку вважаються найважливішими змінними процесу, що впливають на зразки FFF.У цьому дослідженні для приготування зразків використовувався метод FFF;шість різних ниток було використано для побудови шару зразка.
a: Модель оптимізації параметрів ML для 3D-принтерів у зразках 1 і 2, b: Модель оптимізації параметрів ML для 3D-принтерів у зразку 3, c: Моделі оптимізації параметрів ML для 3D-принтерів у зразках 4 і 5. Джерело зображення: Hossain , МІ та ін.
Технологія 3D-друку може поєднати чудову якість проектів друку, якої неможливо досягти традиційними методами виробництва.Завдяки унікальному методу виробництва 3D-друку якість виготовлених деталей значною мірою залежить від змінних конструкції та процесу.
Машинне навчання (ML) використовувалося різними способами в адитивному виробництві для покращення всього процесу розробки та виробництва.Було розроблено розширений метод проектування на основі даних для FFF і структуру для оптимізації дизайну компонентів FFF.
Дослідники оцінили температуру сопла за допомогою пропозицій машинного навчання.Технологія ML також використовується для розрахунку температури друкарського шару та швидкості друку;для всіх зразків встановлюється однаковий розмір.
Результати показують, що текучість матеріалу безпосередньо впливає на якість 3D-друку.Тільки належна температура сопла може забезпечити необхідну текучість матеріалу.
У цій роботі PLA, HDPE та перероблені нитяні матеріали змішуються з наночастинками TiO2 і використовуються для виготовлення недорогих 3D-друкованих об’єктів за допомогою комерційних 3D-принтерів і екструдерів для виробництва розплавленої нитки.
Характерні нитки є новими та використовують графен для створення водонепроникного покриття, яке може зменшити будь-які зміни в основних механічних властивостях готового продукту.Зовнішня сторона 3D-друкованого компонента також може бути оброблена.
Основною метою цієї роботи є пошук способу досягнення більш надійної та якіснішої механічної та фізичної якості 3D-друкованих виробів порівняно з традиційними 3D-друкованими предметами, які зазвичай виготовляються.Результати та застосування цього дослідження можуть прокласти шлях для розробки численних галузевих програм.
Продовжуйте читати: які наночастинки найкраще підходять для адитивного виробництва та 3D-друку?
Hossain, MI, Chowdhury, MA, Zahid, MS, Sakib-Uz-Zaman, C., Rahaman, ML, & Kowser, MA (2022) Розробка та аналіз пластикових виробів із наночастинками, виготовлених 3D-принтерами за допомогою машинного навчання.Випробування полімерів, 106. Доступно за такою URL-адресою: https://www.sciencedirect.com/science/article/pii/S014294182100372X?через%3Dihub
Відмова від відповідальності: думки, висловлені тут, висловлені автором особисто, і не обов’язково відображають погляди власника та оператора цього веб-сайту, AZoM.com Limited T/A AZoNetwork.Ця відмова від відповідальності є частиною умов користування цим веб-сайтом.
Гарячий піт, Шахір.(5 грудня 2021).Машинне навчання оптимізує 3D-друковані продукти, які переробляють пластик.AZoNano.Отримано з https://www.azonano.com/news.aspx?newsID=38306 6 грудня 2021 р.
Гарячий піт, Шахір.«Машинне навчання оптимізує 3D-друковані продукти з переробленого пластику».AZoNano.6 грудня 2021 р..
Гарячий піт, Шахір.«Машинне навчання оптимізує 3D-друковані продукти з переробленого пластику».AZoNano.https://www.azonano.com/news.aspx?newsID=38306.(Дата перегляду 6 грудня 2021 р.).
Гарячий піт, Шахір.2021. Машинне навчання оптимізує 3D-друковані продукти з переробленого пластику.AZoNano, переглянуто 6 грудня 2021 року, https://www.azonano.com/news.aspx?newsID=38306.
AZoNano поспілкувався з доктором Цзіньян Яном про його участь у дослідженні переваг наночастинок, схожих на квіти, на ефективність епоксидних смол.
Ми обговорили з доктором Джоном Мяо, що це дослідження змінило наше розуміння аморфних матеріалів і їх значення для фізичного світу навколо нас.
Ми обговорили NANO-LLPO з доктором Домініком Рейманом, ранову пов’язку на основі наноматеріалів, яка сприяє загоєнню та запобігає інфекції.
Система вимірювання поверхні зі стилусом P-17 забезпечує відмінну повторюваність вимірювань для узгодженого вимірювання 2D і 3D топографії.
Серія Profilm3D пропонує доступні оптичні профілювачі поверхні, які можуть створювати високоякісні профілі поверхні та справжні кольорові зображення з необмеженою глибиною різкості.
EBPG Plus від Raith — це найкращий продукт електронно-променевої літографії з високою роздільною здатністю.EBPG Plus — швидкий, надійний і високопродуктивний, ідеальний для всіх ваших літографічних потреб.
Час публікації: 07 грудня 2021 р