中美五校联合顶刊:高性能金属部件增材制造的晶粒结构、相和缺陷调控机制(2)
时间:2023-11-23 18:34 来源:增材制造硕博联盟 作者:admin 点击:次
更少的缺陷 未熔合缺陷、开裂、残余应力和变形、各种类型的孔隙率、表面粗糙度、波纹度、球化、化学成分变化和位错等晶体缺陷是增材制造零件的重要微观结构特征。中尺度和更小的多个缺陷,一直到原子尺度,都会深刻影响零件的性能和适用性。热处理和热等静压等后处理将继续用于减轻孔隙率、未熔合和残余应力等缺陷,但这些步骤会损害零件的成本竞争力。所有尺度的缺陷也以复杂的方式影响机械性能。尽管最近在定量理解缺陷的起源和各种过程变量的层次影响方面取得了重大进展,但目前还缺乏用于理解过程变量与缺陷和零件机械性能之间相关性的定量框架。机械建模和机器学习应用的持续进步有可能缩小工艺参数窗口以控制缺陷并提高零件的可维护性。 改进数字工具的集成 有许多示例可以说明如何使用可验证的机械模型计算影响产品质量的重要参数,例如温度和速度场、冷却速率、凝固形态和微观结构的规模。这些参数很难通过实验测量,因为聚变区的尺寸很小,而且温度场具有很强的空间可变性和瞬态性。当力学模型与实验数据相结合时,可以揭示理解微观结构和性能演变的科学基础。随着使用机械模型的好处得到更广泛的认可,声音部件打印参数的选择将以科学原则为指导,从而避免耗时且昂贵的试错。 机器学习起源于数字技术,因此非常适合增材制造。从产品设计到流程规划,再到生产监控,再到将流程变量连接到产品属性,机器学习将发挥比其当前用途更重要的作用。视觉系统的集成数据收集系统可以在每一层的打印过程中收集数据,机器学习可以使用温度场和材料状态来减少生产错误。微观结构和性能的控制可能是受机器学习影响的最重要的特征,因为目前还没有可靠的方法从现象学的理解来预测金属材料的复杂性能。由于相、晶粒和亚晶粒结构、偏析元素、亚稳相、非常细的氧化物和其他沉淀物以及晶界附近的高浓度位错的多样性,增材制造金属材料的微观结构非常复杂。微观结构的这些不同特征使得微观结构和性能之间的相关性变得复杂。当数据的质量和体积要求得到满足并且对预测误差采取适当的预防措施时,机器学习提供了一种潜在的替代方法,可以将微观结构与多种特性相关联,并根据科学原理提高零件的适用性。
图1. 传统和增材制造后生产的不同钢材的典型微观结构。根据加工条件,增材制造后可能会观察到不同的微观结构。
图2. Ti-6Al-4V的PBF-L在800mm/s、功率值120W、160W、360W时的(a)缺乏熔合空隙、(b)气孔和(c)匙孔的形态。所有图像的方向都是垂直的。
图3. 使用闭环控制对微观结构进行原位控制的示例。在这里,电荷耦合器件(CCD)相机和红外(IR)相机用于监控AM过程。传感信号被发送到实时控制系统,该系统向机器提供控制信号以调整工艺参数以进行原位微观结构控制。
论文链接: https://doi.org/10.1016/j.pmatsci.2023.101153 (责任编辑:admin) |