计算流体动力学软件
FLOW-3D AM
FLOW-3D DEM和FLOW-3D WELD的组合
可模拟端到端激光粉末床融合过程
离散元法 (DEM) 和计算流体动力学 (CFD) 的粉末扩散和熔池建模工具
激光功率和速度、扫描路径、孵化间距、粉末尺寸分布和粉末床填充等工艺参数会影响 AM 构建过程和构建部件的机械性能。通过 CFD 建模，研究人员可以了解这些工艺参数对熔池动力学、孔隙形成、凝固和微观结构演变等基本物理现象的影响。这种数值模型提供了对熔池中流体对流、小孔形成、温度梯度和凝固速率的深入了解。然后，这些见解可以推动合金工艺窗口的开发，充分利用增材制造的优势。
什么产品适合您？
FLOW-3D AM
这是FLOW-3D DEM和FLOW-3D WELD的组合，可让您模拟端到端激光粉末床融合过程，包括粉末扩散和激光熔化过程。
FLOW-3D焊接
模拟激光粉末床熔融过程中的激光-粉末床相互作用以及定向能量沉积过程中的激光送丝或激光-粉末进料相互作用。此外，模拟激光焊接、激光熔覆、激光焊接和激光钎焊应用。
FLOW-3D DEM
模拟激光粉末床熔融或粘合剂喷射工艺的粉末床形成过程。此外，模拟粘合剂对粉末床的冲击以及与激光无关的其他流体流动相关应用。
FLOW-3D
模拟粘结剂喷射过程中的熔融沉积建模过程和粘结剂撞击。此外，模拟与激光无关的其他流体流动模拟。
基于激光的工艺：LPBF
通过 CFD 模拟可以更好地理解和优化 LPBF 过程的许多方面。
粒子散布
LPBF 工艺的第一步是沉积具有规定层高和所需粉末床密度的某种材料的粉末床。FLOW-3D DEM使研究人员能够了解粉末扩散和压实，因为它与粉末尺寸分布、材料特性、凝聚力效应以及几何效应（如辊子或叶片运动和相互作用）有关。这些模拟可以准确理解工艺参数如何影响粉末床特性，例如填充密度，这将直接影响后续打印过程中的熔池动力学。
融化
在FLOW-3D DEM模拟中生成粉末床后，将其提取为 STL 文件。下一步是使用 CFD 模拟激光熔化过程。在这里，我们模拟了激光束和粉末床的相互作用。为了准确捕捉这一过程，物理包括粘性流动、熔池内的激光反射（通过射线追踪）、热传递、凝固、相变和汽化、反冲压力、保护气体压力和表面张力。所有这些物理都建立在TruVOF方法之上，以准确模拟这一复杂过程。
多层
一旦熔池轨道凝固，FLOW-3D DEM可用于模拟新粉末层在先前凝固层上的扩散。类似地，然后可以对新的粉末层进行激光熔化，以分析后续层之间的熔合情况。
当用 LPBF 沉积和熔化后续层时，温度梯度、冷却速率和凝固将对层之间的熔合、微观结构和最终零件质量产生重大影响。FLOW-3D AM使研究人员能够在粉末物理和激光-材料相互作用的熔池规模上运行高保真模拟，以了解由此产生的熔合、热分布和沉积附加层的固化。此外，研究人员可以查看扫描策略对后续层的影响，以优化激光参数，从而在不影响零件质量的情况下提高产量。
LPBF 中的锁孔
锁孔过程中如何形成孔隙？这是来自 TU Denmark 的研究人员使用FLOW-3D AM回答的问题。当基材在激光束的作用下熔化时，由于汽化和相变产生的反冲压力会压低熔池。由于反冲压力导致的向下流动和由于激光反射导致的额外激光能量吸收的共存导致失控效应，将熔池转变为小孔。最终，由于沿锁孔壁的温度变化，表面张力导致壁夹断并导致空隙，这些空隙可能被前进的凝固前沿捕获，从而产生孔隙。FLOW-3D AM拥有所有必要的物理模型来模拟激光粉末床融合过程中的小孔和孔隙形成。
扫描策略
由于其对温度梯度和冷却速率的影响，扫描策略对微观结构有直接影响。研究人员正在使用FLOW-3D AM探索最佳扫描策略，以了解轨道之间发生的可能影响缺陷形成和凝固金属微观结构的重熔。FLOW-3D AM在为一个或多个激光器实现与时间相关的方向速度方面提供了充分的灵活性。
当用 LPBF 沉积和熔化后续层时，温度梯度、冷却速率和凝固将对层之间的熔合、微观结构和最终零件质量产生重大影响。FLOW-3D AM使研究人员能够在粉末物理和激光-材料相互作用的熔池规模上运行高保真模拟，以了解由此产生的熔合、热分布和沉积附加层的固化。此外，研究人员可以查看扫描策略对后续层的影响，以优化激光参数，从而在不影响零件质量的情况下提高产量。
光束整形
除了激光功率和扫描策略外，激光束形状和热通量分布对 LPBF 工艺中的熔池动力学有很大影响。AM 机器制造商正在探索使用多核和任意形状的激光束来提高工艺稳定性和产量。FLOW-3D AM允许实施多核和任意形状的光束轮廓，有助于深入了解提高产量和提高零件质量的最佳配置。
如需深入了解该领域已完成的一些工作，请观看我们的“金属增材制造的下一个前沿”网络研讨会。
多材料粉末床融合
在此模拟中，不锈钢和铝粉具有独立定义的与温度相关的材料属性，FLOW-3D AM跟踪这些属性以准确捕捉熔池动态。模拟有助于了解熔池中的材料混合。
