机器学习定制新型能源材料……
机构名称:
¥ 1.0

现有的用于激光增材制造 (LAM) 的商用粉末是为需要后热处理 (PHT) 的传统制造方法而设计的。LAM 独特的循环热历史会在沉积过程中对材料进行内在热处理 (IHT),这为开发 LAM 定制新材料提供了机会。这项工作定制了一种新型 Fe-Ni-Ti-Al 马氏体时效钢,并借助机器学习利用 IHT 效应在 LAM 过程中原位形成大量沉淀物,而无需 PHT。钢中的快速沉淀动力学、定制的间歇沉积策略和 IHT 效应促进了 Ni 3 Ti 在高密度位错上的异质成核,从而在马氏体基体中原位沉淀。成品钢的抗拉强度达到 1538 MPa,均匀伸长率达到 8.1%,优于各种 LAM 加工的高强度钢。在当前主流的非原位 4D 打印中,3D 打印结构随时间的变化(即属性或功能变化)发生在部件形成之后。这项工作重点介绍了通过将随时间变化的沉淀硬化与 3D 几何成形同步集成而进行的原位 4D 打印,这显示出高能源效率和可持续性。这些发现为通过理解和利用 IHT-材料相互作用来开发 LAM 定制材料提供了见解。

机器学习定制新型能源材料……

机器学习定制新型能源材料……PDF文件第1页

机器学习定制新型能源材料……PDF文件第2页

机器学习定制新型能源材料……PDF文件第3页

机器学习定制新型能源材料……PDF文件第4页

机器学习定制新型能源材料……PDF文件第5页