薄膜与微尺度材料及力学性能课题组-中国科学院金属研究所
联系我们  金属研究所  中国科学院
您现在的位置:科研进展 回到首页
通过小微样件认证增材制造高温合金部件和快速评价核电部件等服役可靠性的系列研究取得进展
2021-08-24  |          【 】【打印】【关闭

  由于核电构件在实际服役过程中无法拆卸,因此,如何能够对在役构件服役过程中的可靠性进行快速、无损评价是一个非常重要且迫切需要解决的问题。本世纪初,为了解决核电部件长期服役可靠性评价面临的材料取样尺寸受限问题,来自日本和德国等多个机构和大学的研究者试图建立小微样件测试标准,并进行了大量的实验和理论尝试。 

  此外,近年来,增材制造(Additive Manufacturing, AM)技术因其自下而上的强大个性化制造能力,可满足现代工业对难加工金属构件短周期、高精度、高性能制造的重大需求,已经一跃成为了当下先进制造技术的典型代表。但是,由于AM成形合金部件在制备过程中的传热、传质行为受到诸多工艺参数的强烈影响,材料中往往呈现出与部件位置相关的组织结构和缺陷分布不均匀性以及力学性能各向异性的特点;特别是经过拓扑优化设计的AM薄壁部件,因具有非常复杂的几何形状,其薄壁方向的尺寸通常无法满足现有ASTM标准规定的力学性能测试件的要求,致使采用传统标准样件评价和认证AM成形部件的力学性能。近年来,以美国材料试验协会标准委员会(ASTM)为首的一些国际机构和研究团体,正逐渐将小微样件测试方法及相关技术应用到AM成形合金部件的力学性能评价与认证上。 

  目前,相对于成熟的ASTM测试标准,小微样件测试标准的制定尚面临诸多挑战,包括测试方法与装置、小微样件获得力学性能数据与标准样件数据间的关系,小微样件力学性能尺寸效应的影响因素、内在规律以及门槛值等,诸如此类技术难题及科学问题都亟待得到进一步的解决。近年来,张广平课题组在小微样件认证增材制造高温合金部件和快速评价核电部件等服役可靠性的系列研究中取得新进展。 

  针对与打印厚度、位置、取向相关的复杂结构AM合金部件的力学性能快速评价与认证问题,课题组与西门子中国研究院团队合作研究了表面粗糙度、打印厚度、内部孔洞缺陷(位置、尺寸和数量)等对厚度在毫米尺度范围的选区激光熔化成形(Selective laser melting, SLMInconel 718合金试样室温和650℃下拉伸和疲劳性能的影响规律。通过小微样件的微观结构表征与力学性能测试来获得部件的高通量基础数据,结合计算模拟以及对高通量数据的机器学习,建立AM成形部件的成形工艺-组织结构-力学性能-服役性能之间的内在关系,探索了一种基于小微样件疲劳数据驱动的AM成形部件评价与认证的新思路和新策略。 

  针对小微样件评价结构部件服役寿可靠性尚未形成统一认识的问题,尤其是疲劳性能的影响规律和物理机制尚不清楚的问题,课题组通过对核主泵叶轮用小尺度超薄CA6NM马氏体不锈钢样品和汽车用DP钢的对称弯曲疲劳,获得了小尺度样品的疲劳性能,并将其与标准块体样品的疲劳性能进行了对比研究,研究了利用超薄样品评价CA6NM不锈钢和DP钢疲劳可靠性的可行性。此外,采用数字图像相关技术对于A588低合金钢在不同标距段长度和厚度下的拉伸性能进行了系统的研究。提出了总延伸率与应变速率敏感性关系的经验公式,用以描述小微样件中伸长率尺寸效应的基本机理。 

  上述研究结果发表在J. Mater. Sci. Technol., 97 (2022) 239-253. https://doi.org/10.1016/j.jmst.2021.04.049; Steel Research Int., (2021). 10.1002/srin.202000685; Mater. Sci. Eng., A, 802 (2021) 140693. https://doi.org/10.1016/j.msea.2020.140693; Int. J. Fatigue, 137 (2020) 105654. https://doi.org/10.1016/j.ijfatigue.2020.105654; J. Mater. Sci. Technol., 35 (2019) 1137-1146. https://doi.org/10.1016/j.jmst.2018.12.011; Steel Research Int., 90 (2019). https://doi.org/10.1002/srin.201900186; 金属学报, 54 (2018) 1359-1367. 10.11900/0412.1961.2018.00023. https://doi.org/10.11900/0412.1961.2018.00023.  

图1. 具有复杂的几何形状的AM构件力学性能的认证路线图。

 

图2  通过机器学习和统计分方法研究SLM成形Inconel 718合金小微样件的疲劳寿命分散性及对疲劳寿命进行预测。

薄膜与微尺度材料及力学性能课题组-中国科学院金属研究所

薄膜与微尺度材料及力学性能研究团队

版权所有 中国科学院金属研究所 辽ICP备05005387号
地址: 沈阳市沈河区文化路72号 邮编: 110016