利用自主路径规划与元素粉末增材制造实现合金层错能的成分梯度
材料科学
2025-02-20 v1
摘要
成分梯度合金（CGA）常被用于结构部件，在单一零件内结合两种或多种合金可大幅提升性能与功能。针对这些应用已发展出众多设计方法，其中最精密的方法之一是将最初为机器人设计的路径规划算法应用于求解 CGA 设计问题。除了在结构部件上的传统应用外，本文提出并展示了将此 CGA 设计框架应用于快速合金设计、合成与表征。在面心立方（FCC）高熵合金（HEA）空间中，基于先前开发的模型预测的最大与最小层错能（SFE），规划了 CoCrFeNi 合金空间中的成分梯度。该路径设计为 SFE 单调变化，并避开不满足由相图计算（CALPHAD）预测的 FCC 相分数与凝固范围约束的区域。从路径中选取成分以产生 SFE 的线性梯度，并使用激光定向能量沉积（L-DED）构建了该 CGA。对所得梯度的微观结构与力学性能（包括硬度、弹性模量及应变率敏感性）进行了表征。尽管预测该梯度全程包含单相 FCC，但部分 CGA 发生了马氏体相变，从而证明了使用平衡 CALPHAD 计算预测相稳定性的局限性。更广泛地说，这展示了所采用方法揭示合金模型盲点的能力。
引用
@article{arxiv.2502.13156,
title = {Compositionally Grading Alloy Stacking Fault Energy using Autonomous Path Planning and Additive Manufacturing with Elemental Powders},
author = {James Hanagan and Nicole Person and Daniel Salas and Marshall Allen and Wenle Xu and Daniel Lewis and Brady Butler and James D. Paramore and George Pharr and Ibrahim Karaman and Raymundo Arroyave},
journal= {arXiv preprint arXiv:2502.13156},
year = {2025}
}