著者: Hou Liang、Guo Jing、Chen Yun、Ye Chao、Xu Yang、Zou Jiahao (厦門大学機械電気工学部)
出典: 中国機械工学
概要: 指向性エネルギー堆積 (DED) における複雑な曲面部品の不均一な許容差と明らかな段差効果の問題を解決するために、DED における複雑な曲面の成形特性を考慮した中間面動的レジストレーション技術を提案し、後処理の減算加工許容差を最適化しました。まず、走査経路に従って曲面部品の最小外包の断面線を構築し、これを使用して機械上のブランクの点群を検出します。次に、理論モデルの中間面と測定されたブランクの中間面の点群を抽出し、異なる領域の登録精度要件を導入します。動的加重反復最近傍アルゴリズムを使用して加工代最適化を実現し、アルゴリズムの実現可能性を2つの簡単なケースで予備的に検証します。最後に、遠心インペラブレードを複雑なケースとして取り上げ、提案された代最適化方法の精度を分析し、遺伝的アルゴリズムに基づく複数の登録精度要件を持つ加工代最適化技術と比較します。結果は、提案されたマージン最適化アルゴリズムは高い登録精度と計算効率を備えており、DED によって製造される複雑な表面部品の迅速なマージン最適化に使用できることを示しています。
指向性エネルギー堆積法 (DED) では、レーザーを使用して金属粉末を溶かし、3 次元の物体を層ごとに積み重ねます。選択的レーザー溶融（SLM）積層造形技術と比較すると、DED シングルパス積層造形幅と単層リフト高さはミリメートルレベルに達し、成形効率が高くなります。 DED は多軸リンクと組み合わせることで、サポートなしで複雑な張り出し部品を高い成形自由度で製造できますが、堆積効率が高いため部品の表面が粗くなり、段差効果が顕著になります。堆積部分が複雑なオーバーハング部分である場合、ステップ効果はより顕著になります[1]。さらに、急速凝固や熱ラチェット効果などの成形メカニズムの影響を受けて、部品は深刻な熱変形を起こしやすくなります[2-3]。そのため、DED積層造形部品は、製造精度を確保するために一般に減算加工プロセスを必要とする[4]。
変形、段差効果、その他の製造欠陥により、複雑な張り出し部品の許容値は理論上の加工許容値から外れることが多く、その結果、片側減算加工許容値が不十分になり、部品全体が廃棄される可能性があります。上記のような状況を回避するために、設計モデルを拡大して、削減後の加工代を増やすことがよくありますが、同時に加工効率も低下し、工具の摩耗も増加します。この問題を解決するには、DED製造ブランクの輪郭を正確に取得し、許容値最適化技術を使用して加工効率を向上させ、ツールとワークピースの損失を減らす必要があります。ブランク成形精度を得るための方法には、シミュレーション予測と精密測定技術が含まれます。シミュレーション予測では、正確な熱シミュレーションモデルを構築することで変形を予測することが多い[5]が、既存の付加シミュレーション技術では、多軸リンクによって製造される複雑な大型部品を効率的に扱うことが依然として困難である[6]。一方、加法複合装置に統合されたオンマシン測定技術は、複雑な部品の成形精度を効果的に評価し、オフライン検出による繰り返しの位置決めエラーを回避することができます。同時に、機上検出によって得られたブランク輪郭点情報に基づいて、点群登録技術を使用して、成形機構、製造欠陥、付加的なプロセス計画などによって引き起こされる不十分または過剰な局所マージンのなどの問題を最適化することができます。[7]
層ごとに積み重ねる成形原理により、複雑な曲面を持つ部品に明らかな段差効果が生じます。 DED ニアネットシェーピングでは、後処理許容量に対するステップ効果の影響を無視することはできません。この目的のために、AHNら[8]は、溶融堆積モデリング（FDM）プロセスにおけるワイヤ断面形状、オーバーラップ率、層厚などのプロセスパラメータが表面形態に及ぼす影響を考慮したモデルを提案し、段差効果による表面粗さを予測することができる。 KAJIら[9]は、表面傾斜と単層の厚さを用いた表面形態の経験的モデルを構築した。その結果、単層が厚くなるほど、段差効果が顕著になることが示された。したがって、単層の厚さを減らすと表面品質は向上しますが、成形効率は犠牲になります。上記の経験的形態モデルは、複雑な自由形状表面形態の特性評価に拡張することが依然として困難であることを指摘しておく必要があります。一方、段差効果によって生じる表面の粗さは、走査経路に直接関係しています。走査経路を使用して機上測定経路を構築することで、段差効果の谷を正確に特定できます。ステップ効果の谷は在庫管理の重要なポイントであり、DED ブランクの最小輪郭を決定するため、ステップ効果の谷に基づく測定パスはブランクの最小輪郭点群を正確に取得でき、マージン最適化プロセス中の測定歪みによって生じるマージン不足や不均一などの問題を回避できます。
