基于混合机器学习设计的可增材制造高强度铝合金，实现热稳定微观结构
材料科学
2025-10-06 v2
摘要
可增材制造（AM）的铝合金具有高强度和热稳定性，广泛应用于涡轮发动机、真空泵、热交换器及其他众多工业系统。利用具有L1结构的析出相来阻止位错运动是提高铝合金强度的常用策略。然而，要实现高强度，需要高体积分数细小的析出相，而这些特征通常是相互排斥的。本文表明，对于特定的铝合金组成，在粉末床AM的快速凝固条件下，L1相首先作为亚微米亚稳态三元相结晶，而随后在样品热处理过程中结晶的L1相保持在纳米尺度，从而赋予高强度。要在高温下保持强度，这些纳米析出相必须具有较低的粗化速率。为反向设计使合金具有上述目标微观特征的组成，我们采用了混合计算相图（CALPHAD）为基础的集成计算材料工程（ICME）和贝叶斯优化技术。我们通过设计一种Al-Er-Zr-Y-Yb-Ni模型合金来测试方法，所选组成以粉末形式制成AM feedstock。通过激光粉末床熔化（LPBF）制备的试样强度相当于锻造Al 7075，却避免了LPBF Al 7075常见的开裂问题。在400C高温退火后，所设计合金的强度比已知最强的可打印铝合金高出50%。
引用
@article{arxiv.2406.17457,
title = {Additively manufacturable high-strength aluminum alloys with thermally stable microstructures enabled by hybrid machine learning-based design},
author = {S. Mohadeseh Taheri-Mousavi and Michael Xu and Florian Hengsbach and Clay Houser and Zhaoxuan Ge and Benjamin Glaser and Shaolou Wei and Mikro Schaper and James M. LeBeau and Greg B. Olson and A. John Hart},
journal= {arXiv preprint arXiv:2406.17457},
year = {2025}
}