联盟动态

携起手来 共同奋斗

News

Center

联盟动态

Alliance dynamics

大规模金属增材制造:对技术现状和挑战的整体回顾(3)

来源:admin

江苏激光联盟导读:

本研究回顾了大规模工业机器人增材制造的技术、材料和方法,讨论了各种材料增材制造的优缺点。本文为第三部分。

关键词: 增材制造大型气体金属弧焊激光直接能量沉积


4. 工艺设计

 

工艺规划是指在制造前将零件的三维模型转化为最优的制造策略。这种多方向大规模调幅策略的一个组成部分是避免支持结构,因为通常需要2.5自由度调幅。根据悬垂特征的几何复杂性,将三维模型分解为子体,通常由一个核心体和多个悬垂特征组成。然后将它们切成横截面层,然后为每一层生成优化的沉积工具路径。8显示了这样一个工艺规划序列的示例。这个例子展示了一个螺旋桨的分解,在核心体积(轴)和悬垂特征(螺旋桨叶片)之间可以发现明显的分离。然而,对于许多其他组件,这种分离就不那么明显或不存在(参见图9)

 

图片

图8 一个螺旋桨三维模型的工艺规划序列的例子,包括体积分解,切片和每个子体积的路径规划。

 

图片

图9 具有(a)具有容易分离悬臂的径向组件,(b)和(c)具有较不明显可分离悬臂的更复杂组件的复杂性变化的3D模型示例。

 

切片完成后,计算沉积刀具路径,用材料填充每一层所需的区域。使用一个数值模型,填充层到预定高度所需的焊缝几何形状(焊缝宽度和高度)与一组沉积系统参数相关,包括进料速率、沉积系统速度和停留时间。这些参数值的大小取决于所使用的材料和沉积技术。

 

有些策略是基于在不同拓扑实体中的分解,每个子卷具有特定的2.5D路径。这种技术允许制作复杂的几何形状,分为直或微弯曲的子体。特性:(i)组成部分的数量和(ii)组成部分的类型(例如机械的等)

 

为了充分利用大型机器人AM可能的优势,用于近净形状零件自动化工艺规划的系统和算法需要能够将复杂的体积分解成子体积。此外,该算法必须考虑到这些体积的多向和非平面切片,以及刀具路径和机器人关节轨迹规划,包括避免碰撞。本文将讨论为实现这一目标所做的实质性工作。首先,本文将回顾体积分解和切片技术的发展现状(第4.1节),然后介绍已建立的平面层的刀具路径生成方法,因为这些刀具路径生成策略中的许多构成了进一步研究非平面层刀具路径规划的基础。最后,在4.3节中回顾了机器人关节轨迹规划和碰撞避免的一些开源软件框架。应该注意的是,在审查的研究中使用的所有材料都总结在表6中,但不包括Co-Cr和W。

 

表6 在第4节讨论的各种工作中使用的材料

图片


4.1. 多方向沉积的体积分解和切片

 

首先认识到需要一个先进的工艺规划框架,能够分解和多向切片复杂的3D模型与悬臂的一些研究者是Sing和Dutta。他们提出的方法的目的是通过多向沉积提高表面精度和减少支架体积。分解顺序如下:

 

1. 选择一个构建方向;默认情况下沿着组件的Z方向,以避免沉积头与工作台的碰撞,

2. 识别和分解悬垂的特征(在文献中通常被称为“不可建造的结构”)

3. 确定每个子卷和的构建方向

4. 沿着计算的构建方向对每个子卷进行序列和切片。

 

该方法的核心是递归容积分解方案,这意味着也可以识别子容积内的悬垂特性。所提出的工艺规划框架在两个实例3D模型上显示了性能,但没有制造零件。Dwivedi等人提出了LDED的自动化工艺规划框架。该工艺规划框架基于一阶逻辑和一个由规则和事实属性组成的知识库,知识库由语义树结构表示。该研究的作者成功地验证了由5个螺旋叶片组成的径向部件的框架。

 

