川崎重工安装电弧3D打印的螺旋桨叶片,强度提高40%

当前,SLM激光铺粉金属3D打印技术已经越来越多的应用到工业生产中,而电弧增材制造技术(WAAM)也迎来了爆发式增长,并有复制SLM成功之路的态势。该技术能够在极短的时间内生产出性能卓越的部件,航空航天领域已经使用该技术制造相关部件、宝马等汽车制造商正在探索使用该技术制造汽车部件的可能性。

3D打印技术参考注意到,川崎重工株式会社与Pelagus 3D合作,采用电弧增材制造技术打印了镍铝青铜螺旋桨叶片,目前已经安装在了相关船只上,这一实践充分展示了WAAM技术在船舶备件制造中的变革潜力。

cb6c8edb36e4c0b2a9b427669e7126d9.jpeg

该合作项目不仅展示了增材制造技术如何重新定义船舶备件的未来,还提供了一种耐用、按需的解决方案,以满足海洋工程领域的独特需求。

在传统的船舶部件制造过程中,如螺旋桨叶片的生产,通常涉及铸造、锻造或机械加工等工艺,这些方法不仅成本高昂、耗时且对环境影响较大。而3D打印技术的引入,提供了一种创新的生产方式,通过逐层构建复杂的部件,显著缩短了交货时间、减少了材料浪费,并降低了运营成本。

WAAM作为一种专门的增材制造技术,利用电弧作为热源来熔化金属丝,逐层沉积以形成近净形状的部件。WAAM的高效率和可扩展性使其成为生产大型金属部件,如螺旋桨叶片等的理想选择,这些部件在应用中需要高强度和耐用性。

539a9ff39a99c1638a53ba477f59c44b.jpeg

川崎重工(KHI)作为船舶工程领域的领导者,以其生产高质量设备和部件而闻名于全球航运业。在Epic Salina号船的项目中,川崎选择了镍铝青铜作为WAAM生产的螺旋桨叶片材料。镍铝青铜以其耐腐蚀性、强度和在恶劣海洋环境中的耐用性而著称,是制造螺旋桨和推进器等高性能部件的理想材料

8ea4714eeb13f4abe8977e59f34021f9.jpeg

WAAM制造的螺旋桨叶片的一个显著优势是其与传统制造部件相比,强度提高了40%。WAAM通过生产接近全密度的组件来实现这一目标,确保材料性能在苛刻的操作条件下的可靠性。

从设计到安装的整个过程仅用了六周时间就完成了,这种快速周转对于需要及时维修或更换以尽量减少停机时间的船舶运营商来说尤其有利。相比之下,传统方法可能需要几个月的时间来生产和交付类似的零件,特别是当组件需要定制制造或国际运输时。

Pelagus 3D专门将WAAM技术应用于大型工业应用。在该项目中,Pelagus 3D在制造螺旋桨叶片方面发挥了关键作用,利用其WAAM专业知识确保部件满足川崎严格的性能和耐用性要求。

该项目的成功凸显了结合船舶工程、增材制造和运营专业知识的价值。这种合作关系使从设计到安装的生产过程变得顺畅而高效,并展示了WAAM在制造高质量船舶部件方面的潜力。

国内方面,在2024年5月8日的TCT亚洲展上,南京英尼格玛工业自动化技术有限公司举行了中国船级社船舶与海洋工程装备增材制造电弧熔丝制备技术认可仪式。中国船级社上海规范所为英尼格玛颁发了中国首张电弧增材技术领域的原则性认可(Approval In Principle, AIP)证书,标志着英尼格玛在电弧增材制造领域领先的行业地位获得权威认证

c0a1e8d98d64506062291ae911853ce2.jpeg

中国船级社是中国唯一一家在船舶与海洋工程领域的权威认证机构。该事件代表了电弧增材技术在国内造船行业已经获得应用。英尼格玛推出具有自主知识产权的电弧增材技术,促成了众多项目的应用与落地。其获得中国船级社认证是无疑是电弧增材制造行业的一个重要里程碑。

欢迎转发

欢迎加入硕博千人交流Q群:248112776

延伸阅读:

1.拓竹科技欧洲CEO谈桌面3D打印的高速增长

2.电弧增材制造替代激光能量沉积,成为大型铝合金构件3D打印的重要技术

3.法国海军成功测试激光能量沉积3D打印支持航母!国内解决方案有哪些

4.采用电弧增材制造,3D打印大尺寸拓扑优化构件

4486f1af8f02eb95ca49b14e67ec320c.gif

内容概要:本文介绍了一个基于多传感器融合的定位系统设计方案,采用GPS、里程计和电子罗盘作为定位传感器,利用扩展卡尔曼滤波(EKF)算法对多源传感器数据进行融合处理,最终输出目标的滤波后位置信息,并提供了完整的Matlab代码实现。该方法有效提升了定位精度与稳定性,尤其适用于存在单一传感器误差或信号丢失的复杂环境,如自动驾驶、移动采用GPS、里程计和电子罗盘作为定位传感器,EKF作为多传感器的融合算法,最终输出目标的滤波位置(Matlab代码实现)机器人导航等领域。文中详细阐述了各传感器的数据建模方式、状态转移与观测方程构建,以及EKF算法的具体实现步骤,具有较强的工程实践价值。; 适合人群:具备一定Matlab编程基础,熟悉传感器原理和滤波算法的高校研究生、科研人员及从事自动驾驶、机器人导航等相关领域的工程技术人员。; 使用场景及目标:①学习和掌握多传感器融合的基本理论与实现方法;②应用于移动机器人、无人车、无人机等系统的高精度定位与导航开发;③作为EKF算法在实际工程中应用的教学案例或项目参考; 阅读建议:建议读者结合Matlab代码逐行理解算法实现过程,重点关注状态预测与观测更新模块的设计逻辑,可尝试引入真实传感器数据或仿真噪声环境以验证算法鲁棒性,并进一步拓展至UKF、PF等更高级滤波算法的研究与对比。
内容概要:文章围绕智能汽车新一代传感器的发展趋势,重点阐述了BEV(鸟瞰图视角)端到端感知融合架构如何成为智能驾驶感知系统的新范式。传统后融合与前融合方案因信息丢失或算力需求过高难以满足高阶智驾需求,而基于Transformer的BEV融合方案通过统一坐标系下的多源传感器特征融合,在保证感知精度的同时兼顾算力可行性,显著提升复杂场景下的鲁棒性与系统可靠性。此外,文章指出BEV模型落地面临大算力依赖与高数据成本的挑战,提出“数据采集-模型训练-算法迭代-数据反哺”的高效数据闭环体系,通过自动化标注与长尾数据反馈实现算法持续进化,降低对人工标注的依赖,提升数据利用效率。典型企业案例进一步验证了该路径的技术可行性与经济价值。; 适合人群:从事汽车电子、智能驾驶感知算法研发的工程师,以及关注自动驾驶技术趋势的产品经理和技术管理者;具备一定自动驾驶基础知识,希望深入了解BEV架构与数据闭环机制的专业人士。; 使用场景及目标:①理解BEV+Transformer为何成为当前感知融合的主流技术路线;②掌握数据闭环在BEV模型迭代中的关键作用及其工程实现逻辑;③为智能驾驶系统架构设计、传感器选型与算法优化提供决策参考; 阅读建议:本文侧重技术趋势分析与系统级思考,建议结合实际项目背景阅读,重点关注BEV融合逻辑与数据闭环构建方法,并可延伸研究相关企业在舱泊一体等场景的应用实践。
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