基于Fe的纳米晶体合金激光粉床融合的预测建模,基于使用多重线性回归分析的实验数据

科学领域:

• 材料科学与工程 材料科学与工程
• 添加剂制造 添加剂制造 添加剂制造
• 金工业是一种金工业.

背景情况:

• 激光粉床融合 (LPBF) 是一种先进的增材制造技术,用于制造复杂的金属部件.
• 控制材料特性,如散密度和磁性特征对于基于Fe的合金至关重要.
• 了解LPBF过程参数与最终材料特性之间的关系对于过程优化至关重要.

研究的目的:

• 研究激光工艺参数 (激光功率,扫描速度,口间距,层厚度,能量密度) 与Fe基纳米晶体合金的散密度,和磁化 (M_s) 和强迫力 (H_c) 之间的相关性.
• 使用统计分析建立材料性质的预测模型.
• 为了比较多重线性回归和基于树的回归模型对属性预测的有效性.

主要方法:

• 利用双变量相关性分析来确定工艺参数和材料特性之间的显著关系.
• 采用多重线性回归分析来预测散装密度和磁性.
• 比较回归模型,包括多重线性回归和三种基于树的回归方法.

主要成果:

• 散装密度与激光功率 (P),扫描速度 (v),口间距 (h) 和能量密度 (E) 有显著的相关性.
• 和磁化 (M_s) 与扫描速度 (v) 相相关,强制性 (H_c) 与激光功率 (P) 相相关.
• 多重线性回归准确预测了散装密度 (<1%的误差) 和M_s (~6%的误差),较低的扫描速度产生更高的M_s.

结论:

• 激光功率 (P) 和扫描速度 (v) 是主要的LPBF参数,影响池动态和随后的材料特性.
• 预测建模为优化LPBF流程提供了一种有效的替代实验试错方法.
• 进一步的研究可能会探索其他因素,如氧气水平,以完善对磁性特性变化的理解.