使用选择性激光熔化的嵌入传感器用于自我认知的金属部件
利用传感器或集成电路(ICs)实现双向通信的智能系统的进步，有望引领第四次工业革 命中智能制造业的快速发展。物联网(IoT)技术在智能行业和智能生活中引起了相当大的关注，因为它能够远程访问监控系统的特定状态。实现物联网技术的关键是在每个单独的系统中附加或插入定制的传感器。在这方面，已经开发出许多嵌入或组装成聚合物部件或有机系统的高功能传感器。但是，这些嵌入式传感器的许多应用都只集中在塑料部件上。直接将传感器或电路嵌入金属零件仍有一定的局限性。
韩国材料科学研究所等人通过选择性激光熔化(SLM)工艺将传感器或集成电路(IC)芯片嵌入到金属元件中。在激光扫描过程中引入保护层的概念来制造所有零件而不损坏传感器。通过对激光热影响的计算分析，分析了传感器在零件中的工作情况。在嵌入传感器后，尽管经过间歇性的SLM过程，所制造的金属零件仍显示出连续的微结构，包括晶粒和相。
图1. 传感器嵌入选择性激光熔化(SE-SLM)原理图。(a) 间歇式SLM工艺的零部件设计与加工 (b) SE-SLM过程的三个主要步骤和细节。
所提出的传感器嵌入选择性激光熔化(SE-SLM)过程的原理图如图1所示。第一步:使用第一次SLM部件设计将部件打印到传感器嵌入位置的高度。第二步:去除打印区域内用于嵌入的粉末，并用所需的传感器或集成电路元件替换。在这个阶段，打印空间的顶部被预先制备的保护层覆盖。嵌入保护层后，零件的顶面应平整，以便在接下来的步骤中扩散和熔化粉末。第三步:根据第二次SLM零件设计制作剩余部分。
图2. 用SE-SLM制作SUS316L样品的表征。(a)采用SE-SLM技术设计SUS316L立方试件。(b) SE-SLM试样和SLM试样的拉伸性能比较。(c)界面区域用光学显微镜可视化(标尺:400um(左)，100um(右))。(d)扫描电子显微镜(SEM)显示界面区域(标尺:20um(左)，5um(右))
图2（b）表明：使用SE-SLM制作的拉伸试样略高屈服强度略高于常规SLM样本,而SE-SLM标本的极限抗拉强度略低于SLM的标本。图2(c)光镜图像表明，未观察到主要的SLM缺陷，如气孔或未熔粉。在图2(d)的SEM图像中，在界面区发现了不连续的柱状组织，这可能导致延伸率低于正常SLM过程中自然柱状组织。但在高倍放大图像中，界面区域内未发现亚微米气孔或缺陷。
图3.嵌入金属中的PCB-IC元件。(a)从金属元件内嵌的IC元件读取数据的装置。(b)嵌入式铬镍铁合金718涡轮叶片IC元件。(c)通过蓝牙连接远程无线监测涡轮叶片温度。(d)-(f)记录每个轴振动输入的加速度数据((d)x轴，(e)y轴，(f)z轴)。
图3表明了从金属元件内嵌的IC元件读取的数据。在文章的结语部分，作者总结：“这些由集成传感器的金属组件生成的实时大数据，可以有效地用于基于数字双驱动金属的机械系统，或用于深度学习算法对系统状态的预测。
参考文献：
Im Doo Jung, Min Sik Lee,Jungsub Lee,et al.Embedding sensors using selective laser melting for self-cognitive metal parts[J].Additive Manufacturing,2020.
|
