2024 Formnext|中航迈特推出3D打印钛合金新材料MT-Ti31

1a80bdd0963964daad7a8c0942dc752a.gif

Ti31为近α型钛合金,集中了多种钛合金的优点,具有密度小、比强度高、耐高温高压、耐海水及海洋大气腐蚀等特点,广泛应用于航空、航天、海洋工程、核能等领域。

daa93cd661cc82917184c16845e0b48d.jpeg

伴随核能等领域增材制造技术的不断发展,亟需开发适用于特定领域的专用粉末材料;中航迈特材料研发团队以市场应用需求为导向,率先开发出核能增材制造专用MT-Ti31钛合金粉末,并形成材料、工艺、性能一站式工艺解决方案,有效满足了行业客户要求。

MT-Ti31 钛合金粉末

立足Ti31合金特性,匹配金属3D打印工艺要求,中航迈特从粉末成分设计、粉末形貌、氧含量控制、夹杂物控制等关键技术着手,深入开展了系列材料可打印性创新研发工作,经过多轮次3D打印及热处理工艺迭代,材料打印制件冲击韧性、打印性能等表现优异,满足应用指标要求。

材料特性

一种近α型钛合金

密度小、比强度高,耐高温高压

耐海水及海洋大气腐蚀

可加工性能优异

9fe1fb6c0c878c0da04ad14501efdead.png

典型应用

航空、石化工业、船舶、核工业等行业

热交换器、冷凝器、阀门

泵体、管路、法兰、管座等部件产品

技术突破

粉末形貌及氧含量控制等关键制粉技术

薄壁结构尺寸控制技术

材料组织性能调控技术

解决了材料打印开裂、力学性能

不达标、零件尺寸变形等问题

化学成分(wt.%)

b07859fa7af1e792c2e429a4d83976bc.jpeg

物理性能

3c74aab003f4a2e527fcbf015e2ff0a9.jpeg

打印参数

d81561e9e6bdcbd431131527d3df74af.jpeg

金相组织

f5a215147a81eeb56609a87a2425f01d.png

力学性能

6a56be5e83bdb4022e97fcf9d64163bc.jpeg

先进制备技术

采用行业领先的自主化雾化制粉技术

(电极感应气雾化+等离子旋转电子雾化)

满足客户对不同工艺用粉的需求

粉末成分及粒度、宏观形貌、缺陷控制等

物理、化学指标满足金属3D打印需求

4765cf39e770d76192b4ed35c448702d.png

适配打印设备

依托自主化激光选区熔化设备

不断优化打印工艺参数及热处理制度

有效改善了粉末打印开裂等问题

689240f62f2678bb5ec45f4c8dde9ae4.png

从宇宙金属、空间金属到现代高科技金属,钛合金的应用价值日益突出,特别是钛合金增材制造技术应用,逐渐获得了航空、航天、化工、石油、消费电子、生物医疗等高科技领域的广泛认可;聚焦钛合金增材制造,中航迈特开发的MT-TC4、TA1、TA15、TC11、Ti6Al4V01、TiAl4822、Ti2AINb、NiTi50、TA17、TA18、TC19、TC31等系列钛合金粉末,粉末产品比强度高、耐蚀性好、耐热性高,综合性能优异,已批量应用于我国航空航天、消费电子、生物医疗等部件制造,服务各行业龙头企业。

深耕应用,持续创新,中航迈特期待为行业客户提供更多优质材料解决方案,并以先进材料及制造技术持续为客户创造价值。

8e14be0ad59d860e648a229fce591321.jpeg

注:本文内容由3D打印技术参考整理编辑,转载请点击转载须知

欢迎转发

主编微信:2396747576(请注明身份); 硕博千人交流Q群:248112776;网址:www.amreference.com

延伸阅读:

1.民用市场的新未来!3D打印导入电子3C行业一周年!各厂商做了哪些努力?

2.2024 Formnext|高性能3D打印铜合金CuCrNb-42,希禾增材上线新材料

3.金属3D打印材料领军者集中亮相Formnext,带来高效能、经济型的材料展示

4.国家统计局:2024年上半年3D打印设备产量同比增长51.6%

cf61c521bb4aebe7b0ee72b2f72bd0fd.gif

本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
Matlab 为神经网络的研究和应用提供了强大的支持,以下从多个方面介绍其相关知识: ### 神经网络工具箱 Matlab 提供了专门的神经网络工具箱(Neural Network Toolbox),它包含了各种预定义的神经网络模型,如前馈神经网络、递归神经网络等,以及一系列用于网络创建、训练和仿真的函数。例如,`newff` 函数可用于创建一个前馈神经网络,`train` 函数用于训练网络,`sim` 函数用于对训练好的网络进行仿真。以下是一个简单的示例代码: ```matlab % 创建输入和目标数据 x = [0 1; 1 0; 1 1; 0 0]'; t = [1 1 0 0]; % 创建一个前馈神经网络 net = newff(x, t, [2], {'tansig', 'purelin'}); % 训练网络 net = train(net, x, t); % 仿真网络 y = sim(net, x); ``` ### 神经网络的创建 在 Matlab 中创建神经网络,需要确定网络的类型、层数、每层的神经元数量以及激活函数等参数。以多层感知器(MLP)为例,可通过指定输入层、隐藏层和输出层的神经元数量来创建网络。同时,还可以选择不同的激活函数,如 sigmoid 函数、ReLU 函数等,以适应不同的任务需求。 ### 神经网络的训练 训练神经网络是调整网络权重和偏置的过程,以使得网络的输出尽可能接近目标输出。Matlab 提供了多种训练算法,如梯度下降法、Levenberg - Marquardt 算法等。在训练过程中,需要选择合适的训练算法、学习率、训练次数等参数。例如,使用 `trainlm` 函数可以采用 Levenberg - Marquardt 算法进行训练: ```matlab net.trainFcn = 'trainlm'; % 设置训练函数为 Levenberg - Marquardt 算法 net = train(net, x, t); ``` ### 神经网络的评估 训练完成后,需要对神经网络的性能进行评估。常见的评估指标包括均方误差(MSE)、准确率等。可以使用 `perform` 函数计算网络的性能指标: ```matlab mse = perform(net, t, y); % 计算均方误差 ``` ### 神经网络的应用 Matlab 中的神经网络可应用于多个领域,如模式识别、预测分析、控制系统等。例如,在图像识别中,可以使用卷积神经网络(CNN)对图像进行分类;在时间序列预测中,可以使用递归神经网络(RNN)对未来数据进行预测。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值