XiaoMi-AI文件搜索系统
World File Search Systemti6al4v
定向能量沉积制备 Ti6Al4V 凝固微观结构形成的确定性模型
金属增材制造（MAM）技术在制造与再制造行业中得到广泛应用，微观组织模拟逐渐凸显其重要性。传统的凝固微观组织模拟方法在MAM应用中都有其优缺点。本文建立了一种确定性凝固微观组织模型，即“侵入模型”，以避免传统方法的本质缺陷。该模型不模拟各个柱状晶粒的生长动力学或推导变量的场形式，而是关注相邻双晶之间的相互作用。在双晶系统中，晶界从热梯度方向的倾斜被理解为一个晶粒向另一个晶粒的瞬时侵入行为，而MAM形成过程中的竞争性晶粒生长行为则是双晶系统中所有侵入行为的总结。为了填补快速凝固理论的空白，利用人工神经网络（ANN）建立了快速定向凝固条件下各向异性生长效应的数据库。以采用线材送料定向能量沉积 (DED) 制备的具有完整树枝状柱状晶粒 (原始 β 晶粒) 的 Ti6Al4V 薄壁样品为基准，测试了新模拟模型的有效性。沿堆积方向重构的原始 β 晶粒的晶粒几何结构与模拟结果具有很好的一致性。在满足应用范围的情况下，该模型还可以应用于 MAM 的其他情况或与各种模型结合，以实现实时凝固晶体学特征预测。关键词：增材制造；微观结构；建模；凝固
热机械加工后混合增材制造 Ti6Al4V 的微观结构和机械性能
摘要：在本研究中，我们提出了一种混合制造工艺来生产高质量的 Ti 6 Al 4 V 零件，该工艺结合增材粉末激光定向能量沉积 (L-DED) 来制造预制件，随后的热锻作为热机械加工 (TMP) 步骤。在 L-DED 之后，材料在两种不同的温度 (930 ◦ C 和 1070 ◦ C) 下热成型，随后进行热处理以消除应力退火。在小子样本上进行拉伸试验，考虑到相对于 L-DED 构建方向的不同样本方向，并产生非常好的拉伸强度和延展性，类似于或优于锻造材料。所得微观结构由非常细粒、部分球化的 α 晶粒组成，平均直径约为 0.8–2.3 µ m，位于 β 相基质内，占样本的 2% 至 9%。在亚β转变温度范围内锻造后，典型的 L-DED 微观结构不再可辨别，并且增材制造 (AM) 中常见的拉伸性能各向异性显著降低。然而，在超β转变温度范围内锻造会导致机械性能的各向异性仍然存在，并且材料的拉伸强度和延展性较差。结果表明，通过将 L-DED 与 Ti 6 Al 4 V 亚β转变温度范围内的热机械加工相结合，可以获得适用于许多应用的微观结构和理想的机械性能，同时具有减少材料浪费的优势。
通过定向能量沉积制造的TI6AL4V合金中建模相变的新概念
摘要：微观结构直接影响了材料的随后机械性能。在制造的零件中，详细过程设置了微观结构特征，例如相类型或缺陷和谷物的特征。在这一过程中，本文旨在了解TI6AL4V合金的定向能量沉积（DED）制造过程中微结构的演变。它阐明了时间相变形块（TTB）的新概念。对不同块中温度历史的这种创新分割使我们能够将通过3D有限元（FE）热模型计算出的热历史以及从DED过程获得的多层TI6AL4V合金的最终微结构。作为第一个步骤，对触发TI6AL4V合金的固相变换的机制进行了对技术的审查。这表明当前动力学模型不足以预测DED期间的微结构演变，因为报告了多个值以进行转换开始温度。其次，开发了一个3D有限元（Fe）热模拟，并使用DED过程对Ti6Al4V部分代表TI6AL4V部分进行验证。建筑策略促进了热量的积累，并且该部分表现出硬度以及性质和相数的异质性。在生成的热场历史中，选择了代表不同微观疗法的三个兴趣点（POI）。对热曲线的深入分析可以根据其扩散或位移机制来区分固相变换。与最新的状态相结合，该分析既突出了转换临界点的可变特征，以及根据温度值以及加热或冷却速率而激活的不同相变机制。通过对DED过程中每个POI的微观结构的演变进行彻底的定性描述来实现此方法的验证。因此，新的TTB概念被证明提供了基于Fe温度领域的最终微观结构的流程基础。
