[發明專利]一種供3D打印的磷石膏增材及其應用有效
| 申請號: | 202110575535.1 | 申請日: | 2021-05-26 |
| 公開(公告)號: | CN113582642B | 公開(公告)日: | 2023-05-12 |
| 發明(設計)人: | 邢鋒;寇世聰;崔棚 | 申請(專利權)人: | 深圳大學 |
| 主分類號: | C04B28/10 | 分類號: | C04B28/10;C04B9/00;C04B40/02;B33Y70/00;B33Y70/10 |
| 代理公司: | 廣州三環專利商標代理有限公司 44202 | 代理人: | 肖宇揚 |
| 地址: | 518054 廣東省深*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 打印 石膏 及其 應用 | ||
1.一種供3D打印的磷石膏增材,其特征在于,所述供3D打印的磷石膏增材由下列重量份原料組成:磷石膏100份,鎂砂100份,磷酸鹽100份,鎂鹽100份,外加劑10份,干冰10份,水40份;
所述鎂砂為輕燒氧化鎂、重燒氧化鎂中的一種或兩種,所述鎂砂的平均粒徑為65?nm?-190?nm,所述鎂砂的比表面積為32?m2/g?-?92?m2/g;
所述外加劑為無水檸檬酸、一水檸檬酸、二水檸檬酸、無水碳酸鈉、無水檸檬酸鈉、二水檸檬酸鈉、硼砂、硼酸、草酸和草酸鈉中的一種或幾種組合。
2.根據權利要求1所述的一種供3D打印的磷石膏增材,其特征在于,所述輕燒氧化鎂中的氧化鎂含量為88.6%?-?97.2%,所述輕燒氧化鎂中的活性氧化鎂含量為64.3%?-?76.0%;
所述重燒氧化鎂中的氧化鎂含量為83.2%?-?98.0%,所述重燒氧化鎂中的活性氧化鎂含量為8.3%?-?41.8%。
3.根據權利要求1所述的一種供3D打印的磷石膏增材,其特征在于,所述磷酸鹽為磷酸二氫鉀、磷酸二氫銨中的一種或兩種;
所述磷酸鹽的含量為98%;
所述磷酸鹽的細度為45μm?-?90μm。
4.根據權利要求1所述的一種供3D打印的磷石膏增材,其特征在于,所述鎂鹽為七水硫酸鎂、六水氯化鎂中的一種或兩種;所述鎂鹽細度為48?μm?-?75?μm;
所述七水硫酸鎂的含量為98%,所述六水氯化鎂的含量為44%-46%。
5.根據權利要求1所述的一種供3D打印的磷石膏增材,其特征在于,所述干冰為米粒狀,長度為5?mm?-?15?mm。
6.一種權利要求1-5任意一項所述供3D打印的磷石膏增材的制備方法,其特征在于,所述制備方法包括以下步驟:
S101,將磷石膏、磷酸鹽、鎂鹽、外加劑、水混合攪拌均勻;
S102,在S101混合物里加入鎂砂攪拌均勻;
S103,在S102的混合物中加入干冰,并攪拌至干冰揮發,獲得供3D打印磷石膏增材漿料。
7.一種權利要求1-5任意一項所述供3D打印磷石膏增材的應用,其特征在于,所述應用包括:
S201打印:所述磷石膏增材料漿在3D打印噴頭擠出前再次添加干冰攪拌均勻,并打印;
S202養護:S201打印增材養護包括以下步驟:溫控碳化養護、濕控碳化養護和儲藏碳化養護,所述濕控碳化養護為干冰養護,所述溫控碳化養護、儲藏碳化養護為二氧化碳氣體養護;
所述溫控碳化養護時二氧化碳濃度為50-80%,二氧化碳氣體壓力50-60?kPa;溫度低于零下20℃;
所述濕控碳化養護時相對濕度70-90%;
所述儲藏養護時二氧化碳濃度50-70%,溫度10-30℃,相對濕度80-95%。
8.根據權利要求7所述的供3D打印磷石膏增材的應用,其特征在于,所述S202養護的具體步驟如下:
S2021,制作參比樣,在終凝前的磷石膏增材中預埋溫度傳感器;將所述磷石膏增材切割,帶溫度傳感器的為參比樣,不帶溫度傳感器的為試樣;
S2022,所述參比樣的溫度傳感器連接溫控器,所述溫控器根據參比樣溫度調節試樣溫度,進行溫控碳化養護;
S2023,當參比樣、試樣表面溫度再次降至室溫,將參比樣、試樣進行濕控碳化養護;
S2024,將經S2023養護完的參比樣、試樣進行儲藏碳化養護,獲得成品;
所述溫控碳化養護的二氧化碳濃度為60%,二氧化碳氣體壓力為60?kPa,溫度為零下30℃;所述濕控碳化養護相對濕度為80%;所述儲藏碳化養護的二氧化碳濃度為88%,溫度為25℃,相對濕度為92%。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于深圳大學,未經深圳大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110575535.1/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種托盤輸送裝置及自動碼垛設備
- 下一篇:一種基于集成學習的火焰圖像分類方法





