(一)多主元素合金开发 l Nature上发表的NASA可耐高达1000度高温的GRX-810材料开发、微观结构与性能研究

谷专栏

根据3D科学谷《革命性的突破,NASA 3D打印ODS合金 GRX-810可耐高达1000度的高温》一文,NASA 合金 GRX-810 是一种氧化物弥散强化 (ODS) 合金,可以承受超过 2,000 华氏度(1000多摄氏度)的温度,更具延展性。科研人员还在 1,093°C 下进行蠕变测试以比较这些合金的性能,与锻造 Haynes 230 相比,成品 GRX-810 达到 1% 应变所需的时间要长 500 多倍,与增材制造超级合金 718 相比要长 1000 多倍。

这些新合金可用于制造用于高温应用的航空部件,例如飞机和火箭发动机内部的部件,因为 ODS 合金可以在达到断裂点之前承受更恶劣的条件。

本期,结合论文《A 3D printable alloy designed for extreme environments》,3D科学谷将分享模型驱动的多主元素合金开发并洞悉数字化材料开发的发展趋势。

article_alloy论文链接:

https://www.nature.com/articles/s41586-023-05893-0

block 多主元素合金

为了开发 NASA 合金 GRX-810,NASA的研究人员使用计算模型来确定合金的成分。然后,该团队利用 3D打印将纳米级氧化物均匀地分散在整个合金中,从而提高了高温性能和耐用性能。与传统的制造方法相比,这种制造工艺更高效、更具成本效益且更清洁。

article_alloy_1a,GRX-810 的预测相位稳定性。b, 0 K 时计算的 NiCoCr 三元相图。表格显示了 GRX-810 的标称组成(重量百分比)。

© Nature

高熵合金,通常也称为多主元素合金 (MPEA),是冶金界目前感兴趣的一类材料,多主金属合金 (MPEA)是指基体合金中含有大量金属元素的金属合金。多主元素合金是一类有利的材料,因为它们具有令人印象深刻的机械和抗氧化性能,尤其是在极端环境中。研究人员通过人工智能模型驱动的合金设计方法和基于激光的增材制造开发了一种新的氧化物弥散强化型 NiCoCr 基合金。

这种氧化物弥散强化合金称为 GRX-810,使用激光粉末床熔化3D打印技术将纳米级 Y2O3 颗粒分散到整个微观结构中,通过对其微观结构的高分辨率表征,展示了纳米级氧化物在整个 GRX-810 构建中的成功结合和分散。

通过GRX-810所3D打印的涡轮发动机燃烧器(燃料-空气混合器)是在 NASA Glenn中心进行 3D 打印的,这是具有挑战性的组件之一,可以从应用新的 GRX-810 合金中受益。与在 1,093°C 下广泛用于增材制造的传统多晶变形镍基合金相比,GRX-810 的机械结果显示强度提高了两倍,蠕变性能提高了 1,000 多倍,抗氧化性提高了两倍。这种合金的成功凸显了与过去的“试错”方法相比,模型驱动的合金设计如何能够使用更少的资源提供卓越的成分,该策略可以更深入地了解工艺-微观结构-特性关系,并量化改进的功能、特性和生命周期评估。这些结果展示了利用弥散强化与增材制造工艺相结合的未来合金开发将如何加速革命性材料的发现。

在过去十年中,大量科学研究发现了多主元素合金所展现的非凡特性。合金对可持续飞行的未来具有重大影响。例如,当用于喷气发动机时,ODS合金的更高温度和更高的耐久性能转化为减少燃料消耗并降低运行和维护成本。这类合金也被证明是坚固的,可以抵抗氢环境脆化,表现出改进的辐照性能并在低温下提供卓越的强度。因此,这些合金在高温和腐蚀性环境中的众多航空航天和能源应用中显示出巨大潜力,可以减轻重量并提高运行性能。

article_alloy_nasa© NASA

一种特别感兴趣的 Cantor 合金衍生物是中等熵合金 NiCoCr。该合金系列在 Cantor 合金及其衍生物中提供了室温下最高的强度。最近的研究发现,NiCoCr合金在冷轧后进行部分再结晶热处理时显示出令人印象深刻的拉伸性能(1,100MPa 室温屈服强度)。这些特性也归因于应变诱导的面心立方 (FCC) 到密排六方 (HCP) 相变和局部层错变化。最近还探索了 NiCoCr 与难熔元素和间隙元素的合金化和掺杂。研究人员还发现用 30ppm 的硼掺杂高熵合金 NiCoCrFeMn 可显着提高强度和延展性,这归因于硼的晶界和间隙强化。

Valley_ODS© 3D科学谷白皮书

最近的研究还发现,向NiCoCr 多主元素合金MPEA 添加碳可提高强度 。最后,研究人员还发现,在 NiCoCr 中添加三个原子百分比 (at.%) 的 W 会产生更细的晶粒结构(平均晶粒尺寸 1 μm),导致合金的屈服强度大幅增加(超过 1,000 MPa ,与非合金 NiCoCr 的 500MPa 相比),同时保持超过 50% 的卓越延展性。这些结果表明,多主元素合金MPEA 的显着改进仍然可以通过额外的合金化实现。

