对Ti-6Al-4V的人工神经网络建模允许将它们的微观结构和机械性能相关联起来
Anoop Kumar Maurya1,2, Pasupuleti Lakshmi Narayana1, Jong-Taek Yeom1
1Lightweight Materials Research Division, Korea Institute of Materials Science, Changwon 51508, Republic of Korea.
Materials (Basel, Switzerland)
|March 13, 2025
概括
热处理Ti-6Al-4V合金改变了微观结构,影响了机械性能. 一个人工神经网络 (ANN) 模型揭示了微观结构特征和像UTS这样的拉伸特性之间的复杂关系.
科学领域:
- 材料科学 材料科学 材料科学
- 金工业是金工业的一个方面.
- 计算材料科学科学 计算材料科学
背景情况:
- 热处理显著改变了Ti-6Al-4V合金的微观结构.
- 微观结构特征,如粒径大小和相分布影响机械性能.
- 微观结构和机械性能之间的关系是复杂的和非线性的.
研究的目的:
- 开发一个人工神经网络 (ANN) 模型来预测Ti-6Al-4V合金的机械性能.
- 了解微观结构特征和机械性能之间的复杂,非线性关系.
- 确定影响拉伸性能的关键微结构参数.
主要方法:
- 使用了Ti-6Al-4V合金的实验数据集.
- 开发了一个人工神经网络 (ANN) 模型,其微结构特征作为输入,机械特性 (UTS,YS,%EL) 作为输出.
- 使用相对重要性指数 (IRI) 来评估微观结构参数的影响.
主要成果:
- 该ANN模型成功预测了基于微结构输入的机械性质.
- 平均边长,殖民地尺度因子,alpha lath厚度和体积分数被确定为影响终极拉伸强度 (UTS) 的重要因素.
- 发现UTS随着先前β粒大小的增加,Widmanstatten alpha lath厚度,谷物边界α厚度和殖民地尺度因子的增加而减少,同时随着平均边长的增加而增加.
结论:
- 在Ti-6Al-4V.中,ANN建模为理解结构-属性关系提供了一种可靠的方法.
- 通过热处理优化微结构工程,以量身定制机械性能.
- 影响UTS的关键微结构特征被定量确定,使得有针对性的材料设计成为可能.