点群登録に基づく加工代最適化では、合理的な加工代最適化ターゲットを設定することで、ブランクと理論モデル間の最適な変換マトリックスを探します。 3次元点群登録技術は、残差最適化研究で広く使用されています。 SHENら[10]は、ネガティブストック問題を改善するための最適位置フィッティングアルゴリズムを提案したが、これは積層造形による粗い表面の製造には適していない。 LIら[11]は、複雑なモデルの平面特徴を利用して精密鋳造品の位置合わせを行った。計算効率は高かったが、加工代は均一化されておらず、平面特徴を持つワークピースにしか適用できなかった。 SUNら[12]は、乗数法と準ニュートン法を組み合わせて、位置決めにおける複雑な制約問題を簡素化したが、この方法は片側マージン最適化に適している。 Zhang Yingら[13]とYingら[14]は、加工代最適化のための統一された数学モデルを提案し、典型的な位置決め代最適化問題を分類し、それぞれ制約関数を構築し、最適化モデルを解くためのブロック対称法を提案した。 Zhang Mingdeら[15]は、表面マッチング技術を使用して各工具接触点の実際の許容差を取得し、工具パスを最適化して適応型減算加工を実現し、許容差の最適化を実現しました。 GAOら[16]は精密鋳造品を研究対象とし、マージン最適化問題を解決するための一般的なアルゴリズムである遺伝的アルゴリズムに基づく多目的マージン最適化法を提案した。要約すると、複雑な自由曲面部品を製造する DED のプロセス特性とそれに対応する許容値最適化技術に関する研究はほとんどありません。
本論文では、積層造形の特徴を考慮したオンマシン検出法を提案します。この方法では、まず段差効果の谷に沿って測定パスを構築し、DED ブランクの最小輪郭を決定します。次に、異なる領域のマージン要件に応じて、点群を加工領域と位置決め領域に分割し、中間面の動的登録方法を導入して、異なる領域の加工マージンの最適化におけるゲーム問題のバランスをとります。最後に、提案された測定方法の有効性を例の分析を通じて検証します。
1 理論的アプローチ
1.1 付加的な特徴を考慮した機上検査
DED が複雑な張り出し面を持つ部品を製造する場合、段差効果は明らかです。堆積効率を向上させるには、粉末供給速度、揚高などの値をそれに応じて増加させる必要があり、その結果、図 1 に示すように、表面の山と谷が交互に現れる、より明らかな段差効果が部品に生じます。谷が堆積部品の最小プロファイルを決定することがわかります。測定パスが段差効果の方向と平行でない場合、最大輪郭が局所領域で検出され、許容差最適化時に加工許容差が不十分になったり、局所領域で許容差が不均一になったりするなどの問題が発生します。この目的のために、段差効果を考慮した機上検査計画法が提案されている（図2）。つまり、段差効果の谷に沿って最小輪郭を構築し、検査経路を計画する。
図 1 ステップ効果の原理図 2 機上検出戦略測定セクションラインと測定ポイントは、測定精度に影響を与える重要な要素です。従来の断面線構築法には等高さ法、等半径法、等パラメータ法などがあるが[17]、DEDブランクの最小輪郭が確実に配置されるようにすることは困難である。本論文では、積層造形の特徴を考慮したDED複雑表面部品のオンマシン検査法を提案する。測定プロセスを図3に示します。最初のステップは、PowerMill で積層造形パスを計画し、動作シミュレーションを使用して衝突のない積層造形パスを生成することです。形成された複雑な表面堆積部品には、明らかなステップ効果があります。 2番目のステップでは、最も外側の付加パスを初期断面線として抽出します。初期断面線は、DEDの持ち上げ高さに応じてオフセットされ、段差効果の谷を見つけ、最小輪郭に基づいて測定断面線を取得します。複雑な曲面部品の測定歪みを防ぐために、弦高差法を使用して、断面線上の測定点を適応的に計画します[17]。PowerInspect環境では、測定点に対応する検査グループを計画し、測定パラメータを設定し、後処理によって衝突のない機内検査コードを生成して測定を完了します。
