用于适配具有非晶特性的待制造工件的构件描述的方法与流程

用于适配具有非晶特性的待制造工件的构件描述的方法
1.本发明涉及一种用于适配具有非晶特性的待制造工件的构件描述的方法、一种控制方法、一种计算机可读存储介质、一种用于适配构件描述的装置和一种用于制造工件的系统。
2.非晶金属是一种新类别的材料，该材料在其他材料中具有不能实现的物理特性或特性组合。
3.对于非晶金属，原子级金属合金不具有晶体结构，而是具有非晶结构。对金属来说不寻常的非晶原子排列导致物理性质的独特组合。非晶金属在高弹性的同时通常比普通金属更硬、更耐腐蚀并且更坚固。因此不产生不同的表面电位，从而不会产生腐蚀。
4.自从在加州理工学院发现金属玻璃以来，金属玻璃一直是广泛研究的主题。多年来，不断改进该材料种类的可加工性和特性已经成为可能。如果第一金属玻璃仍然是简单的二元合金(由两种组分构成)，其制造需要在106开尔文每秒(k/s)的范围内的冷却速率，则新的更复杂的合金可以已经以明显更低的冷却速率在几k/s的范围内转化到玻璃状态。这对过程引导以及可实现的工件具有显著的影响。冷却速度被称为临界冷却速率，自该冷却速度起停止熔体的结晶并且熔体在玻璃状态下凝固。临界冷却速率是系统特定的、强烈取决于熔体组成的参量，该参量此外确定最大可达到的构件厚度。如果人们考虑到，存储在熔体中的热能必须足够快地通过系统运走，则清楚的是，从具有高临界冷却速率的系统中仅可以制造具有小厚度的工件。因此，最初金属玻璃通常按照熔融纺丝法(英语：“meltsspinning”)在此，熔体被刮下到旋转的铜轮上并以具有在几百至几十毫米的范围内的厚度的薄带或箔的形式玻璃状地凝固。通过开发具有明显更低的临界冷却速率的新的复杂合金，可以越来越多地使用其他制造方法。目前的形成块体玻璃的金属合金已经可以通过将熔体铸造到冷却的铜硬模中而转变到玻璃状态。在此可实现的构件厚度是合金特定地在几毫米至几厘米的范围内。这种合金被称作金属块体玻璃(英语：“bulk metallic glasses”，bmg)。目前已知有多种这样的合金体系。
5.金属块体玻璃的划分通常借助于组成来进行，其中，具有最高重量份额的合金元素被称为基本元素。现有的体系例如包括贵金属基的合金、例如金、铂和钯基的金属块体玻璃，早期过渡金属基的合金、例如钛或锆基的金属块体玻璃，基于铜、镍或铁的晚期过渡金属基的体系，以及还有基于稀土、例如钕或铽的体系。
6.金属块体玻璃与传统的晶体金属相比典型地具有以下特性：
[0007]-较高的比强度，这例如能够实现较薄的壁厚，
[0008]-较高的硬度，由此表面可以是特别耐刮擦的，
[0009]-高得多的弹性延展性和回弹性，
[0010]-可热塑成形性，和
[0011]-较高的耐腐蚀性。
[0012]
由于金属玻璃、尤其金属块体玻璃的有利特性，例如由于其高强度和没有凝固收缩，金属玻璃、尤其金属块体玻璃是非常有吸引力的结构材料，该结构材料原则上适合于通过批量制造方法例如注塑来制造构件，而不必在完成成形之后强制需要另外的处理步骤。
为了防止在从熔体冷却时合金的结晶，必须超过临界冷却速度。然而，熔体的体积越大，熔体冷却得越慢(在其他条件不变的情况下)。如果超过特定的样品厚度，则在合金能够非晶地凝固之前发生结晶。
[0013]
除了金属玻璃的突出的机械特性，从玻璃状态也得到独特的工艺可能性。因此金属玻璃不仅可以通过熔融冶金方法形成，而且也可以通过在相对较低的温度下热塑性成形以类似于热塑性塑料或硅酸盐玻璃的方式进行成形加工。为此首先将金属玻璃加热到玻璃化转变点以上并且然后表现得像高粘度液体，该高粘度液体可以在相对低的力下改形。紧接着变形，材料被再次冷却到玻璃化转变温度以下。
[0014]
在加工非晶金属时，通过快速冷却(在熔融状态下冻结)熔体来抑制自然结晶，使得原子在其可以呈现晶体排列之前被赋予迁移性。结晶材料的许多性质被原子结构中的缺陷(所谓的晶格缺陷(空位、位错、晶界、相界等)影响或确定。
[0015]
通过快速冷却，材料的收缩被减小，从而在非晶金属的情况下能够实现更精确的构件几何形状。塑性变形仅在超过2％的应变时发生。与之相比，结晶的金属材料通常在明显较小的应变(＜0.5％)时就已经不可逆地变形。此外，高屈服极限与高弹性应变的组合导致弹性能量的高存储能力。
[0016]
然而所使用的材料的热导率对于冷却速度而言设定物理边界，因为在构件中包含的热量必须经由表面释放到环境中。这导致构件的可制造性和制造方法的适用性中的限制。
[0017]
已知有用于由非晶金属制造工件的各种方法。因此可以使用增材制造方法、例如3d打印来制造工件。在此，工件的非晶特性可以通过设定过程参数来确保，所述过程参数例如是扫描速度、激光束的能量或待运行图案。
[0018]
增材制造技术的优点是，原则上可以实现任何可想到的几何形状。此外可能有利的是，在增材制造方法中不需要单独的冷却过程，因为通过逐层制造工件和通过激光能量和激光的移动路径来设定熔池的尺寸，可以确保良好的冷却。
[0019]
在增材制造方法中不利的是，在应用的时间点刚好在大尺寸的工件中的小的构建率。此外，高纯度粉末材料必须用作增材制造工艺的初始材料。如果在材料中存在杂质，则在杂质的部位处可能发生结晶，即，非晶金属，这可能导致机械和化学特性的劣化。由于杂质，表面附近可能需要对工件进行再加工，这是繁琐的。此外，在增材制造中，在工件表面上总是出现一定的粗糙度，从而这在大多数情况下必须通过磨削或铣削来再加工。
[0020]
注塑提供了另外的制造可能性。在此，在申请的时间点可以实现80-100g范围内的工件重量。通常，待使用的材料借助于感应加热在大约20秒内被加热到大约1050℃并且被均匀化。
[0021]
