金属3D打印一体化制造在复合机床中的应用

【摘  要】为满足高端制造要求，将金属3D打印的集成增材制造技术和传统减材制造功能相结合形成复合机床，，以充分发挥两种技术的优势。在此基础上，介绍了两种主流复合机床的工艺特点、在制造业的应用以及与机器学习相结合的技术，最后分析了复合机床的发展潜力与挑战。

【关键词】金属3D打印 3D打印复合加工 机器学习

中图分类号：TP391.7文献标识码：A 文章编号：1672-3791（2019）11（c）-0000-00

0  引言

为提升制造业高端制造要求，有效降低制造时间与成本，不断提高产品质量标准，进一步增强市场竞争力，发展复合制造系统逐渐成为复杂零件制造与维修的工业解决方案。2011年，Nasseh[1]提出了一种基于技术分类的方法，可以将增材和减材制造集成到一台复合机床中，包括了连接、分割、减材、转化和增材等操作。在现有的金属添加剂制造技术中，主要采用粉末床熔合（PBF）和定向能量沉积（DED）工艺[2]，几乎所有可焊金属都可以用这两种技术进行加工。图1显示了主要的增材和减材工艺组合过程。

1  金属3D打印工艺基础

1.1  DED工艺

DED工艺定义为“使用聚焦热能（如激光、电子束或等离子弧）在沉积过程中熔化材料的增材制造工艺”。在不同的电解加工方法中，应用最广泛的是激光金属沉淀（LMD），通常用于制备全致密涂层和功能金属零件。如图2所示，此过程中填充材料以粉末或金属丝的形式进行供给，金属材料通过喷嘴直接喷射到高功率激光器的焦点上，从而形成一个熔化的金属池。该金属池使用运动系统控制移动，并与基体结合形成随后的层，进而获得所需的几何形状[3]。

工业中常见材料都可以通过LMD进行加工，但是LMD技术的应用也会产生一些不好的情况，比如较低的精度和较差的表面质量[4]。因此，需要在LMD过程中进行连续的纠正措施，才能满足产品制造要求。

1.2 PBF过程的基础

粉末床熔融（PBF）工艺是基于一个或多个热源（通常是激光）对预先沉积的粉末床中确定的区域进行选择性熔融，从而产生一层薄薄的材料。这个过程是一层一层的重复，直到所需的固体被建立起来，见图3。一旦这个过程完成，零件完成，没有被融化的金属粉末可以被筛选和再利用。

PBF技术可以加工的材料很广泛，包括金属、陶瓷、聚合物和复合材料，其主要应用于制造高复杂度的零件。与传统的成形技术相比，PBF工艺的构建速度相对较慢，但具有较高的复杂度和较好的表面光洁度。此外，制造平台的大小仍然限制着制造部件的大小[5]。

2  金属3D打印一体化制造应用和发展趋势

尽管增材制造具有潜力，但它的应用也有一些局限性，比如难以进入复杂部件内部的区域。这个问题是许多机床制造商选择增材和减材制造相结合的混合系统的主要原因之一。

2.1  基于DED方法的复合机床

德日合资的德玛吉（DMG MORI）是大力投资于集成了DED工艺复合动力机械的公司之一。德玛吉的目标是借助LASERTEC 3D混合制造系列进入航空航天、能源、模具行业。为此，他们已经提供了两种不同的复合解决方案：LASERTEC 65 3D hybrid和LASERTEC 4300 3D hybrid。两台机器都配有过程监控装置，如实时温度和熔池尺寸测量，可实现激光功率的自动调节。

同时日本Mazak公司也以五台基于复合制造的机器打入了复合制造机器的市场。在2014年推出的INTEGREX i-400AM，结合了5轴加工和LMD在RLLLR运动学配置下。该机器可以在两个不同的激光加工头之间切换，这些激光加工头通过标准的换刀器装入铣削主轴，以高速或高精度的沉积为目标，并根据工艺要求和使用的材料调整沉积的包层尺寸。

另一家打入复合制造市场的公司是日本的大隈机械（Okuma）。该系列机器是将减材制造、增材制造、硬化和涂层结合在一個单一的平台上。一方面，MUI-V LASER EX机床是具有激光加工能力的五轴立式加工中心，所有的MU-V机床都是基于RRLLL运动链，其中倾斜台包含X轴，Y轴和Z轴包含在 DED铣削头中;另一方面，MUILTUS U激光EX系列是基于5轴水平多任务处理机器。

2.2 基于PBF方法的复合机床

尽管大多数制造商选择基于DED集成的复合机床，也有基于PBF的复合机床值得一提。例如日本Sodick公司开发了新的OPM系列，由同时进行SLM和高速铣削的OPM250L和OPM350L组成。每一层都是碾磨，以达到高精度要求，即使对于腔体内部特征，也可以完美处理。

