上交大特材所 l 同步辐射CT与机器学习驱动增材制造气雾化粉末表征及工艺优化

近日,上海交通大学材料科学与工程学院特种材料研究所团队在材料领域著名期刊《增材制造》(Additive manufacturing, IF=11.1)上在线刊登了题为“Morphological characterization and process optimization of gas-atomized powders based on synchrotron X-ray computed tomography and machine learning” 的研究文章。

文章创新性融合同步辐射X射线断层扫描(SXCT)、三维重构技术与机器学习算法,构建气雾化粉末全维度形貌表征体系,首创颗粒缺陷分布(PDD) 质量评价新标准,通过喷嘴结构优化实现高球形度合格粉末占比提高近300%,为增材制造高品质粉末量产开辟全新路径。

paper_mor论文链接:
10.1016/j.addma.2026.105227

该论文以上海交通大学安徽理工大学为共同完成单位,安徽理工大学特聘副教授罗升为第一兼通讯作者,王洪泽长聘副教授为共同通讯作者,共同作者包括上海交通大学吴一副教授、唐梓珏助理研究员、王浩伟讲席教授、欧阳昱博士、王茂松博士后,

金属粉末作为增材制造核心原材料,粉体品质直接决定3D打印构件力学性能、疲劳寿命等关键指标。

气雾化(GA)凭借高效、低成本优势,占据全球金属粉末量产80%市场份额,是增材制造粉末制备的主流工艺。

但行业痛点始终难以根治,包括:气雾化过程极易产生空心、卫星、异形、多缺陷等不合格粉体。这类缺陷粉末会大幅加剧打印件内部孔隙、熔合不足、飞溅气孔等问题,严重制约航空航天、高端装备等领域增材制造规模化应用。

block 五大粉体缺陷分类,精准解构成形机理

这项研究基于气雾化粉末缺陷形成机制,打破传统单一缺陷划分局限,首次将粉体系统分为正常粉、空心粉、卫星粉、异形粉、多缺陷粉五大类别,如图1所示:

正常粉:近理想球形,无内部孔洞、无颗粒粘附,是增材制造最优原料;

空心粉:气体卷入熔滴凝固形成,内部含封闭空腔,大粒径粉体更易产生;

卫星粉:细小颗粒受气流涡旋牵引,粘附在主颗粒表面形成团聚体;

异形粉:熔滴冷却凝固速率超过球化速率,呈现非规则几何形貌;

多缺陷粉:叠加空心、卫星、异形多重缺陷,是结构最复杂、危害最大的粉体类型。

相较于传统仅依靠球形度、长短轴比的粗略划分,这套分类体系完整覆盖气雾化全缺陷形态,为定量表征与工艺溯源奠定理论基础。

为解决SEM、激光粒度仪二维观测、无法测内部孔隙、精度不足的短板,团队依托上海光源BL13W线站开展同步辐射X射线CT表征:

采用0.65μm超高分辨率扫描,结合 PITRE、ImageJ 软件完成断层图像重建、像素分割、边界降噪,自研算法剔除扫描边界破碎粉体;创新孔隙提取与形貌参数耦合方法,精准计算粉体孔隙率、球形度、扁平度、伸长率等9大形貌特征参数,实现单颗粒外部形貌 + 内部缺陷的三维无损量化分析。

paper_mor1

图1.粉末缺陷分类

block 机器学习加持,高精度自动分类

研究采集2598组粉末样本,基于9大形貌参数构建机器学习模型,通过主成分分析(PCA)与相关性分析,筛选出孔隙率、球形度、伸长率、扁平度4个核心缺陷判别参数。

对比决策树DT、支持向量机SVM、K近邻KNN、人工神经网络ANN四大算法性能:SVM模型表现最优,分类准确率高达99.4%,各类缺陷粉体识别误差均低于1.5%;四大模型整体准确率均超98%,远超人工目视分类效率与精度,实现粉体缺陷智能化、自动化批量甄别,如图2所示。

paper_mor2

图2.各机器学习分类算的准确度

依托最优SVM模型,团队建立颗粒缺陷分布(PDD)评价体系,从数量占比、质量占比双维度量化粉体品质。

block 喷嘴结构迭代,工艺优化实现粉末品质跃升

基于PDD缺陷分布规律与粉体成形机理,团队深度剖析各类缺陷产生根源,包括:

异形粉:熔滴受气流拖拽力过大、温度场失衡,冷却过快导致无法充分球化;

空心/多缺陷粉:开尔文 – 亥姆霍兹(KH)失稳诱发气泡生成,是核心诱因;

卫星粉:喷嘴近区气流涡旋引发颗粒碰撞粘附,粒径速度差加剧团聚。

研究团队针对性设计新型一体化雾化喷嘴,通过以下三大优化策略精准控缺陷:

增设同轴气流管,抵消喷嘴周边涡旋效应,卫星粉质量占比下降11.49%;

优化流场结构、降低熔液流速,抑制KH失稳,空心及多缺陷粉占比显著降低;

提升雾化气体温度,放缓熔滴凝固速率,为颗粒球化预留充足时间,异形粉占比大幅减少。

优化之后取得了显著的成果。如图3所示,高球形度合格正常粉末质量占比从9.62% 提升至35.3%,增幅达300%,实现气雾化粉末品质跨越式升级。

paper_mor3

图3.喷嘴优化及优化前后粉末PDD分布图

block 研究价值与行业启示

这项研究的价值及对增材制造行业的启示可以概括为以下四个方面:

技术创新:研究团队建立了SXCT三维表征+机器学习的粉体缺陷定量新方法,弥补传统检测技术短板;

标准引领:首创PDD颗粒缺陷分布评价体系,有望成为增材制造气雾化粉末品质评估新标准;

工程落地:通过喷嘴结构与工艺参数协同优化,低成本实现高品质粉末量产,适配航空航天、医疗植入等高端增材制造场景;

通用拓展:这套缺陷分类与优化框架可迁移至不同合金体系、不同制粉工艺,具备极强工程推广价值。

未来,随着同步辐射表征与人工智能的深度融合,金属粉末制备将告别经验试错,迈入数字化表征-智能化分类-精准化工艺优化的全链路新时代,为增材制造规模化、高端化发展筑牢材料根基。

keti

知之既深,行之则远。基于全球范围内精湛的制造业专家智囊网络,3D科学谷为业界提供全球视角的增材与智能制造深度观察。有关增材制造领域的更多分析,请关注3D科学谷发布的白皮书系列。


网站投稿 l 发送至2509957133@qq.com
欢迎转载 l 转载请注明来源3D科学谷 l 链接到3D科学谷网站原文

分享:

你可能也喜欢...

发表评论