预测粘结剂喷射金属3D打印烧结窗口，橡树岭提出一种新方法

用于粘结剂喷射增材制造(BJAM)的粉末批次间差异可能会显著影响材料已设定好的“理想”烧结窗口。克服该问题的一种方法是对每批粉末在不同温度下进行烧结实验。然而，这种方法较为耗时。可以利用CALPHAD（计算相图）等计算热力学工具的预测能力来克服这一挑战，特别是对于粘结剂喷射增材制造，因为该过程发生在接近平衡的条件下。然而，考虑到“规格”内许多可能的原料成分，使用CALPHAD计算烧结窗口的计算成本可能很高。

来自橡树岭国家实验室的研究人员为镍基高温合金生成了高通量计算相图数据，开发出了机器学习模型来快速预测烧结窗口。该模型的预测能力已使用In718和In625进行了验证。经过验证的模型是轻量级的，可以部署在工业环境中，以加速获得烧结窗口。

研究人员指出，Binder Jetting技术自诞生以来，已经开发出了基于该工艺的多种材料的成形工艺，如In625、In718、17-4PH、316L不锈钢类别和H13工具钢，甚至铝合金、铜合金和钛合金等。粘结剂喷射后，打印的部件要将粘结剂烧尽处理，以使有机粘结剂和富碳残留物蒸发，C会对烧结部件的可烧结性和机械性能产生不利影响。随着粘结剂技术的最新进步，已经开发出不留下富碳残留物的粘结剂。粘结剂烧尽后，将零件加热至烧结温度来增加零件的密度。烧结可以在低于固相线温度下进行（固态烧结），其中通过固态状态下的扩散和传质发生致密化。最近，超固相线液相烧结（SLPS）由于更高的致密化率引起了关注。SLPS是一种致密化技术，涉及在固相线和液相线之间的温度下烧结预合金粉末，从而导致液相在晶界、颗粒间边界和晶粒内部成核。发现致密化发生在三个事件中，包括沿晶界/颗粒间边界的液体成核，随后多晶颗粒破碎，毛细管重排实现致密化，最后通过溶液再沉淀、孔去除和晶粒实现致密化。在烧结温度下形成的液体的体积分数至关重要，因为在烧结温度下液体分数太低会导致致密化不良，而高的液体体积分数会导致零件变形。因此，控制SLPS过程中形成的液体比例对于零件的致密化和形状保持至关重要。理想的烧结窗口将导致足够的液体成核，以实现粘结剂喷射打印部件的致密化和形状保持。然而，迄今为止，量化致密化而不变形所需的液体量的研究非常有限。因此，预测烧结窗口是通过反复试验的方法，导致需要进行大量的实验来定义合金的烧结窗口。

示意图显示热容量随温度的变化以及用于预测烧结窗口的相应密度变化

与其他基于熔合的增材制造技术不同，粘结剂喷射和烧结过程发生在接近平衡条件下，因此CALPHAD（计算相图）可用于高精度的预测定义烧结窗口的量。尽管这可以通过计算相图进行预测，但粉末成分的批次间差异（即使不同批次都在规格范围内）可能会影响合金的“理想”烧结窗口。Nandwana等人在In718的粘结剂喷射研究中发现，其三种不同的粉末批次具有不同的成分，因此具有不同的烧结行为。与批次间差异相关的问题可以通过对每个批次进行实验或对每个批次运行热力学计算来克服，这两种方法在时间和资源方面都可能是昂贵的，因为可能有许多合金组合，所有这些组合都是在规格范围内。

美国橡树岭国家实验室的研究人员提出了一种涉及耦合数据分析和计算相图的方法，用于快速预测烧结窗口，考虑到合金成分的批次间差异。作为案例研究，他们将所提出的方法应用于In718和In625的粘结剂喷射增材制造和烧结。

耦合数据分析和 CALPHAD 方法的总体工作流程

机器学习模型的输入数据：(a) In718合金成分的元素成分分布(b) 元素成分与固相线、液相线、找到40%液体的温度和变形温度之间的相关矩阵

所有In718 组合物的粘度和液体体积分数随温度的变化，变形和致密化参数随粘度上限和下限的连续性的变化

回归模型的结果预测了测试数据的Thermo-Calc的固相线、液相线、40%液体、变形温度和估计温度

 文献中报道的In718和In625合金的成分以及变形温度

回归模型的预测温度值与Thermo-Calc的估计固相线 (a)、液相线 (b) 温度的比较；(c)代表实验报告的变形温度以及文献中报告的合金的回归模型预测的变形温度。在c中，合金 1–9 代表In718成分，合金10–17代表In625成分

研究发现，所有机器学习算法都相当好的预测了烧结窗口，即固相线、液相线、达到40%液体的温度和变形温度，其中XGBoost算法获得了最高的交叉验证分数。该模型具有合理的预测能力，可以预测未用于训练和测试模型的数据集的烧结窗口，即使对于与In718具有相同元素但数量不同的In625合金系统也是如此。结果表明，所提出的方法可以扩展到任何合金体系来预测烧结窗口。

相关研究以“Predicting Sintering Window of Binder Jet Additively Manufactured Parts Using a Coupled Data Analytics and CALPHAD Approach”为题发表在Integrating Materials and Manufacturing Innovation。

欢迎转发

主编微信：2396747576（请注明身份）; 硕博千人交流Q群：248112776；网址：www.amreference.com

延伸阅读：

1.理光与西门子合作：开发铝合金粘结剂喷射批量3D打印解决方案

2.为量产而生！峰华卓立粘结剂喷射金属3D打印技术重大升级

3.烧结，影响粘结剂喷射金属3D打印零件控形控性的重要因素

4.粘结剂喷射完成攻克钛、铜、铝3D打印制造