一种激光增材制造钛合金的晶粒形态筛选方法

本发明属于钛合金的晶粒形态筛选，具体涉及一种激光增材制造钛合金的晶粒形态筛选方法。

背景技术：

1、增材制造钛合金越来越多的应用于航空航天、深潜器等领域，并表现出巨大的发展空间。然而截至目前，可成功工程应用的钛合金牌号有限，如tc4、tc21、tc18、ta15等，此外，金属增材制造(am)中固有的极高冷却速率和温度梯度，通常使得钛合金沿着沉积方向产生粗大的柱状β晶粒，这直接导致其性能呈现出各向异性和强塑不匹配等问题，因此获得细小等轴β晶粒是改善合金性能、制备高质量am钛合金零件的必要条件。

2、随着激光增材制造钛合金成分日益复杂，围绕al、v、cu、sn、fe、ni、cr、mo、zr合金元素的添加，成分设计空间变得巨大，且晶粒形态同时受到不同凝固条件的影响，使得等轴成分设计这一问题变得复杂。现有研究大多通过制备较大尺寸的沉积态试样进行晶粒变化规律探索，效率较低，且凝固条件、合金元素变量单一，不能快速明晰不同凝固条件下一种或多种合金元素对晶粒形态的影响。因此，为进一步提升激光增材制造钛合金成分设计效率，节省新材料研发成本，如何高效准确地探索满足等轴组织的合金成分，已经成为材料研发亟待解决的问题。

技术实现思路

1、本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种激光增材制造钛合金的晶粒形态筛选方法，通过确定激光增材制造钛合金添加元素及添加范围，构建待激光增材制造钛合金的激光微区冶金试样的凝固行为数据集，制备不同激光作用工艺方案下的激光微区冶金试样，对不同热行为条件对应的激光微区冶金试样进行晶粒形态和凝固温度区间δt采集，去除数据集中异常数据进行机器学习，以激光微区冶金试样成分及含量、凝固温度区间δt、温度梯度g和凝固速率v为机器学习模型的输入层节点，以晶粒长度a、宽度b和长宽比c为机器学习模型的输出层节点，预测待激光增材制造钛合金的晶粒形态，筛选出待激光增材制造钛合金满足等轴组织的合金成分，应用范围更广且验证高效精确，便于推广使用。

2、为解决上述技术问题，本发明采用的技术方案是：一种激光增材制造钛合金的晶粒形态筛选方法，其特征在于，该方法包括以下步骤：

3、步骤一、确定激光增材制造钛合金添加元素及添加范围：所述激光增材制造钛合金添加元素包括al、v、cu、sn、fe、ni、cr、mo以及zr的一种或多种，每种激光增材制造钛合金添加元素的添加范围为1～10wt.％；

4、步骤二、构建待激光增材制造钛合金的激光微区冶金试样的凝固行为数据集，具体过程为：

5、步骤201、采用计算机利用有限元计算软件建立待激光微区冶金试样成分粉末床几何模型；

6、步骤202、计算步骤201中待激光微区冶金试样的热物性参数，并将热物性参数赋予待激光微区冶金试样成分粉末床几何模型；

7、步骤203、赋予待激光微区冶金试样成分粉末床几何模型边界条件和初始温度；

8、步骤204、设置多组不同激光作用工艺方案，所述激光作用工艺方案包括激光功率p和激光作用时间t；同时设置待激光微区冶金试样对激光的吸收率；

9、步骤205、利用有限元计算软件进行网格划分，获得不同激光作用工艺方案下的激光作用结束时刻温度变化信息，得到温度梯度g；

10、步骤206、通过计算不同时刻熔点等温线轮廓距离差值，得到凝固速率v，构建待激光微区冶金试样的凝固行为数据集，所述凝固行为数据集包括多组凝固行为数据组，所述凝固行为数据组包括温度梯度g和凝固速率v；

11、步骤三、制备不同激光作用工艺方案下的激光微区冶金试样，其中，激光微区冶金试样采用与步骤一相同的成分，不同激光作用工艺方案下的激光微区冶金试样的制备具体过程为：按照设置的激光作用工艺方案下的激光功率p和激光作用时间t，通过激光作用进行系列微区定点加热，得到不同热行为条件对应的激光微区冶金试样；所述激光作用工艺方案包括激光功率p和激光作用时间t；

