Accelerating Laser Powder Bed Fusion: The Influence of Roller-Spreading Speed on Powder Spreading Performance
Notice bibliographique
Résumé
The powder spreading process is a fundamental element within the laser powder bed fusion (PBF-LP) framework given its pivotal role in configuring the powder bed. This configuration significantly influences subsequent processing steps and ultimately determines the quality of the final manufactured part. This research paper presents a comprehensive analysis of the impacts of varying spreading speeds, which are enabled by different roller configurations, on powder distribution in PBF-LP. By utilizing extensive Discrete Element Method (DEM) modelling, we systematically examine how spreading speed affects vital parameters within the spreading process, including packing density, mass fraction, and actual layer thickness. Our exploration of various roller configurations has revealed that increasing spreading speed generally decreases packing density and layer thickness for non-rotating, counter-rotating, and forward-rotating rollers with low clockwise rotational speeds (sub-rolling) due to powder dragging. However, a forward-rotating roller with a high clockwise rotational speed (super-rolling) balances momentum transfer, enhancing packing density and layer thickness while increasing surface roughness. This configuration significantly improves the uniformity and density of the powder bed, providing a technique to accelerate the spreading process while maintaining and not reducing packing density. Furthermore, this configuration offers crucial insights into optimizing additive manufacturing processes by considering the complex relationships between spreading speed, roller configuration, and powder spreading quality.
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.
Comment cette classification a été obtenuedéplier
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 | 0,000 |
| 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».