但也可以对独特的体量(图2(a)和图2(b))做同样的事情,每个分区都有不同的建筑方向和一组2.5D路径。(a)零件的CAD;(b)适应性建筑方向(蓝色向量)[3];(c)管道垂直于中性轴的三维路径示例。


阮等人提出了一种利用构件质心轴计算沉积方向的方法,从而产生多向沉积的无碰撞切片方向。基本任务定义为

 

1. 质心轴的计算与形成

2. 基于质心轴的无碰撞多轴切片。

 

构建方向(切片方向)的变化检测基于质心轴的偏移程度。切片算法可以产生厚度不均匀的层,因此要求沉积系统能够产生不同几何形状的珠。在一个多轴LDED加工平台上,对一个带悬臂铰链的三维模型进行了验证。Ren等人确定了之前基于质心轴的分解算法在某些轴对称悬挑结构的角情况下的局限性,这些角情况下质心轴没有发生位移。因此,一种结合了基于质心轴和基于边界的分解方法的算法被引入,其中凹边和循环标记了岩心体积和悬挑特征之间的界面(见图10)。

 

图10  (a)凹边和(b)凹环的示意图。

 

为了进一步改善岩心体量和悬挑特征之间的非平面界面,Singh和Dutta通过引入所谓的偏移片(实质上是非平面层),进一步扩展了他们之前在多向沉积方面的工作。图11说明了偏移切片的概念。如果基面是非平面的,这种情况经常发生在具有悬垂特征的径向部件上,悬垂特征的构建质量可以显著提高,当每一层都遵循与核心体相同的轮廓,然后是前一层。

 

图11 Singh 和 Dutta提出的偏移切片的概念。(a)为轮廓基面,(b)为相应的偏置切片。偏移切片遵循非平面基面轮廓,其中每个偏移切片与前一个基面等距。

 

为了简化包含孔洞的悬空部件特殊情况下的工艺规划和制造, Ding等人提出了一个框架,该框架在分解前将三维模型中的所有孔洞和凸起填充起来。分解后,每个子体块根据确定的建造方向被切成平面层。该框架未经过实验验证。此外,由于在分解前要进行填孔作业,因此在钻孔时需要进行额外的后处理。

 

图片

图12 一个与Ding等人为螺旋桨制造设计的工艺方案类似的示例流程图。

 

Ding等人介绍了一种工艺规划框架径向部件,如螺旋桨或叶轮,如图12所示。分解算法是基于轮廓边缘的,由Singh和Dutta以及Dwivedi等人首次提出。该算法类似于之前提出的基于边界的算法,它在核心体积上寻找凹边和循环。切片分为两个步骤。

通过制造如图8所示的螺旋桨模型,在8- dof机器人LDED平台(如图7d)上验证了工艺规划框架。

 

图片

图8 一个螺旋桨三维模型的工艺规划序列的例子,包括体积分解,切片和每个子体积的路径规划。

 

应该注意的是,到目前为止评审的所有工艺规划框架只能加工那些突出特征是尖锐的凹边或凹环的组件(见图10),这意味着它们与芯体是可区分的。然而,下面回顾的工作提出了工艺规划算法和框架,这些算法设计用于具有较难分解的非锐边的卷(见图9b和图9c)。

 

图9 具有(a)具有容易分离悬臂的径向组件,(b)和(c)具有较不明显可分离悬臂的更复杂组件的复杂性变化的3D模型示例。


图13 Wu等提出的体积分解算法(a)输入三维模型,(b)提取的骨架,(c)形状直径度量(每个点到骨架的距离),(d)初始分解结果和序列规划,(e)将(b)合并成a后,(f)为保证可制造性,经过精细分解后的最终结果。

 

Wu等人引入了一种先进的体分解算法,能够处理不由可区分的核心体和悬垂体组成的体(见图13a)。分解算法由3个主要步骤组成,如图13所示。

1,粗分解:基于平均曲率流算法(见图13b)生成骨架,然后计算体积边界与骨架之间的距离度量——形状直径函数(SDF)(见图13c),并使用基于的距离度量对网格进行划分。分区算法识别SDF中的显著差异,并在发生变化的地方创建一个边界平面。当考虑兔子模型时,SDF可以在兔子的脖子、耳朵和尾巴上发现显著的变化。

 

2. 序列规划:构建一个图,定义初步构建序列——节点是子卷——并确定每个子卷的打印方向(参见图13d)。初步构建的顺序是A→B→C→D→E。

 

3. 约束微调:分解被细化并重新配置,以满足制造约束(参见图13e和图13f)。例如,图13d中标记为B的兔宝宝尾巴不能用图7(c)所示的平台制造,因为无法访问。因此,需要将其与A合并。另外,由于兔子的腹部是一个悬垂的特征,需要将A*分解为H和K。

 

Wu等人的工作的一个限制是它依赖于平面层,这对更复杂的部件的可制造性施加了限制(见图9c)。Dai等人提出了一种基于降维的曲面层分解新方法。算法分为如下步骤,如图14所示:


图片

图14 量分解算法提出的傣族等。[284](a)输入的3 d模型,体元离散化后(b)和体素测序的配色方案代表了制造顺序层,(c)生成弯曲层基于(b),和(d)详细视图计算刀位轨迹。

1,将输入模型离散化为体素网格——离散化为小立方体——其中体素的尺寸由沉积系统的分辨率决定(图14b)这样做是为了减少以下步骤的计算负载,因为输入模型的体积分解被视为一个全局搜索问题。

 

2.对体素进行排序,获得代表制造流程的体素积累序列。通过迭代所有体素,满足制造约束的要求可以大大简化。图14b所示的颜色方案代表了按层排序的体素。

 

3. 计算每个弯曲层,同时避免体素混叠(见图14c)。

 

4. 使用Zhao等人介绍的基于费马螺旋的方法计算每一层的刀具路径(见图14d)。

 

这个算法也在一个机器人AM平台上进行了实验验证,如图7(c)所示。作者发现该算法的局限性包括薄特征沉积的可靠性、由于使用的硬件造成的制造误差以及刀具路径规划算法的填充模式中的空洞。

 

尽管Wu等人和Dai等人提出的框架和算法存在局限性,但他们的工作包含了对复杂模型工艺规划的重要贡献,这些复杂模型在金属AM中具有重要的应用潜力。

 

4.2. 工具路径规划

 

一旦构件被分解并切割成横截面层,就可以计算出在横截面边界内精确沉积材料的最佳路径。这个过程被称为刀具路径规划。一种优化的沉积路径规划策略可以使致密零件的残余应力最小,没有任何孔隙,更好地控制各向异性微观结构,减少和最小化热积累,几何精度和光滑的表面处理。

 

为了制定最优的沉积路径规划策略,需要考虑各种运动系统和沉积技术所特有的特征(沉积一致性、运动延迟、动力学、滞后)。值得注意的是,沉积系统运动中变化的延迟和不准确性(特别是对于较大的质量增加的系统)和材料沉积(进料、熔化),这些难以预测的可能会对沉积速率造成不必要的变化,因此显著地复杂化路径规划。


导线和电弧增材制造(WAAM)工艺示意图

 

层间停留时间、最小化启停、平滑方向变化以及最小化焊接路径交叉是一些常用的策略来缓解这些复杂性。为了开发一种优化的路径规划策略,Ding等人确定了WAAM的各种要求,如几何精度、最小化启停点、最小化由于每个刀具路径路径的尖角造成的快速方向变化,以及允许快速实现的简单性。

 

Ding等人使用上述评价标准,对各种路径规划方法对WAAM的适用性进行了评估。复习过的路径规划算法有:栅格,曲折,轮廓,螺旋,分形空间填充曲线,连续和混合(轮廓和曲折的结合)。然而,光栅(见图15a),之字形(见15b),轮廓(见15c),分形(见15e)和螺旋(见15f)应该完全避免金属AM,因为Ding等人列出了许多问题。

 

图片

图15 不同的路径规划方法:(a)栅格、(b) zigzag、(c) Contour、(d) zigzag - Contour、(e) Fractal curves、(f) Spiral、(g) Continuous、(h) Hybrid、(i) CPG、(j) MAT、(k) Adaptive MAT、(l) Straight skeleton andweaving deposition策略。