12、步骤四、对不同热行为条件对应的激光微区冶金试样进行晶粒形态采集：测量步骤三中激光微区合金化试样垂直于粉床平面截面的晶粒长度a和宽度b，计算获得长宽比c，其中，c＝a/b；

13、步骤五、采集非平衡凝固条件下的凝固温度区间δt：通过thermo-calc软件ttti3数据库，计算不同钛合金成分对应的schei l凝固曲线，获取凝固开始和凝固结束的温度，计算得到凝固温度区间δt；

14、步骤六、数据去噪：根据步骤三的激光微区冶金试样结果，删除因g、v不在对应的阈值范围内或成分特性导致的气孔多和融合不良的数据；

15、步骤七、机器学习：选定机器学习模型，以激光微区冶金试样成分及含量、凝固温度区间δt、温度梯度g和凝固速率v为机器学习模型的输入层节点，以晶粒长度a、宽度b和长宽比c为机器学习模型的输出层节点，训练机器学习模型；

16、步骤八、待激光增材制造钛合金的晶粒形态筛选：将待激光增材制造合金试样成分及含量、凝固温度区间δt、温度梯度g和凝固速率v输入至训练好的机器学习模型中，筛选出待激光增材制造钛合金满足等轴组织的合金成分。

17、上述的一种激光增材制造钛合金的晶粒形态筛选方法，其特征在于：所述有限元计算软件包括comsol或ansys有限元计算软件。

18、上述的一种激光增材制造钛合金的晶粒形态筛选方法，其特征在于：步骤202中，采用jmat-pro或thermo-calc软件计算步骤201中激光微区冶金试样的热物性参数，所述热物性参数包括激光微区冶金试样成分的密度、比热容、导热系数和焓。

19、上述的一种激光增材制造钛合金的晶粒形态筛选方法，其特征在于：所述激光微区冶金试样成分粉末床几何模型边界条件包括导热系数、换热系数和辐射系数。

20、上述的一种激光增材制造钛合金的晶粒形态筛选方法，其特征在于：所述机器学习模型包括多项式回归模型，k-最近邻回归模型、线性回归模型、人工神经网络模型和随机森林回归模型。

21、本发明与现有技术相比具有以下优点：

22、1、本发明通过确定激光增材制造钛合金添加元素及添加范围，构建待激光增材制造钛合金的激光微区冶金试样的凝固行为数据集，制备不同激光作用工艺方案下的激光微区冶金试样，对不同热行为条件对应的激光微区冶金试样进行晶粒形态和凝固温度区间δt采集，去除数据集中异常数据进行机器学习，以激光微区冶金试样成分及含量、凝固温度区间δt、温度梯度g和凝固速率v为机器学习模型的输入层节点，以晶粒长度a、宽度b和长宽比c为机器学习模型的输出层节点，预测待激光增材制造钛合金的晶粒形态，筛选出待激光增材制造钛合金满足等轴组织的合金成分，应用范围更广且验证高效精确，便于推广使用。

23、2、本发明建立材料δt、g、v值及与激光增材制钛合金造原始晶粒形貌之间的关系，可以按需为材料的筛选提供数据库支撑，可实现对激光增材制造钛合金的成分快速筛选，过程精准可控，同时充分利用金属粉末，具有材料利用率高，总体制样周期短的优点，机器学习建立的激光增材制造钛合金成分-晶粒形貌关系，在材料基因工程领域具有广阔的应用前景，可用于各种金属的增材制造成分设计筛选指导，包括但不限于钛合金、铝合金、高熵合金、钢、高温合金等，可在多种增材制造合金体系中推广使用，将推动新材料的研发进程。

24、3、本发明中采集凝固温度区间δt的同时，可以获得合金的scheil凝固曲线，对研究合金的非平衡凝固过程及溶质偏析引发的固相线降低，以及明晰最后一种在枝晶间凝固的液相组成具有指导意义。

25、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。