図3 ステップ効果を考慮した機上検査計画プロセス
1.2 中間面の動的レジストレーションに基づく残渣最適化法
DED 成形部品の公差の最適化では、公差の均一性、基準位置決め原理、およびエンベロープ原理を同時に考慮する必要があります。測定された点群 P = {pn}、n = 1、2、…、N、理論モデルの点群 Q = {qn} であると仮定します。ここで、pn と qn は、図 4 に示すように、対応する点群セット内の点です。残差均一性には、点群 P から Q への変換行列 R と T が、一致する点のペア (pn、qn) 間の距離の分散を最小化することが必要です。
図4 点群登録の模式図（1）式中の‖·‖はユークリッド距離演算子、meanは平均関数を表す。
積層造形と切削造形による複合製造では、積層造形と切削加工で位置決め基準が共通化されるため、切削加工する他の部位と異なり、位置決め基準の位置合わせ精度が厳しく求められます。位置参照は、N′ 組の登録ポイントを持つように設定されます。マージン最適化プロセス中、N′ 組のマッチングポイントの距離の合計は十分に小さくなければなりません。
（２）式において、δ１は位置決め基準によって許容される最大平均距離である。
エンベロープ原理では、加工代を確保するために、削減する領域内の測定ポイントがすべて理論モデルの輪郭の外側に配置される必要があります。
pnqn·n>δ2(3)
ここで、nは点qnにおける理論モデルの単位外部法線ベクトルであり、δ2は0より大きくなければなりません。
両面減算加工が必要なブレード部品の場合、測定点をフィッティングした中面と理論モデルの中面を使用して許容差を最適化することで、許容差最適化プロセスにおける登録点の数を減らし、計算効率を向上させます。図5では、幅=176、高さ=17、dpi=110の表面点群が、それぞれ測定点群Pと理論モデルから抽出されています。このプロセスは、MATLAB 2019環境で実装されています。中間面登録には、I 組の位置決め領域と J 組の処理対象の残りの領域を含む M 組の登録ポイントがあると仮定します。マージンと外側エンベロープの均一性の原則を満たすために、各中間面のペアポイント間の距離は特定のしきい値 δ3 を超えることはできません。
図5 中間表面登録原理 ‖smfm‖<δ3(4)
ここで、δ 3 は、指向性エネルギー堆積部品の理論的な製造マージンに基づいて決定される。中立面登録の場合、位置決め制約条件式（２）は、幅＝１４６、高さ＝４０、ｄｐｉ＝１１０と表現される。グローバル点群を中立面点群に置き換えると、登録する点群の数が減るだけでなく、制約条件式（１）と（３）が式（４）に統合され、計算効率が高く、実装が簡単という利点があることがわかる。
中間面登録は、測定されたポイントから理論モデルまでの残差最適化問題を、さまざまな領域での登録精度のゲーム問題に簡素化します。位置決め領域は式（２）で定義される精度要件を満たす必要があり、加工対象領域は式（４）で定義される精度要件を満たす必要がある。この目的のために、点群マッチング反復における異なる登録精度間のゲームのバランスを適応的に取るために動的な重み係数が導入されている[18-19]。異なる位置合わせ精度要件に適用可能な中間面マージンの最適化目標は、
（５）式において、φiは位置決め領域における点iの重み係数であり、φjは加工領域における点jの重み係数である。
対象領域内の点が式（２）および式（４）で指定された閾値δ1またはδ3を超えると、重み係数がそれに応じて増加し、それによって目的関数における点の割合が変化する。重み係数の動的調整基準は次のとおりです。
（６）（７）式において、ｄｉとｄｊは、それぞれ処理領域内の位置決め点と登録点間の距離である。
式(2)、(4)、(5)～(7)で定義される中間平面の動的位置合わせ問題は、反復最近点(ICP)アルゴリズム[20]を使用して解くことができる。具体的な位置合わせプロセスは以下のとおりである。
