题目：Knowledge assisted machine learning to clarify pore influence on fatigue life of forging/additive hybrid manufactured Ti-17 alloy
作者：
Shuailong Gao, Wenyuan Li, Yuting Ma, Baitao Wang, Xiaolin Dong, Shujun Li, Jianrong Liu*, Yi Yang*, Shen Qu, Zhenlin Chen, Hao Wang*, Rui Yang
DOI: 10.20517/jmi.2024.28
Citation: Gao, S.; Li, W.; Ma, Y.; Wang, B.; Dong, X.; Li, S.; Liu, J.; Yang, Y.; Qu, S.; Chen, Z.; Wang, H.; Yang, R. Knowledge assisted machine learning to clarify pore influence on fatigue life of forging/additive hybrid manufactured Ti-17 alloy. J. Mater. Inf. 2024, 4, 25. http://dx.doi.org/10.20517/jmi.2024.28
锻造/增材复合制造的钛合金部件由于过渡区冶金缺陷，给疲劳寿命建模带来挑战。本研究结合机器学习与物理知识，系统探讨了孔洞尺寸和位置对Ti-17合金旋弯疲劳寿命的协同影响。通过构建反向传播神经网络和生成对抗网络的机器学习框架，并应用于稀疏数据集，配合有限元仿真对应力集中的预测，成功获得了90%置信度的通用可解释模型。结果表明，疲劳寿命随孔洞尺寸的减小及其与表面距离的增加而增加。该研究为复合制造钛合金的疲劳性能评估提供了系统的平台。
在锻造基体上进行电弧增材制造，并从复合区域中选取Ti-17标准条形试样。随后按照GB/T 4337-2008标准，在常温下对样品进行了旋转弯曲疲劳测试。
图1.(A) 锻造/增材复合制造Ti-17部件和其微观结构; (B) 旋弯疲劳试样示意图。
由于孔洞的存在，大多数疲劳试样在复合区域失效。原始34组疲劳寿命随孔径和位置变化的实验数据如下图所示。
图2. 旋弯疲劳寿命与 (A)孔径和 (B) 位置的实验数据。
稀疏且有限的疲劳数据集限制了对研究工作的进一步分析。为克服数据质量的影响，基于物理知识建立了相应的疲劳寿命方程，并将其应用于数据处理和模型解释。为克服数据量的影响，构建了一种基于Pytorch深度学习框架的生成对抗网络模型，该模型符合缺陷尺寸、距表面距离和疲劳寿命之间的关系。
上式中，Nf 是疲劳寿命，S是缺陷尺寸，x 是缺陷位置，其余为材料常数。
图3. (A) 反向传播神经网络示意图; (B) 生成对抗网络示意图。
图4. 30组实验数据在243个物理知识模型上的偏差。
图5. 损失值。(A) 生成对抗网络; (B) 鉴别器; (C) 生成器。
图6. 模型选择的过程中的模型进步表现。
图7. 使用反向传播神经网络对增强后的实验数据进行疲劳预测。
因此，上述疲劳寿命方程显示了两个主要因素（即孔径和位置）对疲劳寿命的影响。即疲劳寿命随孔径尺寸的增加而减小，随孔径位置的增加而增加。特别是，位于表面附近的孔洞即使非常小，也会损害疲劳寿命，而位于试样中心轴的孔洞将非常安全。以Nf ≥ 107作为标准，以下表达式成立：
具体来说，对于 x → 0 的近表面孔洞，只允许出现S ~ 4 μm 非常小的尺寸；而对于当前增材制造技术下S ~ 1000 μm 的典型尺寸孔洞，其可以位于距离表面至少 ~ 1000 μm 的位置；上述空洞均不会显著缩短疲劳寿命。
本研究有助于评估锻造/增材复合制造Ti-17合金的旋转弯曲疲劳寿命，并加深了孔隙对金属疲劳影响的理解。在未来，当有足够数据时，结合其它孔洞特征、以及缺陷与微观组织的耦合关系，可以借助机器学习模型构建一个更加全面的疲劳寿命预测模型。
