金属废料再造优质3D打印粉末,中体新材已打造行业应用的标杆

加强废旧金属的循环利用,受到了来自国家和行业等多个层面的重视,一方面是能够高效利用资源,另一方面可以减少碳排放。在这个大背景下,以能够用到3D打印技术的电子3C行业为例,他们会优先使用那些强调“再生”概念的产品,尤其是材料。而中体新材这家企业,正在成为该领域的一个标杆。

本文内容将从政策支持、国内行业标杆、行业案例三个角度分析。

政策支持

2022年发布的《关于加快废旧物资循环利用体系建设的指导意见》,明确了未来一段时期做好我国废旧物资循环利用工作的发展目标和主要任务,且明确提到以废钢代替天然铁矿石,以废铝代替原生资源生产铝。这为废金属再利用产业发展带来了机遇。

而同年发布的《工业领域碳达峰实施方案》通知中,明确提出了要“加强再生资源循环利用”,其中就包括废钢铁、废有色金属,这是实现碳达峰的关键路径之一,为废旧金属再利用指明了主战场。

在今年审议通过的《制造业绿色低碳发展行动方案(20252027年)》中,要求重点提高废钢铁、废铜、废铝等再生资源在原料中的比重,力争到2027年,将比重分别提高到22%30%25%。这为技术领先的企业创造了巨大窗口。

以上文件证明了加强废旧金属材料再利用是国家需求,而将这些工业金属废料再造为优质的金属3D打印粉末,是让它们实现重生并增加其价值的重要方式。在此方面,中体新材可谓是第一批响应国家政策的企业,其已成功树立起“变废为宝”的3D打印行业标杆。

苹果使用回收钛合金制造的优质粉末制造3C产品

中体新材再生3D打印材料梳理

3D打印技术参考注意到,中体新材目前已推出多款由金属废料再造的优质3D打印粉末产品,包括不锈钢、铝合金、钛合金等。而它们均是3D打印技术应用最广泛的材料类型,被大量应用在消费电子、汽车、航空航天等多个高增长领域。

以再生钛合金3D打印粉末为例,中体新材推出的CNPC-Ti6Al4V2023年就获得了SCS认证,并成功应用在消费电子行业,获得了国内外多家知名企业的批量供应订单。面对巨大的行业需求,该公司于2024年公布了要在2025年实现700吨钛合金年产能的目标,并在2026年完成50多条产线建设。

在废铝的再利用方面,中体新材推出的CNPC-AlSi10Mg同样获得了SCS 100%循环材料认证,再生铝原料的利用率超过90%。笔者注意到,为应对航空航天等领域对3D打印铝合金粉末的使用需求,中体新材同样加强了产线建设。其新产线单线产能超过300吨,3D打印用铝粉年总产能将达到1500吨,居行业前列。

在废钢循环再利用方面,中体新材采用钢车削废料为原材料开发的金属3D打印粉末全面符合IATF 16949(汽车行业)等国际质量标准体系。采用废料回收的成本,比原生钢粉降低了30-50%,同时减少了工业废弃物的排放。

大客户合作:全球高端场景批量验证

当前,利用回收再制造的材料已经成为众多应用领域的首选。笔者了解到,中体新材开发的循环再利用3D打印粉末,已经通过了多家全球头部企业的认证,应用领域覆盖航空航天、汽车和消费电子等关键领域。

近年来,以苹果为代表的消费电子行业的头部企业,相比其他行业更为关注碳排放,那些强调“再生”概念的企业往往会受到“偏爱”。中新材料开发的循环钛合金粉已获得了消费电子头部客户的认可,其钛合金粉末已被批量应用于手机和穿戴设备制造。

在汽车与高端制造领域,废旧钢铁的再利用是一个老大难问题。中体新材近期与世界顶尖的汽车系统供应商博泽(Brose)达成了战略合作关系。双方成功将博泽中国生产线的废钢转化为高性能的铁基粉末,并用于汽车零部件的批量生产。此外,中体新材开发的铝合金粉也已批量供应给新能源汽车厂商,适配电池包、底盘轻量化部件的打印需求。

在航空航天领域,中体新材开发的循环再利用CNPC-Ti6Al4V已实现应用。虽然该领域对材料质量的要求相比其他行业更高,但材料的有效性已经得到验证。不仅国内,包括美、英在内的主要航天大国均在大力支持将金属废件转为优质金属粉末的企业发展。