 

栅格法和之字形法在非平行边缘上存在离散化误差,导致轮廓精度较差。轮廓线产生许多断开的闭合曲线,违背了最小化启停点的要求。分形空间填充曲线涉及多个路径方向变化运动,违背了方向变化速度最小的要求。最后,螺旋法仅适用于凸的独特几何模型。因此,本节将不详细讨论这些方法。

 

混合方法(参见图15 h)是一个结合的轮廓和曲折的方法,首先,层的轮廓边界穿越之后,与曲折的填充层的内部轮廓法(见15 d)。这种方法结合了曲折的的优点和轮廓的方法,它在满足几何精度和表面质量的同时,对于WAAM尤其有前景。Ding等人认为,由于刀具路径通道和刀具路径元件数量的增加,混合方法仍然是不够的。 

 

因此,Ding等人提出了一种新颖的刀具路径规划方法,旨在解决之前提出的方法的局限性,并符合上述要求:几何精度,最小化启停点,最小化快速方向变化,以及实现的简单性。今后的方法称为凸多边形生成(CPG,参见图15)。

 

为了生成一组简单的凸或单调sub-polygons,和简化的实现路径生成每个sub-polygon多边形分解算法首先分解每个2 d切片通过各个击破的策略。基于混合路径规划方法的优点,采用混合路径规划方法进行刀具路径生成。在为每个子多边形生成刀具路径后,每个子多边形的子路径被连接成一条跨越整个层的闭合曲线,从而最小化起止点。该算法通过凸多边形分解将混合路径规划方法扩展到任意复杂度的多边形。然而,由于这种方法也采用了z -zag方法来填充空间,因此仍然会出现空洞。

 

为了解决空洞的问题,同时保持几何精度,Ding等人提出了一种基于中轴变换(MAT)的方法,也被称为骨架化,如图15(j)所示。MAT最初是由Blum提出的,它以一种类似轮廓的方式生成刀具路径,从中心向外沿骨架到几何图形的边界,以此来描述形状。首先,生成骨架或分支线,然后生成表示给定步长距离的刀具路径的循环,该步长距离是代表沉积系统的分辨率的孔道之间的距离。用这种方法,空隙的发生是最小的。然而,也有一些缺点,如开始和停止点和不连续点在几何边界和沉积超过几何边界。虽然这些缺陷可以通过后加工铣削来缓解,但它们本质上限制了MAT路径规划方法用于混合制造。

 

轮廓路径模式造成了严重的质量问题,可能在沉积层内留下缺口。这是因为轮廓路径是通过向内部递归偏移边界曲线生成的,不能保证完全填充所需的2D几何图形。(a)简单薄壁结构的截面。(b)向内部偏移边界曲线所产生的轮廓路径图。(c)沿生成路径沉积材料。留下了不能被路径填充的狭窄缝隙(中间白色区域)。


为了解决MAT提出的赤字问题,Ding等人进一步迭代了他们之前的工作,提出了适应性MAT不同之处在于,刀具路径单元的设计遵循了几何边界的轮廓,并将不连续的路径段最小化(见图15 k)。自适应MAT的优点包括能够生成连续的刀具路径单元,并遵循几何轮廓、无空隙层、良好的几何精度,因此最小的后铣削,适合薄壁结构。为了使自适应MAT产生无空隙沉积,焊缝的几何形状必须能够在现场变化。

 

为了便于焊道几何形状的调整,Ding等人开发了一个基于神经网络的模型,该模型将期望的焊道几何形状作为输入和输出焊接参数,这些焊接参数对焊道几何形状有显著影响。此外,使用提出的沉积模型对自适应MAT算法进行了实验验证。

 

总之,变体Contour-based算法如混合、CPG和自适应垫在光栅或纯曲折是首选算法,因为它们更适合于薄壁结构,允许提高几何精度,紧密的沉积和最小化起止不连续的工具路径。在较为合适的刀具轨迹规划方法中,如果可以或可行地对给定沉积系统进行原位焊道几何调整,那么从空隙度和精度方面来说,自适应MAT方法更可取。

