低成本短流程！机器学习赋能激光增材制造耐蚀超高强韧钢

| 3DScienceValley · 2026/08/22

谷专栏

传统增材制造超高强钢因采用大量昂贵合金元素与复杂热处理工艺，且耐蚀性不佳，其工程应用受限。

近日，南华大学朱红梅团队联合普渡大学王晓明教授，提出一种融合物理化学特征的可解释机器学习的设计策略，成功开发出激光增材制造用低成本、短流程、高耐蚀性的新型超高强韧钢。

相关研究论文已在SCI期刊《极端制造（英文）》期刊上发表。题为“Interpretable machine learning integrated with physicochemical feature for developing additively manufactured ultra-high strength and ductility steel”。

论文链接：
https://doi.org/10.1088/2631-7990/ae5006

作者
罗雅婷，朱涛，潘存良，贲旭，安旭东，王晓明，朱红梅

机构
南华大学，普渡大学

图文解析

本研究突破“试错法”局限，采用融合物理化学特征的机器学习驱动多组分高维合金设计，核心创新与成果如下：

（1）创新设计策略：机器学习+物化特征的全流程研发框架

搭建“数据集构建-特征筛选与建模-可解释分析-多目标优化-实验验证”全流程研发框架，大幅提升新材料开发效率。

图1 融合物理化学特征的机器学习指导超高强韧钢设计全流程策略。

通过SHAP可解释分析，系统量化了合金元素与热处理工艺对强韧性的影响，精准锁定核心调控元素与最优单步回火工艺，实现了数据驱动与物理冶金机理的深度融合。

图2 合金元素与热处理工艺对性能影响的SHAP 分析。

（2）核心性能突破：强韧耐蚀三合一，远超同类材料

基于该策略开发的Fe-15Cr-3.2Ni-0.8Mn-0.6Cu-0.56Si-0.4Al-0.16C新型超高强韧钢，仅需480 °C × 6h一步回火，即可实现UTS 1713 ± 17 MPa、YS 1502 ± 33 MPa、EL 15.5 ± 0.7% 的优异强韧性，综合力学性能显著优于已报道的同类增材制造钢材。

图3 拉伸力学性能分析。

电化学测试结果表明，开发的超高强韧钢腐蚀速率低至0.105 mm・a-1，耐腐蚀性能远超传统马氏体不锈钢 AISI 420，实现了“超高强度、高塑性、高耐蚀”的研究目标。

图4 耐腐蚀性能分析。

（3）性能本质揭秘：多相协同的微观调控机制

多尺度微观表征揭示了性能突破的核心机理：材料形成“板条马氏体基体+高密度纳米共格析出相 + 亚稳奥氏体”的多相协同结构，通过沉淀强化与TRIP 效应协同作用，实现了强度与塑性的同步提升。

图5 微观组织分析。

总结与展望

本研究基于融合物理化学特征的机器学习设计策略，成功开发了一种激光增材制造用低成本、短流程，兼具超高强度、高延伸率和优异耐腐蚀性的超高强韧钢，可满足航空航天、海工交通等国家重大领域对关键构件复杂成形、快速修复的迫切需求，为增材制造超高强韧钢的高效开发开辟了全新路径，不仅实现了材料成本、制备流程与综合性能的三重突破，也为其他合金体系的优化设计提供了重要参考。

论文引用

Luo Y T, Zhu T, Pan C L, Ben X, An X D, Wang X M, Zhu H M. 2026. Interpretable machine learning integrated with physicochemical feature for developing additively manufactured ultra-high strength and ductility steel.

Int. J. Extrem. Manuf. 8 045001.

课题组介绍

朱红梅，南华大学机械工程学院教授、副院长，主要从事激光增材制造与材料计算科学研究。先后主持国家自然科学基金面上项目/青年项目、中央军委装备发展部装备预研基金项目、国家重点研发计划专题项目、企业委托横向等科研项目10余项。以第一/通讯作者在Acta Materialia、Rare Metals、Journal of Materials Processing Technology等期刊发表高水平学术论文60余篇，授权国家发明专利4项，指导湖南省优秀硕士学位论文5篇。

朱涛，南华大学计算机学院副教授，IEEE高级会员。于中南大学和中国科学技术大学获计算机科学与技术专业学士、博士学位，曾任微博算法设计工程师，北京科技大学教师、博士后。主要从事机器学习、智能感知、大语言模型等技术研究，主持国家级、省部级科研课题、横向课题多项，曾获北京市科学技术二等奖。以第一/通讯作者在IEEE Internet of Things Journal、Knowledge-Based Systems、Nuclear Science and Technique等期刊发表高水平学术论文90余篇。