對(duì)于增材制造部件中的缺陷，無損檢測(cè)可以在構(gòu)件破壞之前對(duì)材料內(nèi)部的缺陷進(jìn)行定量化的測(cè)量。其中X射線顯微計(jì)算機(jī)斷層掃描技術(shù)(X-ray micro-computed tomography)非常適用于評(píng)估致密的增材制造鈦合金部件，并提供內(nèi)部缺陷在材料體積中的三維空間分布。

      針對(duì)材料內(nèi)部缺陷引起過早失效的問題，已有不少學(xué)者將缺陷特征參數(shù)關(guān)聯(lián)鈦合金高周疲勞壽命，構(gòu)建出了一系列的半經(jīng)驗(yàn)壽命預(yù)測(cè)公式，以達(dá)到壽命預(yù)測(cè)的目的。并且還有部分學(xué)者通過擴(kuò)展有限元的方法，模擬含缺陷鈦合金的裂紋擴(kuò)展行為。但是這些半經(jīng)驗(yàn)壽命預(yù)測(cè)模型和方法無一例外都需要大量的數(shù)據(jù)和時(shí)間來完善它們的效果。

© 3D科學(xué)谷白皮書

論文鏈接：

https://doi.org/10.1016/j.ijfatigue.2022.107483

近日，International Journal of Fatigue 期刊中發(fā)表了”Modelling fatigue life prediction of additively manufactured Ti-6Al-4V samples using machine learning approach”一文。在該文的相關(guān)工作中，研究人員引入了基于機(jī)器學(xué)習(xí)（ML）的方法來量化X射線顯微計(jì)算機(jī)斷層掃描技術(shù)檢測(cè)到的缺陷的影響，并對(duì)特定應(yīng)力幅下的增材制造Ti-6Al-4V的疲勞壽命進(jìn)行預(yù)測(cè)。

同時(shí)對(duì)人工神經(jīng)網(wǎng)絡(luò)（ANN）、隨機(jī)森林回歸（RFR）和支持向量回歸（SVR）三種模型進(jìn)行了對(duì)比和優(yōu)化。通過使用留一法交叉驗(yàn)證（LOOCV）方式調(diào)整超參數(shù)來對(duì)訓(xùn)練集進(jìn)行優(yōu)化，并驗(yàn)證優(yōu)化后模型預(yù)測(cè)的準(zhǔn)確性。

 成果簡(jiǎn)介

研究團(tuán)隊(duì)在偽隨機(jī)選擇的20個(gè)樣本上訓(xùn)練機(jī)器學(xué)習(xí)模型，然后在剩余的9個(gè)樣本上測(cè)試機(jī)器學(xué)習(xí)模型。通過Spearman秩相關(guān)性分析排除了不敏感的輸入特征，提高了機(jī)器學(xué)習(xí)模型的效率和準(zhǔn)確性。圖1為機(jī)器學(xué)習(xí)方法預(yù)測(cè)疲勞壽命的基本流程。式1為Spearman秩相關(guān)系數(shù)計(jì)算公式。

圖1 疲勞壽命預(yù)測(cè)機(jī)器學(xué)習(xí)建模流程框架

為了實(shí)現(xiàn)ML模型的最高預(yù)測(cè)精度，使用LOOCV方法調(diào)整超參數(shù)。當(dāng)平均絕對(duì)百分比誤差(MAPE)最小時(shí)，假定此時(shí)模型為優(yōu)化后的模型。比較人工神經(jīng)網(wǎng)絡(luò)（ANN）、隨機(jī)森林回歸（RFR）和支持向量回歸（SVR）三種模型，其中人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)精度最高，預(yù)測(cè)結(jié)果的R2 = 0.848和平均絕對(duì)百分比誤差MAPE = 2.980%。圖2是優(yōu)化后的三種機(jī)器學(xué)習(xí)模型預(yù)測(cè)疲勞壽命效果對(duì)比。

圖2 三種機(jī)器學(xué)習(xí)模型預(yù)測(cè)疲勞壽命效果對(duì)比

圖3 所有擬合的ML模型計(jì)算疲勞壽命的結(jié)果及其與試驗(yàn)組試驗(yàn)結(jié)果的比較：( a )確定水平；( b )條形圖絕對(duì)值比較。

      研究團(tuán)隊(duì)距離對(duì)超參數(shù)和參數(shù)進(jìn)行調(diào)優(yōu)的機(jī)器學(xué)習(xí)(ML)模型對(duì)所有訓(xùn)練集進(jìn)行擬合。最后，將擬合得到的ML模型用于測(cè)試集的疲勞壽命預(yù)測(cè)。圖3a中的雙坐標(biāo)系顯示了擬合的ML模型預(yù)測(cè)的疲勞壽命與疲勞試驗(yàn)中觀察到的實(shí)驗(yàn)結(jié)果相比的確定水平。通過標(biāo)記來描述樣本的個(gè)體預(yù)測(cè)。標(biāo)記點(diǎn)距離權(quán)益線越近，預(yù)測(cè)的準(zhǔn)確性越高。此外，利用圖3b中的條形圖對(duì)計(jì)算的絕對(duì)值進(jìn)行了比較。

原論文信息

Horňas J, Běhal J, Homola P, et al. Modelling fatigue life prediction of additively manufactured Ti-6Al-4V samples using machine learning approach[J]. International Journal of Fatigue, 2023, 169: 107483.

(責(zé)任編輯：admin)

• Fabric8Labs推出AI芯片定
• Titomic又一合作，將與nuF
• 荷蘭公司將開設(shè)3D打印船舶
• Chicago Additive推出AMOS
• 590MHz帶寬+超90%輻射效率
• 威斯康星大學(xué)麥迪遜分校工

• ·Fabric8Labs推出AI芯片定制冷板：3D打
• ·Titomic又一合作，將與nuForj 合作加速
• ·荷蘭公司將開設(shè)3D打印船舶制造工廠，采
• ·Chicago Additive推出AMOS 300，軍方FD
• ·590MHz帶寬+超90%輻射效率！北大深研院
• ·威斯康星大學(xué)麥迪遜分校工程師利用 3D
• ·Nature子刊：利用深度學(xué)習(xí)技術(shù)通過照片
• ·Axtra3D推出集成HPS工藝的純硅膠3D打印