在加热之后，熔融的材料借助于阳模被压入模具中。对于材料特性来说重要的是，如果模具完全填充有材料，则模具内的材料应当在各处具有高于材料熔点的温度。为了获得非晶材料特性，模具内的液态材料必须随后快速冷却到低于玻璃转化温度。
[0022]
在注塑时可能的几何形状由于材料的冷却速度而被限制到0.3-7.0mm的壁厚上。在较大的壁厚的情况下，冷却速度太低，从而在所述材料冷却至低于所述玻璃转化温度之前形成晶体结构。在较小的壁厚的情况下，材料根据待填充的长度冷却得太快并且在模具完全填充之前凝固。
[0023]
为了在结构、尺寸确定、合金材料的选择、制造方法的选择等时已经预先确保能够足够快地将输送给材料的热量输出到环境中，能够仿真和分析冷却特性。
[0024]
ep3246831例如描述了用于提供基于数值的精确、可缩放和预测的3d打印仿真的方法和系统。在此，复杂的部件可以通过独立的和任意的交联被离散化为有限元。随后能够仿真压力变化曲线和压力时间。该有限元模型借助于交叉模块将构件结构与工具路径信息组合起来。这实现仿真在任何给定时间点针对每个有限元的局部加热效应和冷却效率。
[0025]
ep3246831基于数值方法描述了用于制造复杂构件的可缩放的且预测性的3d打印仿真，其中，主要是基于局部加热效应来仿真压力变化曲线、压力时间和冷却效率。不执行构件的尤其关于该构件的熔融状态和随后冷却的可制造性分析。
[0026]
此外，由de102006047806已知，借助有限元法仿真由可转换的钢材制成的金属板坯的热成型的图像。在热成型仿真中，不仅考虑待成型钢材的机械和物理特性，而且在复杂的热机械耦联仿真的范围内考虑材料数据，所述材料数据以特定钢材的时间-温度-转化-数据组的形式引入到该方法中。以这种方式，所求取的临时的局部的机械特性值能够基于相应的相组成被提供给失效模型以改进构件预测和工艺优化。
[0027]
因此，de102006047806描述了一种用于借助有限元法映射由可转换的钢材制成的金属板坯的热成型的仿真方法。在此，基于钢材的局部和临时的相组成的在热成型仿真期间和结束之后的金属板的临时局部机械特性、例如硬度和物理特性是重点。
[0028]
另外，从ep0864991已知一种借助半导体装置制造工艺的计算机仿真来设置非晶区域的方法，其中通过晶体和非晶区域之间的边界面处的杂质浓度的关系确定非晶区域。
[0029]
ep0864991描述了一种用于设置非晶部位的计算机仿真，然而所述计算机仿真基于结构分析被执行。没有设置对整个构件的热观察。
[0030]
另外，从wo2015097273中已知一种用于制造构件的方法，该构件通过熔化和固化部分结晶的热塑性聚合物来制造，其中，所述构件的使用确定结晶度。所提出的方法包括以下步骤：
[0031]
i.以数学公式的形式确定该聚合物的等温结晶动力学；
[0032]
ii.使用在步骤i)中获得的方程来仿真在执行所述制造方法期间的所述聚合物的性质；
[0033]
iii.通过步骤ii)的仿真来确定用于实现所述制造方法的条件，以获得预期的结晶度；并且
[0034]
iv.通过利用在步骤iii)中确定的条件实现所述制造方法来制造所述部件。
[0035]
wo2015097273因此描述了一种用于制造具有限定的结晶度的构件的制造方法。为此，从满足必要特性的实际样品体的制造参数开始，待制造的构件的制造参数借助仿真来求取。在此，仿真流动和固化。
[0036]
从wo2018182513中已知另外的示例，其描述了一种计算机实现的方法，用于评估将通过增材制造工艺制造的对象的几何变化，其中，在该增材制造工艺期间，将由粉末形成的可结晶材料转化成块形状并且在此期间由块形状形成所述物体。
[0037]
wo2018182513的方法包括：
[0038]
i.提供仿真域，所述仿真域包括嵌入在所述粉末的仿真饼中的所述对象的有限元模型；其中，所述有限元模型包括所述对象的有限元和所述粉末的仿真饼的有限元；
[0039]
ii.将所述体积晶体可树脂材料的热特性配设给所述对象的每个有限元；
[0040]
iii.将所述粉末可结晶材料的热特性配设给所述粉末的仿真饼的每个有限元；
[0041]
iv.将仿真的第一温度配设给每个有限元；
[0042]
v.在仿真冷却条件下执行有限元模型的有限元分析，其中，所述仿真冷却条件包括向所述仿真区域的至少一个边界施加仿真的第二温度，其中，仿真的第二温度低于仿真的第一温度；
[0043]
在此，wo2018182513的有限元分析包括以下：
[0044]
i.确定所述对象的每个有限元的仿真可结晶体积材料的仿真结晶体积份额；
[0045]
ii.根据所述仿真的晶体体积份额、所述可结晶材料的结晶相的热膨胀系数(＜3～4)和所述可结晶材料的非晶相的热膨胀系数(c&)确定所述对象的每个有限元的仿真热膨胀系数；
[0046]
iii.执行所述有限元分析，直到达到平衡状态。
[0047]
wo2018182513描述了一种用于评估待通过增材制造工艺制造的构件的几何变化的计算机实施的方法。在此由结晶引起的体积变化是重点。
[0048]
由现有技术的所述缺点得出的任务是，确保在工件中的非晶特性。
[0049]
该任务通过权利要求1、11、12、13和17的主题来解决。
[0050]
该任务尤其通过一种用于适配具有非晶特性的待制造工件的构件描述的方法来解决，该方法包括：
[0051]-在考虑到工件的构件描述、尤其是cad模型的情况下确定待制造的工件的至少一部分的冷却特性；
[0052]-在考虑工件的所确定的冷却特性的情况下适配所述构件描述的至少一部分。
[0053]
本发明基于的考虑是，非晶金属的非晶特性基本通过冷却液态的初始材料来确定。因此有利的是，确定初始材料的冷却特性并且在考虑冷却特性的情况下适配构件描述。可以适配构件描述以实现非晶特性。
[0054]
如所示出的那样，冷却特性与待制造的工件的几何形状相关。因此构件描述例如可以通过cad模型指示待制造的工件的几何形状。总体上因此可以确保在用构件描述制造的工件中实现非晶特性。
