供稿人:王爽、王富 供稿單位:西安交通大學(xué)精密微納制造技術(shù)全國重點實驗室 發(fā)布日期:2024-06-13
增材制造是現(xiàn)代高端裝備制造領(lǐng)域的革命性突破技術(shù)之一。其中,增材構(gòu)件的大批量生產(chǎn)和高可靠應(yīng)用,關(guān)鍵在于制造可重復(fù)性、質(zhì)量可靠性與性能可預(yù)測性。而在各向異性組織、廣域分布缺陷、深部殘余應(yīng)力和復(fù)雜表面粗糙度等諸多因素的共同影響下,基于傳統(tǒng)經(jīng)驗?zāi)P秃陀邢迶?shù)據(jù)的增材制造金屬力學(xué)性能預(yù)測效率與準(zhǔn)確性面臨著嚴(yán)峻挑戰(zhàn)。近年來,作為大數(shù)據(jù)與人工智能發(fā)展到一定階段的必然產(chǎn)物機器學(xué)習(xí)(Machine learning,ML)方法為有效處理高維物理量之間的復(fù)雜非線性關(guān)系提供了契機,在增材制造力學(xué)性能預(yù)測領(lǐng)域得到持續(xù)關(guān)注。該團隊綜述了機器學(xué)習(xí)在增材制造材料及構(gòu)件力學(xué)性能預(yù)測中的國內(nèi)外研究進展。首先簡述了常見的機器學(xué)習(xí)算法和通用的機器學(xué)習(xí)流程,重點分析了融合物理信息的機器學(xué)習(xí)(Physics-informed machine learning, PIML)方法的特點與構(gòu)造方式;然后概述了增材制造力學(xué)性能四大影響因素的形成原因及機器學(xué)習(xí)在這些影響因素預(yù)測中的應(yīng)用現(xiàn)狀;重點介紹了ML和PIML在增材制造拉伸性能和疲勞斷裂性能預(yù)測中的代表性研究成果。
圖 1 缺陷幾何特征與疲勞壽命的機器學(xué)習(xí)建模
該團隊通過對各種影響金屬增材制造的因素進行分析,建立模型使用機器學(xué)習(xí)對性能進行預(yù)測,模型包括一是從工藝到性能建模;二是從組織到性能建模;三是工藝-組織-性能的集成建模。而關(guān)于增材制造疲勞斷裂性能預(yù)測研究主要分為兩個方面:數(shù)據(jù)驅(qū)動機器學(xué)習(xí)建模和機理驅(qū)動機器學(xué)習(xí)建模??傮w上看,有關(guān)增材制造材料及構(gòu)件的拉伸性能研究較為廣泛,重點在于獲取微觀組織和基本力學(xué)性能表現(xiàn)最優(yōu)的工藝過程。另外,增材制造過程的特殊性導(dǎo)致了材料本身的復(fù)雜性,加之在關(guān)鍵承力構(gòu)件上應(yīng)用的可能性,有關(guān)其疲勞斷裂性能成為近 10 年來的研究重點。