可以看到纯 SS 316L 部分和 (SS 316L+Al12Si) 1 之间的结合。(c) 方法 2 制造的横截面。(d) 圆柱形 SS 316L 至 Al12Si 双金属结构
内布拉斯加大学林肯分校机械与材料工程系,内布拉斯加州林肯市,美国 通讯作者 – Joseph A. Turner,电子邮件 jaturner@unl.edu。注:Haitham Hadidi 的当前地址是沙特阿拉伯吉赞大学机械工程系,吉赞,吉赞 45142。摘要 金属混合增材制造 (AM) 工艺适合于制造可提高工程性能的复杂结构。混合 AM 可用于制造功能梯度材料,通过完全耦合的制造工艺和/或能源的协同组合,可在整个领域内产生微观结构和材料特性的变化。工程设计和制造空间的这种扩展对无损评估提出了挑战,包括评估无损测量对功能梯度的灵敏度。为了解决这个问题,使用线性超声测量来检测三种制造方法制成的 420 不锈钢试样:锻造、AM 和混合 AM(定向能量沉积 + 激光喷丸)。将波速、衰减和漫反射结果与试样沿构建/轴向的显微硬度测量值进行比较,同时使用微观结构图像进行定性验证。超声波测量结果与破坏性测量结果相得益彰,分辨率没有任何实质性损失。此外,超声波方法被证明可有效识别混合 AM 试样上的弹性特性和微观结构的梯度和循环性质。这些结果突出了超声波作为混合 AM 样品高效且易于获取的无损表征方法的潜力,并为 AM 中的进一步无损评估决策提供信息。
近年来,增材制造技术领域的发展呈指数级增长,为各个领域带来了诸多优势,包括材料种类繁多、几何自由度高、材料浪费少和实现速度快。对于金属而言,最发达的技术是粉末床技术,主要是基于熔合,最终结构通过激光或电子束加固。利用这些技术,可以实现接近传统金属的出色形状和密度。另一方面,在粘合剂喷射技术中,液体粘合剂滴的沉积使灰尘颗粒能够逐层连接,类似于 3D 打印。生产的部件必须经过脱脂和烧结工艺才能达到最终密度。大多数研究都是为了完善工艺参数以确保机械性能,但在腐蚀行为领域的研究却很少。
摘要:在增材制造(AM)中,技术和处理参数是确定给定材料样品特征的关键要素。为了区分这些变量的效果,我们使用了具有不同AM技术的相同AISI 316L不锈钢粉末。使用的技术是金属AM中最相关的技术,即具有高功率二极管激光器的直接激光沉积(DLD)和使用新颖的CO 2激光器,具有高功率二极管激光器和选择性激光熔点(SLM),这是一种尚未与此材料一起报道的新技术。所有样品的微观结构均显示出奥氏体和铁素体相,与两个SLM相比,它们对DLD技术更粗糙。纤维激光SLM样品的硬度最大,但其弯曲强度较低。在带有CO 2激光片的SLM中,孔隙率和缺乏熔化会减少断裂应变,但在某些堆积策略下,强度大于激光SLM样品中的强度。使用DLD制造的标本显示出比其余的更高的断裂应变,同时保持高强度值。在所有情况下,都观察到裂纹表面并确定断裂机制。使用归一化参数方法比较了处理条件,该方法也被用来解释观察到的微观结构。
增材制造已从一种快速成型技术发展成为一种能够生产高度复杂零件的技术,而且这些零件的机械性能优于传统方法。利用激光加工金属粉末,可以加工任何类型的合金,甚至金属基复合材料。本文分析了激光粉末床熔合加工的 316L 不锈钢的拉伸和压缩响应。通过光学显微镜评估了所得的微观结构。关于机械性能,确定了屈服强度、极限拉伸强度、断裂前伸长率、抗压强度和显微硬度。结果表明,微观结构由堆叠的微熔池构成,由于高热梯度和凝固速度,熔池内形成了细胞状亚晶粒。抗压强度(1511.88 ± 9.22 MPa)高于拉伸强度(634.80 ± 11.62 MPa)。这种差异主要与应变硬化和残余应力的存在有关。初始显微硬度为206.24±11.96 HV;压缩试验后,硬度增加了23%。
