通过机器学习实现经济高效的超合金粉末制造
高性能，高质量的Ni-Co基高温合金粉末是有前途的飞机发动机原材料。通过机器学习，NIMS团队成功地快速确定了以高收率生产这些类型粉末的最佳参数。然后，研究小组证明了这些参数实际上导致了低成本制造适用于高压涡轮盘生产的粉末的生产。该技术的使用可以显着降低实际，大规模制造超合金粉末的成本。
金属3-D打印已在航空发动机的生产中迅速采用，导致对低成本制造和这些打印技术所需的合金粉末的供应的需求不断增长。当这些材料用于生产高压涡轮机盘(核心发动机组件)时，它们需要满足特别严格的要求：它们必须是耐热，高塑性，高质量且均质的高温合金粉末，并且可以加工进入领域。它们还需要以高产量生产降低成本。在实际的制造环境中，通常使用大型气体雾化器为此目的生产超合金粉末。因此，重要的是优化许多制造参数，例如用于熔化金属的温度和气压。但是，即使在有经验的专家的协助下，这种优化过程也被证明是非常昂贵，费时和费力的。
该研究团队使用机器学习来尝试在不依赖专家知识的情况下，优化用于制造适用于高压涡轮盘生产的Ni-Co基高温合金粉末的气体雾化工艺。结果，该团队成功地制造了可加工成球形的细粉。另外，在不使用先前收集的数据进行仅六次实验之后，使用这些参数可将生产率从传统的10%大幅提高到30%到大约78%。当比较原材料价格时，本研究生产的粉末比市售粉末便宜约72%。
经过多年的研发，NIMS已经开发出了设计具有可控物理特性(例如耐热性)的超级合金的技术。这些技术和本研究开发的参数优化技术的结合使用有望实现低成本生产功能性超合金粉末，以满足特定目的。机器学习模型的预测准确性随着它们接收更多训练数据而提高。私营部门的超合金粉末制造商拥有大量未开发的制造过程数据。整合这些数据可以进一步提高我们的技术预测最佳参数的能力，从而有可能以较低的成本制造更高质量的粉末。
这项研究发表在开放存取期刊《材料与设计》上。
标签：