当用 LPBF 沉积和熔化后续层时，温度梯度、冷却速率和凝固将对层之间的熔合、微观结构和最终零件质量产生重大影响。FLOW-3D AM使研究人员能够在粉末物理和激光-材料相互作用的熔池规模上运行高保真模拟，以了解由此产生的熔合、热分布和沉积附加层的固化。此外，研究人员可以查看扫描策略对后续层的影响，以优化激光参数，从而在不影响零件质量的情况下提高产量。
微观结构预测
FLOW-3D AM数据（例如冷却速率和温度梯度）可以输入到微观结构模型中，以预测晶体生长和枝晶臂间距。
如需深入了解该领域已完成的一些工作，请观看我们的“金属增材制造的下一个前沿”网络研讨会。
热应力
FLOW-3D AM模拟的结果可以输入到有限元分析软件（例如 ABAQUS 或 MSC NASTRAN）中，以运行进一步的热应力分析。在这里，您可以看到如何将 T 形接头的激光焊接模拟结果导入 ABAQUS 以进行进一步的应力分析。同样，LPBF 模拟中凝固熔池数据的结果可用于研究其他 FEA 软件中的热应力和变形分析。
定向能量沉积
定向能量沉积 (DED) 是一种增材制造工艺，它通过沉积金属丝或粉末来制造零件，金属丝或粉末使用激光或电子束等能源加热并熔合在一起。FLOW-3D AM可以通过考虑粉末或线材进给速率和尺寸特征以及激光功率和扫描速度等工艺参数来模拟 DED 工艺。此外，可以通过为基材和粉末材料中的不同合金定义独立的热物理材料特性来模拟多材料 DED 过程。
通过实施激光物理以及传热、凝固、表面张力、保护气体效应和包括反冲压力在内的压力效应，研究人员可以准确分析工艺参数对所得焊道强度和均匀性的影响。此外，这些模拟可以扩展到多个层，以分析后续层之间的融合。
基于粉末的 DED
基于粉末的 DED 是一种高度精确且可控的方法，用于沉积粉末以逐层制造 3D 零件。这种灵活性带来了在选择工艺参数以优化生产和减少材料浪费时需要考虑的各种工艺参数。FLOW-3D AM允许充分考虑粉末成分（最多两种不同的材料）、集水效率、构建方向以及激光和基板方向。
当用 LPBF 沉积和熔化后续层时，温度梯度、冷却速率和凝固将对层之间的熔合、微观结构和最终零件质量产生重大影响。FLOW-3D AM使研究人员能够在粉末物理和激光-材料相互作用的熔池规模上运行高保真模拟，以了解由此产生的熔合、热分布和沉积附加层的固化。此外，研究人员可以查看扫描策略对后续层的影响，以优化激光参数，从而在不影响零件质量的情况下提高产量。
基于有线的 DED
与基于粉末的 DED 相比，基于线材的 DED 往往具有更高的吞吐量和更少的浪费，但在材料成分和沉积方向方面的灵活性较低。FLOW-3D AM有助于了解基于线材的 DED 的加工窗口，并允许进行优化研究以找到最佳加工参数，例如构建的送丝速度和直径。
基于线粉的 DED
一些研究人员正在研究基于混合线粉末的 DED 系统，该系统为建筑零件开辟了更广泛的加工条件。例如，该模拟正在研究具有可变粉末和线材进给率的混合系统。
FLOW-3D AM 客户案例
异种金属激光锁孔焊接中金属混合的研究
通用汽车和犹他大学的研究人员使用FLOW-3D WELD来了解通过激光锁孔焊接混合不同金属。他们研究了激光功率和扫描速度对铜和铝混合浓度的影响，因为它与反冲压力和马兰戈尼对流有关。他们将模拟结果与实验结果进行了比较，发现样品内切割横截面的材料浓度之间存在良好的一致性。
参考文献：黄文康、王宏亮、Teresa Rinker、谭文达，异种金属激光锁孔焊接中金属混合的研究，材料与设计，第 195 卷，（2020 年）。https://doi.org/10.1016/j.matdes.2020.109056
激光粉末床熔融制备镍基高温合金的传热、流体流动和凝固微观结构建模
俄亥俄州立大学的研究人员从熔池和固相线/液相线界面的适当位置提取热梯度和冷却速率数据，以预测镍基高温合金的微观结构演变。
参考文献：YS Lee 和 W. Zhang，激光粉末床熔合制造的镍基高温合金的传热、流体流动和凝固微观结构建模，S2214-8604(16)30087-2， doi.org/10.1016/ j.addma .2016.05.003，ADDMA 86。
通过连接热流体和机械模型对增材制造的热应力进行高保真建模
新加坡国立大学和新加坡国立大学研究院的研究人员使用FLOW-3D热流体建模来模拟激光粉末床融合过程并提取温度数据，然后将其输入机械模型以分析残余应力集中。耦合的 CFD-FEM 模型提供了对加工参数的深入了解，这些参数会导致机械故障，例如与高拉伸应力位置相关的开裂和孔隙率。这些模拟是针对不同激光功率和多层扫描速度进行的。
参考资料： 陈凡、严文涛，通过链接热流体和机械模型对增材制造进行热应力高保真建模，材料与设计，第 196 卷，（2020 年）。https://doi.org/10.1016/j.matdes.2020.109185