Modèle phénoménologique de la forme du cordon en Fabrication Additive arcs fils (WAAM)

Phenomenological model of thermal effects on weld beads geometry produced by Wire and Arc Additive Manufacturing (WAAM)

• Auteur / Autrice : Supasit Manokruang
• Direction : Frédéric Vignat
• Type : Thèse de doctorat
• Discipline(s) : Génie Industriel conception et production
• Date : Soutenance le 29/08/2022
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale Ingénierie - matériaux mécanique énergétique environnement procédés production (Grenoble ; 2008-....)
• Partenaire(s) de recherche : Laboratoire : Sciences pour la conception, l'optimisation et la production (Grenoble, Isère, France)
• Jury : Président / Présidente : François Villeneuve
• Jury : Examinateurs / Examinatrices : Xavier Fischer, Nattapong Kongprasert
• Jury : Rapporteurs / Rapporteuses : Jérôme Pailhes, Cyril Bordreuil

Mots clés

Mots clés contrôlés

Effets de la chaleur

Prototypage rapide

Mots clés libres

Transfert de métal à froid

Fabrication Additive

Cordons de soudure

Additive manufacturing

Weld Beads

Cold Metal Transfer

Résumé

La fabrication additive Arcs fils (WAAM) consiste en les fils métalliques fondus qui sont déposés en suivant une trajectoire définie. D’après des expériences, nous trouvons que durant son dépôt, la chaleur, qui est un facteur incontrôlable dans ce stade, augmente inévitablement. Ce phénomène conduit aux différents défauts sur les résultats ; par exemple, un produit malformé géométriquement et une imperfection des propriétés mécaniques. En effet, l’objectif est « comment connaître le dépôt de la forme du cordon de soudure, en fonction des paramètres du procédé, en particulier l'effet de la température ». Bien que certains nombres de doctrines montrent que le paramètre du procédé WAAM, à savoir un soudage et un dépôt de trajectoire, influence la forme du produit final, aucune explication concernant un impact d’un environnement géométrique, notamment la température, sur la dimension de cordons de soudure telle sa forme de substrat que sa trajectoire n’a apparue. C’est pourquoi cette thèse vise à définir deux paramètres du procédé : tels qui peut être contrôlé et tels qui ne peut pas être contrôlés. En effet, les deux derniers résultent de l’influence croisée de presque tous les autres paramètres du procédé. Ainsi, la température est considérée comme un paramètre incontrôlable qui, en réalité, pose un problème sur la forme des cordons de soudure. La simulation par éléments finis qui est un outil permettant de connaître la température est, donc, utilisée récemment dans certaines expériences. Quatre expériences ont été effectuées, ici, de la manière la plus complète possible. En effet, une série de paramètres de soudage a été appliquée ; c’est-à-dire que cinq différentes températures initiales, plus précisément, à partir de la température ambiance jusqu’à 400°C, ont été appliqués sur quatre configurations, à savoir les cordons simples sur une surface plat (1) et sur un cylindre en différents diamètres (2), le dépôt latéral sur une surface plat (3), et les murs de 10 couches (4). Dans chaque dépôt des cordons de soudure, l’accent est mis sur la température initiale afin d’assurer la température dès le début de dépôt de chaque cordon. En outre, la simulation par élément fini a été simultanément utilisée pendant la procédure afin de définir le Tdep de chaque cordon de soudure. En effet, elle nous permet de connaître la température réelle qui apparaît lorsque le métal fondu est déposé.Par ailleurs, cette thèse présente également l’identification géométrique. En effet, la première finalité de l’identification géométrique est de transposer des cordons de soudure physiques à un modèle géométrique ayant une dimension spécifique sur forme numérique. Il s’agit d’une numérisation des cordons dans la première étape pour créer une représentation numérique de leur forme. Puis, les cordons physiques et ceux numériques ont été comparés pour choisir la partie dont la température est la plus constante. Le centre des cordons a, donc, été choisi. Ensuite, la mesure de la taille de ces cordons a été réalisée, sous forme d’une section transversale, au centre des cordons après avoir mis un modèle d’ajustement circulaire afin de connaître la hauteur et la largeur de ces derniers.Le réseau de neurones artificiels est également un outil qui a été appliqué à nos expériences afin de prévoir la taille des soudures. En effet, les paramètres contrôlables (à savoir la vitesse d’avance du fil, la vitesse de déplacement et la température initiale) et les paramètres incontrôlables (à savoir la température sur la surface du dépôt et le rayon actuel du substrat) sont pris pour prévoir la taille des cordons, via cet outil, dans la direction verticale. Grosso Modo, l’idée est que l’installation dans cette direction nous permettra d’obtenir une prévision de la taille de cordons plus juste.

Wire and Arc Additive Manufacturing (WAAM) consists of melting a metallic wire and depositing it according to a defined trajectory. This technology inevitably generates heat during the fusion of the raw material. The lack of control of this thermal field leads to various defects such as geometric deviation or poor mechanical properties. That is the critical reason for the knowledge in this matter. The objective is set as follows: "How to know the weld bead shape deposition, according to process parameters, especially the effect of temperature?" The literature reveals the influence of WAAM process parameters on shape-built parts. The phrase "process parameters" refers to the global WAAM process parameters divided into welding and deposition trajectories. In the research, direct influences of welding parameters are widely investigated. However, even if trajectories strategies are approached, it is still relatively poorly known how the geometrical environment influences the weld bead dimensions, such as substrate shape or trajectory. Especially, their crossed influences with welding parameters on temperature are not considered yet. For this, we propose defining two process parameters: controllable and uncontrollable, which will result from the cross-influences of almost every other process parameter. This lately will be approached thanks to a finite element simulation. The problem is that temperature is not something that can be regulated directly. Controlling it via the initial temperature is one option. Simulations using finite elements are used to verify this assertion. The goal of these simulations is to confirm that deposition temperature changes regarding the initial temperature, welding parameters, and the geometrical environment. Thus, four experiments are implemented to cover as much configuration as possible. One set of welding parameters has been applied with five different initial temperatures, from room temperature to 400°C, on four different geometrical configurations: single beads on flat surfaces and cylinders with different diameters, lateral deposition on a flat surface, and finally, walls of 10 layers. For every deposited well bead, specific attention is given to the initial temperature to ensure its value at the start of every weld bead. Simultaneously, a finite element model is run to define Tdep for every weld bead, allowing one to be aware of the temperature under the same droplet of molten metal deposited. The primary goal of geometrical identification is transited from physical weld beads. With phenomenological or numerical models, the evolution of this data may be traced and even predicted. Then, a zone of interest is determined to keep just the portions with consistent processing circumstances for each experimental condition. As various transitory phenomena occur, such as process parameter variations or temperature behavior, the start and end of weld beads will be eliminated. This decision is based on the previous chapter's thermal simulation results. Then, to describe weld cross-sections, a circular fitting model. Information on width and height are retrieved for each circumstance thanks to its easy and quick application. The geometry of the weld bead (width and height) is critical for component design and quality. However, determining the form of the weld bead is difficult. As a result, it has obtained information on the weld bead shape due to several trials. This section offers an artificial neural network model for predicting weld bead form with controllable (wire feed speed, travel speed, initial temperature, and uncontrollable factors (surface deposition temperature and actual substrate radius). In the vertical overlap weld bead, these factors predict the geometry of the weld bead.