在国际市场推广方面,中体新材与加州金属在2025年上半年签署了战略合作协议,双方将以双品牌形式供应和分销由100%回收原料制成的钛合金和不锈钢金属3D打印粉末。而在今年下半年,中体新材又与日本SHOWA KDE达成了合作,后者拥有覆盖日本全国的客户网络和项目落地能力,其将在本地市场推广中体新材的钛、铝和铁基再生粉末。

END

将工业废料转化为高端金属粉末,再打造为终端零部件,体现了材料循环使用的高价值。应用端也已经从质疑产品质量,发展到了被顶级用户认可并大批量使用的阶段。可以说,这条循环使用的路已经被打通,而这门生意也会长时间被鼓励和支持。

中体新材的发展路径响应了国家需求,在当年仍旧较少企业参与的赛道上,该公司无疑已经获得了先发优势。

注:本文由3D打印技术参考创作,未经联系授权,谢绝转载。#增材制造 #3D打印 

欢迎转发

延伸阅读:

1.中体新材3D打印用「循环回收钛合金粉」已成功应用于消费电子领域,2025年底TC4产能将达700吨

2.3D打印航空航天用双梯度负泊松比超结构,受自然启发,更为高效

3.一种新型几何形状被发送到国际空间站,很可能是3D打印的

4.EOS:在3D打印技术发展的多个关键转折点始终保持清醒

【电力系统】单机无穷大电力系统短路故障暂态稳定Simulink仿真(带说明文档)内容概要:本文档围绕“单机无穷大电力系统短路故障暂态稳定Simulink仿真”展开,提供了完整的仿真模型与说明文档,重点研究电力系统在发生短路故障后的暂态稳定性问题。通过Simulink搭建单机无穷大系统模型,模拟不同类型的短路故障(如三相短路),分析系统在故障期间及切除后的动态响应,包括发电机转子角度、转速、电压和功率等关键参数的变化,进而评估系统的暂态稳定能力。该仿真有助于理解电力系统稳定性机理,掌握暂态过程分析方法。; 适合人群:电气工程及相关专业的本科生、研究生,以及从事电力系统分析、运行与控制工作的科研人员和工程师。; 使用场景及目标:①学习电力系统暂态稳定的基本概念与分析方法;②掌握利用Simulink进行电力系统建模与仿真的技能;③研究短路故障对系统稳定性的影响及提高稳定性的措施(如故障清除时间优化);④辅助课程设计、毕业设计或科研项目中的系统仿真验证。; 阅读建议:建议结合电力系统稳定性理论知识进行学习,先理解仿真模型各模块的功能与参数设置,再运行仿真并仔细分析输出结果,尝试改变故障类型或系统参数以观察其对稳定性的影响,从而深化对暂态稳定问题的理解。
本研究聚焦于运用MATLAB平台,将支持向量机(SVM)应用于数据预测任务,并引入粒子群优化(PSO)算法对模型的关键参数进行自动调优。该研究属于机器学习领域的典型实践,其核心在于利用SVM构建分类模型,同时借助PSO的全局搜索能力,高效确定SVM的最优超参数配置,从而显著增强模型的整体预测效能。 支持向量机作为一种经典的监督学习方法,其基本原理是通过在高维特征空间中构造一个具有最大间隔的决策边界,以实现对样本数据的分类或回归分析。该算法擅长处理小规模样本集、非线性关系以及高维度特征识别问题,其有效性源于通过核函数将原始数据映射至更高维的空间,使得原本复杂的分类问题变得线性可分。 粒子群优化算法是一种模拟鸟群社会行为的群体智能优化技术。在该算法框架下,每个潜在解被视作一个“粒子”,粒子群在解空间中协同搜索,通过不断迭代更自身速度与位置,并参考个体历史最优解和群体全局最优解的信息,逐步逼近问题的最优解。在本应用中,PSO被专门用于搜寻SVM中影响模型性能的两个关键参数——正则化参数C与核函数参数γ的最优组合。 项目所提供的实现代码涵盖了从数据加载、预处理(如标准化处理)、基础SVM模型构建到PSO优化流程的完整步骤。优化过程会针对不同的核函数(例如线性核、多项式核及径向基函数核等)进行参数寻优,并系统评估优化前后模型性能的差异。性能对比通常基于准确率、精确率、召回率及F1分数等多项分类指标展开,从而定量验证PSO算法在提升SVM模型分类能力方面的实际效果。 本研究通过一个具体的MATLAB实现案例,旨在演示如何将全局优化算法与机器学习模型相结合,以解决模型参数选择这一关键问题。通过此实践,研究者不仅能够深入理解SVM的工作原理,还能掌握利用智能优化技术提升模型泛化性能的有效方法,这对于机器学习在实际问题中的应用具有重要的参考价值。 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!
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