DED用Ti-Al-V合金

高通量筛选

通过定向能量沉积与机器学习联用，快速建立成分-组织-性能关系，筛选适合增材制造的钛合金。

张凤英 · Kaihu, Huang · Kexin, Zhao · 谭华 · 李尧 · Qiu, Ying · Yongnan, Chen · 王猛 · Zhang, Laichang

Journal of Materials Processing Technology 2023

参数信息

合金成分数

144

技术优势

把试错变高通量

用DED一次合成144种成分并快速表征，获得规律的速度远快于传统逐个试错。

用图像代替金相

图像处理和仪器化微压痕快速给出组织和力学数据，省去大量人工金相与拉伸测试时间。

模型能预测新成分

拟合出的BP神经网络可预测任意成分的Wα、Vα、硬度和屈服强度，减少后续实验量。

应用场景

• 增材制造钛合金：直接筛出增材工艺适配的钛合金成分，省去大量试错打印。
• 钛合金设计：用成分-组织-性能映射指导新合金设计，无需传统试错。
• 机械性能预测：根据成分预测屈服强度和硬度，提前筛选高性能候选合金。