（１）最も近い近傍点を見つけ、重み係数を更新する。 ICPアルゴリズムのk-1回目の反復の回転行列と変換行列がそれぞれRk-1とTk-1であると仮定します。 KD-Tree（K次元ツリー）アルゴリズム[21]は、k-1回目の反復で表面測定点Fk-1{Rk-1fm+width=61,height=17,dpi=110上の各点についてS内の最も近い隣接点を検索するために使用され、異なる領域内の最も近い隣接点の距離di,k-1とdj,k-1が計算されます。式（６）と（７）によれば、異なる領域内の各点の重み係数φi,k-1とφj,k-1が更新される。
（２）k回目の反復の変換行列RkとTkを計算する。ステップ（１）の重み係数φi,k-1、φj,k-1、Fk-1を使用して式（５）を更新し、SVD（特異値分解）法[22]を使用して解き、RkとTkを取得し、必要な行列に従って点群Fkを更新します。
（３）k番目の変換された登録点ペアの距離di,kとdj,kを計算する。距離制約di,k<δ1,dj,k<δ3が満たされているかどうかを判断します。満足すれば、ペアリングポイント距離の平均誤差を幅=255、高さ=41、dpi=110で計算する。|ek+1-ek|が閾値ε未満になったら反復を停止し、そうでない場合は手順(1)から(3)を繰り返す。
1.3 予備検証<br /> 加工代を最適に割り当てるための提案された中間表面動的登録方法の実現可能性を検証するために、このセクションでは、長方形ブレード モデルと曲線ブレード モデルという 2 つの単純なケース セットを紹介します。結論が重複しないように、このケース グループでは、ステップ効果トラフによって抽出されたオンマシン検出結果のみについて説明します。具体的なプロセスについては、セクション 1.1 で説明します。測定の歪みを避けるために、弦高差法を使用して表面測定ポイントを分散します。図6は、それぞれ2つのケースの理論モデルとDEDブランクを示しています。
(a) 平面の場合のモデルと実験 (b) 表面の場合のモデルと実験 図 6 ケースモデルと実験 中立面の動的レジストレーション法の実装手順は次のとおりです。① 測定された点群と理論モデルからそれぞれ対応する中立面の点群 F と S を抽出します。 ② MATLAB©2019 環境で中立面の動的レジストレーション法を実装して、最適な変換行列 R と T を取得します。 ③ 必要な R と T および統計残差に基づいて結果を分析および最適化します。
図7と図8は登録前と登録後の2つのケースの相対的な位置関係を示しています。図 7a は、DED によって製造された長方形モデルの余剰が不均一であり、図 7b に示すように、登録後にモデルがブランクの中央に位置していることを示しています。図 8 は、単一の湾曲ブレード モデルの場合、さまざまな測定ポイント計画スキームと、登録前後の結果を示しています。図 8a と図 6b から、DED 製ブレードの先端での崩壊現象により、この場所で局所的な負のマージンが生じることがわかります。登録後、負のマージンが消え、図 8b に示すように、マージンが均等に分散されます。中面動的アルゴリズムは、積層造形システムのエラーやメカニズムによって生じる局所マージン不足の問題を最適化し、部品の廃棄率を減らし、その後の減算処理の効率を向上できることがわかります。
(a) 谷間測定点登録前 (b) 谷間測定点登録後 図 7 平面モデルでの表面登録結果 (a) 谷間測定点登録前 (b) 谷間測定点登録後 図 8 サーフェスモデルでの表面登録結果 加工代最適化結果をより直感的に表現するために、単一点の加工代を表す登録点距離 di を定義します。登録前後の加工代の平均値は dave、最大値は dmax、最小値は dmin、分散は S2 であり、これを使用して加工代情報を定量的に反映します。 dave は全体の加工代の大きさを反映します。dmax は最初の荒加工代を決定し、減算加工の効率に直接影響します。dmin は最小加工代を表し、この領域は加工代が不足してスクラップが発生する傾向があります。分散 S2 は加工代の均一性を反映します。表1のレジストレーションマージン統計によると、レジストレーション前後の2つのケースグループの分散値が大幅に減少し、最大マージンの減少、最小マージンの増加、マージンが大幅に改善され、提案された中面動的レジストレーションアルゴリズムを加工代最適配分に適用できることを示しています。
表1 表面登録前後の許容誤差の統計結果 ワーク姿勢を変換した後、減算加工実験を実施し、加工誤差を評価しました。結果は、誤差が±0.025 mm未満であり、精度要件を満たしていることを示しました。要約すると、提案された登録アルゴリズムの有効性は、直方体モデルと湾曲した葉モデルを通じて予備的に実証できます。