[0055]
在一个实施方式中，适配可以包括将至少一个冷却剂描述插入到构件描述中，其中，所述冷却剂描述能够指示构件。
[0056]
适配可以被实施成设置冷却剂。冷却剂可以导致从待制造的工件中的能量输出提高。因此能够加速液态的初始材料的冷却，使得在待制造的工件中实现非晶特性。例如可以想到的是，冷却剂可以布置在构件几何形状内。因此冷却剂可以被布置在没有设置材料的区域中或者材料可以被冷却剂替代的区域中。因此总体上确保了在制造工件时特别有效的冷却，从而可获得非晶特性。冷却剂可以由冷却剂描述来指示。冷却剂描述例如可以构造为cad文件。
[0057]
在一个实施方式中，至少一种冷却剂可以构造为成形体、尤其是构造为金属棒、优选构造为铜棒，和/或构造为工件的外罩。
[0058]
因此可想到用于冷却剂的不同实施方案。成形体或者一个或多个金属棒尤其可以以如下方式布置在工件中，即所述冷却剂的至少一部分与所述工件的环境接触。因此能够
将工件内部的热量有效地向外部传递。外罩具有的优点在于，一方面热量可以通过更大的表面释放到环境中并且另一方面从工件到外罩的热传递可以比从工件到环境空气的热传递更快或更有效地进行。
[0059]
在一个实施方式中，适配可以包括确定待使用的材料。
[0060]
同样可想到，通过所述适配来确定待使用的材料。例如材料可以指示纯度。此外待使用的材料可以通过构件描述来指示。在一个实施方式中可以在考虑材料的情况下实施所述适配。
[0061]
在一个实施方式中该方法可以包括优化构件描述，尤其是使用工件的有限元仿真和/或有限体积仿真，尤其是使用构件描述。
[0062]
可以优化构件描述。因此构件描述可针对预定义的负荷情况被优化。在此，例如可以优化重量，而不会在定义的负荷情况方面出现功能损失。例如可以求取工件的构件几何形状的特定区域是否需要零材料或少量材料以满足负荷情况。
[0063]
因此在一个实施方式中，优化构件描述可以包括计算工件的至少一个负荷情况。
[0064]
在一个实施方式中，构件描述的优化可以包括在构件描述中识别工件的至少一个局部几何形状，其中，局部几何形状可以指示构件描述的可以节省材料的区域。
[0065]
因此同样规定，在优化时能够识别局部几何形状，其中，在局部几何形状的区域中可以节省材料。因此可以制造更轻但却稳定的工件。
[0066]
在此，一个/所述局部几何形状可以指示至少一个体积元素。体积元素可以被定义为长方体或四面体。例如，至少一个体积元素可以是在有限元仿真、有限体积仿真和/或优化的范围内使用的元素。
[0067]
在一个实施方式中，至少一种冷却剂的一个/所述插入能够至少在所识别的局部几何形状的区域中执行。
[0068]
现在可能的是，冷却剂可以布置在一个区域中，在该区域中对于限定的负荷情况而言不需要材料。因此一方面工件可以以有效的方式和方法被构造成足够稳定并且另一方面可以获得期望的非晶特性。
[0069]
冷却特性在一个实施方式中可以指示冷却速度。在一个实施方式中，从冷却速度中可以进一步计算出非晶值。在一个实施方式中，工件的至少一个材料特性可以由所计算的非晶值来确定。冷却特性可以进一步包括冷却速度低于临界冷却速度的指示和/或实现工件的预定义的材料特性的指示。在一个实施方式中，冷却特性可以由数据结构存储，数据结构例如作为在适配中使用的面向对象的编程语言的数组、向量和/或对象。
[0070]
特别有利的是，确定用于构件描述的冷却特性。因此可以在实际制造工件之前考虑制造过程期间的温度特性。冷却特性可以指示例如冷却速度。冷却速度可以指示温度变化曲线。因此可以确定，待制造的工件冷却到目标温度需要持续多长时间。
[0071]
该方法可以包括仿真工件的冷却特性，其中，冷却特性可以指示冷却速度。通过仿真可以确定温度变化曲线和/或与时间相关的温度场。冷却特性也可以利用有限元仿真和/或有限体积仿真来确定。总体上，精确的温度确定是可能的，从而在适配构件描述时能够实现更准确的结果。
[0072]
在一个实施方式中，仿真可以包括仿真从在低于所使用的材料的材料熔点(对于示例性所使用的合金、例如对于zr基合金尤其是750℃至1200℃)高达150℃的范围内的初
始温度到在取决于材料的玻璃化转变温度-50℃直至取决于材料的玻璃化转变温度的范围内的目标温度(对于示例性所使用的zr基合金尤其是在350℃至450℃的范围内，例如410℃)的冷却速度。
[0073]
为了防止结晶结构的形成，有必要将材料快速冷却到玻璃化转变温度以下，对于示例性使用的zr基合金，该玻璃化转变温度为约410℃。因此有利的是，在适配构件描述时能够考虑冷却到低于玻璃化转变温度的温度多快地进行。
[0074]
在一个实施方式中，该构件描述可以指示大量体积元素，其中，冷却特性能够将至少一个体积元素的冷却速度指示为体积冷却速度，尤其分别将所述大量体积元素的冷却速度指示为体积冷却速度。
[0075]
此外在一个实施方式中规定，单独地指示每个体积元素的冷却速度。由此可以非常精确地确定局部几何形状并且可以在考虑大量体积元素的冷却特性的条件下进行适配。附加地或备选地，在一个实施方式中可以对于局部几何形状指示冷却特性。局部几何形状的冷却特性在此可以通过各个体积元素的冷却特性的组合来指示。
[0076]
体积元素的大小还可以确定局部几何形状的确定的分辨率。因此在一个实施方式中可以适配体积元素的参数，以便优化局部几何形状的精度或分辨率。
[0077]
在一个实施方式中，可以规定一个/所述冷却速度与临界冷却速度的比较，其中，在考虑所述比较的情况下实施所述适配。
[0078]
在一个实施方式中，例如仅当该比较指示至少一个体积元素的冷却速度低于临界冷却速度时，才可以实施该适配。
[0079]
