【能场复合激光表面改性】河海大学姚红兵教授/温州大学冯爱新教授团队:基于人工神经网络的激光冲击复合强化残余压应力预测与分布调控

科技   2024-08-26 17:00   重庆  




背景与意义


激光冲击复合强化应用于航空航天、海工核工等领域,具有高能、高压、超快等特征,是极端环境下的先进制造方法之一。它利用高能激光辐照附着在材料表层的能量吸收层,在极短的时间内发生爆炸,爆炸产生的冲击波被约束层约束在一定的空间内,反作用于材料表面,材料表面因此产生极高应变率的塑性应变,从而达到表面残余应力调控的目的。然而,激光冲击复合强化非均匀光斑引起的复杂应力场,尤其是在光斑搭接区域,极易产生应力孔洞区域,应力孔洞区域存在大量的拉应力。材料表面的残余拉应力对材料来说是灾难性的,在极端载荷下往往是最初始被破坏的区域,特别是在材料表面承受交变载荷时,这种拉应力区域,往往是产生疲劳裂纹的扩展源,进而加速材料的疲劳失效,造成十分严重的安全事故。

河海大学姚红兵教授和温州大学冯爱新教授团队提出了一种通过复合深度学习(DL)算法与激光冲击强化有限元分析方法进行应力场调控的激光冲击复合强化(LSCP)新方法,采用人工神经网络(ANN)算法学习并且预测易发生应力孔洞区域的残余应力以及相应的最优工艺参数,从而实现应力场的调控,明显避免了应力孔洞的产生且在易发生应力孔洞的区域形成了残余压应力分布。此外,还探究了5种最大残余压应力模型下激光冲击参数与应力应变的影响规律,以阐明激光冲击波加载下残余应力孔洞的调控机制。


图文导读


采用ANN预测的5种光斑重叠区域最大残余压应力的值所对应的工艺参数,开展了表面更大区域的激光强化仿真研究。图3显示了ANN回归模型得到的不同工艺参数下材料整个表面的残余应力与应变的分布情况,模型表面均显示出了较大的残余压应力,LSCP所表现出的表面残余压应力分别达到了369、370、413、240、144 MPa,接下来将从各个方面评估高应变率所产生的残余压应力,包括表面残余应力分布情况、激光冲击的效率、深度方向应力分布情况的比较。

图3 ANN回归模型预测整个表面的残余应力与应变的分布情况
选取相对均匀与相对非均匀压应力分布2种模型,对表面5条路径上的表面应力进行了统计分析。图4为所选取的5条路径以及路径上模型表面的残余应力分布状况,相对于图4b,图4a显示出相对均匀的残余压应力分布且路径上存在着少量的残余拉应力,实现了相对均匀的残余应力分布的调控。图4b显示出相对较大的非均匀性,同时也形成了大范围的残余压应力,在多晶材料的冲击强化中,这种非均匀塑性应变对于材料的应力调控是有利的。

图4 5条路径上模型表面的残余应力均匀分布状况

图6为相对均匀表面应力分布和非均匀表面应力分布2种情况下深度方向的残余应力分布情况,在模型的表层为急性变形区域,呈现出显著的残余压应力分布;次表层为轻微变形区域,呈现出明显的拉应力状态。图6b中显示出与光斑加载方式有关的规律性,而图6a中与光斑加载方式的关联性不显著,这是由于在高重叠率情况下,光斑与光斑的多次叠加造成一个光斑与另一个光斑之间相互影响的规律性逐渐消失。图6c和图6d为2种工艺参数下模型深度方向的应变情况,均匀表面应力分布情况下(图6c)的影响层深度小于非均匀表面应力分布的影响层深度(图6d),这是由于更高能量与更多次数的激光脉冲加载,传入至模型的总能量足够大,使得影响层深度更深。

图6 LSCP模型深度方向应力应变云图


结论


综上所述,激光冲击强化与机器学习的复合实现了易产生残余应力孔洞的镍铝青铜光斑重叠区域的最大残余压应力分布。针对不同的可调参数构建了ANN回归预测模型,以找到最佳的激光冲击复合强化模型参数。通过ANN回归模型预测最大的残余压应力,消除了传统手动设计过程中复杂且耗时的调整过程。ANN回归模型的预测均方根误差在合理范围内为1.1897,既显示出较好的预测精度,又避免了模型的过拟合,保证了一定的泛化能力,模型综合性能远优于其他经典的ML算法回归模型。此外,预测的光斑重叠区域最大残余压应力可以优化出整个表面的均匀与相对非均匀的残余压应力分布,为材料表面的残余应力场调控提供了新的技术手段。当然,本研究存在一定的局限性,受制于有限元算法理论的局限性,本研究仅考虑了弹塑性力学模型,未将晶粒细化、位错以及晶界的滑移考虑在其中。未来研究可以在基于人工神经网络的激光冲击复合强化的基础上,不断加入仿真与实验的数据,从而获得更为精确的人工神经网络激光冲击预测模型。与传统表面应力调控手段相比,本文提出的ML的设计方法大大简化了设计过程,且模型表面呈现出优异的残余压应力值。该方法为激光冲击复合强化工艺参数的高精度设计开辟了一条新的途径。
文章信息

该文章发表在《表面技术》2024年第53卷第13期:

周远航, 冯爱新, 韦朋余, 等. 基于人工神经网络的激光冲击复合强化残余压应力预测与分布调控[J]. 表面技术, 2024, 53(13):75-83.

ZHOU Yuanhang, FENG Aixin, WEI Pengyu, et al. Artificial Neural Network-based Prediction and Regulation of Residual Compressive StressDistribution in Laser Shock Peening[J]. Surface Technology, 2024, 53(13): 75-83.

DOI:10.16490/j.cnki.issn.1001-3660.2024.13.008.

下载链接

(识别二维码下载文章)

文章信息

【扫码关注我们】


审 核|汪  潇

编 辑|邓李旸



表面云社区
《表面技术》由中国兵器装备集团有限公司主管,西南技术工程研究所主办,主要报道腐蚀与防护、摩擦磨损与润滑、精密与超精密加工、表面功能化等内容,为EI收录期刊、Scopus数据库收录期刊、CSCD核心库期刊、中文核心期刊、中国科技核心期刊等
 最新文章