2 事例分析
2.1 実験セットアップ 本論文の実験は、厦門大学が独自に開発した5軸リンク積層複合加工製造センターLV6500[23]をベースに行われた。この装置はレーザー方向性堆積と減算後処理を実現でき、図9に示すように、レニショーRMP600超小型高精度トリガープローブを搭載している。プローブボールの直径は2mm、ロッドの長さは50mmです。プローブは測定点法の方向に沿って検出し、測定パラメータは表2に示されています。加工プロセスでは、工具半径 3 mm、刃長 12 mm、シャンク径 3 mm、全長 50 mm の RUNCHIT ボールエンド タングステン鋼フライスカッター、モデル DB0602 を使用します。
図9 複合加工と製造センターの加減算 表2 機上検出パラメータ設定2.2 複雑な表面の場合<br /> このセクションでは、DED 社が製造した遠心インペラブレードを研究事例として取り上げ、中間面動的レジストレーション方式がブレードブランクマージンの最適化に与える影響、段差効果を考慮した機上検査計画の影響について詳細に説明し、異なるレジストレーション方式の長所と短所を分析・比較します。
図10aは、あるタイプのターボジェットエンジンの遠心インペラブレードモデルを示しています。材質は316Lステンレス鋼、インペラの上部と下部の外径はd=23.5mm、D=125mm、高さH=56.8mm、理論上のブレード厚さh=0.3〜1.2mm、ブレードオーバーハング長さL=10〜32mmです。ブレードの正常な成形と一定量の材料削減処理余裕を確保するために、図 10b に示すように、実際の積層造形ブレードは適切に厚くされています。トラフ構築に基づく断面線法の有効性を検証するために、山頂における断面線を抽出する比較実験を実施した。弦高差法を使用して、谷と山の断面線の両方に測定点を分散させました。弦高値は 0.2 mm で、それぞれ 220 と 230 のテスト ポイントが含まれていました。
(a) 理論的な実験モデル (b) 実際の積層造形モデル 図10 実験モデル
2.3 マージン最適化の結果<br /> 中間面の葉の点群 F と S を動的に登録し、変換行列 Rexp と Texp を計算します。
（８）式（８）を元の外形測定点に適用すると、図１１に示すように、登録後のブレード理論モデルと測定点の相対姿勢が得られる。 DED 成形機構における熱変形と非ネットシェイプ走査経路計画により、図 11a の理論ブレード モデルの点群は測定されたブランクの点群側に偏っており、過剰分布は極めて不均一です。図11bは、登録後にモデル点群が空白点群の中央に配置されていることを示しています。
(a) 登録前のポーズ (b) 登録後のポーズ 図11に表面登録結果をプロットします。 加工代最適化結果をより直感的に表現するために、許容値分布クラウド図(図12)を使用します。さらに、対点距離の平均dave、極値dmax、dmin、分散S2を統計的に利用して、マージン情報を定量的に反映します。登録前後の残差統計を図13と表3に示します。位置合わせ前後の許容値の分散は4.72から1.09に大幅に減少し、許容値の均一性が大幅に向上しました。これは、提案された方法が許容値の最適化に大きな影響を与えていることを示しています。許容値の最大値は2.12mm減少し、最小値は0.52mm増加しました。これは、荒加工パスの数が大幅に減少し、減算処理の効率が向上することを示しています。姿勢変換の前後で加法モデルと理論モデルの体積は変化しないため、daveに明らかな変化はありません。さらに、材料削減の実験結果が観察されています。提案されたアルゴリズムによる最適化の後、不均一なマージン分布によって引き起こされる材料削減マージン不足の現象が回避され、材料削減処理誤差は±0.03 mm以内に制御され、図14に示すように使用精度要件を満たしています。要約すると、中間面の動的登録方法は、加工代を大幅に最適化できます。
