一种面向激光增材再制造的集约化修复材料设计方法技术

本发明专利技术公开了一种面向激光增材再制造的集约化修复材料设计方法

【技术实现步骤摘要】
一种面向激光增材再制造的集约化修复材料设计方法


[0001]本专利技术属于激光再制造
，尤其涉及一种面向激光增材再制造的集约化修复材料设计方法
。

技术介绍

[0002]由于激光再制造生产对象具有种类繁多
、
类型多样
、
数量庞大及材质各异的特点，在使役过程中零件的损伤往往具有复杂性
、
突发性和随机性，而高端在役装备对维修的时效性要求较高
。
综合考虑损伤零件快速修复的时效性与经济性等因素，工程实际中很难保证在损伤零件增材再制造过程中实现增材再制造材料与损伤零件材料的完全同质匹配
。
同时，目前适用于损伤零件异质成形修复的增材再制造材料种类还比较少，尚不能满足多数损伤零件增材再制造过程对材料的需求
。
采用少量广谱高性能集约化材料对不同材质的缺损零件展开集约化激光增材修复，解决野外装备应急维修材料种类不齐全无法进行同材质修复的问题是一种发展趋势
。
为此，亟需开展面向激光增材再制造的集约化修复材料设计与制备研究
。
[0003]目前为止，在已经公开的专利当中，虽然有专利技术实现了钛合金
、
铝合金等零件增材修复的集约化合金材料的设计和制备，但都是采用大量的试错法去验证某一种修复材料在不同基体材料上的修复效果，最终获得一种较优的元素组分及含量
。
但传统的试错法耗时
、
复杂，大大增加了设计成本
。
之前也有人通过相图当量计算的方法设计过铁基的集约化修复材料，但不适用于钛合金和铝合金
。
[0004]因此，亟需专利技术一种高效全面的集约化修复材料设计方法来解决上述问题
。

