上海理工大學(xué)：機(jī)器學(xué)習(xí)輔助增材制造金屬材料疲勞壽命預(yù)測的最新進(jìn)展綜述

來源： 材料科學(xué)和技術(shù)
第一作者：王皞
通訊作者：王皞，Aijun Huang，Lai-Chang Zhang，Daolun Chen
通訊單位：上海理工大學(xué)

增材制造以其制造復(fù)雜幾何形狀和內(nèi)部結(jié)構(gòu)的能力，廣泛應(yīng)用于生物醫(yī)學(xué)和航空航天等領(lǐng)域。然而，由于存在隨機(jī)缺陷和各向異性，增材制造部件的疲勞性能預(yù)測仍面臨挑戰(zhàn)。本工作綜述了通過機(jī)器學(xué)習(xí)模型預(yù)測增材制造金屬材料疲勞壽命預(yù)測的最新進(jìn)展。

增材制造通過逐層增加材料來構(gòu)造部件且擁有制造復(fù)雜幾何形狀和內(nèi)部結(jié)構(gòu)的能力，是一種快速、靈活且生態(tài)友好的技術(shù)。但在當(dāng)前的工藝條件下，仍難以避免孔洞、未熔合等冶金缺陷，這給打印態(tài)金屬材料的疲勞性能預(yù)測帶來困難。隨著大數(shù)據(jù)和人工智能的快速發(fā)展，作為人工智能的一個分支，機(jī)器學(xué)習(xí)的出現(xiàn)有望為增材制造金屬材料的疲勞預(yù)測提供新的視角。

傳統(tǒng)方法在增材制造金屬材料疲勞壽命預(yù)測中存在諸多挑戰(zhàn)。本文綜述了不同機(jī)器學(xué)習(xí)模型在增材制造金屬材料疲勞壽命預(yù)測中的應(yīng)用，探討了影響疲勞壽命預(yù)測的關(guān)鍵因素，揭示了疲勞壽命與缺陷、微觀結(jié)構(gòu)及工藝參數(shù)的關(guān)系，并提出了相關(guān)改進(jìn)預(yù)測性能的建議。

圖1. 1 用于增材制造部件性能預(yù)測的機(jī)器學(xué)習(xí)模型雙向流程圖。

圖1. 2 增材制造金屬材料疲勞應(yīng)力與疲勞壽命的關(guān)系。（a）鋁合金；（b）鋼；（c）鈦合金。

圖1. 3 不同機(jī)器學(xué)習(xí)模型預(yù)測增材制造金屬材料疲勞壽命的文獻(xiàn)數(shù)量。（a）文獻(xiàn)包含某種模型；（b）文獻(xiàn)僅使用某種模型。

圖1. 4 不同機(jī)器學(xué)習(xí)模型利用物理知識的比例

總結(jié)與展望
本工作回顧了增材制造金屬材料疲勞壽命預(yù)測中常見的機(jī)器學(xué)習(xí)模型，并強(qiáng)調(diào)了物理知識在小數(shù)據(jù)集情況下的重要性。主要結(jié)論包括：

（1）機(jī)器學(xué)習(xí)模型可以顯著提高鈦合金、鋁合金、鋼和鎳基合金等增材制造金屬材料的疲勞壽命預(yù)測能力。尤其是在數(shù)據(jù)集較小且稀疏時，依然能夠提供有效的預(yù)測結(jié)果。

（2）數(shù)據(jù)集大小和質(zhì)量對數(shù)據(jù)驅(qū)動的機(jī)器學(xué)習(xí)模型疲勞預(yù)測精度至關(guān)重要。為了擴(kuò)展和優(yōu)化數(shù)據(jù)集，可以采用生成對抗網(wǎng)絡(luò)、連續(xù)介質(zhì)損傷力學(xué)、蒙特卡羅模擬和有限元模擬等方法。

（3）超參數(shù)選擇對機(jī)器學(xué)習(xí)模型的疲勞預(yù)測性能有重要影響。例如，人工神經(jīng)網(wǎng)絡(luò)的隱藏層數(shù)和神經(jīng)元數(shù)量、支持向量機(jī)回歸的懲罰因子和核函數(shù)、隨機(jī)森林的樹的數(shù)量和最大深度等。

（4）融入物理知識可有效解決機(jī)器學(xué)習(xí)模型“黑箱”問題。特別是在模型構(gòu)建、算法學(xué)習(xí)、樣本輸出和數(shù)據(jù)觀察等方面，可以提升機(jī)器學(xué)習(xí)模型的透明度、可解釋性和預(yù)測精度。

作者介紹

王皞，中國科學(xué)院金屬研究所，研究員/PI，曾任上海理工大學(xué)材料學(xué)院特聘教授/PI，增材制造研究院院長。本科畢業(yè)于南京大學(xué)，博士畢業(yè)于中國科學(xué)院金屬研究所。長期從事金屬結(jié)構(gòu)材料研究，建立了面向鈦基合金等先進(jìn)結(jié)構(gòu)材料的集成計算和數(shù)據(jù)平臺以及增材制造全流程仿真平臺，開展合金成分、微觀機(jī)理、顯微組織、成型工藝等多尺度計算模擬和實驗研究，為合金設(shè)計、性能預(yù)測、工藝優(yōu)化和產(chǎn)品評價提供理論和方法支撐。擔(dān)任中國材料學(xué)會計算材料學(xué)分會委員、中國計算機(jī)學(xué)會高性能計算/大數(shù)據(jù)/虛擬現(xiàn)實與可視化技術(shù)專委會委員、上海市增材制造標(biāo)準(zhǔn)化委員會委員、九三學(xué)社上海市委上海制造專門委員會委員、中廣核蘇州熱工院特聘高級技術(shù)顧問、Scientific Reports編委、MGE Advances青年編委、金屬學(xué)報青年編委；主持國家和省部級項目20余項；在Science、Nature Mater、Acta Mater等期刊發(fā)表SCI論文120余篇，高被引論文2篇，軟件著作權(quán)登記6項，授權(quán)專利4項；入選遼寧省百千萬人才工程千人層次、中科院青促會、沈陽市高層次人才拔尖人才。

高帥龍，北京理工大學(xué)在讀博士研究生，碩士畢業(yè)于上海理工大學(xué)，研究方向增材制造+機(jī)器學(xué)習(xí)+性能預(yù)測（力學(xué)和電磁隱身性能）。截至目前，已在Journal of Materials Science & Technology、Chemical Engineering Journal、Composites Part B、Metals等期刊發(fā)表SCI論文8篇。參加過中國材料大會、第六屆材料基因工程高層論壇、人工智能驅(qū)動下的增材創(chuàng)新智造等學(xué)術(shù)會議，并獲得2023年中國材料大會Z-材料模擬、計算與設(shè)計分會學(xué)術(shù)墻報優(yōu)秀獎，2024年上海市/上海理工大學(xué)優(yōu)秀畢業(yè)生稱號。

引用本文
H. Wang, S.L. Gao, B.T. Wang, Y.T. Ma, Z.J. Guo, K. Zhang, Y. Yang, X.Z. Yue, J. Hou, H.J. Huang, G.P. Xu, S.J. Li, A.H. Feng, C.Y. Teng, A.J. Huang, L.-C. Zhang, D.L. Chen, Recent advances in machine learning-assisted fatigue life prediction of additive manufactured metallic materials: A review, J. Mater. Sci. Technol. 198 (2024) 111-136.