供稿人：王爽、王富 供稿單位：西安交通大學(xué)精密微納制造技術(shù)全國重點(diǎn)實(shí)驗(yàn)室 發(fā)布日期：2024-06-13
增材制造是現(xiàn)代高端裝備制造領(lǐng)域的革命性突破技術(shù)之一。其中，增材構(gòu)件的大批量生產(chǎn)和高可靠應(yīng)用，關(guān)鍵在于制造可重復(fù)性、質(zhì)量可靠性與性能可預(yù)測(cè)性。而在各向異性組織、廣域分布缺陷、深部殘余應(yīng)力和復(fù)雜表面粗糙度等諸多因素的共同影響下，基于傳統(tǒng)經(jīng)驗(yàn)?zāi)Ｐ秃陀邢迶?shù)據(jù)的增材制造金屬力學(xué)性能預(yù)測(cè)效率與準(zhǔn)確性面臨著嚴(yán)峻挑戰(zhàn)。近年來，作為大數(shù)據(jù)與人工智能發(fā)展到一定階段的必然產(chǎn)物機(jī)器學(xué)習(xí)（Machine learning,ML）方法為有效處理高維物理量之間的復(fù)雜非線性關(guān)系提供了契機(jī)，在增材制造力學(xué)性能預(yù)測(cè)領(lǐng)域得到持續(xù)關(guān)注。該團(tuán)隊(duì)綜述了機(jī)器學(xué)習(xí)在增材制造材料及構(gòu)件力學(xué)性能預(yù)測(cè)中的國內(nèi)外研究進(jìn)展。首先簡(jiǎn)述了常見的機(jī)器學(xué)習(xí)算法和通用的機(jī)器學(xué)習(xí)流程，重點(diǎn)分析了融合物理信息的機(jī)器學(xué)習(xí)（Physics-informed machine learning, PIML）方法的特點(diǎn)與構(gòu)造方式；然后概述了增材制造力學(xué)性能四大影響因素的形成原因及機(jī)器學(xué)習(xí)在這些影響因素預(yù)測(cè)中的應(yīng)用現(xiàn)狀；重點(diǎn)介紹了ML和PIML在增材制造拉伸性能和疲勞斷裂性能預(yù)測(cè)中的代表性研究成果。
圖 1 缺陷幾何特征與疲勞壽命的機(jī)器學(xué)習(xí)建模
該團(tuán)隊(duì)通過對(duì)各種影響金屬增材制造的因素進(jìn)行分析，建立模型使用機(jī)器學(xué)習(xí)對(duì)性能進(jìn)行預(yù)測(cè)，模型包括一是從工藝到性能建模；二是從組織到性能建模；三是工藝-組織-性能的集成建模。而關(guān)于增材制造疲勞斷裂性能預(yù)測(cè)研究主要分為兩個(gè)方面：數(shù)據(jù)驅(qū)動(dòng)機(jī)器學(xué)習(xí)建模和機(jī)理驅(qū)動(dòng)機(jī)器學(xué)習(xí)建模?？傮w上看，有關(guān)增材制造材料及構(gòu)件的拉伸性能研究較為廣泛，重點(diǎn)在于獲取微觀組織和基本力學(xué)性能表現(xiàn)最優(yōu)的工藝過程。另外，增材制造過程的特殊性導(dǎo)致了材料本身的復(fù)雜性，加之在關(guān)鍵承力構(gòu)件上應(yīng)用的可能性，有關(guān)其疲勞斷裂性能成為近 10 年來的研究重點(diǎn)。