因此可想到，只有当在没有适配的情况下冷却速度低于临界冷却速度时，才实施适配。临界冷却速度可以指示实现非晶特性所需的冷却速度。因此可以确保只有在没有达到非晶特性的情况下才实施适配。
[0080]
在一个实施方式中，所述方法可以包括尤其对于一个/所述构件描述的至少一个、优选每个体积元素、特别优选地在使用分类器的情况下分类：对于工件的至少一部分，冷却速度是否低于临界冷却速度。尤其，在一个实施方式中，可以针对构件描述的每个体积元素实施分类。
[0081]
因此，也可以使用机器学习方法来确定体积元素的冷却速度是低于还是高于临界冷却速度。
[0082]
在此，能够使用分类器，例如支持向量机、人工神经网络或算法，例如最近邻方法。在此，强化学习englisch：“reinforcement learning”)，监督学习(englisch：“supervised learning”)或无监督学习(englisch：“unsupervised learning”)的方法是可行的。
[0083]
在监督学习的方法中，可以首先利用训练数据来训练分类器。该方法在一个实施方式中可以包括利用训练数据训练分类器，其中，所述训练数据可以指示大量冷却变化曲线。
[0084]
在使用分类器时的优点是，可以比冷却特性的仿真明显更快地实施所述实施方案。由此节省了处理器负荷。这也使得该方法能够在移动终端设备(例如平板电脑或移动电话)上的实施。
[0085]
在一个实施方式中，所述方法可以包括计算概率，所述概率尤其对于一个/所述构件描述的至少一个体积元素、优选每个体积元素可以指示，特别优选在使用回归系统或回
归单元的情况下，对于工件的至少一部分所述冷却速度是否低于临界冷却速度。
[0086]
在下文中，术语回归单元和回归系统被认为是等同的。
[0087]
此外可能的是，通过回归系统直接计算不同的值。使用回归系统也明显快于仿真冷却特性。借助回归系统也可以近似非线性的特性，如其在冷却过程中发生的那样。尤其计算在体积元素的情况下所述冷却速度是否低于临界冷却速度的概率是有利的。
[0088]
即在一个实施方式中可能的是，可以仅当对于至少一个体积元素而言，在所述至少一个体积元素中所述冷却速度是否低于临界冷却速度的概率高于适配阈值时，例如大于等于50％、大于等于60％、大于等于70％、大于等于80％、大于等于90％、大于等于95％或者大于等于99％时，才实施所述适配。
[0089]
回归系统还可以被构造成指示大量体积元素，可以在所述大量体积元素中实施适配。在此可以通过回归系统输出大量坐标。在此坐标可以对应于和/或配设给体积元素。因此可以以非常简单的方式和方法确定构件描述必须如何适配。回归系统例如可以被构造为人工神经网络。
[0090]
三维张量能够用作回归系统和/或分类器的人工神经网络的输入，所述三维张量在每个坐标处包括材料是否存在于该部位上的指示。此外可能的是，张量的每个坐标与元组关联，该元组可以包括材料指示。材料指示可以包括：材料是否存在于该坐标上的指示、存在哪个类型的材料和/或材料参数的指示。材料参数可以例如包括：材料弹性和/或密度。
[0091]
回归系统的人工神经网络和/或分类器的输出可以被构造为元组。
[0092]
此外所述任务尤其通过一种控制方法解决，该控制方法包括
[0093]-提供构件描述，所述构件描述指示待制造的工件；
[0094]-尤其是根据如上所述的方法来适配构件描述；
[0095]-使用被适配的构件描述控制制造设备以制造工件。
[0096]
因此还规定，被适配的构件描述直接通过用于制造工件的制造设备来使用。由此可以过程可靠地制造具有非晶特性的工件。
[0097]
此外，该任务尤其通过计算机可读存储介质来解决，该计算机可读存储介质包含指令，该指令使至少一个处理器当如上所述的方法由所述至少一个处理器实施时实施所述方法。
[0098]
此外，该任务尤其通过一种用于适配具有非晶特性的待制造工件的构件描述的装置来解决，该装置具有以下：
[0099]-至少一个存储单元，用于存储至少一个构件描述；
[0100]-至少一个冷却确定单元，所述冷却确定单元被构造成在考虑所述至少一个构件描述的情况下确定待制造的工件的至少一部分的冷却特性；
[0101]-适配单元，所述适配单元被构造成在考虑确定的冷却特性的情况下适配所述构件描述的至少一部分。
[0102]
在一个实施方式中，适配单元被构造成将至少一个冷却剂描述插入到构件描述中，其中，所述冷却剂描述能够指示冷却剂。
[0103]
在一个实施方式中，至少一种冷却剂可以构造为成形体、尤金属棒、尤其构造为铜棒，和/或构造为工件的外罩。
[0104]
在一个实施方式中，适配单元还可以被构造用于确定待使用的材料，其中，所述适
配单元还可以被构造成在考虑所述材料的情况下实施所述构件描述的适配。
[0105]
在一个实施方式中，装置可以包括优化单元，该优化单元可以被构造成尤其使用工件的有限元仿真和/或有限体积仿真来优化构件描述。
[0106]
在一个实施方式中，优化单元还可以被构造成计算工件的至少一种负荷情况作为优化的一部分。
[0107]
在一个实施方式中，优化单元还被构造成在所述构件描述中识别所述工件的至少一个局部几何形状，其中，局部几何形状可以指示工件的可以节省材料的区域。
[0108]
在一个实施方式中，一个/所述局部几何形状可以指示至少一个体积元素。
[0109]
在一个实施方式中，适配单元可以被构造成在一个/所述识别的局部几何形状的区域中实施至少一种冷却剂的插入。
[0110]
在一个实施方式中，冷却特性可以指示冷却速度。在一个实施方式中，确定单元可以被构造成使用冷却速度来计算非晶值。此外，在一个实施方式中，确定单元可以被构造成使用非晶值来确定至少一种材料特性。此外，冷却特性可以包括冷却速度低于临界冷却速度的指示和/或实现预定义的材料特性的指示。
[0111]
