Sylinterin pään tiivisteet Polttokammio, taloventtiilit ja sytytystulpat, muodostaa jäähdytysnest...
Alumiiniseosten sulatus ja laadunvalvonta ovat peruslinkkejä valujen suorituskyvyn varmistamiseksi. Alumiiniseosten sulatusprosessi on suoritettava korkean lämpötilan ympäristössä 720 - 750 ℃. Tämä lämpötila -alue voi tehokkaasti edistää seostavien elementtien, kuten piin ja magnesiumin, täydellistä liukenemista ja välttää ylipolttoainetta aiheuttamista viljasäiriöistä. Sulan puhdistaminen on keskeinen vaihe tässä prosessissa. Vety, kuten vety, on poistettava pyörivällä kaasunvaimennuksella varmistaakseen, että alumiinisulan kaasupitoisuus on alle 0,1 ml/100Gal. Autonvalmistajalla oli kerran sylinterin valun reikävauriot riittämättömän sulanpuhdistuksen vuoksi, mikä lopulta aiheutti vakavan moottoriöljyvuotojen onnettomuuden. Lisäksi sulan pitoaikaa on myös valvottava tiukasti 6–8 tunnin välillä. Liian pitkä pitoaika johtaa komponenttien segregaatioon, kun taas liian lyhyt pitoaika ei eliminoi päähenkilöä.
Muotin suunnittelu ja lämpötasapainon hallinta ovat valunmuovan ydinelementtejä. Muotin ontelon suunnittelu vaatii 3D-simulaatiotekniikan käytön sulan metallin täyttöpolun optimoimiseksi parhaan vastaavan virtauskanavan poikkileikkausalueen ja portin nopeuden välillä. Esimerkiksi vedenjäähdytysjuoksijoiden suunnittelussa uusien energiaajoneuvojen akkualustaille tarvitaan tietokoneavusteinen tekniikan (CAE) simulaatio sulan metallin täyttämiseksi 0,03 sekunnissa samalla kun vältetään pyörrevirtojen aiheuttama ilmakengön ongelma. Muotin lämpötilan hallinta on myös tärkeä tekninen haaste. Esilämmityslämpötilan tulisi olla vakaa välillä 180 ° C - 220 ° C. Liian korkea lämpötila voi aiheuttaa homeen tarttumisen, kun taas liian matala lämpötila voi aiheuttaa kylmän sulkeutumisen puutteita. Tietyssä yrityksessä valun pintakannan määrä kasvoi 15% johtuen homeen lämpötilan vaihtelusta ± 10 ° C. Tätä varten muotinjäähdytysjärjestelmän tulisi omaksua konformaaliset jäähdytysvesikanavat ja valmistaa komplekseja juoksijoita 3D -tulostustekniikan läpi ontelon lämpötilan tasaisuuden parantamiseksi ja siten parantaa valun yleistä laatua.
Die-valumisprosessiparametrien tarkka hallinta on ratkaiseva tekijä valujen laadussa. Injektionopeutta on ohjattava vaiheissa: Hitaassa kertymisvaiheessa nopeutta tulisi ohjata ≤0,2 m/s kaasun tehokkaaseen tyhjentämiseksi; Nopeassa täyttövaiheessa nopeus voi saavuttaa 40-80m/s, mutta on tarpeen varmistaa, että portin nopeus ei ylitä 60 m/s roiskumisen ja oksidikalvojen takertumisen välttämiseksi. Injektiopaineen valinta tulisi yhdistää valun rakenteellisiin ominaisuuksiin. Esimerkiksi ohuenseinäisten osien (≤3 mm) on käytettävä 80-120MPa korkeaa painetta, kun taas paksuseinäiset osat (≥10 mm) voidaan vähentää arvoon 40-60MPA. Yritys asetti injektiopainetta liian korkealle, aiheuttaen halkeamia moottorisylinterissä, mikä johtaa yli 10 miljoonan yuanin tappioihin. Kiinnitysvoiman laskemisessa on otettava huomioon kattavasti heidon ja seoksen sujuvuuden projisoitu alue. Esimerkiksi moottorikotelon, jonka projisoitu alue on ?? 0,3㎡, vaaditaan 4000 tonnin kiinnitysvoimalaite.
Jälkikäsittely ja laatutarkastus ovat viimeinen takuu valujen laadun varmistamiseksi. Kun valu on poistettu, se on käsiteltävä heti. T6 -ratkaisu ja ikääntymisprosessi voivat lisätä ALSI10MG -seoksen vetolujuutta yli 320MPA: iin. Pintakäsittelyprosessissa anodisoidun kalvon paksuutta on ohjattava välillä 10-20 μm. Liian ohut kalvokerros voi johtaa riittämättömään korroosionkestävyyteen, kun taas liian paksu kalvokerros voi aiheuttaa halkeilua. Oksidikalvon epätasaisen paksuuden vuoksi tietty autovalmistaja aiheutti punaisen ruosteen akkualustalla suolahumpailun testissä. Laadun tarkistuksen tulisi käydä läpi koko valu. Röntgentarkastus voi havaita, että sisäiset viat ovat suurempia kuin 0,5 mm, kun taas 3D-skannerit voivat saavuttaa mittatarkkuuden havaitsemisen tasolla 0,02 mm. Tietyn yrityksen käyttöön ottama keinotekoinen älykkyystarkastusjärjestelmä pystyy tunnistamaan automaattisesti pintavirheet, kuten mikrohalkeamat ja huokoset syvän oppimisalgoritmin avulla. Sen havaitsemistehokkuus on yli kymmenen kertaa korkeampi kuin perinteisillä manuaalisilla menetelmillä.