金屬3D打印一體化制造在復合機床中的應用

【摘? 要】為滿足高端制造要求，將金屬3D打印的集成增材制造技術和傳統減材制造功能相結合形成復合機床，，以充分發揮兩種技術的優勢。在此基礎上，介紹了兩種主流復合機床的工藝特點、在制造業的應用以及與機器學習相結合的技術，最后分析了復合機床的發展潛力與挑戰。

【關鍵詞】金屬3D打印 3D打印復合加工 機器學習

中圖分類號：TP391.7文獻標識碼：A 文章編號：1672-3791（2019）11（c）-0000-00

0? 引言

為提升制造業高端制造要求，有效降低制造時間與成本，不斷提高產品質量標準，進一步增強市場競爭力，發展復合制造系統逐漸成為復雜零件制造與維修的工業解決方案。2011年，Nasseh[1]提出了一種基于技術分類的方法，可以將增材和減材制造集成到一臺復合機床中，包括了連接、分割、減材、轉化和增材等操作。在現有的金屬添加劑制造技術中，主要采用粉末床熔合（PBF）和定向能量沉積（DED）工藝[2]，幾乎所有可焊金屬都可以用這兩種技術進行加工。圖1顯示了主要的增材和減材工藝組合過程。

1? 金屬3D打印工藝基礎

1.1? DED工藝

DED工藝定義為“使用聚焦熱能（如激光、電子束或等離子弧）在沉積過程中熔化材料的增材制造工藝”。在不同的電解加工方法中，應用最廣泛的是激光金屬沉淀（LMD），通常用于制備全致密涂層和功能金屬零件。如圖2所示，此過程中填充材料以粉末或金屬絲的形式進行供給，金屬材料通過噴嘴直接噴射到高功率激光器的焦點上，從而形成一個熔化的金屬池。該金屬池使用運動系統控制移動，并與基體結合形成隨后的層，進而獲得所需的幾何形狀[3]。

工業中常見材料都可以通過LMD進行加工，但是LMD技術的應用也會產生一些不好的情況，比如較低的精度和較差的表面質量[4]。因此，需要在LMD過程中進行連續的糾正措施，才能滿足產品制造要求。

1.2 PBF過程的基礎

粉末床熔融（PBF）工藝是基于一個或多個熱源（通常是激光）對預先沉積的粉末床中確定的區域進行選擇性熔融，從而產生一層薄薄的材料。這個過程是一層一層的重復，直到所需的固體被建立起來，見圖3。一旦這個過程完成，零件完成，沒有被融化的金屬粉末可以被篩選和再利用。

PBF技術可以加工的材料很廣泛，包括金屬、陶瓷、聚合物和復合材料，其主要應用于制造高復雜度的零件。與傳統的成形技術相比，PBF工藝的構建速度相對較慢，但具有較高的復雜度和較好的表面光潔度。此外，制造平臺的大小仍然限制著制造部件的大小[5]。

2? 金屬3D打印一體化制造應用和發展趨勢

盡管增材制造具有潛力，但它的應用也有一些局限性，比如難以進入復雜部件內部的區域。這個問題是許多機床制造商選擇增材和減材制造相結合的混合系統的主要原因之一。

2.1? 基于DED方法的復合機床

德日合資的德瑪吉（DMG MORI）是大力投資于集成了DED工藝復合動力機械的公司之一。德瑪吉的目標是借助LASERTEC 3D混合制造系列進入航空航天、能源、模具行業。為此，他們已經提供了兩種不同的復合解決方案：LASERTEC 65 3D hybrid和LASERTEC 4300 3D hybrid。兩臺機器都配有過程監控裝置，如實時溫度和熔池尺寸測量，可實現激光功率的自動調節。

同時日本Mazak公司也以五臺基于復合制造的機器打入了復合制造機器的市場。在2014年推出的INTEGREX i-400AM，結合了5軸加工和LMD在RLLLR運動學配置下。該機器可以在兩個不同的激光加工頭之間切換，這些激光加工頭通過標準的換刀器裝入銑削主軸，以高速或高精度的沉積為目標，并根據工藝要求和使用的材料調整沉積的包層尺寸。

另一家打入復合制造市場的公司是日本的大隈機械（Okuma）。該系列機器是將減材制造、增材制造、硬化和涂層結合在一個單一的平臺上。一方面，MUI-V LASER EX機床是具有激光加工能力的五軸立式加工中心，所有的MU-V機床都是基于RRLLL運動鏈，其中傾斜臺包含X軸，Y軸和Z軸包含在 DED銑削頭中;另一方面，MUILTUS U激光EX系列是基于5軸水平多任務處理機器。

2.2 基于PBF方法的復合機床

盡管大多數制造商選擇基于DED集成的復合機床，也有基于PBF的復合機床值得一提。例如日本Sodick公司開發了新的OPM系列，由同時進行SLM和高速銑削的OPM250L和OPM350L組成。每一層都是碾磨，以達到高精度要求，即使對于腔體內部特征，也可以完美處理。

與此同時，高速加工中心制造商松浦開發了金屬激光燒結混合銑床LUMEX系列。該系列由兩臺不同的機器組成，它們的工作區大小不同，分別是Lumex Avance 25和Lumex Avance 60。

3? 機器學習與3D打印一體制造的結合

機器學習是一個重要的和廣泛的計算領域，其中算法基于其處理的數據進行預測而沒有被明確地編程。因此，將機器學習與增材制造相結合的前景，這絕對是一個令人興奮的領域。機器學習將在增材制造以下三個方面得到應用。

