正文
自工业革命和蒸汽机问世以来,疲劳失效一直是机械故障的主要原因之一。在过去两个世纪中,从无限寿命设计、安全寿命设计到损伤容限设计(如图1所示),随着检测技术的发展,普遍认为材料内部并非“完美无瑕”,而存在着缺陷。从传统的铸造、锻造到焊接、粉末冶金以及新兴的增材制造/3D打印(Additive manufacturing, AM),构件的内部缺陷及其力学性能都高度依赖于制造工艺。新一代装备与结构越来越需要更复杂和轻量化的设计,AM技术具有设计自由度高、产品开发周期短以及原材料利用率高等特点,提高了加工效率,极大降低了生产成本与周期。
引用格式: X. Niu, C. He, S.P. Zhu, P. Foti, F. Berto, L. Wang, D. Liao, and Q.Y. Wang. Defect sensitivity and fatigue design: Deterministic and probabilistic aspects in additively manufactured metallic materials[J]. Progress in Materials Science, 2024, 144: 101290.
与传统的铸造或锻造工艺相比,AM制造金属零件具有极高的硬度和屈服强度,因此,有望应用于航空、航天等领域。然而,由于加工过程中形成的大量缺陷(如气孔,缺乏融合缺陷等),其疲劳性能往往低于传统铸造或锻造工艺生产金属零件。传统标准和规范中经验性或基于大量试验的安全系数方法存在局限性,无法充分发挥材料的力学性能,难以直接应用于AM领域。对此,该综述论文系统地总结了AM金属材料/结构在缺陷影响下疲劳行为和失效机制、缺陷表征和概率评估方法,分析比较了AM与铸造等传统制造工艺中缺陷影响和疲劳设计方法的差异。最后,介绍了AM标准化的现状并展望了该研究领域的未来发展方向。
图2 缺陷尺寸、形状、位置与数量特征与统计方法
图3 超高周疲劳(Very high cycle fatigue, VHCF)下AM试件扫描电镜图
图4 基于数值模拟的疲劳评估方法
数值模拟是研究缺陷特征对疲劳性能影响的有效工具。通过假设缺陷的形状为球形来评估缺陷的应力集中系数;或利用xCT数据构建真实缺陷几何结构;通过材料本构模型/损伤演化来考虑缺陷的影响。结合概率方法,数值模拟能够捕捉由缺陷特征引起的疲劳响应差异。本综述系统介绍了数值模拟在AM结构疲劳性能评估与设计中的应用。
图5 机器学习(Machine learning, ML)方法在关联AM过程-结构-属性中的应用
(1)传统的疲劳设计方法,如无限寿命、安全寿命、损伤容限设计方法等,评估特定的增材制造零件时,由于缺乏与传统材料的差异认知(例如,热处理后的各向异性问题,VHCF区域疲劳响应的差异等),可能效果不佳。
(4)AM零件的一致性和可靠性依赖于标准的制定。目前,国际标准组织正在合作起草标准。尽管存在针对传统铸造或锻造金属材料的标准,但由于影响产品性能的AM参数众多,难以直接应用,现有方法/标准对AM的适用性应谨慎对待。断裂力学、Murakami和Kitagawa–Takahashi等经验方法的应用与发展有助于解决AM中结构-属性-性能问题,进而推动标准的制定。
AM制造技术、缺陷表征、基于缺陷的疲劳评估与设计方法以及AM标准化相互作用并呈现多重螺旋式上升,共同推动了AM的发展和应用。促进其协调发展,关键在于揭示AM技术对金属材料缺陷、微观结构与残余应力等和性能的影响,特别是缺陷形成和疲劳性能;应用先进的设计工具、仿真技术和优化算法,实现缺陷表征、性能评估和结构设计;实施反馈机制,实现AM实际应用问题、学术界的先进设计方法与标准制定的三端信息互通。