在一个实施方式中，所述装置可以具有仿真单元，所述仿真单元可以被构造用于实施前面所描述的方法的仿真步骤。仿真单元可以相应地被构造成仿真用于工件的一个/所述冷却特性，其中，冷却特性可以指示冷却速度。此外，仿真单元可以被构造成确定温度变化曲线和/或与时间相关的温度场。
[0112]
在一个实施方式中，仿真单元可以被构造成仿真从在低于所使用的材料的材料熔点(对于示例性所使用的合金、例如对于zr基合金尤其是750℃至1200℃)高达150℃的范围内的初始温度到在尤其取决于材料的玻璃化转变温度-50℃的范围内的目标温度(对于示例性所使用的zr基合金尤其是410℃)的冷却速度。
[0113]
在一个实施方式中，该构件描述可以指示大量体积元素，其中，冷却特性能够将冷却速度指示为至少一个体积元素的体积冷却速度，尤其分别是所述大量体积元素的体积冷却速度。
[0114]
在一个实施方式中，该装置可以具有比较单元，该比较单元被构造成比较一个/所述冷却速度和临界冷却速度，其中，所述适配单元可以被构造成在考虑所述比较的情况下实施所述适配。
[0115]
在一个实施方式中，适配单元可以被构造成，仅当所述比较得出，至少一个体积元素的冷却速度低于临界冷却速度时，才实施所述适配。
[0116]
在一个实施单元中，该装置可以具有分类单元，该分类单元可以被构造成尤其对于一个/所述构件描述的至少一个、优选每个体积元素确定所述冷却速度对于工件的至少一部分是否低于极限冷却速度。
[0117]
在一个实施方式中，所述装置可以具有回归单元，所述回归单元可以被构造成计算以下概率，该概率可以尤其针对一个/所述构件描述的至少一个体积元素、优选每个体积元素指示冷却速度是否针对工件的至少一部分低于极限冷却速度。
[0118]
此外，所述任务尤其通过一种用于制造工件的系统来解决，该系统具有以下：
[0119]-用于适配构件描述的装置，尤其如以上描述的那样；
[0120]-注塑装置，所述注塑装置被构造成使用构件描述、尤其使用适配的构件描述来制
造工件。
[0121]
在一个实施方式中，该系统可以包括：
[0122]-用于容纳液态材料的注塑装置的腔室
[0123]-阳模，所述阳模被构造成以阳模速度将液态材料引入所述腔室中，其中，在考虑所述构件描述的情况下选出所述阳模速度。
[0124]
在计算机可读存储介质、装置和系统方面得到与已经结合方法和控制方法描述的优点类似或相同的优点。
[0125]
规定的是，关于所述方法描述的所有方面可以与所述装置和/或所述系统组合。同样规定的是，结合所述装置和系统描述的操作/方法步骤可以与所述方法组合。
[0126]
下面借助实施例更详细阐述本发明。在此示出：
[0127]
图1：注塑机的示意图；
[0128]
图2：工具的示意图；
[0129]
图3：具有冷却剂的工件的横截面；
[0130]
图4：工件的温度变化曲线；
[0131]
图5：温度变化曲线与构件描述的体积元素的配设关系；
[0132]
图6：示意示出构件描述的优化和适配的流程；
[0133]
图7：人工神经网络的工作方式；
[0134]
图8：用于适配构件描述的装置的第一实施例；
[0135]
图9：用于适配构件描述的装置的第二实施例；
[0136]
图10：用于适配构件描述的装置的第三实施例；
[0137]
图11：用于适配构件描述的装置的第四实施例。
[0138]
以下对于相同的或起相同作用的部件使用相同的附图标记。
[0139]
图1示出amm(非晶金属)注塑设备1的示意图。注塑设备1包括工具2中的模具和熔化腔3。通过机器人将非晶凝固的合金(坯件)4的块体合金段输送给熔化腔3并且放置在感应线圈5的中心。借助于加热元件、尤其是由感应线圈5产生的感应场，在熔化腔3内加热坯件4。坯件4是非晶凝固合金的块体合金段。合金段4例如具有一定份额的钯、铂、锆、钛、铜、铝、镁、铌、硅和/或钇。
[0140]
通过加热元件或感应线圈5使坯件4熔化，从而坯件以熔融形式存在。优选地，坯件4加热到1050℃的温度上。通过活塞6将熔融材料注入到工具2中。
[0141]
图2示出注塑工具的示意结构。借助于一个或多个通入工具2的模具腔11中的开口10，模具腔11被填充有熔体。模具腔11被设计为待制造的工件8的阴模。在图2的实施例中规定，开口10可以用于将液态材料引导到模具腔11中。可以有利的是，使用多个浇口来填充模具腔11，以便实现均匀的温度分布并且以便减少熔体的涡流。均匀的温度分布和少量的涡流导致更好的冷却过程、均匀的冷却和因此均匀的非晶材料特性。
[0142]
在模具腔11内，液态材料必须快速冷却以防止结晶。液态材料的冷却强烈地取决于待制造的构件或工件8的几何形状。
[0143]
图3示出示例性的构件20，该构件是柱体20。根据柱体20的尺寸，也就是说，根据柱体的高度和柱体的直径，冷却过程在柱体20内持续得更长或更短。在柱体20的临界尺寸下，可能不能足够快地执行冷却以防止材料结晶。因此出现晶体结构而不是期望的非晶结构。
[0144]
为了获得所期望的非晶结构，即防止结晶，在柱体20的内部区域中的冷却速度必须足够高。这意味着，在柱体20内的冷却速度大于临界冷却速度。为了加速冷却，可以在构件20或工件8内部布置冷却剂21。例如可想到的是，将成型件21布置在待制造的构件20中。在图3的示例中，例如金属棒21布置和紧固在柱体20内。通过金属棒21，熔化热既可以传递到金属棒21上也可以传递到工具2中，并且金属棒21因此负责实现更高的冷却速度。由于能够以高导热率注塑包封成型体20，也可以制造更大的非晶的两个组分构件。非晶功能面被设计成使得该非晶功能面满足机械、物理或化学要求。因此可能的是，不管构件20的尺寸如何，都防止结晶。
[0145]
图4示出示例性的温度变化曲线22。图4的实施例涉及图3的工件20的内部部分。如所示，温度从时间点t1处的初始温度c1降至在时间点t2处达到的温度c2。