机器学习助力定向能量沉积 Ti6Al4V 材料竞争性晶粒生长行为研究
摘要 钛合金定向能量沉积 (DED) 因其在自由成型和再制造方面的灵活性而成为一种快速发展的技术。然而，沉积过程中凝固微观组织的不确定性限制了其发展。本文提出了一种人工神经网络 (ANN) 来研究晶界倾斜角与三个致病因素（即热梯度、晶体取向和马兰戈尼效应）之间的关系。在田口实验设计下进行了一系列线材 DED、光学显微镜 (OM) 和电子背散射衍射 (EBSD) 实验，以收集 ANN 的训练和测试数据。与传统的微观结构模拟方法相比，本文开发的策略和 ANN 模型被证明是一种描述 DED 制备 Ti6Al4V 中竞争性晶粒生长行为的有效方法。它们可用于实现定量微观结构模拟，并扩展到其他多晶材料凝固过程。
激光粉末床熔合增材制造过程中 Ti6Al4V 粉末氧化影响的现场监测
要使激光粉末床熔合 (L-PBF) 增材制造工艺可持续，需要有效的粉末回收。在 L-PBF 中回收 Ti6Al4V 粉末会导致粉末氧化，然而，这种对 L-PBF 过程中激光-物质相互作用、过程和缺陷动力学的影响尚不清楚。这项研究使用原位高速同步加速器 X 射线成像揭示并量化了在多层薄壁 L-PBF 过程中处理低 (0.12 wt%) 和高 (0.40 wt%) 氧含量 Ti6Al4V 粉末的影响。我们的结果表明，高氧含量的 Ti6Al4V 粉末可以减少熔体喷出、表面粗糙度和制造部件中的缺陷数量。随着部件中氧含量的增加，由于固溶体强化，显微硬度会增加，并且微观结构没有明显的变化。
从ALM选择性激光熔化过程产生的Ti6al4v的疲劳性能到航空部件的机械设计
©作者，由EDP Sciences出版。这是根据Creative Commons Attribution许可证条款分发的开放访问文章4.0（http://creativecommons.org/licenses/4.0/）。
激光粉末床熔合制备 Ti6Al4V 的力学性能：重点关注加工和微观结构参数对最终性能的影响
摘要：Ti6Al4V 合金具有高比机械性能、优异的耐腐蚀性和生物相容性等独特特性，是一种适用于各种工程应用的理想轻质结构金属。本文详细介绍了选择性激光熔化 Ti6Al4V 零件的机械性能，以及影响最终性能的主要加工和微观结构参数。通过将 Ti6Al4V 零件的微观结构特征与最终机械性能联系起来，提供基础知识，包括拉伸强度、拉伸应变、抗疲劳性、硬度和磨损性能。本文还对激光粉末床熔合与传统加工方法进行了比较。本文还批判性地讨论了成品 Ti6Al4V 零件中存在的缺陷及其对机械性能的影响。文献中的结果表明，当考虑植入物和航空航天应用标准的最低值时（例如 ASTM F136-13；ASTM F1108-14；AMS4930；AMS6932），典型的激光粉末床熔融 Ti6Al4V 拉伸性能（屈服强度 >900 MPa 和拉伸强度 >1000 MPa）是足够的。
通过在火花阳极氧化生长的 TiO2 层中填充藻酸盐孔隙来捕获 Ag 和羟基磷灰石来增强 Ti6Al4V 的生物相容性和抗菌活性
