通過機器學習定制節(jié)能4D打印新材料

供稿人：韓宇、魯中良
供稿單位：西安交通大學機械制造系統(tǒng)工程國家重點實驗室　
來源：中國機械工程學會增材制造技術（3D打�。┓謺�

材料、結構和工藝是增強增材制造加工部件多功能性的關鍵，近年來，機器學習在加速設計和發(fā)現(xiàn)新的先進材料方面表現(xiàn)出了巨大潛力。當前，商用金屬粉末自身性能的優(yōu)化設計多適用于傳統(tǒng)加工方法（如鑄造、熱等靜壓、火花等離子體燒結等）；同時，可加工金屬粉末的激光增材制造技術仍然需要通過后處理（熱處理，PHT）加強零部件的各項性能，這一方式會增加能源消耗和二氧化碳排放量。

近日，新加坡制造技術研究所科學技術研究局、香港城市大學和賓夕法尼亞州立大學的研究人員在國際頂級期刊《先進科學》（Advanced Science）上共同發(fā)表了一項工作，旨在通過機器學習定制新材料，在保證零部件性能的前提下實現(xiàn)后處理過程的免除。據文章介紹，馬氏體時效鋼是一種典型的沉淀硬化超高強度鋼，通常用作起落架、直升機起落架、火箭發(fā)動機外殼和其他需要高強度重量比的應用。因此，以獲得輕質馬氏體時效鋼為目標，研究人員選擇了Fe–Ni–Ti–Al體系對固態(tài)熱循環(huán)驅動的沉淀物演變進行了深入研究。該項工作提出，在激光增材制造過程中，金屬粉末會經歷獨特的受熱階段，包括循環(huán)快速加熱和冷卻：己沉積的金屬材料從液態(tài)快速冷卻后，在沉積相鄰軌道和后續(xù)層時將經歷循環(huán)再加熱；循再加熱過程會引起很多短暫的溫度峰值，類似于固有熱處理（IHT），如果控制得當，這些熱量能引發(fā)硬化沉淀物的聚集和成核，無需另外加熱即可達到熱處理的效果，從而達到綠色節(jié)能的目的。以上主要研究內容如圖1~4所示。

如圖1所示為該項工作中新材料設計思路的示意圖，包含了特征篩選、建立數據集、分類學習、數據優(yōu)化、性能驗證、終極決策等主要方法和步驟；圖2概述了定制金屬粉末的學習和加工過程、激光定向能量沉積工藝以及新型材料的基本性能；圖3展示了所獲得的定制材料的微觀結構及相關分析；圖4為對NMS大塊材料和粉末的局部區(qū)域進行微柱壓縮后，進一步研究原位形成的沉淀物對機械性能的影響結果分析。實驗證明，該團隊提出的策略促進了具有高密度位錯的馬氏體基體的形成，并產生了分級雙相。材料的快速沉淀動力學和激光增材制造中獨特的IHT效應促進了大塊納米Ni3Ti的原位沉淀。與原料粉末相比，原位形成的Ni3Ti預沉淀提高了金屬強度，最終實現(xiàn)了約1.54GPa的十次拉伸強度和8.1%的均勻伸長率，優(yōu)于普通激光增材制造加工的各種高強度鋼。

圖1 機器學習輔助Fe–Ni–Ti–Al新型馬氏體時效鋼（NMS）的成分設計示意圖。a）設計中的特征選擇，b）來自Thermo Calc軟件的數據收集以及替代模型中的相關矩陣，c）應用的各種機器學習算法，d）合金元素允許范圍內的成分優(yōu)化，e）不同成分在490°C下的隨時間變化的動態(tài)沉淀行為，f）最終確定的成分以及所產生粉末的形態(tài)和元素圖譜

圖2 加工學習定制粉末概述，激光定向能量沉積（LDED）工藝和定制Fe–Ni–Ti–Al材料的機械性能。a） 粉末粒度分布，b） 橫截面圖，c）反極圖，d）粉末的相分布圖，e）普通方法加工的馬氏體時效鋼（CMS）與本文提出方法加工的NMS的性能比較。LDED通過f）連續(xù)沉積和g）層間暫停（ILP）沉積策略處理NMS的空間形態(tài)。h） 連續(xù)和ILP沉積策略中的時間相關熱歷史（182°C）。i） NMS和CMS的拉伸工程應力-應變曲線。j） NMS變形行為監(jiān)測結果

圖3 通過ILP沉積策略處理的NMS的微觀結構分析。a）和b）為相的空間分布，c） ILP樣品中的高密度位錯，d） 粉末和e）ILP樣品的白色區(qū)域沒有顯示出沉淀物的跡象。f） 在暗區(qū)的TEM觀察顯示出大量沉淀物。g） 放大針狀沉淀物和相關SADP的圖像。h） 沉淀物的EDS圖譜分析。i、 j）Ni3Ti沉淀物的HR-TEM分析，其中（j）是（i）中標記區(qū)的更近視圖。k）基體和圓形沉淀物的高分辨率HAADF STEM和FFT圖像。l） Ni3Ti中周期性Ti原子和Ni原子的HAADF-STEM圖像，m）沉淀析出行為和機制

圖4 a）ILP樣品中微柱的位置。b、 c）分別從白色（柱1）和深色（柱2）區(qū)域提取的微柱的形態(tài)。d） 從ILP樣品（白色和深色區(qū)域）和原料粉末中提取的柱體的壓縮應力-應變曲線。e、 f）粉末和暗區(qū)微柱的斷裂形態(tài)。g） 本工作與其他研究的比較，包括：（i）高強度低合金鋼（HSLA），（ii）沉淀硬化鋼（PHS），（iii）高強度不銹鋼，（iv）工具鋼，（v）還原活化鐵素體/馬氏體（RAFM）鋼和（vi）馬氏體時效鋼
這項工作通過機器學習定制了一種新型馬氏體時效鋼，使其能夠在激光增材制造過程中原位形成沉淀物，而無需后處理，闡明了利用機器學習方法和激光增材制造獨特的熱循環(huán)開發(fā)高性能金屬材料的潛在可能。

參考文獻：
Tan, C., Li, Q., Yao, X., Chen, L., Su, J., Ng, F.L., Liu, Y., Yang, T., Chew, Y., Liu, C.T. and DebRoy, T., 2023. Machine Learning Customized Novel Material for Energy‐Efficient 4D Printing. Advanced Science, 10(10), p.2206607.