Molecular Dynamics-Based Two-Dimensional Simulation of Powder Bed Additive Manufacturing Process for Unimodal and Bimodal Systems
Notice bibliographique
Résumé
The trend of adapting powder bed fusion (PBF) for product manufacturing continues to grow as this process is highly capable of producing functional 3D components with micro-scale precision. The powder bed’s properties (e.g., powder packing, material properties, flowability, etc.) and thermal energy deposition heavily influence the build quality in the PBF process. The packing density in the powder bed dictates the bulk powder behavior and in-process performance and, therefore, significantly impacts the mechanical and physical properties of the printed components. Numerical modeling of the powder bed process helps to understand the powder spreading process and predict experimental outcomes. A two-dimensional powder bed was developed in this work using the LAMMPS (Large-scale Atomic/Molecular Massively Parallel Simulator) package to better understand the effect of bimodal and unimodal particle size distribution on powder bed packing. A cloud-based pouring of powders with varying volume fractions and different initialization velocities was adopted, where a blade-type recoater was used to spread the powders. The packing fraction was investigated for both bimodal and unimodal systems. The simulation results showed that the average packing fraction for bimodal and unimodal systems was 76.53% and 71.56%, respectively. A particle-size distribution-based spatially varying powder agglomeration was observed in the simulated powder bed. Powder segregation was also studied in this work, and it appeared less likely in the unimodal system compared to the bimodal system with a higher percentage of bigger particles.
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) | 0,001 | 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 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 ».