(a) ミッドプレーン登録前 (b) ミッドプレーン登録後図 12 余剰クラウドマップ (a) ミッドプレーン登録前 (b) ミッドプレーン登録後図 13 余剰ヒストグラム図 14 実験結果 チャート 3 ミッドプレーン登録前後の余剰統計 減算後処理の処理時間は、登録効果が処理効率に与える影響を直接反映しています。実際の加工工程におけるクランプ、位置決め、工具交換などの補助加工時間が実際の有効加工時間の統計に影響を与えることを考慮して、本稿では、PowerMill シミュレーション ソフトウェアを使用して、ケース許容値の最適化前後の有効加工時間 (送り、リトラクト、フライス加工時間を含む) を比較します。 PowerMill ブレード加工戦略は、ストック許容値 2 mm までの荒加工による減算加工に使用され、荒加工時間を使用して最適化前後の加工効率を特徴付けました。減算加工パラメータ設定を表4に示します。登録後のモデル荒加工は登録前よりもパス数が2回少なくなり、時間が64分10秒短縮されました。減算加工の効率が大幅に向上していることがわかります。
表4 PowerMill荒加工シミュレーションパラメータ設定
2.4 検証分析
2.4.1 異なる検出方式が許容差の最適化に与える影響 セクション 2.2 と同じ手順を使用して、ステップ効果のピークで測定された点群を登録オブジェクトとして使用して加工許容差を最適化し、変換行列比較グループ Rcon、Tcon を取得します。
（９）図１５は対応するマージン最適化結果を示し、図１６は登録後のマージン分布クラウドマップである。マージン分布が比較的均一であることがわかる。図17は、登録後の比較グループの残差ヒストグラム情報を示しています。図13bの実験グループの登録結果と比較すると、2つのグループのデータは同様の傾向で正規曲線に分布していますが、比較グループの期待値μは大きく、大きな残差領域が多いことを示しています。
図 15: 比較グループにおけるマージンの最適化結果図 16: 比較グループにおけるマージンのクラウド図図 17: 比較グループにおけるマージンのヒストグラム図 5 は、トラフ実験グループと比較して、ピーク比較グループの平均マージン dave が 0.3 mm 増加し、dmax が 0.89 mm 増加していることを示しています。明らかに、谷測定点によって構成される外側輪郭体積は、ピーク測定点の外側輪郭体積よりも小さくなります。波のピークで最大の外側輪郭登録を使用すると、登録後にローカル領域の実際の加工代がゼロまたは負になり、ブランクが廃棄される可能性があります。また、比較群のS2値は実験群よりも大きく、比較群の測定点における残差の均一性が悪いことを示しています。実際の成形効果観察によると、波の頂上には製造凸欠陥（粉末の局所的付着、球状化など）が集中していることがわかります。この種の欠陥は、真の輪郭構築の精度に重大な影響を及ぼし、マージン最適化の結果にも影響を及ぼします。図18はDEDブランクの上記の欠陥を示しています。頂点の測定点によって構築されるブランクの外側輪郭は大きいため、理論上の荒加工にはもう 1 回のパスが必要となり、時間は 31 分 28 秒増加します。実際には、最も外側のフライス加工は頂点と凸状の欠陥にのみ接触し、空のツール パスが多数あります。したがって、谷間に構築された断面線は、最小の外形輪郭を正確に反映できるだけでなく、製造上の欠陥によって生じる非実際の輪郭測定点の数を減らすことができ、減算許容値の最適化に適しています。
表5 異なる機上検出方式の許容値の統計結果 図18 レーザー方向性堆積製造精度 2.4.2 異なるアライメント方法による許容値の最適化への影響 本論文で提案した許容値最適化アルゴリズムの精度をさらに検証するために、このセクションでは、GAOら[16]が提案した遺伝的アルゴリズム(GA)に基づく加工許容値最適化方法を比較します。この方法は、位置決め、均一性、外被の原理を総合的に考慮し、目的関数は次のように統一されます。
最小fGA = alg(efix(R, T) + bexp(S2(R, T) +
cexp(1-P(D(R，T)
（10）
上記の式の等記号の右側にある3つの項目は、それぞれ位置、均一性、および外側のエンベロープの原理に対応し、A、B、およびCは決定された重量係数です。このペーパーでは、重量係数a = 0.2、b = 0.4、c = 0.9を再定義し、マージン最適化の結果を図19および20に示します。
図19は、GAマージン最適化方法のマージン最適化結果です。地表中部の動的登録法と比較して、GAの最適化後の残差の正規分布傾向は明らかではなく、効果は提案された方法ほど良くありません。表6は、この方法で得られたマージンの平均値が3.62 mm、最大値は6.02 mm、最小値は0.84 mm、分散値は1.69であることを示しています。このペーパーで提案されている方法と比較して、平均手当は0.06 mmのみ異なりますが、最大許容値は0.19 mm増加し、最小手当は0.3 mm減少し、登録後の大まかな処理効率も明らかに提案された方法よりも長くなります。さらに、遺伝的アルゴリズムは、染色体のクロスオーバーと突然変異の最適化ソリューションをシミュレートし、地面の動的登録方法が長くなり、ランダムソリューションを使用しないため、一般的に秒単位で計算を完了することができます。要約すると、提案された方法の包括的なパフォーマンスは、GAマージン最適化法のパフォーマンスよりも優れています。
図21 GA登録方法残差統計ヒストグラムチャート6 GA残差最適化方法登録結果
3 結論
（1）提案されているマシンで検出された断面ライン構造法は、湾曲した表面部品のDED製造によって引き起こされるステップ効果を考慮し、ステップ効果のトラフ位置を使用して、刃の最小外側輪郭を正確に構築し、製造によって引き起こされる非現実の外側輪郭の測定を回避します。マージン最適化の結果は、提案されている断面線構築方法がより大きな最小マージンDMINとより小さなマージン分散S2を提供することを示しており、これにより、DED近系縁の最適化問題における局所マージンが不十分な現象を回避できます。
（2）ポジショニングエリアと処理される領域との間の異なる登録精度要件を考慮して、異なる目的関数のゲームの問題のバランスをとるために動的な重量係数が導入されます。既存の遺伝的アルゴリズムマージン最適化テクノロジーと比較して、提案された方法はマージン最適化効率を大幅に改善します。
（3）本書で提案されている手当の最適化方法は、DEDブランクの相対位置と理論モデルの相対的な位置を迅速に最適化し、吸引後の処理手当を均質化し、部品の複合処理の効率を改善し、部品のスクラップ速度を下げることができます。減算的な材料計画に関するその後の研究では、より複雑な部分の効率改善効果を残留量とさらに検証し、議論します。
参考文献:
[1] Liu S、Shin Y C. Ti6Al4V合金の添加剤：レビュー[J]、2019、164：1-23。
[2] Gu Dongdong、Zhang Hongmei、Chen Hongyu、et al。
Gu Dongdong、Zhang Hongmei、Chen Hongyu、et al。
[3] Debroy T、Wei HL、Zuback JS、et al。
[4] Karunakaran KP、Suryakumar S、Pushpa V、et al。
[5] Mayer T、Brnder G、Schnenberger A、et al。
[6] Bikas H、Stavropoulos P、Chryssolouris G.添加剤のモデリングアプローチ：批判的レビュー[J]、2016、83（1/4）：389-405。
[7] Cao Zhuoming、Sun Hongmei、Shi Haijun。
Cao Zhuming、Sun Hongmei、Shi Haijun。
[8] Ahn D、Kweon JH、Kwon S、et al。
[9] Kaji F、Barari A. Cusp Geometryのモデリングに基づく添加剤の粗さの評価[J]。
[10] Shen B、Huang GQ、Mak KL、et al。
[11] Li X、Li W、Jiang H、et al。
[12] Sun YW、Xu JT、Guo DM、et al。
[13] Zhang Ying、Liu Min、Zhang Dinghua、et al。
Zhang Ying、Liu Min、Zhang Dinghua、et al。
[14] Ying Z、Zhang D、Wu B.統合構造を備えた複雑な部品の手当を加工するためのアプローチ[J]、2015、2（4）：248-252。
[15] Zhang Mingde、Ma Shuai、Xie Le、et al。
Zhang Mingde、Ma Shuai、Xie Le、et al。
[16] Gao YZ、Du ZJ、Li、et al。
[17] Yue Jing。
Yue Jing。
[18] Tan Gaoshan、Zhang Tao、Zhang Liyan、et al。
Tan Gaoshan、Zhang Tao、Zhang Liyan、et al。