国家自然科学基金（U2241245、91960202）、国家科技重大专项（2019-VII-0004-0144）、冲击与冲击材料国家重点实验室基金（6142902220301）、中国航空科学基金（2022Z053092001）、上海市高性能医疗器械材料工程技术研究中心（20DZ2255500）、沈阳市自然科学基金（23-503-6-05）。
高帅龙，北京理工大学在读博士研究生，硕士毕业于上海理工大学。研究方向为增材制造+机器学习+性能预测（力学和电磁隐身性能）。已在Journal of Materials Science & Technology、Chemical Engineering Journal、Composites Part B、Metals 等期刊发表SCI论文8篇。参加中国材料大会、第六届材料基因工程高层论坛、人工智能驱动下的增材创新智造等学术会议，并获得2023年中国材料大会Z-材料模拟、计算与设计分会学术墙报优秀奖，2024年上海市/上海理工大学优秀毕业生称号。
李文渊，中国科学院金属研究所，项目研究员。本科毕业于哈尔滨工业大学，学士；博士毕业于中国科学院大学。主要从事高温钛合金先进制造及形性调控技术研究，在钛合金板材织构控制、CMT增材制造、航空锻件修复、高温钛合金精密铸造等方面取得了一定的成果，主持国家重大课题3项，发表SCI、EI论文5篇，授权专利12项。
王皞，中国科学院金属研究所，研究员/PI，曾任上海理工大学材料学院特聘教授/PI，增材制造研究院院长。本科毕业于南京大学，博士毕业于中国科学院金属研究所。长期从事金属结构材料研究，建立了面向钛基合金等先进结构材料的集成计算和数据平台以及增材制造全流程仿真平台，开展合金成分、微观机理、显微组织、成型工艺等多尺度计算模拟和实验研究，为合金设计、性能预测、工艺优化和产品评价提供理论和方法支撑。担任中国材料学会计算材料学分会委员、中国计算机学会高性能计算/大数据/虚拟现实与可视化技术专委会委员、上海市增材制造标准化委员会委员、九三学社上海市委上海制造专门委员会委员、中广核苏州热工院特聘高级技术顾问、Scientific Reports编委、MGE Advances青年编委、金属学报青年编委；主持国家和省部级项目20余项；在Science、Nature Mater、Acta Mater等期刊发表SCI论文120余篇，高被引论文2篇，软件著作权登记6项，授权专利4项；入选辽宁省百千万人才工程千人层次、中科院青促会、沈阳市高层次人才拔尖人才。
刘建荣，中国科学院金属研究所，研究员。本科及硕士毕业于东北大学，博士毕业于中国科学院金属研究所。长期从事高温钛合金设计研制及应用技术研究，利用材料计算技术与实验研究结合的方法，研究合金元素对材料强韧性的影响规律，优化设计材料成分和成形工艺，探索提高高温钛合金使用温度和力学性能的合金化手段和策略。主持十余项国家重大项目，发表SCI论文50余篇，授权专利30余项，出版专著1部。
杨义，上海理工大学材料与化学学院/增材制造研究院，高级工程师/硕士生导师。本科毕业于合肥工业大学材料学院，博士毕业于中国科学院金属研究所；曾任西北有色金属研究院钛合金研究所高级工程师、宝山钢铁股份有限公司中央研究院新材料研发主任研究员、重庆天骄航空动力有限公司技术中心冶金技术部资深材料工程师/副部长。长期从事航空航天金属材料及增材制造研究工作，尤其专长于钛合金的组织性能调控、新型钛合金研发及增材制造，掌握工业规模钛合金产品的熔炼、锻造、热处理等全流程热加工技术，熟悉多种增材制造技术。主持和参加国家自然科学基金、国家重点基础研究发展计划（973计划）、国家科技支撑计划、上海市自然科学基金、知名企业研发项目及国防军工配套项目20余项，在Acta Materialia、Applied Physics Letters、Scripta Materialia、Journal of Materials Science & Technology 等国内外知名刊物上发表论文近百篇。
声明：此文是出于传递更多信息之目的。部分图片、资料来源于网络，版权归原作者所有，如有侵权请联系后台删除。