 

Ma等人进一步提出了一种专门针对变厚度薄壁结构的特殊情况设计的刀具路径规划方法。通过编织轨迹实现壁宽的调整,其中编织幅度与薄壁宽度相同。在计算多边形的骨架之后,然后得到中心线(见图15 l),它构成了多边形中轴线的近似。在沉积过程中,焊枪沿中心线以三角形方式编织,如图15l所示。作者通过这种编织技术成功地制造了多个壁厚逐渐变化的薄壁构件。

 

4.3. 机器人硬件接口和轨迹规划的软件框架

 

从这一节可以看到,工艺规划是机器人金属AM的一个组成部分,涉及许多算法和软件组件。复杂软件级联需要有效地接口和交换信息以提供健壮的性能,同时提供灵活性、模块化和可重用性,以便在研究环境中集成新的算法和软件。对于机器人研究平台,用于促进新研究的软件框架需要尽可能开放。这使得工具链内的各个研究小组能够最大限度地灵活和定制每个软件组件,并促进定制硬件(HW)的集成。

 

机器人操作系统(Robot Operating System, ROS)是一个流行的开源软件框架和中间件,为高级机器人研究提供了这样一个软件生态系统。ROS被广泛用于机器人研究,并在软件组件、机器人专用工具和库、各种可视化和方便工具、HW抽象、低层设备控制以及用于获取、构建、编写和执行代码的工具和库之间提供结构化消息传递。因此,ROS极大地简化和促进了机器人研究和软件开发。ROS软件包为自由空间运动的复杂路径规划者和如图1所示的工业机器人手臂的逆运动学求解器提供接口。

 

图片

图1 一个使用焊丝和电弧焊接系统进行金属沉积的大型机器人AM制造平台的示例

 

近年来,在ROS生态系统中开发了多个开源软件框架,用于规划复杂的cartesian轨迹,重点是工业机器人应用,如焊接、路由、铣削、去毛刺和磨削。2015年,Edwards等人推出了一种名为Descartes的路径规划软件包,用于半约束 cartesian轨迹规划。该软件采用6-DOF cartesian轨迹,可以未定义,可用于任何工业应用。未定义的意思是,例如,在围绕焊枪垂直轴的旋转上没有旋转约束。这样就扩大了逆运动学求解空间,使得关节轨迹规划器有更多的选择来避免碰撞。

 

Armstrong进一步引入了称为Tesseract的 cartesian路径规划堆栈(包的集合),用于考虑灵活性和模块化的复杂工业运动规划应用。提供了完全和半约束cartesia运动规划和自由空间规划等功能。这种封装的一个显著优势,尤其是对于多向沉积而言,在于它能够规划两个移动坐标系之间的无碰撞轨迹,因此能够规划定位器和机械手之间的协调运动(图1)。

 

虽然目前有一个开源的自动AM软件框架(ROS AM),提供有限的2.5-DOF切片功能、刀具路径可视化和AM特定的消息定义,但仍然存在显著的限制。除了被限制在2.5-DOF AM之外,没有通用的、与硬件无关的和与硬件集成的接口可用,因为后处理器生成用硬件特定语言编写的指令,只允许开环执行。



来源:Large-scale metal additive manufacturing: a holistic review of thestate of the art and challenges,InternationalMaterials Reviews,DOI: 10.1080/09506608.2021.1971427

参考文献:Ngo TD, Kashani A, Imbalzano G, Nguyen KT, et al.Additive manufacturing(3D printing): a review of materials, methods, applications and challenges. ComposPart B: Eng. 2018;143:172–196.,ASTM International, “Additive Manufacturing –ASTM International” p.1, 2017. [Online].Available: www.astm.org/industry/additivemanufacturing-



分享

分享

文章评论

  • 评论仅供其表达个人看法,并不表明协会立场。
/data/upload/3/40/3406e9e08456d4668bdf5cc7dccdc184.jpg
扫一扫,关注我们