产品示例的EWI标志

EWI,GE研究,南卡罗来纳州的南卡罗来纳州合作500万美元

2021年2月24日

EWI,GE Research(GER)和南卡罗来纳大学(U of SC)刚刚开始了500万美元的计划,由机器学习用于开发建立功能分级能源的过程的过程应用程序。

The specific goal is to develop net-shape manufacturing technologies for high γ’ to low γ’ nickel superalloy functionally graded materials (FGM) using laser-blown powder directed energy deposition (L-DED) for manufacturing hot-and-harsh gas path (HGP) parts in gas turbines or jet engines. The objective is to reduce material and manufacturing costs by 10-20% and improve durability by 20-30%. The program is summarized in Figure 1.

为了成功构建这一具有挑战性的FGM,该团队正在开发一个系统的过程,可以扩展到其他材料组合。有几个计划的发展在下面突出显示。

更快的发展

DED FGM的参数空间是广泛的。它包括构建每个终端合金的参数以及过渡区域的策略和相关参数。此外,对于沉淀硬化材料,必须从一开始就考虑热后处理。最后,已知过程参数之间的交互术语是强大的。

为了有效地在这个复杂的空间中工作,将应用GER的贝叶斯混合模型(BHM)和智能设计和计算机实验分析。这些方法是一种概率方法,允许包含建模结果。

模型验证的过程监控

作为输入到BHM的输入,SC的U正在开发微观结构和缺陷模型,GER正在开发应力和失真模型。这些模型正在验证橡木岭国家实验室和氩气国家实验室的EWI和光束线特征过程中的过程监控。EWI正在推进其L-DED过程监控,以便于传感器测量,建模结果和表征结果之间更好地进行更好的数据登记。

流程修改:

EWI工艺专家已经确定了FGM易用性的过程改进。概念包括加热的构建板,改性粉末混合和激光搅拌。这些修改应减轻裂缝形成原因,例如残余应力,但它们进一步使参数空间复杂化。建模和机器学习将用于指导其使用。

发起的工作摘要

如果您有兴趣更多地了解此计划的进展,请联系Alex Kitt,EWI数据科学总监,akitt@www.gmacjapan.com.

确认:此材料基于奖项De-EE0009118下的能源部支持的工作。