Титановые детали для самолётов, медицинских имплантатов и сложной техники уже печатают на 3D-принтерах, но подбор режима печати часто превращается в долгие и дорогие пробы. Новая работа показывает, как искусственный интеллект может сузить поиск ещё до экспериментов.

Речь о методе селективного лазерного плавления (SLM): лазер слой за слоем сплавляет металлический порошок. Учёные сосредоточились на сплаве Ti6Al4V - распространённом титановом материале, который ценят за прочность при небольшом весе, стойкость к коррозии и совместимость с организмом.

В исследовании участвовали специалисты Стамбульского технического университета и Университета Гази (Турция), а также партнёры из Университета инженерии и технологий в Лахоре, Пакистано-австрийской высшей школы прикладных наук и технологий, Питтсбургского университета и Университета Удине. Статья опубликована в International Journal of Precision Engineering and Manufacturing.

Проблема в том, что даже небольшие изменения мощности лазера, скорости сканирования, толщины слоя, расстояния между проходами, размера пятна лазера и частиц порошка влияют на то, будет ли деталь прочной, пластичной или неоднородной по свойствам.

Исследователи собрали 201 экспериментальную запись из ранее опубликованных работ. В них шесть параметров печати связывали с тремя характеристиками при растяжении: пределом текучести (напряжением, при котором металл начинает необратимо деформироваться), пределом прочности (максимальной нагрузкой, которую образец выдерживает до разрушения) и удлинением при разрыве (насколько образец растягивается до разрушения).

Сравнив несколько алгоритмов машинного обучения, команда обнаружила, что искусственная нейронная сеть даёт наиболее стабильные прогнозы по всем трём свойствам. Затем применили SHAP-анализ - метод объяснимого ИИ, который показывает, какой вклад внёс каждый параметр печати в предсказание модели.

Самая практичная часть - интерфейс обратного проектирования. В отличие от моделей, которые лишь предсказывают свойства по заданным настройкам, этот инструмент позволяет ввести желаемые прочность и пластичность и получить рекомендуемые параметры для дальнейшей проверки. Сужение круга перспективных режимов до экспериментов может сократить лишние пробы, сэкономив время, материал и деньги.

"Металлическая аддитивная печать по-прежнему требует тщательного контроля процесса, особенно для ответственных применений, таких как аэрокосмические конструкции и биомедицинские имплантаты, - отметил Хюсейин Кызыл из Стамбульского технического университета, руководивший работой. - Наша цель - дать инженерам инструмент для принятия решений на основе данных, чтобы сузить окно процесса до начала экспериментальной проверки".

Авторы подчёркивают: инструмент не заменяет физические испытания, контроль качества и сертификацию. Он может помочь на этапе предпроизводственной оценки, направив эксперименты в более перспективные комбинации параметров и улучшив понимание связи условий печати со свойствами материала.

Подход может пригодиться компаниям и научным группам, разрабатывающим титановые компоненты, где важны надёжность, точность и экономия материала. После дополнительной проверки на данных конкретных машин и в реальных производственных условиях ИИ-подсказки могут сократить циклы разработки, уменьшить отходы и сделать выпуск высокопроизводительных металлических деталей более стабильным.

Источник: Tech Xplore