摘要 对采用激光粉末定向能量沉积 (LP-DED) 制备的 316L 不锈钢 (SS) 在经过应力消除 (SR)、固溶退火 (SA) 和热等静压 (HIP) 等各种热处理 (HT) 步骤后的微观结构和拉伸性能进行了表征。使用光学和扫描电子显微镜 (SEM) 分析了 HT 之前和之后的微观结构。进行了准静态单轴拉伸和硬度测试以测量机械性能。拉伸结果表明,与其他 HT 条件(即 SR、SA、HIP、SR+SA 和 SR+HIP)相比,非热处理 (NHT) 条件具有更高的强度但更低的延展性。通过采用两步 HT 条件(即 SR+SA 和 SR+HIP),与单个单步 HT 条件(即 SA 或 HIP)相比,拉伸性能没有显著变化。研究结果表明,除非需要进行 HIP 来最大限度地减少体积缺陷含量,否则 LP-DED 316L SS 不需要进行两步 HT。
添加剂制造已从快速原型技术发展为一种能够生产具有高度复杂零件的机械性能,而机械性能超过了传统上实现的特性。 div>激光技术对金属粉末的加工允许处理多种合金甚至复合材料。 div>这项研究分析了通过选择性激光融合合并的316L不锈钢的牵引和压缩响应。 div>通过光学MI磨练分析了结果分钟。 div>关于机械性能,对蠕变的抗性,对牵引力的最终抵抗力,裂缝前经济百分比,对理解和微量残留性的抗性。 div>结果表明,微观结构是由堆叠的熔融微底裂组成的,在该微孔中,由于高热梯度和高固化速度,生成了细胞子图。 div>压缩抗性(1511.88±9.22 MPa)优于牵制性(634.80±11.62 MPa)。 div>这种差异主要与变形硬化和残余张力有关。 div>最初的微腐烂率为206.24±11.96 HV,在压缩测试后,硬度增加了23%。 div>
增材制造过程中的冷加工层通过在预先设计的内部增强域中赋予复杂的全局完整性来提高韧性。由于循环打印和喷丸形成的成分高度异质,因此很难通过映射这些域中的全局完整性来理解机械行为。超声波是一种快速、无损的工具,可以测量对微观结构和残余应力的异质组织敏感的全局完整性。这项工作在将激光工程净成型 (LENS) 与 420 不锈钢上的激光喷丸循环结合后,研究了压缩行为,并通过垂直于构建方向的超声波速度和衰减测量全局完整性。© 2020 CIRP。由 Elsevier Ltd. 出版。保留所有权利。
摘要:奥氏体347H不锈钢提供了极端操作条件(例如高温)所需的出色的机械性能和耐腐蚀性。由于组成和过程变化而导致的微观结构的变化有望影响其特性。识别微观结构特征(例如晶界)因此成为过程微观结构 - 循环中的重要任务。应用基于卷积神经网络(CNN)的深度学习模型是一种强大的技术,可以自动以自动化方式从材料显微照片中检测特征。与微观结构分类相反,分割任务的监督CNN模型需要像素的注释标签。但是,分割任务的图像的手动标记为在合理的时间范围内以可靠且可重复的方式生成培训数据和标签的主要瓶颈。尤其是,要通过更换合金组成来更快的材料发现,需要加快微观结构表征。在这项研究中,我们试图通过利用多模式显微镜直接生成标签而不是手动标记来克服此类局限性。我们将347H不锈钢的扫描电子显微镜(SEM)作为训练数据和电子反向散射衍射(EBSD)显微照片作为晶粒边界检测作为语义分割任务的像素标签。通过考虑一组深CNN体系结构来评估我们方法的生存能力。此外,我们发现幼稚的像素分割会导致较小的间隙和预测的晶界图中缺少边界。我们证明,尽管在两种模式之间的数据收集过程中产生了仪器漂移,但该方法在使用手动标记的类似分割任务中执行了相当的性能。通过在模型训练期间合并拓扑信息,晶粒边界网络和分割性能的连通性得到改善。最后,通过对下游任务的准确计算来预测潜在的谷物形态分布,这是微观结构表征的最终感兴趣。
本研究介绍了一种估算奥氏体不锈钢 304、304L、316 和 316L 型裂纹扩展的方法,这些不锈钢通常用作核压力容器的结构材料。这些结构部件通常要经受中子辐照和组合载荷,包括启动和关闭引起的重复机械应力(即疲劳)以及高温下加载期间引起的蠕变。在本研究中,使用基于条带屈服的疲劳裂纹扩展模型估算疲劳裂纹长度。该模型扩展为包括存在保持时间时的蠕变变形的影响,并扩展为包括辐照的影响。与文献中可用的实验数据相比,可以对各种组合载荷条件下选定的材料获得合理的裂纹扩展估计值。