3.1 基于機器學習的軟件缺陷預測

無論哪種增材制造工藝都涉及軟件與數控系統相結合的問題，軟件不可避免的都會出現一些bug，會影響打印制造的過程。如果在3D打印系統中添加機器學習功能，進行軟件缺陷預測，進而規避產生的bug。在軟件缺陷預測相關研究中，各類機器學習方法得到了廣泛研究和應用，并已被驗證能獲得較為理想的預測性能[6]。

3.2 基于機器學習的增材制造打印工況在線監測和檢測

與傳統的減材制造工藝不同，增材制造采用逐層堆疊方式來打印工件。在成型過程中，材料相變過程復雜，容易導致工件缺陷的產生。我們可以將機器學習引入增材制造中，對打印過程進行監測，打印出來的產品進行檢測。針對材料熱損傷、典型工件缺陷、打印工況和故障狀態等問題，機器學習可以通過監測策略、信號獲取、降噪處理、特征提取、數據壓縮、基于模式識別等在線監測方法及其性能優化來對打印過程進行監測[7]。對于打印出來的產品，我們也可以通過機器學習來對產品進行檢測。

3.3 基于機器學習的4D打印

如今不僅有3D打印，還有4D打印，這些材料一般為形狀記憶聚合物，機器學習可以在兩個方面與4D相結合，第一點是利用數據挖掘的手段，發現更多的智能材料;第二點則是能不能將機器學習賦予可編程材料，讓可編程材料也能“學習”呢？

4? 復合機床的潛力與挑戰分析

4.1 復合機床的潛力

復合制造具備有如下優勢：1、不需要改變零部件位置，從而減小零件定位誤差，提高最終精度;2、減少工廠內部物料的流動;3、制造更復雜的幾何形狀;4、buy-to-fly比率較低[8]，利用增材制造生產近凈形部件的可能性，可減少材料浪費;5、操作簡單，意味著操作員只需處理一個工作站，這簡化了工作環節和日常工作事務;6、總體投資較低，購買混合平臺所需的總投資要比購買兩臺單獨的機器低得多;7、最終零件成本降低，由于增材制造能夠在普通材料或“廉價”材料之上實現高性能涂料，從而實現最終部件的性能增強，但成本更低。

4.2 復合機床的挑戰

切削液對工藝的影響。加工過程中切削液的殘留，一方面粉末顆粒與液體混合后產生的水分直接影響激光束的吸收率和襯底內填充材料的稀釋;另一方面切削液在添加過程中蒸發，導致孔隙率增加。

機床導向系統內部的磨損問題。復合機床需要特殊的保護，以保護導向系統免受增材制造操作中使用的粉末的傷害。

后續熱處理的要求。在添加過程中，材料受到加熱和冷卻熱循環的影響，這導致了殘余應力的產生，這些殘余應力可能會在隨后的加工操作中釋放出來。這就導致了零件幾何形狀的扭曲，因此加工工具可能會遇到與編程不同的進給量。

5? 結語

毫無疑問，增材制造與減材制造相結合，有助于克服通常與增材制造有關的低精度、較差表面粗糙度的問題，從而使以前無法實現的部件得以順利制造出來，同時也面臨著一系列新的問題。一方面，復合機床可以更有效地利用現有資源，縮短過程鏈，節約時間和經濟成本、在技術層面，復合機床為制造更復雜的部件打開了通道;另一方面，復合機床面對的大部分挑戰仍然來自于增材方面，面對存在挑戰，需要充分理解和利用增材制造技術，必須改變設計師和工程師的思維方式。這樣就可以更有效地利用機器、材料和資源。

【參考文獻】

[1].李青宇;李滌塵;張安峰.激光熔覆沉積與切削加工復合制造技術的發展與挑戰[C]. 特種加工技術智能化與精密化——第17屆全國特種加工學術會議，2017.

[2].劉世豪， 趙偉良. 大型復合數控機床的研發現狀與前景展望[J]. 制造技術與機床， 2017（6）：69-73.

[3].徐波， 干為民. 基于UG軟件直紋面整體葉輪的數控電解機械復合加工方法研究[J]. 制造技術與機床， 2013（1）：62-65.

[4].Flynn J M ， Shokrani A ， Newman S T ， et al. Hybrid additive and subtractive machine tools –Research and industrial developments[J]. International Journal of Machine Tools &

[5].姜華， 湯海波， 方艷麗， et al. 激光熔化沉積DZ408鎳基高溫合金微細柱晶顯微組織及性能[J]. 中國激光， 2011， 39（2）：72-78.

[6].Fayazfar H， Salarian M， Rogalsky A， et al. A critical review of powder-based additive manufacturing of ferrous alloys： Process parameters， microstructure and mechanical properties[J]. Materials & Design， 2018， 144：98-128.

[7].Herzog D， Seyda V， Wycisk E， et al. Additive Manufacturing of Metals[J]. Acta Materialia， 2016， 117（15）：371-392.

[8]. 陳琳. 基于機器學習的軟件缺陷預測研究[D]. 重慶大學， 2016.

簡介：方昕? 女 1986年12月? 籍貫 ：福建省莆田市? ?畢業于廈門理工學院機械設計制造及其自動化專業，學歷本科 職稱：講師? ?研究方向：機械制造