[0146]
因此可以求取冷却速度，该冷却速度指示从t1到t2的区间内的温度下降，即，温度差c1-c2。此外可以确定冷却速度是否足够高以防止结晶。防止结晶的冷却速度可称为临界冷却速度。因此，为了确定待制造的构件或工件是否具有非晶特性，可以求取在工件的每个部位上的冷却速度是否大于临界冷却速度。
[0147]
可以通过构件描述来数字地描述工件，例如利用cad文件。因此图5示出由大量体积元素31、32构成的长方体的构件描述30。构件描述30因此例如可以涉及cad模型，该cad模型借助仿真软件被划分为各个体积元素31、32。对于构件描述30的每个体积元素31、32现在可以仿真或预测温度特性。
[0148]
因此图5示出，第一温度变化曲线33配设给第一体积元素31。第二温度变化曲线34配设给第二体积元素32。温度变化曲线33、34示出从初始温度c1到极限温度c2的温度下降。在基于锆的非晶凝固合金的示例中，初始温度为约850℃并且极限温度为410℃。由构件描述30指示的工件的材料8当该材料被注塑到模具2中时具有大约850℃的温度。在所选择的合金中的玻璃化转变温度为大约410℃。这意味着，在超过临界冷却速率时，即高于临界冷却速度时，不再占据晶体结构。因此，当材料8足够快地冷却到临界温度时，获得非晶结构。如果低于临界冷却速率或临界冷却速度，则熔体以结晶状态而不是非晶状态凝固。
[0149]
如从图5中可以看出的那样，在第一温度变化曲线33中在时间点t2达到极限温度c2。在第二温度变化曲线34中在时间点t3达到极限温度c2。如从第一温度变化曲线和第二温度变化曲线33、34中可以看出，时间点t3在时间点t2之前。这意味着，配设给第一体积元素31的温度变化曲线33中的温度比配设给第二体积元素32的第二温度变化曲线34中的温度更缓慢地下降。因此在第二温度变化曲线34中的冷却速度大于在第一温度变化曲线33中的冷却速度。如果假定第一温度变化曲线33中的冷却速度小于用于获得非晶结构所需的临界冷却速度，则必须适配构件描述30，以便将热量更快地从工件8中传送出来，使得在第一体积元素31的部位处的冷却速度大于临界冷却速度。
[0150]
温度图33和34可以使用仿真单元来产生。这意味着，对于每个体积元素31、32进行温度特性的仿真。因此能够非常精确地确定温度图33和34。仿真单元的结果可以作为冷却特性被数字地提供，例如作为面向对象编程语言中的对象。然而也可能的是，冷却特性也可以作为文本文件或以任何其他的格式提供。
[0151]
图6示出一个实施例，在该实施例中构件描述30被优化并且在该实施例中冷却剂21、21’被引入到工件的构件描述30中，从而增大冷却速度。冷却剂21、21’在此通过冷却剂
描述来指示，所述冷却剂描述能够表示冷却剂21、21’的数字表示，例如cad文件。
[0152]
在图6的实施例中，通过构件描述30来描述三维长方体，其中，图6表示侧向截面图。在工件的右侧或所属的构件描述30上，在力作用点2上绘出力矢量f。现在借助材料优化方法求取，在通过构件描述30描述的工件的哪些部位上可以节省材料。在此，在考虑到由力矢量f在力作用点2处限定的负荷情况下实施材料优化。
[0153]
如进一步从图6中可见，材料优化的结果是用于具有一个或多个空闲空间36、36’的优化工件的优化的构件描述30’。空闲空间36、36’限定局部几何形状，在所述局部几何形状处不需要材料，使得利用构件描述30生产的优化工件承受限定的负荷情况。
[0154]
现在规定，冷却剂21、21’可以布置在空闲空间36、36’中，以改善从工件向外的热传输。例如冷却剂21、21’可以是由铜制成的成型件，所述成型件具有良好的热导率。然而也可以使用其他材料。在所示的实施例中，空闲空间36、36’被完全填充。也可能的是，至少空闲空间36、36’的外轮廓利用一种材料填充，该材料具有足够的热导率，该材料例如为铜。
[0155]
除了用于确定工件或构件描述30的体积元素31、32的温度变化曲线的仿真外，也可以实施分类。因此可能的是如下地将每个体积元素31、32分类，即，配设给各自的体积元素31、32的冷却速度是否大于临界冷却速度。因此可能的是省略仿真，从而更有效的处理是可能的。这种分类可以利用分类器或分类单元来实施。例如，可以采用所谓的最近邻法、人工神经网络或支持向量机。这些分类器在训练阶段中利用训练数据来训练。训练数据包括大量构件描述并且所包括的各体积元素具有关于体积元素的各冷却速度是否大于临界冷却速度的指示。临界冷却速度可以考虑为工件设置的材料来确定。
[0156]
除了分类外，同样可以利用回归器或回归单元来预测冷却速度的值。因此同样可以放弃繁琐的仿真。也可以考虑人工神经网络作为回归单元。
[0157]
图7示出人工神经网络，这在图7的情况下被构造为所谓的卷积神经网络40(cnn 40)。图7的神经网络40能够被构造为分类器或者也被构造为回归器。
[0158]
神经网络40的输入数据41可以是张量，即具有大量数据元素的三维矩阵。每个数据元素可以对应于一个体积元素。每个数据元素可以被构造为元组，该元组指示在对应的体积元素的位置处是否存在材料、使用哪种材料和/或在对应的体积元素的位置处存在哪个初始温度。
[0159]
ccn由大量参数定义。内核在第一步中顺序扫描输入数据。内核的步幅，即所谓的步距，指示内核在每个扫描中必须被移位多少体积元素。内核的大小也可以被确定。由此内核的步幅和大小定义了所谓的特征检测器43，特征检测器通过第一卷积42产生。每个特征检测器43检测输入数据中的特定特征。例如，特征检测器43可以指示在特定部位处是否存在材料。总体上产生了大量先前未手动限定的特征检测器43。
[0160]
