MARC

 008240221s2022        ulk                      00        kor
■001000016932900
■00520240214101126
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798379840662
■035    ▼a(MiAaPQ)AAI30506104
■035    ▼a(MiAaPQ)Purdue21334815
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a600
■1001  ▼aWu,  Yumeng.
■24510▼aHeight  Profile  Modeling  and  Control  of  Inkjet  3D  Printing▼h[electronic  resource]
■260    ▼a[S.l.]▼bPurdue  University.  ▼c2022
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2022
■300    ▼a1  online  resource(117  p.)
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-01,  Section:  A.
■500    ▼aAdvisor:  Chiu,  George  T.-C.
■5021  ▼aThesis  (Ph.D.)--Purdue  University,  2022.
■506    ▼aThis  item  must  not  be  sold  to  any  third  party  vendors.
■520    ▼aAmong  all  additive  manufacturing  processes,  material  jetting,  or  inkjet  3D  printing,  builds  the  product  similar  to  the  traditional  inkjet  printing,  either  by  drop-on-demand  or  continuous  printing.  Aside  from  the  common  advantages  as  other  additive  manufacturing  methods,  it  can  achieve  higher  resolution  than  other  additive  manufacturing  methods.  Combining  its  ability  to  accept  a  wide  range  of  functional  inks,  inkjet  3D  printing  is  predominantly  used  in  pharmaceutical  and  biomedical  applications.  A  height  profile  model  is  necessary  to  achieve  better  estimation  of  the  geometry  of  a  printed  product.  Numerical  height  profile  models  have  been  documented  that  can  estimate  the  inkjet  printing  process  from  when  the  droplet  hits  the  substrate  till  fully  cured.  Although  they  can  estimate  height  profiles  relatively  accurately,  these  models  generally  take  a  long  time  to  compute.  A  simplified  model  that  can  achieve  sufficient  accuracy  while  reducing  computational  complexity  is  needed  for  real-time  process  control.In  this  work,  a  layer-to-layer  height  propagation  model  that  aims  to  balance  computational  complexity  and  model  accuracy  is  proposed  and  experimentally  validated.  The  model  consists  of  two  sub-models  where  one  is  dedicated  to  multi-layer  line  printing  and  the  other  is  more  broadly  applicable  for  multi-layer  2D  patterns.  Both  models  predict  the  height  profile  of  drops  through  separate  volume  and  area  layer-to-layer  propagation.  The  layer-to-layer  propagation  is  based  on  material  flow  and  volume  conservation.  The  models  are  experimentally  validated  on  an  experimental  inkjet  3D  printing  system  equipped  with  a  heated  piezoelectric  dispenser  head  made  by  Microdrop.There  are  notable  similarities  between  inkjet  3D  printing  and  inkjet  image  printing,  which  has  been  studied  extensively  to  improve  color  printing  quality.  Image  processing  techniques  are  necessary  to  convert  nearly  continuous  levels  of  color  intensities  to  binary  printing  map  while  satisfying  the  human  visual  system  at  the  same  time.  It  is  reasonable  to  leverage  such  image  processing  techniques  to  improve  the  quality  of  inkjet  3D  printed  products,  which  might  be  more  effective  and  efficient.  A  framework  is  proposed  to  adapt  image  processing  techniques  for  inkjet  3D  printing.  Standard  error  diffusion  method  is  chosen  as  a  demonstration  of  the  framework  to  be  adapted  for  inkjet  3D  printing  and  this  adaption  is  experimentally  validated.  The  adapted  error  diffusion  method  can  improve  the  printing  quality  in  terms  of  geometry  integrity  with  low  demand  on  computation  power.Model  predictive  control  has  been  widely  used  for  process  control  in  various  industries.  With  a  carefully  designed  cost  function,  model  predictive  control  can  be  an  effective  tool  to  improve  inkjet  3D  printing.  While  many  researchers  utilized  model  predictive  control  to  indirectly  improves  functional  side  of  the  printed  products,  geometry  control  is  often  overlooked.  This  is  possibly  due  to  the  lack  of  high  quality  height  profile  models  for  inkjet  3D  printing  for  real-time  control.  Height  profile  control  of  inkjet  3D  printing  can  be  formulated  as  a  constrained  non-linear  model  predictive  control  problem.  The  input  to  the  printing  system  is  always  constrained,  as  droplet  volume  not  only  is  bounded  but  also  cannot  be  continuously  adjusted  due  to  the  limitation  of  the  printhead.  A  specific  cost  function  is  proposed  to  account  for  the  geometry  of  both  the  final  printed  product  and  the  intermediate  layers  better.
■590    ▼aSchool  code:  0183.
■650  4▼aMetals.
■650  4▼aPropagation.
■650  4▼aViscosity.
■650  4▼aPharmaceuticals.
■650  4▼aPolymerization.
■650  4▼a3-D  printers.
■650  4▼aGeometry.
■650  4▼aIndustrial  Revolution.
■650  4▼aHydrogels.
■650  4▼aDrug  dosages.
■650  4▼aComposite  materials.
■650  4▼aRobotics.
■650  4▼aEuropean  history.
■650  4▼aHistory.
■650  4▼aIndustrial  engineering.
■650  4▼aMaterials  science.
■650  4▼aPharmaceutical  sciences.
■690    ▼a0771
■690    ▼a0335
■690    ▼a0578
■690    ▼a0546
■690    ▼a0794
■690    ▼a0572
■71020▼aPurdue  University.
■7730  ▼tDissertations  Abstracts  International▼g85-01A.
■773    ▼tDissertation  Abstract  International
■790    ▼a0183
■791    ▼aPh.D.
■792    ▼a2022
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T16932900▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.
■980    ▼a202402▼f2024

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서