Advertisement

Numerische Simulation zur Vorhersage von Temperaturfeldern, Eigenspannungen und Verzug beim selektiven Laserstrahlschmelzen

Chapter
  • 6k Downloads

Zusammenfassung

Additive Fertigungsverfahren wie das selektive Laserstrahlschmelzen ermöglichen die Herstellung komplexer, individueller Bauteile aus metallischen Werkstoffen. Zur Definition geeigneter Fertigungsparameter sind jedoch häufig verhältnismäßig aufwändige experimentelle Parameteranpassungen notwendig. Eine Vermeidung dieser experimentellen Anpassungen könnte durch eine simulative Vorhersage der Bauteileigenschaften bei bestimmten Prozessparametern und Bauteilgeometrien ermöglicht werden. Ziel der Simulationen ist die numerische Berechnung von Temperaturfeldern, Eigenspannungen und Verzug, wie sie in realen Bauteilen während des additiven Fertigungsprozesses auftreten. Problematisch bei einer Simulation laseradditiver Fertigungsprozesse sind jedoch die unterschiedlichen Größenordnungen von Prozess und Bauteil.

In dieser Arbeit wird daher untersucht, welche Möglichkeiten zur Simulation des additiven Fertigungsprozesses unter Berücksichtigung der vorliegenden physikalischen Effekte bestehen und welche Herausforderungen sich dabei ergeben. Dazu wird beispielhaft die Fertigung einfacher Geometrien im Finite-Elemente-Programm Abaqus 2017 simuliert, um die Eignung von Modellvereinfachungen und den Einfluss verschiedener Prozessparameter zu untersuchen. Dabei werden eine schichtweise Elementaktivierung, eine gaußverteilte Wärmequelle und thermische sowie mechanische Randbedingungen im Modell verwendet, um den realen additiven Fertigungsprozess abzubilden.

Zunächst wird an einem Modell der Einfluss von Elementgröße und Zeitschrittweite auf berechnete Temperaturen, Eigenspannungen und Verzug untersucht. Dabei zeigt sich, dass eine Abhängigkeit der berechneten Ergebnisse von der Elementgröße im Modell und der verwendeten Zeitschrittweite besteht. An einem weiteren Modell wird außerdem der Einfluss der Scanstrategie auf den resultierenden Eigenspannungszustand untersucht. Die Untersuchungen zeigen hier, dass Richtungsänderungen der Scanpfade zwischen den Ebenen sowie innerhalb der Ebenen zu einem gleichmäßigeren Spannungszustand beitragen.