与此同时，高速加工中心制造商松浦开发了金属激光烧结混合铣床LUMEX系列。该系列由两台不同的机器组成，它们的工作区大小不同，分别是Lumex Avance 25和Lumex Avance 60。

3  机器学习与3D打印一体制造的结合

机器学习是一个重要的和广泛的计算领域，其中算法基于其处理的数据进行预测而没有被明确地编程。因此，将机器学习与增材制造相结合的前景，这绝对是一个令人兴奋的领域。机器学习将在增材制造以下三个方面得到应用。

3.1 基于机器学习的软件缺陷预测

无论哪种增材制造工艺都涉及软件与数控系统相结合的问题，软件不可避免的都会出现一些bug，会影响打印制造的过程。如果在3D打印系统中添加机器学习功能，进行软件缺陷预测，进而规避产生的bug。在软件缺陷预测相关研究中，各类机器学习方法得到了广泛研究和应用，并已被验证能获得较为理想的预测性能[6]。

3.2 基于机器学习的增材制造打印工况在线监测和检测

与传统的减材制造工艺不同，增材制造采用逐层堆叠方式来打印工件。在成型过程中，材料相变过程复杂，容易导致工件缺陷的产生。我们可以将机器学习引入增材制造中，对打印过程进行监测，打印出来的产品进行检测。针对材料热损伤、典型工件缺陷、打印工况和故障状态等问题，机器学习可以通过监测策略、信号获取、降噪处理、特征提取、数据压缩、基于模式识别等在线监测方法及其性能优化来对打印过程进行监测[7]。对于打印出来的产品，我们也可以通过机器学习来对产品进行检测。

3.3 基于机器学习的4D打印

如今不仅有3D打印，还有4D打印，这些材料一般为形状记忆聚合物，机器学习可以在两个方面与4D相结合，第一点是利用数据挖掘的手段，发现更多的智能材料;第二点则是能不能将机器学习赋予可编程材料，让可编程材料也能“学习”呢？

4  复合机床的潜力与挑战分析

4.1 复合机床的潜力

复合制造具备有如下优势：1、不需要改变零部件位置，从而减小零件定位误差，提高最终精度;2、减少工厂内部物料的流动;3、制造更复杂的几何形状;4、buy-to-fly比率较低[8]，利用增材制造生产近净形部件的可能性，可减少材料浪费;5、操作简单，意味着操作员只需处理一个工作站，这简化了工作环节和日常工作事务;6、总体投资较低，购买混合平台所需的总投资要比购买两台单独的机器低得多;7、最终零件成本降低，由于增材制造能够在普通材料或“廉价”材料之上实现高性能涂料，从而实现最终部件的性能增强，但成本更低。

4.2 复合机床的挑战

切削液对工艺的影响。加工过程中切削液的残留，一方面粉末颗粒与液体混合后产生的水分直接影响激光束的吸收率和衬底内填充材料的稀释;另一方面切削液在添加过程中蒸发，导致孔隙率增加。

机床导向系统内部的磨损问题。复合机床需要特殊的保护，以保护导向系统免受增材制造操作中使用的粉末的伤害。

后续热处理的要求。在添加过程中，材料受到加热和冷却热循环的影响，这导致了残余应力的产生，这些残余应力可能会在随后的加工操作中释放出来。这就导致了零件几何形状的扭曲，因此加工工具可能会遇到与编程不同的进给量。

5  结语

毫无疑问，增材制造与减材制造相结合，有助于克服通常与增材制造有关的低精度、较差表面粗糙度的问题，从而使以前无法实现的部件得以顺利制造出来，同时也面临着一系列新的问题。一方面，复合机床可以更有效地利用现有资源，缩短过程链，节约时间和经济成本、在技术层面，复合机床为制造更复杂的部件打开了通道;另一方面，复合机床面对的大部分挑战仍然来自于增材方面，面对存在挑战，需要充分理解和利用增材制造技术，必须改变设计师和工程师的思维方式。这样就可以更有效地利用机器、材料和资源。

【参考文献】

[1].李青宇;李涤尘;张安峰.激光熔覆沉积与切削加工复合制造技术的发展与挑战[C]. 特种加工技术智能化与精密化——第17届全国特种加工学术会议，2017.

[2].刘世豪， 赵伟良. 大型复合数控机床的研发现状与前景展望[J]. 制造技术与机床， 2017（6）：69-73.

[3].徐波， 干为民. 基于UG软件直纹面整体叶轮的数控电解机械复合加工方法研究[J]. 制造技术与机床， 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， 汤海波， 方艳丽， et al. 激光熔化沉积DZ408镍基高温合金微细柱晶显微组织及性能[J]. 中国激光， 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]. 陈琳. 基于机器学习的软件缺陷预测研究[D]. 重庆大学， 2016.

简介：方昕  女 1986年12月  籍贯 ：福建省莆田市   毕业于厦门理工学院机械设计制造及其自动化专业，学历本科 职称：讲师   研究方向：机械制造