通过失真补偿克服新的DED增材制造过程中的变形

    定向能量沉积（DED）是一种强大的增材制造技术，将设计的高度自由度与相对较高的沉积速率相结合，可以提高生产率。DED结构是通过从粉末或焊丝原料中重复沉积焊道而产生的，这也使它成为混合制造的一种有吸引力的技术，因为可以将特征添加到基础组件中。但是，沉积过程中涉及的大量加热和冷却循环会导致复杂的热历史，从而使整个组件变形。

    如今，反复试验是纠正这些不可接受的失真的常用方法，所需的成本和时间减少了使用DED的动力。AGENT-3D项目IMProVe将等离子和激光技术提供商OSCAR PLT，德累斯顿工业大学材料工程系主任以及Simufact（Hexagon制造智能部门的一部分）的制造仿真专家召集在一起，展示了解决这些问题的更智能方法在DED过程中。IMProVe代表“通过克服增材制造过程中的工艺限制而创新材料，系统和工艺”。

IMProVe团队认为，最好的方法是为焊缝机器人提供预变形的几何形状，以补偿DED过程中出现的变形，以便随后调整最终零件以使其符合预期的和未变形的形状。此过程的关键（称为失真补偿）是预测理想的预变形几何形状。作为数值过程仿真专家，Simufact的职责是在无需昂贵的实验装置的情况下预测补偿后的几何形状。 

无补偿基准

    该项目使用了OSCAR PLT提供的示例几何图形。薄壁结构由61条焊道组成，这些焊道堆叠在一起形成具有几个不同角半径的管，这些管将用于探测急转弯和平滑曲率的影响。它首先在没有畸变补偿的情况下制造，以提供参考几何形状。

    为了制造该零件，每层的起点和终点都应移动，以防止在这些点上重复出现不规则现象。通过同轴直接二极管激光系统以960 W和12 mm / s的焊接速度沉积直径为1.0 mm的316 LSi（1.4430）焊丝原料。同轴送丝确保了在所有焊接位置上的高质量熔敷。

    沉积过程之后，在德累斯顿工业大学使用高分辨率3D扫描评估最终形状。与CAD数据（图1）的比较表明，在制造过程中引入了高达1.4 mm的形状偏差，需要减小。

仿真策略

    虽然使用模拟进行形状补偿已经是粉末床熔合工艺的最先进程序，但相同的理想特性为DED技术提供了额外的自由度和高沉积速率，这也为粉料熔合的设置提出了新的挑战。数值过程模拟与粉末床熔融工艺不同，基于累积层加热效果的简化机械方法或技术不适用。DED过程与焊接具有更多的特性，因此，使用Simufact Welding模拟环境来建立瞬态热力耦合模型。

    为了设置仿真，从机器人G代码直接导入了61条焊接轨迹（图2）。跟踪数据还用于在MSC Apex CAE环境中创建所需的熔敷几何形状（图3），在该环境中构造了与各个焊珠对齐的六面体元素全网格。从Simufact Welding材料数据库中选择了316 LSi材料属性，并根据OSCAR PLT的实际DED工艺参数设置了热源属性。为了对DED过程进行建模，引入了高级元素激活方案，该方案可以提供稳定的沉积元素处理和更准确的结果。仿真结果是温度分布，应力和应变，当然还有部件的最终变形。

带失真补偿的打印

    模拟零件与真实零件之间的形状比较表明，模拟可以准确预测零件变形，而只是稍微高估了变形量。模拟结构和实际结构在管子的角部都向内凸出，而直边受到的影响较小。通过反转计算的畸变，将仿真结果应用于生成补偿的几何形状。为了将这种校正输入到制造中，对机器人的路径规划进行了修改以补偿几何形状，并使用更新的焊接路径在虚拟实验上重复执行DED过程。

补偿零件的3D扫描和原始CAD数据之间的形状比较证实了数值预测（图1）：最大形状偏差小于0.5 mm时，失真补偿的增材制造零件（图4）更加接近到CAD几何图形而不是未补偿的测试零件。

    组件的残余变形可归因于以下两个原因。首先是变形与几何形状之间的非线性关系。粉末床熔融过程的数值形状补偿经验告诉我们，可以通过迭代补偿方案有效解决此问题。第二个原因在于初始模拟和实部之间的有限偏移。由于模拟稍微高估了变形，因此，如预期的那样，预测变形的反转也导致了过度补偿。模型的进一步校准将减少这种影响。

    该项目旨在评估基于默认材料数据和参数的模型所产生的收益，而不需要机器人G代码以外的实验输入。消除了超过60％的失真，就实现了这个宏伟的目标。即使在没有可用的初始实验测试版本的情况下，数值失真补偿也可以在首次构建时就制造出优化的零件。

    该项目的合作伙伴OSCAR PLT，德累斯顿工业大学机械工程系主任和Simufact已经证明了DED工艺成功的失真补偿，并推动了工业领域的努力，以实现DED制造的工业规模实施，并期待进一步的合作。