基于这些特性，金属和金属合金被用作承重植入物。其中，钴铬合金、不锈钢、钛和钛合金被广泛用于多种生物医学应用。特别是，钛及其合金的弹性模量接近骨骼，密度低于钴铬合金和不锈钢。[2,3] 此外，与纯钛相比，钛合金具有更高的机械性能，使其特别适合用作骨科和创伤植入物。然而，钛和钛合金被认为是生物惰性材料，即它们不会与人体周围组织发生化学或生物反应。[4] 此外，涉及钛合金（即 Ti6Al4V 合金）的腐蚀现象会导致释放对人体有害的 Al 和 V 合金。为了促进植入物与现有人体骨组织的骨整合，从而优化装置的整合，在植入物表面生长涂层可能是一种合适的方法。尤其对于钛和钛合金，火花阳极氧化是一种合适的技术，可在基体上生长出牢固粘附的多孔陶瓷涂层，最大限度地减少可能导致骨溶解的剥落现象。在此背景下，已研究了多种策略来增强钛合金的生物活性，从而增强其骨整合。[5–7] 文献中有充分的证据表明，羟基磷灰石 (HA，Ca 10 (PO 4 ) 6 (OH) 2 ) 的存在可以增强外来生物材料的骨整合，因为它与硬组织和软组织具有很高的生物相容性。[8] 因此，诱导 HA 的结合或生长已被证明是提高材料生物活性的一种好策略。例如，这可以通过电化学转化涂层工艺（如火花阳极氧化）通过精确调整操作条件（形成电压、电解质浴成分等）来实现。 [3,9,10] 此外，Ti6Al4V 合金表面生长一层厚的阳极氧化层可以提高其耐腐蚀性能
本研究探讨了通过高功率和高速激光表面改性 (LSM) 制造 Ti6Al4V 功能梯度材料。
本研究探讨了通过高功率和高速激光表面改性 (LSM) 制造 Ti6Al4V 功能梯度材料。原始样品微观结构由细长的等轴 α 相和 β 相晶界组成。对这些样品应用了九种不同的 LSM 工艺参数集。扫描电子显微镜显示，在所有情况下，激光处理样品的表面附近都有细小的针状马氏体相。观察到马氏体区下方的过渡微观结构区，其中有较大的等轴晶粒和一些马氏体 α 相生长。样品内部包含原始微观结构。发现在所有工艺参数集下进行表面改性后，表面粗糙度都会增加。进行了纳米压痕测试，以获得三相（即马氏体 α、等轴 α 和晶界 β）的硬度和模量。开发了双相晶体塑性有限元模型来研究单轴拉伸载荷下的三区功能梯度微观结构。硬化表面区域阻止了连续滑移带的扩展，而过渡区则阻止了样品外表面和内部之间过大的应力集中。
使用先进的深层激光扫描技术对增材制造的 Ti6Al4V 扫描电子显微镜图像进行实时数据驱动的微观结构缺陷检测
由于缺乏全面的数据集和缺陷类型的多样性，自动检测增材制造的 Ti6Al4V 材料中的微观结构缺陷面临巨大挑战。本研究介绍了一种应对这些挑战的新方法，即开发专门针对扫描电子显微镜 (SEM) 图像的微观结构缺陷数据集 (MDD)。我们使用此数据集训练和评估了多个 YOLOv8 模型（YOLOv8n、YOLOv8s、YOLOv8m、YOLOv8l 和 YOLOv8x），以评估它们在检测各种缺陷方面的有效性。主要结果表明，YOLOv8m 在精度和召回率之间实现了平衡，使其适用于可靠地识别各种缺陷类型中的缺陷。另一方面，YOLOv8s 在效率和速度方面表现出色，尤其是在检测“孔隙”缺陷方面。该研究还强调了 YOLOv8n 在检测特定缺陷类型方面的局限性以及与 YOLOv8l 和 YOLOv8x 相关的计算挑战。我们的方法和发现有助于科学地理解增材制造中的自动缺陷检测。MDD 的开发和 YOLOv8 模型的比较评估通过提供检测微结构缺陷的强大框架来推进知识水平。未来的研究应侧重于扩展数据集和探索先进的 AI 技术，以提高检测准确性和模型泛化能力。