The Influence of Powder Size and Packing Density on the Temperature Distribution in Selective Laser Melting
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Metal powder properties in Selective Laser Melting (SLM) is among one of the most important factors when implementing new alloy developments for the equipment. In fact, not all commercially available metal powder alloys are ready to be implemented without a comprehensive set of tests. Besides the powder properties, we have a large number of building and environmental parameters that demands extensively research prior implementation. Although selected alloys are commercially available and documented to be used in SLM, including Ti6Al4V, SS316L and In718, the majority of it still not ready to be utilized in this system. The focus of this study is to use a thermal model in order to predict the thermal distribution of the process regarding different aspects of the powder properties, especially the thermal conductivity, when different powder packing densities and diameters are used. A Stainless Steel 304L will be utilized in this work, since it is not yet available to be commercially used. The main goal is to show the capabilities of the Finite Element Method in the pre-definition of optimal parameters for the process using a new alloy development. Our findings can be used as a pre-evaluation guideline when printing SS304L, since the comparison with similar experimental work in the field showed significant resemblance and outcomes. The temperature distributions show that the packing density has greater sensibility on the final temperature distributions, compared to the powder diameter variance. Two different power inputs are compiled and the temperature outcomes demonstrate that a power input of 100 Watts is recommended to use when printing SS304L, rather than 400 Watts that brings high temperature into the powder bed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle