基于微观结构图像的热处理激光粉末床熔融Ti-6Al-4V合金力学性能的机器学习驱动预测

《Materials & Design》:Machine learning–driven prediction of mechanical properties in heat treated L-PBF Ti-6Al-4V from microstructural images

【字体: 大 中 小 】 时间:2026年03月09日 来源:Materials & Design 8.2

编辑推荐:

  在激光粉末床熔融(L-PBF)工艺制备Ti-6Al-4V合金的过程中,快速凝固导致针状马氏体微观结构的形成,该微观结构虽使材料具有高强度,但显著降低了伸长率。为克服此局限性,通常采用热处理工艺,而不同热处理条件下的力学性能差异显著。本研究中,研究人员提出了一种

  
在激光粉末床熔融(L-PBF)工艺制备Ti-6Al-4V合金的过程中,快速凝固导致针状马氏体微观结构的形成,该微观结构虽使材料具有高强度,但显著降低了伸长率。为克服此局限性,通常采用热处理工艺,而不同热处理条件下的力学性能差异显著。本研究中,研究人员提出了一种基于人工神经网络(ANN)的模型,该模型能够根据Ti-6Al-4V合金的初始微观结构图像预测包括拉伸性能在内的完整应力-应变曲线。微观结构特征通过两点相关函数(two-point correlation function)和自编码器(autoencoder)进行定量提取。所开发的模型通过预测Voce方程的拟合参数来重建完整的应力-应变曲线,从而捕捉塑性变形行为。该研究方法证明了利用初始微观结构信息和热处理条件即可预测力学性能,凸显了数据驱动模型在无需重复拉伸试验的情况下优化工艺的潜力。
## 研究背景与问题提出

增材制造技术因其能够精确制造传统加工方法难以生产的复杂形状构件而备受关注。激光粉末床熔融(Laser Powder Bed Fusion, L-PBF)工艺具有精细精确加工的优势,可直接生产具有优异力学性能的金属零件。Ti-6Al-4V合金由于其高比强度、耐腐蚀性、生物相容性和耐热性,被广泛应用于轻质航空航天结构和可植入医疗器械等领域。然而,L-PBF工艺中的局部熔化、凝固及快速冷却特性,使Ti-6Al-4V形成了与传统制造方式截然不同的微观结构,特别是马氏体α′相的形成虽提高了材料强度,却导致韧性和伸长率降低。为改善这一问题,后热处理被普遍采用,可消除残余应力并将马氏体微观结构转变为更稳定的α+β结构,从而改善伸长率、韧性和疲劳抗力等力学性能。

准确预测热处理后的力学性能对于实现按设计要求的优化性能及控制质量至关重要,但这一目标面临诸多挑战。首先,相变行为和晶粒生长及由此产生的力学性能取决于L-PBF工艺变量和热处理条件,过程复杂且非线性;其次,传统物理模型通常依赖于热处理后形成的最终微观结构作为输入,这使得在实际热处理前预测后热处理力学性能变得困难。尽管已有研究利用机器学习方法建立工艺参数与力学性能之间的关系,但仅使用工艺条件预测材料性能存在根本局限性——微观结构不仅受名义工艺参数影响,还受到构建位置、零件几何形状、局部热历史、粉末堆积和气氛条件等因素的影响,即使在相同工艺条件下,零件不同位置也可能形成不同的微观结构。因此,需要整合微观结构信息的预测模型来弥补工艺条件与材料性能之间的差距。

## 研究方法与主要技术路线

本研究的技术路线包含三个核心环节。第一,特征提取方法:采用两点相关函数和自编码 concussional 自编码器(Convolutional Autoencoder)两种方法从金相光学显微镜(OM)图像中提取微观结构特征。两点相关函数通过计算二值化图像中给定距离处两点属于同一结构的概率来量化空间相关性;自编码器则通过无监督学习将高维输入图像压缩至低维潜在空间以提取主要模式。第二,数据预处理技术:对提取的高维特征应用主成分分析(Principal Component Analysis, PCA)进行降维,选取三个主成分(PC1, PC2, PC3),并引入二次多项式特征以增强非线性表达能力。第三,预测模型构建:采用贝叶斯优化(Bayesian optimization)确定人工神经网络(ANN)的最优超参数结构,模型以初始微观结构特征和热处理条件为输入,预测Voce方程的四个拟合参数(屈服强度σyield、饱和强度σsat、应变硬化系数C和伸长率EL),进而重建完整应力-应变曲线。样本来源于Hanyang大学采用8组不同激光功率和扫描速度组合制备的L-PBF Ti-6Al-4V圆柱形拉伸试样,经300°C、500°C、700°C三种温度热处理后 furnace-cooled(炉冷)处理。

## 研究结果

**力学性能测试结果**:研究人员制备了32个拉伸试样,结合8组激光工艺参数与4种热处理条件进行测试。结果表明,未热处理试样大多在极短塑性变形后发生脆性断裂,符合马氏体微观结构高强度低塑性的典型特征。热处理试样随温度升高,抗拉强度(Ultimate Tensile Strength, UTS)逐渐降低而伸长率(EL)增加,但300°C升至500°C时UTS出现异常升高,这被解释为约500°C附近马氏体亚结构细化导致的硬化效应。

**微观结构观察结果**:扫描电子显微镜(SEM)定性分析确认所有试样中均存在L-PBF Ti-6Al-4V中常见的针状马氏体结构。相同扫描速度下,较高激光功率导致更长的马氏体板条;相同激光功率下,较低扫描速度产生相对伸长的板条。光学显微镜(OM)用于定量分析,每个条件下采集100张非重叠图像,共计900张图像用于后续特征分析。

**两点相关函数分析结果**:对100张OM图像进行两点相关函数分析并取平均以获得代表性结果。分析显示,相关函数形状随工艺参数变化而变化,表明L-PBF工艺变量的改变直接影响马氏体相的微观结构特征。相同扫描速度下,随激光功率增加,相关函数值整体上升,与SEM观察结果一致——更高功率产生更长更厚的马氏体板条。由于相关函数产生连续的高维数据,研究人员应用PCA将其压缩至低维表示,主成分值在相同扫描速度下随激光功率增加呈现一致趋势,证明PCA有效提取了关键信息。

**自编码器分析结果**:自编码器重建精度达到87.9%,重建图像中针状马氏体形貌略显平滑,这符合自编码器去除噪声、提取本质结构特征的特性。与两点相关函数结果类似,自编码器潜在空间特征也显示出随工艺条件变化的差异性,但因其包含非线性高维信息而相对复杂。经PCA处理后,主成分变化趋势与两点相关函数分析高度一致,两种 fundamentally different 方法的趋同性进一步强化了微观结构图像特征分析的可靠性。

**贝叶斯优化结果**:研究人员对16个模型(4种输入数据类型×4种输出变量)应用贝叶斯优化。结果显示,随着试验次数增加,平均绝对百分比误差(MAPE)逐渐降低,证明优化有效收敛。优化后的网络结构显示,不同输出变量的最优隐藏层节点数存在差异,σyield和σsat通常需要更多隐藏层节点,而EL和C的模型结构相对简单。

**预测模型性能结果**:无多项式特征时,自编码器模型在预测σyield和σsat方面表现较优,而两点相关函数模型在EL和C预测上更佳,所有模型对σyield、σsat和EL的R2值均超过0.8,但C的预测性能很低(R2<0.3)。引入多项式特征后,EL和C的预测性能显著提升,表明多项式特征有效表征了非线性关系;但σyield和σsat的改善边际甚至有所下降,说明ANN已能捕捉这两种变量的非线性,无需额外多项式特征。经5折交叉验证,σyield、σsat和EL在各折中均保持较高R2值,预测稳定可靠;C参数的变异性相对较大。进一步分析表明,尽管C的预测误差可能高达20%,但重建的应力-应变曲线整体形状和趋势与实验结果仍保持较好一致性,因为其他参数的高精度预测补偿了C的不稳定性。

## 讨论与结论

研究人员总结了五项主要结论。其一,L-PBF工艺制备的Ti-6Al-4V合金在不同3D打印工艺条件下形成了不同的初始微观结构,这些初始微观结构影响了热处理后的力学性能包括拉伸行为。其二,通过两点相关函数和自编码器从OM图像中提取了定量微观结构特征,两种基于不同原理的方法一致反映了工艺条件变化引起的微观结构趋势,确保了基于图像特征分析的可靠性。其三,PCA和多项式特征的应用有效降低了高维图像数据的维度并补偿了非线性,提高了ANN的学习效率,尤其改善了EL和C的预测性能。其四,研究证明了从初始微观结构和热处理条件可以预测拉伸性能,无需直接观察后热处理微观结构即可实现力学性能预测;由于微观结构与拉伸行为密切相关且对热历史变化相对敏感,该方法可在多种条件下实现稳定可靠的预测。其五,ANN模型通过预测Voce拟合参数成功重建了完整应力-应变曲线,使预测超越了简单的强度指标,能够捕捉塑性变形和应变硬化行为。

总之,所提出的方法证实了利用初始微观结构和热处理条件预测力学性能的可行性,展示了数据驱动模型在无需重复拉伸试验的情况下优化工艺的应用潜力。同时,研究人员也指出了研究的局限性:当前模型未将冷却速率作为独立变量,所有试样均采用相同的炉冷条件,未来需整合多样化冷却条件下的数据以进一步推广模型;此外,当前框架仅基于微观结构特征,未定量纳入图像中孔隙等缺陷的尺寸和空间分布信息,而这些缺陷对伸长率和断裂行为有显著影响,未来工作应扩展框架以同时考虑微观结构和缺陷因素。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号