经过三十多年的密集研究和开发，激光粉末床熔合(LPBF)已经从一种方便的快速原型工具，缩短了设计周期，发展成为生产最终用途金属部件的制造技术。尽管一些行业现在完全接受了LPBF，但其他行业在将其整合到生产线中时，对质量控制更加谨慎。作为一种主要的金属增材制造技术（AM），LPBF能够制造具有复杂几何形状和精细特征的零件。然而，在LPBF发挥其作为颠覆性制造技术的全部潜力之前，仍然需要克服一些技术障碍。在典型的LPBF工艺中，使用高功率激光束局部熔化和固化金属粉末，逐层形成三维(3D)物体。打印过程中涉及的极端热条件会触发瞬态现象和复杂的结构动力学。当由于过量的激光能量输入而形成不稳定的蒸汽凹陷区（锁孔，keyhole）时，就会出现一种常见的孔隙率。虽然这增加了金属的整体激光吸收，并且通过提高能源效率和提高构建速率有利于制造过程，但锁孔壁上的不均匀激光吸收会产生局部热点，并导致反冲压力、蒸汽动态压力、毛细管力和马兰戈尼力之间的不平衡。
今日，弗吉尼亚大学Tao Sun教授通过同时高速同步x射线成像和热成像，再加上多物理场模拟，发现了Ti-6Al-4V激光粉末床融合中的两种类型的锁孔振荡。利用机器学习，开发了一种检测随机锁孔孔隙生成事件的方法，该方法具有亚毫秒级的时间分辨率和近乎完美的预测率。operando x射线成像所实现的高度准确的数据标记，使能够演示一种在商业系统中采用此的方法的简便而实用的方法。相关成果以“Machine learning–aided real-time detection of keyhole pore generation in laser powder bed fusion”发表在Science上。
在机器学习方法的帮助下，开发出一种高精度的方法，从热特征中检测孔隙形成。实施这种孔隙形成跟踪将有助于避免建造由于高孔隙率而导致失效的部件。
图 1.LPBF 中的实时锁孔孔隙率检测。© 2023 AAAS
图 2.Ti-6Al-4V 中的固有和扰动锁孔振荡。© 2023 AAAS
图 3.数据错误标记对预测率的影响。© 2023 AAAS
总之，此研究结果突出了operando同步加速器x射线成像实验的使能特性。它不仅提供了校准多物理场模型的关键信息，而且还允许发现与锁孔孔隙度相关的独特锁孔振荡行为。定量的理解为机器学习模型建立了基础，该模型通过热成像检测小孔孔隙的形成。通过检测锁孔和熔池的振荡行为来检测结构异常的策略具有通用性和实用性。相信建立在这一核心概念上的过程监控系统将促进金属AM零件的资格和认证。
参考文献：Ren, Z., Gao, L., Clark, S.J., Fezzaa, K., Shevchenko, P., Choi, A., et al. (2023). Machine learning–aided real-time detection of keyhole pore generation in laser powder bed fusion. Science 379(6627), 89-94.
Doi: 10.1126/science.add4667.
本文由春国供稿。
本内容为作者独立观点，不代表材料人网立场。
未经允许不得转载，授权事宜请联系kefu@cailiaoren.com。
如果您希望开展计算工作，苦于没有合适的计算人才，也可以联系我们。6年以来，我们与入驻材料人平台的300余位计算顾问一起，共同服务了超过5000位客户，涵盖了包括VASP、Lammps等在内的多款软件以及第一性原理、分子动力学、有限元等领域。
