A flexible and lightweight device uses an electrocaloric polymer film to provide exceptional cooling power.

Additive manufacturing (AM), also known as 3D printing, has been increasingly adopted in the aerospace, automotive, energy, and healthcare industries over the past few years. While AM has many advantages over subtractive manufacturing processes, one of the primary limitations of AM is surface integrity. To improve the surface integrity of additively manufactured parts, a data-driven predictive modeling approach to predicting surface roughness in AM is introduced. Multiple sensors of different types, including thermocouples, infrared temperature sensors, and accelerometers, are used to collect temperature and vibration data. An ensemble learning algorithm is introduced to train the predictive model of surface roughness. Features in the time and frequency domains are extracted from sensor-based condition monitoring data. A subset of these features is selected to improve computational efficiency and prediction accuracy. The predictive model is validated using the condition monitoring data collected from a set of AM tests conducted on a fused filament fabrication (FFF) machine. Experimental results have shown that the proposed predictive modeling approach is capable of predicting the surface roughness of 3D printed components with high accuracy.

Abstract 3D printing has been extensively used for rapid prototyping as well as low-volume production in aerospace, automotive, and medical industries. However, conventional manufacturing processes (i.e., injection molding and CNC machining) are more economical than 3D printing for high-volume mass production. In addition, current 3D printing techniques are not capable of fabricating large components due to the limited build size of commercially available 3D printers. To increase 3D printing throughput and build volume, a novel cooperative 3D printing technique has been recently introduced. Cooperative 3D printing is an additive manufacturing process where individual mobile 3D printers collaborate on printing a part simultaneously, thereby increasing printing speed and build volume. While cooperative 3D printing has the potential to fabricate larger components more efficiently, the mechanical properties of the components fabricated by cooperative 3D printing have not been systematically characterized. This paper aims to develop a data-driven predictive model that predicts the tensile strength of the components fabricated by cooperative 3D printing. Experimental results have shown that the predictive model is capable of predicting tensile strength as well as identifying the significant factors that affect the tensile strength.

The long-term behavior of reinforced Ultra-High Performance Concrete (UHPC) members is significantly influenced by UHPC's creep properties. To predict the long-term performance of structural members, it is essential to have both a material-level creep model and a constitutive model for structural analysis. This paper presents a refined model for the long-term performance of UHPC, incorporating critical nonlinear deformation mechanisms: instantaneous damage, plastic strain, creep strain, and time-dependent damage. The constitutive model for instantaneous damage and plastic strain mechanisms is based on experimental data from short-term cyclic loading tests on UHPC specimens. Additionally, the creep strain components and time-dependent damage evolution laws are derived from well-established linear and nonlinear creep models, validated for cementitious materials through extensive research. The model parameters were meticulously calibrated using creep damage test results from UHPC. The validation process included linear and nonlinear creep tests on UHPC cylinders under sustained stress levels ranging from 0.2fc to 0.66fc, creep failure tests on UHPC cylinders under sustained stress levels from 0.85fc to 0.95fc, and long-term bending tests of reinforced UHPC beams under sustained load. In the linear and nonlinear creep tests, comparison between the calculated ultimate creep coefficients and the experimental results demonstrates the model's validity under low and moderate stress levels. In the creep failure test, a comparative analysis of strain evolution and creep lifetime between experimental and model results confirms the model's validity under high sustained stress levels. Similarly, during the long-term bending test, simulated time-dependent displacement and compressive strain show good agreement with the experimental data, confirming the model's accuracy in predicting the long-term performance of reinforced UHPC members. Furthermore, to streamline the constitutive model, the instantaneous damage effect was simplified and ultimately neglected. A comparison of simulation results between the original model and the simplified version demonstrates that disregarding the instantaneous damage effect is a safe approach for practical engineering applications.