科学家设计新模型预测更安全、更轻的汽车和飞机的金属磨损

Josiah02 · 发表于 2024-12-11 19:54:31

镁合金因其强度高、重量轻和易于加工等优点，在汽车和飞机设计中越来越受欢迎。减轻重量至关重要，因为重量更轻的汽车需要更少的动力来行驶，从而节省能源并减少排放。然而，由于镁合金在压力下的表现不同，预测它们的“疲劳寿命”一直很困难。随着时间的推移，用这些合金制成的零件在使用过程中会因反复的压力而产生微小的裂纹。
到目前为止，准确预测这些裂纹形成的方式和时间一直很困难，因为传统方法涉及经验模型，需要根据不同的负载条件频繁调整。这一限制使得它们难以在工业应用中实施，因为工业应用中负载和方向的变化很常见。
由韩国釜山国立大学的 Taekyung Lee 教授和博士生 Jinyeong Yu 先生领导的研究小组着手应对这一挑战。在《镁合金杂志》上发表的研究中，该小组将机器学习与基于能量的物理建模相结合，以提高预测准确性。该模型结合使用神经网络来分析应力和应变循环中的复杂模式，以及基于能量的物理模型，从而更全面地了解材料在循环载荷下的行为。
该模型是使用从AZ31 镁合金低周疲劳试验中收集的大量磁滞回线数据集（材料在重复加载和卸载过程中观察到的应力-应变行为）建立的。
“神经网络从这些应力循环中学习，揭示金属在负载下如何拉伸、弯曲和恢复形状。然后，我们使用基于物理的模型将神经网络建立在材料科学的物理定律上，并预测何时会形成裂纹，”李教授解释说。
神经网络并不直接预测疲劳寿命，而是估算材料在不同条件下的滞后回线。通过重建这些回线，它可以更准确地评估材料在每个加载和卸载循环中的能量耗散情况，这与疲劳积累的速度直接相关。然后，基于物理的模型将这些应力循环预测转化为对失效循环次数或合金疲劳寿命的可靠估计。
李教授补充道：“由于机器学习组件可以从循环数据中不断学习，因此这种方法在多个加载方向和条件下更加灵活，无需手动调整参数。”
随着这种新方法的出现，制造商可能很快就会受益于使用镁合金时更高的预测可靠性，从而在高风险环境中实现更安全、更轻、更具成本效益的设计。该模型为预测镁合金的疲劳寿命提供了一种更简化、更准确的方法，可以提高实际应用中关键部件的安全性和使用寿命。

账号		自动登录	找回密码
密码			立即注册