用3D图像分割来分离全向前杆挤压硬化钢16MnCrS5中的损坏机制
Lars A Lingnau1, Johannes Heermant1, Johannes L Otto1
1Chair of Materials Test Engineering (WPT), TU Dortmund University, Baroper Str. 303, D-44227 Dortmund, Germany.
Materials (Basel, Switzerland)
|June 27, 2024
概括
现在可以量化钢制部件的成形诱导的柔性损伤,特别是孔隙形成. 先进的显微镜和人工智能使轻量级,高性能零件的材料设计更好.
科学领域:
- 材料科学 材料科学 材料科学
- 机械工程 机械工程
- 计算材料科学科学 计算材料科学
背景情况:
- 成型元件提供经济和资源效率,但可能遭受成型诱导的柔性损伤.
- 这种损伤的特点是孔隙形成和生长,在组件设计中经常被忽视.
- 了解这种损坏对于优化轻量级设计和机械性能至关重要.
研究的目的:
- 量化形成诱导的状损伤引起的孔的数量,形态和分布.
- 开发一种基于机制的洞察力,了解2D分析之外的毛孔进化.
- 通过考虑性损伤,使部件设计得到改进.
主要方法:
- 利用先进的扫描电子显微镜 (SEM) 技术,包括扫描传输电子显微镜 (STEM) 和电子道对比成像 (ECCI).
- 使用聚焦离子束 (FIB) 用于层层地剥离硬化钢16MnCrS5.5.
- 应用了深度学习算法用于图像细分,以区分毛孔和硫化物入等入.
- 从获得的图像中重建的3D模型用于全面分析.
主要成果:
- 成功量化了16MnCrS5钢的孔隙特性 (数量,形态,分布).
- 使用人工智能驱动的图像细分开发了一种强大的方法来区分毛孔和内含物.
- 生成高分辨率3D模型,提供洞察孔隙形成机制.
结论:
- 该研究提供了一种新的方法来评估金属元件的成形诱导的软性损伤.
- 先进的成像和人工智能使得微观结构缺陷的精确表征成为可能.
- 这项研究通过考虑物质损坏,促进了更可靠,更高效的轻量级组件的设计.
