Modelado térmico de los efectos de parámetros de proceso variables en la fusión por lecho de polvo utilizando haz de electrones

Propósito Este estudio tiene como objetivo desarrollar una nueva estrategia de modelado térmico para simular la fusión por lecho de polvo con haz de electrones a escala de pieza con parámetros de proceso variables en la máquina. Se estudiaron experimentos y modelado a escala de un solo cordón y a escala de pieza. Las estrategias de escaneo fueron descritas por las funciones de control del proceso que permitieron el modelado. Diseño/metodología/enfoque Se utilizó el modelo térmico de análisis de elementos finitos junto con los experimentos de fusión por lecho de polvo con haz de electrones. La estrategia propuesta implica dividir una pieza en secciones más pequeñas y crear modelos a mesoescala para cada subsección. Estos modelos a mesoescala tienen en cuenta los parámetros de proceso variables, incluyendo la potencia y la velocidad de la fuente de calor en movimiento, durante la construcción de la pieza. Posteriormente, estos modelos se integran para realizar simulaciones a escala de pieza, lo que permite predicciones más realistas de la acumulación térmica y las deformaciones resultantes. El modelo fue construido y validado con experimentos de un solo cordón y partes voluminosas con diferentes características. Hallazgos Los experimentos de un solo cordón demostraron una tasa de error promedio del 6% al 24% en la predicción de las dimensiones del charco de fusión utilizando los modelos a mesoescala propuestos con diferentes funciones de control de escaneo. Las simulaciones a escala de pieza para tres geometrías diferentes (vigas en voladizo con soportes, artefacto voluminoso y brazo de transferencia optimizado topológicamente) mostraron un buen acuerdo entre los cambios de temperatura modelados y los valores de deformación experimental. Originalidad/valor Este estudio presenta un enfoque novedoso para el modelado de fusión por lecho de polvo con haz de electrones que aprovecha los modelos a mesoescala para capturar la influencia de los parámetros de proceso variables en la calidad de la pieza. Esta estrategia ofrece una precisión mejorada para predecir la geometría de la pieza e identificar defectos potenciales, lo que lleva a un proceso de fabricación aditiva más eficiente.