教学科研

材料科学与工程学院张英波研究团队在《Nature》子刊上发表铝合金相关系列研究成果

来源:材料科学与工程学院    日期:2020/11/26 16:19:40    点击数:5881

Al-Zn-Mg-Cu (7xxx系列)合金已广泛应用于航空航天工业,并由于其优越的物理力学性能和可制造性在铁路运输中显示出越来越可观的潜力。近几十年来,一些新兴的工程材料(如镁合金、钛合金和复合材料)取得了迅速的发展,在许多领域对7xxx合金构成了挑战。因此,7xxx合金要想在其主导领域保持竞争力,并在新的领域获得更多机会,就需要进一步的性能提升。

机械强度是结构材料的基本考虑因素。商用7xxx合金的极限抗拉强度(UTS)通常低于700MPa。人们对改进7xxx合金的UTS的兴趣从未停止过。一些复杂的技术:严重的塑性变形(SPD)、快速凝固和粉末冶金(RS/PM)、喷淋成形和多级热处理使7xxx合金的抗拉强度达到极高的水平,超过750 MPa,超细晶7475合金和纳米晶7075合金经过高压扭转(HPT,一种SPD处理)的UTSs超过900 MPa。然而,这些技术目前由于无法生产大尺寸产品、操作复杂、成本高或对设备要求高而受到限制,限制了其广泛的工业应用。以工业化为目标开发高强度7xxx合金,优化合金成分是可行的策略。

基于此,我校材料科学与工程学院张英波团队提出了一种改进的基于克里格模型的高效全局优化(EGO)算法,并将其应用于7xxx合金的成分优化。研制了锌含量小于7wt .%的950MPa级7xxx合金,与此同时发现在变形的7xxx - T6合金中出现了异常的Al8Cu4Y纳米网络结构,这可能对未来高强度铝合金的合金设计有帮助。本研究证明了利用机器学习寻找具有良好力学性能的7xxx合金的可行性。基于优化合金的改良合金将成为高速列车关键部件批量生产的候选材料。相关研究成果以题“Accelerated discovery of high-strength aluminum alloys by machine learning”发表在communications materials上。

(论文链接:https://www.nature.com/articles/s43246-020-00074-2?utm_source=other&utm_medium=other&utm_content=null&utm_campaign=JRCN_1_LW01_CN_natureOA_article_paid_XMOL)

首先,团队准备一个训练数据集,用于后续的模型评估和构建。它包含一些具有已知UTS的精选Al–Zn–Mg–Cu–(Ti)–(Y)–(Ce)合金。然后,通过“留一法交叉验证”评估或验证机器学习模型-将原始数据集中的一个观察值视为一个测试点,并根据剩余的观察值进行预测-确定其可行性。如果机器学习模型有效,则将引入迭代过程(所谓的“自适应设计循环”)。最后通过一系列传统加工技术制备了优化合金的挤压棒,并对挤压进行了系统地表征。

经过近一个世纪的发展,对7xxx合金的机械性能提出了更高的要求。传统上,这些合金是通过反复试验筛选各种成分和热处理来开发的。如今,它们被设计为具有更高的含量和更多种类的合金元素,以改善机械性能。本文发现基于传统加工技术的稀土7xxx合金可以实现非常高的拉伸强度。此外证明了使用机器学习来加速7xxx合金的发现的可行性以及Y元素的潜在强化作用。特别是,张英波团队展示了不寻常的Al8Cu4Y纳米网络结构,对高强度铝合金的合金设计具有重要的价值。

(文稿来源:材料学网微信公众号)

作者:熊苏雅     责任编辑:章春军

[西南交通大学新闻网版权所有,未经书面授权禁止使用]
[打印本页]     [新闻纠错]     [关闭窗口]

热点新闻

交大视频