根据相同的原理，在第二卷积44中从第一特征检测器43中产生新的一组特征生成器45，其中，在第二卷积中，特征生成器的数量相对于第一卷积减少。这种步骤被称为池化或子采样。
[0161]
在第三卷积46中产生第三组特征生成器47。在最后的步骤中借助所谓的soft-max层为每个体积元素配设一个类别。这意味着，从输出中可以看出，体积元素的冷却速度是大于还是小于临界冷却速度。
[0162]
ccn 40的每个层由大量神经元组成，即，大量被配设有权重的激活函数。神经元的
输出根据权重和输入值而被激活或不被激活。可能的激活函数包括例如logit、arc tan、gaussian函数。使用反向传播算法来实施ccn 40的训练，其中，确定权重的值。
[0163]
对于cnn，存在许多不同的模型，例如vgg-net、res-net、通用对抗网络或google lenet。可以使用这些实现方式中的任一个实现方式，或者可以使用不同的实现方式。由于能够以并行的方式实施大量操作，因此能够高效地实施神经网络的训练。推断、也就是说查询用于特定构件描述的值，可非常有效地实施。
[0164]
图8-图11示出用于实施上述方法步骤的装置的不同实施例。
[0165]
因此，图8示出装置50，该装置是系统60的一部分并且该装置具有存储单元51。存储单元51被构造成存在描述工件的构件描述52。装置50还具有冷却确定单元53，该冷却确定单元被构造用于在使用构件描述52的情况下确定冷却特性54。这意味着，构件描述52的体积元素的冷却确定单元53确定体积元素的冷却速度是大于还是小于临界冷却速度。
[0166]
冷却特性54由适配单元55读入，该适配单元同样是装置50的一部分。此外，适配单元55从存储单元51读取构件描述52。适配单元55被构造用于，在考虑构件描述52和冷却特性54的情况下确定，必须如何改变构件描述52或通过构件描述所描述的工件，使得构件描述52的所有体积元素的冷却速度大于临界冷却速度。
[0167]
适配的或优化的构件描述56接着转送给注塑机57，该注塑机根据适配的构件描述56创建工件或构件。构件描述56尤其也可以指示关于注塑机57运行的信息。例如构件描述56可以指示阳模6的进给速度。此外可想到的是，适配的构件描述56指示，通过多少个进入开口10应将液态材料引入到模具2中。
[0168]
图9的实施例基本相应于图8的实施例。图9的实施例示出具有装置50’的系统60’，该装置同样具有存储器件51、冷却确定单元53和适配单元55。系统60’还包括注塑机57。附加地，在装置50’中设置优化单元58。优化单元58被构造用于确定至少一个局部几何形状，在工件中可以在该局部几何形状上节省材料。例如结合图6描述了这种方法。
[0169]
优化单元58被构造成将优化的构件描述59输出到适配单元55和冷却确定单元53。
[0170]
图10的实施例基本相应于图8和图9的实施例。图10示出具有装置50”的系统60”，该装置具有存储单元51、优化单元58和适配单元55。系统60”还具有注塑机57。
[0171]
在图10的实施例中规定，由优化单元58产生的优化的构件描述59通过仿真单元53’读入。仿真单元53’被构造用于，对于构件描述59的每个体积元素仿真冷却特性或冷却速度。仿真的结果作为冷却特性54由适配单元55读入，该适配单元被构造用于在考虑冷却特性54和优化的构件描述59的情况下产生适配的构件描述56。适配的构件描述46由注塑机57读入并且用于制造工件或构件。
[0172]
图11示出另外的实施例，该实施例示出具有装置50
”’
的系统60
”’
。装置50
”’
具有存储单元51、优化单元58和适配单元55。系统60
”’
还具有注塑机57。此外，装置50
”’
具有ai系统53”，该ai系统被构造成实施分类器和/或回归器，如结合图7所描述的那样。
[0173]
ai系统53”产生冷却特性54，该冷却特性可以由适配单元55连同优化的构件描述59一起使用以产生被注塑机57用于制造工件或构件的被适配的构件描述56。
[0174]
附图标记列表
[0175]
1，57
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
注塑机
[0176]2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
模具
[0177]3ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
熔化缸
[0178]
4，4
’ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
加热元件
[0179]5ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
装料漏斗
[0180]6ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
蜗杆
[0181]7ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
阳模
[0182]8ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
液态的初始材料
[0183]9ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
管路系统
[0184]
10，10’，10”，10
”’ꢀ
进入开口
[0185]
11
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
模具腔
[0186]
20
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
