基于物理信息数据驱动方法的TC4合金增材制造温度场预测

通过整合有限元热传导模型和长短时记忆网络,提出了一种基于物理信息的数据驱动方法,并应用于TC4合金直接能量沉积过程的温度场预测研究。该方法以有限元计算的TC4合金直接能量沉积过程中前n个时刻的2D/3D温度场图像和部分实验数据为训练集,预测第n+1时刻的温度场,从而实现直接能量沉积过程的温度场演化模拟。为了保证预测结果的可靠性,采用验证集方法对数据驱动计算模型进行测试,适当的实验数据对模型进行校正。结果表明,提出的数据驱动计算模型能够准确地预测熔池中心的平均温度和打印件的实时温度分布,此外与传统物理模型相比,其计算效率得到极大提升。

铝含量对激光增材制造TC4合金组织及性能的调控

为提升激光增材制造TC4合金的综合性能,采用铝为合金化组元对其进行组织与性能调控。结果表明:在激光增材制造的非平衡凝固条件下,不同铝添加量的TC4合金凝固组织皆由呈交错排列的β-Ti和α-Ti网篮组织构成,但有所不同的是,随着铝添加量的增加,组织中α-Ti固溶体的相对含量逐渐增多,其尺寸呈现出先减后增的变化趋势,即在铝添加量(质量分数)为1.5%时达到最小。沉积态合金的硬度、屈服强度和摩擦磨损性能随着铝添加量的增加而逐渐增大,而塑性、耐蚀性和表面粗糙度则分别在铝添加量(质量分数)为1.5%时达到最优。这表明,添加1.5%Al的沉积态合金有着最佳的性能匹配,其力学性能、摩擦学性能、电化学性能和成形性能均较TC4合金有了明显提升。