[19] Wanghen、Mo Rong、Wan Nengは、耐性制約条件下での登録方法[J]、49（10）：264-266。
Wang Zhenwei、Mo Rong、Wan Neng。
[20] Besl PJ、McKay N D. 3-D形状の登録方法[J]、1992、14（2）：239-256。
[21] Liu Yu、Xiong Youlun。
Liu Yu、Xiong Youlun。
[22] Arun KS、Huang TS、Blostein S D. 2つの3Dポイントセットの最小二乗フィッティング[J]、1987、9（5）：689-700。
[23] Kong Liuwei、Wang Zhenzhong、Ye Chao、et al。
Kong Liuwei、Ye Chao、et al。
DEDの特性を考慮した、減算後の手当の最適化
hou liang guo jing chen yun ye chao xu yang zou jiahao
Xiamen University、Xiamen、Fujian、361005機械電気工学部
DEDによって製造された複雑な自由形式の部品は、不均一な階段の分布の問題と、沈下後のマシンの手当を最適化するために、堆積および理論的な部分の中間地点を使用した動的なポイント登録法を備えていました。デポジットスキャンパスに従って、第二にマシンの測定値を取得するために使用されました遠心インペラーは、推定最適化の複雑なケースとして選択されました。製造された複雑な湾曲した部品の機械加工手当を迅速に最適化するために正確かつ効率的です。
キーワード：指示されたエネルギーの最適化
著者について：1974年に生まれたhou liang、男性、博士課程の監督者。研究の方向性は、質量パーソナライズされたカスタマイズと添加剤および減算的な複合製造です。 197の論文を公開。電子メール：[email protected]。チェン・ユン（対応する著者）、女性、1987年生まれ、助教授。研究の方向には、添加剤および減算的な複合製造、処理が困難な材料の切断メカニズム、および精密試験が含まれます。公開された21の論文。電子メール：[email protected]。
|
指示されたエネルギー堆積プロセス |
<<: INTAMSYS Yuanzhu Intelligentは、国際積層造形および3Dプリンティング展示会に3つのスター製品を出展しました。
>>: Amnovis は 3D Systems のデュアルレーザー金属 3D プリンターを使用して、医療および産業用途のチタン部品を製造しています。
推薦する
3D プリンターを使ってさまざまな小さなサプライズをカスタマイズするのが好きな男の子がいたら、彼を...
出典: 材料と試験摩擦電気ナノジェネレータ (TENG) は、機械エネルギーを電気エネルギーに変換す...
2024年12月19日、2024年付加製造産業発展フォーラムと付加製造産業年次会議が広州で開幕しま...
3D プリントがデザインの世界に旋風を巻き起こして以来、多くの専門企業がこの高度な技術を使用して美...
この投稿はLittle Soft Bearによって2021-11-9 15:56に最後に編集されまし...
世界が気候変動に積極的に対応し、持続可能な開発に向かう中、3Dプリントと鋳造の統合は、わが国の鋳造産...
ポリアミド膜は他の淡水化膜と比較して優れた選択透過性を示しますが、膜特性や膜製造プロセスの一部には制...
3Dスキャンの専門企業であるArtecは、長年にわたり世界中でよく知られた企業です。この国際企業は...
出典: 防衛製造5月15日、米国国立付加製造技術革新庁のウェブサイトによると、米国防総省と国防長官室...
3D 印刷方法として、SLA は多様な材料と低価格のため、一般に受け入れられ、多くの分野で広く使用...
NASA が今朝、火星の内部と地下の構成を調査するためのインサイト着陸ミッションを開始する中、3D...
クリエイティブな 3D プリント アーティスト、Ioan Florea を覚えていますか?彼はルーマ...
2024年3月1日、Antarctic Bearは、Chuangxiang 3Dが同社初のCore...
出典: Shaanxi.com 2022年3月23日、南極熊は、西安人民病院医学美容形成外科病院（西...
この投稿は、Little Soft Bear によって 2022-1-27 10:10 に最後に編集...
|