技术实现思路

[0005]本专利技术的目的在于提供一种面向激光增材再制造的集约化修复材料设计方法，能够针对多种材质缺损零件的修复需求，高效快速地设计少量广谱高性能集约化修复材料，能够有效扩展激光增材修复技术在装备维修领域的使用范围
。
[0006]为达此目的，本专利技术采用以下技术方案：
[0007]一种面向激光增材再制造的集约化修复材料设计方法，其特征在于，包括以下步骤：
[0008]步骤一，确定待修复基体材料体系，所述材料体系至少包括铁基
、
钛基
、
铝基等合金体系，并从该体系中筛选出多种易损伤零部件材料种类；
[0009]步骤二，面向激光增材再制造过程，收集和分析大量的实验数据和历史案例，收集范围包括之前的实验数据及出版论文，获得涵盖基体材料
、
修复材料
、
热物性参数
、
修复后力学性能等数据；
[0010]步骤三，基于所述数据建立激光再制造数据库，筛选出初步的集约化修复材料组元；
[0011]步骤四，考虑修复材料与不同基体材料之间的相容性以及异质材料的交互作用规
律，利用相图数据
、
平衡相变原理等热力学计算方法去预测材料在不同温度和成分条件下的相稳定性和相互作用，同时通过强化理论计算可以用于评估不同组元的力学性能和稳定性，最终确定集约化修复材料组元；
[0012]步骤五，以满足集约化修复材料与多种基体材料间的成分差异性
、
界面强韧性匹配多个约束为目标，构建基于高效全局优化的机器学习模型；
[0013]步骤六，对不同组元含量下的所有成分体系进行筛选，执行模型预测
‑
合金筛选
‑
实验制备
‑
性能表征
‑
数据反馈的迭代流程；若筛选出的集约化材料在修复所述的多种易损伤零部件材料种类后，力学性能都能满足使用需求，则最终确定该组元及含量为该待修复基体材料体系下的集约化修复材料
。
[0014]进一步地，所述铁基体系下的易损伤零部件材料种类包括
10#
低碳钢
、45#
合金钢
、40Cr
模具钢等，所述钛基体系下的易损伤零部件材料种类包括
TA15、TC4、TC17
等，所述铝基体系下的易损伤零部件材料种类包括
6061、7075、2219
和
5A06
铝合金等
。
[0015]进一步地，所述激光修复与再制造数据库包括待修复基体与修复材料的密度
、
熔点
、
剪切模量
、
模量错配
、
成分差异性
、
热膨胀系数差异性
、
热导率差异性，以及修复后的抗拉强度
、
伸长率
、
耐蚀性等特征变量
。
[0016]进一步地，所述机器学习模型采用深度学习中的神经网络技术，将所述数据库的变量形成输入数据，然后通过全连接层
、
卷积神经网络等结构将它们转化为特征向量；在模型的输出层中，使用多输出回归或者资源分配优化等算法，进行多目标组合优化，得到相应的结果集合；所述多目标组合优化需考虑材料本身的热物性参数等客观指标，修复材料与基体材料成分间的相容性
、
热胀系数的耦合度，修复界面的结合强度和韧性等
。
回归模型利用已知的数据样本进行拟合，从而得到一个描述变量之间关系的数学模型：
[0017]C
＝
β0+
β1×
Δρ
+
β2×
Δ
T
m
+
β3×
Δ
E+
β4×
Δα
+
β5×
UTS+
β6×
Δδ
[0018]其中，
C
为合金成分，
β0、
β1、
β2、
β3、
β4、
β5、
β6是回归系数，表示各个变量对修复材料设计的影响程度，
Δρ
、
Δ
T
m
、
Δ
E、
Δα
、UTS、
Δδ
分别为修复材料与基体材料成分间的密度差
、
熔点差
、
模量差
、
热胀系数差
、
修复界面的结合强度和韧性，代表所考虑的影响因素
。
[0019]本专利技术有益效果为：
[0020]本文设计了一种面向激光增材再制造的集约化修复材料设计方法，基于激光增材修复与再制造数据库，通过热力学计算
、
强化理论计算等方式确定集约化修复材料组元，再结合深度学习神经网络架构执行模型预测
‑
合金筛选
‑
实验制备
‑
性能表征
‑
数据反馈的迭代流程，得到修复材料组元含量配比，最终实现集约化修复本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种面向激光增材再制造的集约化修复材料设计方法，其特征在于，所述方法包括以下步骤：步骤一，确定待修复基体材料体系，所述材料体系至少包括铁基
、
钛基
、
铝基等合金体系，并从该体系中筛选出多种易损伤零部件材料种类；步骤二，面向激光增材再制造过程，收集和分析大量的实验数据和历史案例，收集范围包括之前的实验数据及出版论文，获得涵盖基体材料
、
修复材料
、
热物性参数
、
修复后力学性能等数据；步骤三，基于所述数据建立激光再制造数据库，筛选出初步的集约化修复材料组元；步骤四，考虑修复材料与不同基体材料之间的相容性以及异质材料的交互作用规律，利用相图数据
、
平衡相变原理等热力学计算方法去预测材料在不同温度和成分条件下的相稳定性和相互作用，同时通过强化理论计算可以用于评估不同组元的力学性能和稳定性，最终确定集约化修复材料组元；步骤五，以满足集约化修复材料与多种基体材料间的成分差异性
、
界面强韧性匹配多个约束为目标，构建基于高效全局优化的机器学习模型；步骤六，对不同组元含量下的所有成分体系进行筛选，执行模型预测
‑
合金筛选
‑
实验制备
‑
性能表征
‑
数据反馈的迭代流程；若筛选出的集约化材料在修复所述的多种易损伤零部件材料种类后，力学性能都能满足使用需求，则最终确定该组元及含量为该待修复基体材料体系下的集约化修复材料
。2.
根据权利要求1所述的一种面向激光增材再制造的集约化修复材料设计方法，其特征在于，所述铁基体系下的易损伤零部件材料种类包括
10#
低碳钢
、45#
合金钢
、40Cr
模具钢等，所述钛基体系下的易损伤零部件材料种类包括
TA15、TC4、TC17
等，所述铝基体系下的易损伤零部件材料种类包括
6061、7075、2219
和
5A06
铝合金等
。3.
根据权利要求1所述的一种面向激光增材再制造的集约化修复材料设计方法，其特征在于，所述激光修复与再制造数据库包括待修复基...

【专利技术属性】
技术研发人员：占小红，张家豪，王磊磊，史博文，张彦霄，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：