积极学习框架,以优化添加剂制造的Ti-6Al-4V的工艺参数,具有高强度和柔性
Jeong Ah Lee1, Jaejung Park2, Man Jae Sagong1
1Department of Materials Science and Engineering, Pohang University of Science and Technology (POSTECH), Pohang, 37673, Republic of Korea.
Nature communications
|January 22, 2025
概括
这项研究引入了帕雷托主动学习框架,以优化Ti-6Al-4V合金的激光粉床融合参数,有效地提高强度和可塑性. 新方法克服了传统的权衡,产生了优越的合金性能.
科学领域:
- 材料科学 材料科学 材料科学
- 添加剂制造 添加剂制造 添加剂制造
- 金工业是金工业的一个方面.
背景情况:
- 为Ti-6Al-4V合金优化激光粉床融合 (LPBF) 需要平衡高强度和可塑性,这是由于固有的权衡而具有挑战性的.
- 传统的试错方法在LPBF中探索广泛的参数空间时效率低下.
研究的目的:
- 为Ti-6Al-4V合金开发一个优化LPBF工艺和热处理参数的高效框架.
- 确定增强强度和可塑性的加工参数,克服典型的权衡.
主要方法:
- 实施了帕雷托主动学习框架,结合有针对性的实验验证.
- 探索了296个候选参数空间,以确定最佳处理条件.
主要成果:
- 确定了最佳参数,可以显著提高Ti-6Al-4V合金的强度和可塑性.
- 与之前的研究相比,获得了优越的材料性能,最终抗拉强度为1190MPa,总延长率为16.5%.
结论:
- 巴雷托主动学习框架有效地克服了Ti-6Al-4V的LPBF中的强度-柔性权衡.
- 这种方法加速了对高性能合金的最佳加工参数的发现.


