在激光化过程中结合同步射线X射线衍射,机械建模和机器学习,以在现场量化化过程中的地下温度.

科学领域:

• 材料科学 材料科学 材料科学
• 制造业 工程 制造工程
• 计算建模 计算建模

背景情况:

• 增材制造中的激光融会产生极端的热梯度,影响材料微观结构.
• 这些温度场的准确表征对于工艺和材料验证至关重要.
• 在激光融过程中直接测量地下温度仍然是一个重大挑战.

研究的目的:

• 开发一种用于在激光融过程中提取地下温度分布指标的新方法.
• 量化与这些温度测量相关的不确定性.
• 为激光融工艺提供现场定量温度演变数据.

主要方法:

• 使用现场同步X射线衍射测量.
• 开发了高斯过程回归监督的机器学习替代模型.
• 训练有素的模型与机械热传递,流体流动和X射线衍射模拟.

主要成果:

• 成功提取了地下温度指标,不确定性在5-15%之间.
• 将模型应用于Inconel 625合金,确认最大固态温度达到固态.
• 由于热力学应力,观察到冷却过程中不确定性增加.

结论:

• 开发的方法提供了一种可行的方法,用于在激光融过程中在现场进行地下温度表征.
• 机器学习替代模型为分析复杂的热过程提供了强大的工具.
• 了解温度演变对于控制增材制造中的微观结构和特性至关重要.