相关实验视频
Updated: May 12, 2025
09:13
Experimental Multiscale Methodology for Predicting Material Fouling Resistance
1.4K
机器学习技术在A286 3D打印微晶格结构的表面形态和腐蚀预测方面的性能评估
Ameer Malik Shaik1, Veera Siva Reddy B2, Durga Prabhas S2
1Combat Vehicles Research and Development Establishment (CVRDE), DRDO, Chennai, India.
PloS one
|May 7, 2025
概括
通过激光粉床融合制造的金属格子结构与传统材料相比,具有优越的耐腐蚀性. 蜂网格提供了最佳的保护,机器学习模型准确地预测了腐蚀行为.
科学领域:
- 材料科学 材料科学 材料科学
- 腐蚀工程 腐蚀工程
- 增材制造 增材制造 增材制造
背景情况:
- 轻量级,耐腐蚀的金属格子结构对于航空航天和国防应用至关重要.
- 激光粉床融合 (LPBF) 能够制造复杂的格子几何形状.
- 评估新型格子结构与传统材料的耐腐蚀性至关重要.
研究的目的:
- 为了研究和比较LPBF制造的A286钢蜂,体中心立方体 (BCC) 和陀螺网格的腐蚀行为.
- 通过计算机断层扫描 (CT) 来评估这些格子的结构完整性和密度分布.
- 开发和验证用于预测腐蚀行为的机器学习 (ML) 模型.
主要方法:
- 对格子结构和常规材料 (RHA,MHA,HNS) 的加速盐喷腐蚀测试.
- 计算机断层扫描 (CT) 扫描用于结构完整性和多孔性分析.
- 机器学习算法 (贝叶斯山脊,线性回归,随机森林,XGBoost) 用于腐蚀的预测建模.
主要成果:
- 格子结构的腐蚀率明显低于散装材料;蜂格子的耐力最高 (1.218毫米/年).
- 与RHA.相比,蜂格子在腐蚀率上表现出57.23%的降低.
- CT扫描显示,蜂格中的孔隙均,而BCC结构具有局部密度变化.
- 贝叶斯山脊回归模型在预测腐蚀行为方面取得了高精度 (R2 = 0.99849).
结论:
- 由LPBF制成的金属格子,特别是蜂结构,为苛刻的应用提供了卓越的耐腐蚀性.
- 基于CT分析和基于机器学习的建模为评估和优化格子设计提供了强大的框架.
- 这些发现支持在航空航天,国防和海洋结构中使用先进的金属格子,以提高耐用性和预测性维护.
