檢測金屬增材制造中的孔隙登上Science

【導讀】

經過三十多年的密集研究和開發，激光粉末床熔合(LPBF)已經從一種方便的快速原型工具，縮短了設計周期，發展成為生產最終用途金屬部件的制造技術。盡管一些行業現在完全接受了LPBF，但其他行業在將其整合到生產線中時，對質量控制更加謹慎。作為一種主要的金屬增材制造技術（AM），LPBF能夠制造具有復雜幾何形狀和精細特征的零件。然而，在LPBF發揮其作為顛覆性制造技術的全部潛力之前，仍然需要克服一些技術障礙。在典型的LPBF工藝中，使用高功率激光束局部熔化和固化金屬粉末，逐層形成三維(3D)物體。打印過程中涉及的極端熱條件會觸發瞬態現象和復雜的結構動力學。當由于過量的激光能量輸入而形成不穩定的蒸汽凹陷區（鎖孔，keyhole）時，就會出現一種常見的孔隙率。雖然這增加了金屬的整體激光吸收，并且通過提高能源效率和提高構建速率有利于制造過程，但鎖孔壁上的不均勻激光吸收會產生局部熱點，并導致反沖壓力、蒸汽動態壓力、毛細管力和馬蘭戈尼力之間的不平衡。

【成果掠影】

今日，弗吉尼亞大學Tao Sun教授通過同時高速同步x射線成像和熱成像，再加上多物理場模擬，發現了Ti-6Al-4V激光粉末床融合中的兩種類型的鎖孔振蕩。利用機器學習，開發了一種檢測隨機鎖孔孔隙生成事件的方法，該方法具有亞毫秒級的時間分辨率和近乎完美的預測率。operando x射線成像所實現的高度準確的數據標記，使能夠演示一種在商業系統中采用此的方法的簡便而實用的方法。相關成果以“Machine learning–aided real-time detection of keyhole pore generation in laser powder bed fusion”發表在Science上。

【核心創新點】

在機器學習方法的幫助下，開發出一種高精度的方法，從熱特征中檢測孔隙形成。實施這種孔隙形成跟蹤將有助于避免建造由于高孔隙率而導致失效的部件。

【數據概況】

圖 1.LPBF 中的實時鎖孔孔隙率檢測。? 2023 AAAS

圖 2.Ti-6Al-4V 中的固有和擾動鎖孔振蕩。? 2023 AAAS

圖 3.數據錯誤標記對預測率的影響。? 2023 AAAS

【成果啟示】

總之，此研究結果突出了operando同步加速器x射線成像實驗的使能特性。它不僅提供了校準多物理場模型的關鍵信息，而且還允許發現與鎖孔孔隙度相關的獨特鎖孔振蕩行為。定量的理解為機器學習模型建立了基礎，該模型通過熱成像檢測小孔孔隙的形成。通過檢測鎖孔和熔池的振蕩行為來檢測結構異常的策略具有通用性和實用性。相信建立在這一核心概念上的過程監控系統將促進金屬AM零件的資格和認證。

參考文獻：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.