MétaCan
Menu
Retour à la cohorte
Enregistrement W4416110222 · doi:10.1016/j.jmapro.2025.10.097

Mechanism and quantification of melt pool morphology evolution in single-track fabrication by laser directed energy deposition

2025· article· en· W4416110222 sur OpenAlexafffund
Jiahui Zhang, Qianglong Wei, Tianyi Lyu, Brandon Liu, Chenwei Shao, Hongze Wang, Yu Zou

Notice bibliographique

RevueJournal of Manufacturing Processes · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCanada First Research Excellence FundNational Key Research and Development Program of ChinaUniversity of TorontoNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésFabricationLaserLaser power scalingDeposition (geology)ThermalSelective laser meltingWork (physics)Morphology (biology)Infrared

Résumé

récupéré en direct d'OpenAlex

By enabling the fabrication of complex, customized geometries, laser directed energy deposition (LDED) has emerged as a powerful technique for producing thin-wall structures widely employed in the aerospace sector. Achieving high-dimensional accuracy and geometric uniformity in these structures relies on optimizing the quality of single-layer melt tracks, which is governed by the evolution of the melt pool during deposition. Key processing parameters, including laser power ( P ), scan speed ( v ), and powder feeding rate ( f ), directly affect the static geometry and dynamic fluctuations of the melt pool. In this study, we develop a computational fluid dynamics-based simulation to investigate the longitudinal evolution of melt pool morphology during the formation of SS316L single tracks, focusing on laser activation, steady-state, and deactivation stages. The melt pool expands and tilts during laser activation due to thermal imbalance, exhibits surface fluctuations in a flat → bulge → wave pattern during the steady state, and contracts centripetally as solidification progresses during deactivation. An in situ high-speed infrared imaging system is integrated into the LDED setup for real-time monitoring of the melt pool. High-throughput experiments spanning 360 P - v - f combinations are conducted and automatically analyzed to quantify static features and dynamic fluctuations of the melt pool. Based on these results, a quality metric for melt tracks is proposed to identify optimal processing windows, which are experimentally verified through the fabrication of thin-wall samples with improved dimensional fidelity and geometric uniformity. The findings of this work provide critical insights into melt pool dynamics and offer a systematic approach for the optimization of processing parameters in LDED.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,211
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Manufacturing ProcessesMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207