Dyndrite携手Ansys推出金属3D打印热仿真新功能，将Ansys先进的热处理模拟集成至Dyndrite LPBF Pro软件中，帮助工程师在打印前预测并防止金属零件变形、应力与打印失败。该方案利用仿真与AI技术优化激光粉末床熔融（LPBF）工艺，提高打印一致性与成功率，节省材料与时间，助力航空、能源、汽车等行业加速金属增材制造的工业化进程。
3D打印软件开发商 Dyndrite 已与 Ansys（现为 Synopsys 一部分）合作，将先进的热仿真能力整合到金属增材制造（AM）工作流程中。
此次合作将 Ansys 的热处理仿真工具与 Dyndrite 的 Laser Powder Bed Fusion（LPBF）Pro 软件结合。其目的是帮助工程师预测和管理影响金属零件质量与可靠性的热效应，这些零件是通过增材制造技术生产的。
在金属3D打印中，热行为长期以来一直是较为棘手的挑战。当打印过程中热量分布不均时，可能导致零件翘曲、产生内部应力或形成不一致的微观结构，这些问题最终会影响性能。
通过将 Ansys 的仿真技术嵌入 Dyndrite 的打印准备工具中，工程师可以在打印开始前识别潜在问题。这些预测性洞察有助于减少打印失败，节省材料和生产成本，并最大限度地减少停机时间，尤其是在打印大型或复杂零件时。
这一整合还旨在提高不同设备和材料的打印一致性，Dyndrite 的 Python API 使工程师能够将经过验证的打印策略编程化并复用，从而实现可靠、可重复的结果。
Dyndrite 创始人兼 CEO Harshil Goel 表示：“我们很高兴能与 Ansys 合作，为我们的客户及其客户解锁新功能。通过将 Dyndrite 强大的路径控制与 Ansys 的预测性热仿真相结合，我们可以帮助制造商提升信心，加速金属增材制造在关键任务应用中的采用。”
Dyndrite LPBF Pro 精简材料与工艺开发流程。 图片来源：Dyndrite。
推进金属增材制造的热仿真
Ansys 的热仿真技术是其更广泛多物理场套件的一部分，该套件整合了热、结构、流体和电磁分析，可模拟真实制造环境中的复杂相互作用。
在增材制造中，这些工具能够模拟熔池行为、冷却速率以及激光粉末床熔融、电子束熔融和粘合剂喷射等工艺中的热变形。通过预测层间热量分布和应力形成，工程师可以提前发现潜在翘曲或不均匀冷却问题，并使用包含 2 万多条材料数据的数据库确保对合金和工况的精准建模。
Ansys 航空、能源与工业业务副总裁兼现场首席技术官 Scott Parent 在采访中表示，公司还将热仿真与原位测量和机器学习结合，以提升精度和效率。这一整合使实时异常检测和打印参数持续优化成为可能，从而降低打印失败率并缩短开发周期。
这些能力共同帮助制造商提升工艺控制，实现零件质量一致性，并加速金属增材制造在航空、能源和汽车等领域的工业化进程。
在此背景下，Dyndrite 与 Ansys 的合作还可能简化零件验证过程。通过模拟工艺参数对材料性能的影响，团队可以进行数字化验证，减少重复物理测试打印需求。这种方法可缩短开发周期，并支持航空、国防和能源等高性能零件的认证。
展望未来，两家公司计划推进整合，使工程师能够直接在 Dyndrite LPBF Pro 中应用仿真结果。这将允许用户根据预测的热行为微调路径规划和工艺参数，提高不同设备和生产场所的打印一致性。
双方还正在与早期 LPBF 用户进行互动，收集反馈以指导整合，并展示仿真驱动的打印准备如何降低风险、加快零件开发。
涡轮叶片有限元分析示例。 图片来源：ANSYS。
新方法提升金属增材制造仿真
在增材制造领域，工程师正在将基于物理的建模与人工智能结合，以更好地理解和控制金属打印过程中的行为。
亚利桑那州立大学（ASU）计算与增强智能学院的研究人员开发了一套 AI 驱动系统，用于预测金属在3D打印过程中的微观结构和强度演变。
该项目由美国国家科学基金会（NSF）的 CompAM 项目资助，研究结合了基于物理的模型与机器学习，旨在创建更快、更有针对性的金属增材制造热与结构行为仿真。在对一台六轴机器人3D打印机生产的316L不锈钢螺旋桨进行测试时，该方法旨在缩短仿真时间，减少反复试验，并提升金属增材制造的准确性。
2019 年，总部位于加州的 Velo3D 为其 Sapphire System LPBF 金属增材制造平台的 Flow 打印准备软件进行了升级。更新后的 Flow 集成了针对 Sapphire 优化的基于物理的仿真引擎，实现打印结果的预测性建模，并将首次打印成功率提高至90%。
Flow 软件包含零件方向优化、支撑生成和变形修正工具，以确保尺寸精度并减少准备时间。它还能将优化的打印工艺应用于特定几何特征，并允许复杂结构（如5°悬挑和40毫米管道）的无支撑打印，从而简化生产流程并减少后处理工作。
