高质量的ONR –机器人激光线增材制造系统

问题

海军计划使用增材制造（AM）来提供停产和长时间交货的金属部件。解决方案需要确保来自各种AM机器和地理位置的金属零件的可制造性。金属增材制造零件的认证成本是更广泛使用的障碍。在基本了解和控制方面取得进展

AM制造通过减少修改，开发和认证新零件/更换零件的成本和时间，使海军供应链受益。

基于集成计算材料工程（ICME）方法的建模和仿真工具的最新进展为将工艺参数与微观结构，性能与性能相关联提供了机会。先进的传感器技术，分布式系统以及用于过程监视和控制系统的机器学习可确保AM制造零件的质量。

客观的

该计划的目标是定义一个框架，该框架将建模工具，现场过程测量，实时闭环控制和机器学习耦合在一起，以满足AM零件的性能要求。针对特定的增材制造过程变量和所得的微结构预测，正在实施预测建模工具。

Ti-6Al-4V AM样品的冶金测试和评估正在验证基于微观结构特征预测机械性能的其他模型。将选择传感器并进行现场过程监控测试，目的是将这些现场数据实现到闭环控制系统中。最终目标是一个框架，该框架可以提供构建的实时监控，识别材料变异性和潜在异常并捕获构建过程历史记录。