工件
[0187]
21，21
’ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
冷却剂/铜棒
[0188]
22
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
温度变化曲线
[0189]
30
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
构件描述/cad模型
[0190]
30
’ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
优化的构件描述
[0191]
31
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
第一体积元素
[0192]
32
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
第二体积元素
[0193]
33
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
第一温度图
[0194]
34
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
第二温度图
[0195]
35
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
力作用点
[0196]
36，36
’ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
空闲空间
[0197]
40
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
人工神经网络
[0198]
41
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
输入数据/张量
[0199]
42
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
第一卷积
[0200]
43
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
特征检测器
[0201]
44
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
子采样
[0202]
45
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
第二特征检测器
[0203]
46
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
第二卷积
[0204]
47
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
第三特征检测器
[0205]
48
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
前馈层
[0206]
49
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
输出层
[0207]
50，50’，50”，50
”’ꢀ
系统
[0208]
51
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
存储单元
[0209]
52
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
构件描述/cad模型
[0210]
53
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
冷却确定单元
[0211]
53
’ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
仿真单元
[0212]
53
”ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
ai系统
[0213]
54
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
冷却特性
[0214]
55
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
适配单元
[0215]
56
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
适配的构件描述
[0216]
58
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
优化单元
[0217]
59
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
优化的构件描述
[0218]
60，60’，60”，60
”’ꢀ
装置
[0219]
c1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
初始温度
[0220]
c2
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
目标温度
[0221]
t1，t2
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
时间点
[0222]fꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
力