通过 L-PBF 选区激光熔融金属3D打印工艺生产的ODS NiCoCr,其中纳米级 Y2O3 纳米粒子通过高能混合过程涂在 NiCoCr 金属粉末上,不需要任何粘合剂、流体或化学反应。此过程不会变形或影响粉末球形形态,这对于高质量AM-增材制造组件很重要。使用这种方法生产了一种 ODS 合金,与非 ODS 对应物相比,该合金在 1,093°C 时的抗拉强度提高了 35%,延展性提高了三倍。

采用模型驱动的合金设计方法来优化 NiCoCr 合金,这一努力产生了一种新的组合物,该组合物通过L-PBF选区激光熔融金属3D打印工艺构建,这种新合金的特性,通过NASA格伦研究中心 810°C 以上的极端温度 (GRX-810),表明与其他市售高温合金相比,蠕变强度提高了几个数量级,抗拉强度提高了两倍。研究人员探索了合金(NiCoCr、NiCoCr-ODS、NiCoCr-ODS 添加少量 Re(1.5wt%)和 B(0.03wt%)(ODS-ReB))。这项研究证实了模型驱动的合金设计和 AM-增材制造工艺的成熟,可以生产具有以前传统制造技术无法实现的特性的下一代材料。

block 更快的材料开发

根据3D科学谷的市场观察,模型驱动以及人工智能算法驱动的材料开发正在渗透到3D打印领域。此前,RWTH亚琛工业大学DAP数字增材制造学院推出了快速合金开发 (RAD) 的策略:使用预合金粉末材料作为起始基础,并通过添加元素粉末有目的地进行改性,以便有效地为优化 PBF-LB加工过程创建新的合金组合。这其中还涉及到多种仿真方法,以及实验过程中开发的各种监测手段。例如在 DAP 和 IEHK 的应用示例中,研究人员通过精确调整碳含量 (C) 来修改预合金钢粉末 (X30Mn22) 的性能。碳对 PBF-LB 工艺中材料的可加工性以及增材制造部件的拉伸强度和断裂伸长率有重大影响。为了研究不同粉末成分的性能,由不同比例的 X30Mn22 粉末和碳粉组成的粉末混合物来进行PBF-LB 工艺(高达 1.2 wt% C)加工;所有组合物的相对密度均大于 99.8%。

在多主元素合金方面,美国马里兰大学李腾教授等人开发了一种以属性为导向的MPEA设计策略,该策略将分子动力学(MD)模拟、小样本机器学习(ML)和遗传算法 (GA) 相结合,以高效地同时优化多个性能指标。作为演示,ML模型可以通过54 次MD模拟进行有效训练,以预测CoNiCrFeMn合金的刚度和临界分辨剪切应力 (CRSS),相对误差分别为2.77%和2.17%。

根据《人工智能+3D打印=?》一文,正如人工智能在药物领域的作用,一款新药从开始研发到临床试验再到投入市场,通常需要10-15年;随着数字经济时代的到来,大数据、人工智能等技术的应用,将大大缩短药物研发时间,提升效率和质量。在制药行业,人们有兴趣实施AI驱动的解决方案以发现新药并加快将其推向市场的速度。食品和药物管理局进一步推动了这种兴趣,促进将基于AI的技术用于药物开发的创新。总体来说,AI和机器学习旨在改变药物发现过程,从而降低财务成本和上市时间。

全世界有数以百万计的商业材料,其特点是数百种不同的特性。使用传统技术探索我们对这些材料所了解的信息,提出新的物质,基质和系统,是一个艰苦的过程,可能需要数月甚至数年。通过了解现有材料数据中的基础相关性,估算缺失的属性,人工智能可以快速,高效,准确地提出具有目标属性的新材料 – 从而加快开发过程。

valley_AI人工智能用于合金设计与优化
© 3D科学谷白皮书

同样的事情,将发生在3D打印领域的材料开发方面,人工智能将在两个维度上发挥作用:降低材料开发的财务成本和开发周期。人工智能将在创建更坚固、更轻、更灵活且生产成本更低的材料中发挥超乎想象的作用。

在这种特定情况下,机器学习通常可以用来开发新材料。材料科学家只需要将所需的特性输入程序,机器学习算法便可以预测哪些化学结构单元可以在微观水平上结合在一起,从而创建具有所需功能和特性的结构。

下一期,将继续分享GRX-810的微观结构及性能测试情况。

论文链接https://www.nature.com/articles/s41586-023-05893-0

l 谷专栏 l

欢迎高校及科研机构、企业科学家加入谷专栏,与业界分享对推动增材制造发展起关键作用的共性基础科研与应用成果,欢迎扫描下方图片二维码提交您的信息。

谷专栏


白皮书下载 l 加入3D科学谷QQ群:106477771
网站投稿 l 发送至2509957133@qq.com
欢迎转载 l 转载请注明来源3D科学谷 l 链接到3D科学谷网站原文。

分享:

你可能也喜欢...

Baidu
map