[论文解读] A Novel Physics-Based and Data-Supported Microstructure Model for Part-Scale Simulation of Laser Powder Bed Fusion of Ti-6Al-4V

Jonas Nitzler, Christoph Meier+3 more|arXiv (Cornell University)|Jan 14, 2021

Additive Manufacturing Materials and Processes参考文献 80被引用 22

一句话总结

本文提出了一种基于物理原理、数据支持的Ti-6Al-4V在激光熔融中的表征性微观结构模型，通过能量和迁移率驱动的相变过程，预测β相、αs相和αm相的相分数，避免了启发式判据。该模型实现了对选择性激光熔融过程的精确、零件尺度模拟，验证了关键冷却速率和马氏体形成的预测结果，连续冷却和大规模淬火模拟结果均与之相符。

ABSTRACT

The elasto-plastic material behavior, material strength and failure modes of metals fabricated by additive manufacturing technologies are significantly determined by the underlying process-specific microstructure evolution. In this work a novel physics-based and data-supported phenomenological microstructure model for Ti-6Al-4V is proposed that is suitable for the part-scale simulation of selective laser melting processes. The model predicts spatially homogenized phase fractions of the most relevant microstructural species, namely the stable $\\beta$-phase, the stable $\\alpha_{\ ext{s}}$-phase as well as the metastable Martensite $\\alpha_{\ ext{m}}$-phase, in a physically consistent manner. In particular, the modeled microstructure evolution, in form of diffusion-based and non-diffusional transformations, is a pure consequence of energy and mobility competitions among the different species, without the need for heuristic transformation criteria as often applied in existing models. The mathematically consistent formulation of the evolution equations in rate form renders the model suitable for the practically relevant scenario of temperature- or time-dependent diffusion coefficients, arbitrary temperature profiles, and multiple coexisting phases. Due to its physically motivated foundation, the proposed model requires only a minimal number of free parameters, which are determined in an inverse identification process considering a broad experimental data basis in form of time-temperature transformation diagrams. Subsequently, the predictive ability of the model is demonstrated by means of continuous cooling transformation diagrams, showing that experimentally observed characteristics such as critical cooling rates emerge naturally from the proposed microstructure model, instead of being enforced as heuristic transformation criteria.

研究动机与目标

• 开发一种针对Ti-6Al-4V的物理解析一致的微观结构模型，避免现有模型中常见的启发式相变判据。
• 通过整合热力学一致的相变演化与真实的热历史，实现选择性激光熔融过程的精确零件尺度模拟。
• 通过逆向识别方法，利用全面的实验时间-温度-转变（TTT）和瞬态加热数据，确定模型参数。
• 展示模型在真实SLM和淬火场景下对关键冷却速率和微观结构分布的预测能力。
• 为未来与非线性弹塑性本构模型集成，实现SLM零件的完整热-机械模拟提供支持。

提出的方法

• 模型采用速率形式的常微分方程描述相分数演化，由热力学驱动力和温度相关的迁移率驱动。
• 相变过程被建模为能量竞争驱动的过程，马氏体形成无需启发式判据。
• 通过数值积分的速率方程，随时间更新扩散系数和相分数，支持任意温度历程和时变参数。
• 模型参数通过基于广泛实验数据基础的逆向优化方法识别，包括TTT图谱和瞬态加热图谱。
• 将模型与SLM的宏观热模拟耦合，以预测真实几何结构中的微观结构演化。
• 通过连续冷却转变（CCT）实验和10 cm Ti-6Al-4V立方体的大规模淬火模拟进行验证。

实验结果

研究问题

• RQ1 能否通过基于物理的微观结构模型自然预测马氏体形成的临界冷却速率，而无需强制设定启发式阈值？
• RQ2 该模型在连续冷却和TTT图谱中对实验观测到的相分数的再现精度如何？
• RQ3 在具有局部热源和逐层沉积的现实SLM过程中，会形成何种微观结构分布？
• RQ4 预热基板对SLM成形件中马氏体形成的影响如何？
• RQ5 在大规模淬火场景下，该模型能否预测表面形成马氏体层而内部保持αs相稳定核心的结构？

主要发现

• 该模型在无需启发式判据的情况下成功预测了马氏体形成的临界冷却速率，与实验观测结果高度一致。
• 在1 mm立方体SLM模拟中，由于冷却速率极高，马氏体占主导地位，与实验结果一致。
• 将基板预热至900 K可显著降低马氏体相分数，并促进稳定αs相的形成。
• 在10 cm立方体淬火模拟中，近表面区域因高冷却速率形成数毫米厚的马氏体涂层，而核心区域仍以αs相为主导。
• 该模型准确再现了连续冷却转变（CCT）行为，包括长期平衡状态和特征性转变动力学。
• 采用速率形式演化方程可一致模拟时间依赖和温度依赖的扩散系数，以及多种共存相的行为。