Schlüsselwörter

Selektives Laserstrahlschmelzen Numerische Simulation Eigenspannungen Verzug 

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. [1] E. Roos, K. Maile, and M. Seidenfuß, Werkstoffkunde für Ingenieure, 6th ed. Berlin: Springer-Vieweg, 2017.CrossRefGoogle Scholar
  2. [2] P. Mercelis and J. Kruth, “Residual stresses in selective laser sintering and selective laser melting,” Rapid Prototyping Journal, vol. 12, no. 5, pp. 254–265, 2006.CrossRefGoogle Scholar
  3. [3] Y. Liu, Y. Yang, and D. Wang, “A study on the residual stress during selective laser melting (SLM) of metallic powder,” Int J Adv Manuf Technol, vol. 87, no. 1-4, pp. 647–656, 2016.CrossRefGoogle Scholar
  4. [4] D. Buchbinder, G. Schilling, W. Meiners, N. Pirch, and K. Wissenbach, “Untersuchung zur Reduzierung des Verzugs durch Vorwärmung bei der Herstellung von Aluminiumbauteilen mittels SLM,” RTejournal, 2011.Google Scholar
  5. [5] S. Kolossov, E. Boillat, R. Glardon, P. Fischer, and M. Locher, “3D FE simulation for temperature evolution in the selective laser sintering process,” International Journal of Machine Tools and Manufacture, vol. 44, no. 2-3, pp. 117–123, 2004.CrossRefGoogle Scholar
  6. [6] N. Contuzzi, S. L. Campanelli, and A. D. Ludovico, “3D Finite Element Analysis in the selective laser melting process,” Int. j. simul. model., vol. 10, no. 3, pp. 113–121, 2011.CrossRefGoogle Scholar
  7. [7] I. A. Roberts, C. J. Wang, R. Esterlein, M. Stanford, and D. J. Mynors, “A three-dimensional finite element analysis of the temperature field during laser melting of metal powders in additive layer manufacturing,” International Journal of Machine Tools and Manufacture, vol. 49, no. 12-13, pp. 916–923, 2009.CrossRefGoogle Scholar
  8. [8] A. Bauereiß, E. Parteli, D. Riedlbauer, and M. Stingl, “Numerische Simulation pulverund strahlbasierter additiver Fertigungsprozesse,” in Dietmar Drummer, pp. 117–130, 2012.Google Scholar
  9. [9] N. Keller and V. Ploshikhin, “New method for fast predictions of residual stress and distortion of AM parts,” Austin, Texas, 2014.Google Scholar
  10. [10] F. Neugebauer, N. Keller, V. Ploshikhin, F. Feuerhahn, and H. Köhler, “Multi Scale FEM Simulation for Distortion Calculation in Additive Manufacturing of Hardening Stainless Steel,” Bremen, 2014.Google Scholar
  11. [11] C. Li, C. H. Fu, Y. B. Guo, and F. Z. Fang, “Fast Prediction and Validation of Part Distortion in Selective Laser Melting,” Procedia Manufacturing, vol. 1, pp. 355–365, 2015.CrossRefGoogle Scholar
  12. [12] J. Goldak, A. Chakravarti, and M. Bibby, “A new finite element model for welding heat sources,” Metallurgical Transactions, no. 15B, pp. 299–305, 1984.CrossRefGoogle Scholar
  13. [13] J. Goldak and M. Akhlaghi, Computational welding mechanics.Google Scholar
  14. [14] K. Zeng, D. Pal, N. Patil, and B. Stucker, “A new Dynamic Mesh Method Applied to the Simulation of Selective Laser Melting,” Austin, Texas, 2013.Google Scholar
  15. [15] T. Töppel, B. Müller, K. P. Hoeren, and G. Witt, “Eigenspannungen und Verzug bei der additiven Fertigung,” Schweißen und Schneiden 68, no. 4, pp. 176–186, 2016.Google Scholar
  16. [16] A. Hussein, L. Hao, C. Yan, and R. Everson, “Finite element simulation of the temperature and stress fields in single layers built without-support in selective laser melting,” Materials & Design (1980-2015), vol. 52, pp. 638–647, 2013.CrossRefGoogle Scholar
  17. [17] A. Foroozmehr, M. Badrossamay, E. Foroozmehr, and S. Golabi, “Finite Element Simulation of Selective Laser Melting process considering Optical Penetration Depth of laser in powder bed,” Materials & Design, vol. 89, pp. 255–263, 2016.CrossRefGoogle Scholar
  18. [18] Dassault Systèmes, “Abaqus Analysis User’s Guide: 6.3.3 Explicit dynamic analysis,” 2016.Google Scholar
  19. [19] N. Keller, “Verzugsminimierung bei selektiven Laserschmelzverfahren durch Multi-Skalen-Simulation,” Dissertation, Airbus Endowed Chair for Integrative Simulation and Engineering of Materials and Processes, Universität Bremen, 2016.Google Scholar
  20. [20] Lars Fuglsang Andersen, “Residual Stresses and Deformations in Steel Structures,” Dissertation.Google Scholar
  21. [21] N. Patil et al., “A Generalized Feed Forward Dynamic Adaptive Mesh Refinement and Derefinement Finite Element Framework for Metal Laser Sintering—Part I: Formulation and Algorithm Development,” J. Manuf. Sci. Eng, vol. 137, no. 4, p. 41001, 2015.Google Scholar
  22. [22] I. ABAQUS, Ed., “Overview of ABAQUS/Explicit,” 2005.Google Scholar
  23. [23] Abaqus Analysis User’s Guide: 6.3.3 Explicit dynamic analysis, 2016.Google Scholar
  24. [24] Livermore Software Technology Corporation, LS-DYNA Theory Manual. Livermore, California, 2017.Google Scholar
  25. [25] EOS GmbH, “Materialdatenblatt EOS Aluminium AlSi10Mg,” Krailing/München, 2014.Google Scholar
  26. [26] Renishaw plc, “AlSi10Mg-0403 Pulver für die generative Fertigung,” Pliezhausen, 2015.Google Scholar
  27. [27] M. Käß, “Entwicklung einer Simulationsmethode zur Vorhersage der Eigenspannungen beim selektiven Laserschmelzen (SLM),” Masterarbeit, Institut für Materialprüfung, Werkstoffkunde und Festigkeitslehre, Universität Stuttgart, 2017.Google Scholar
  28. [28] T. Bareth, “Entwicklung eines Modells zur Simulation von Eigenspannungen und Verzügen beim selektiven Laserschmelzen,” Studienarbeit, Institut für Materialprüfung, Werkstoffkunde und Festigkeitslehre, Universität Stuttgart, 2018.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019

Authors and Affiliations

  1. 1.Universität StuttgartStuttgartDeutschland

Personalised recommendations