本文導讀目錄：
1、激光粉末床聚變：技術、材料、性能和缺陷以及數值模擬綜述（5）
激光粉末床聚變：技術、材料、性能和缺陷以及數值模擬綜述（5）
氧化物的夾雜是不可避免的缺陷之一，它也會降低所生產零件的性能，如果在前一層上存在氧化物層，它可以與新沉積的層結合，由于鍵合受到氧化物層的影響，它們也有助于球化。
坎貝爾指出，合金元素有助于在一次加工期間將氧化物引入熔池，已經觀察到，向任何鋁合金中添加某些元素，如Si或Mg，會改變形成的氧化物的性質，許多研究人員正在尋找對抗鋁合金氧化的解決方案，因為鋁對氧具有很大的親和力。
即使在低氧濃度下也會形成氧化物，6.2.孔隙度，7.2.LPBF過程的數值模擬，10.1016/j.pmatsci.2017.1 ，?熱歷史，主要是凝固速率、冷卻速率和熱梯度，也決定了LPBFed零件的機械性能。
大多數機械性能歸因于晶粒微觀結構的細化，因此取決于熱歷史，?由于完全熔化是LPBF的一個重要特征，該工藝極易發生熔池不穩定，如果工藝參數選擇不當，這也可能導致微觀結構缺陷，所有缺陷都會對零件的性能產生不利影響。
此外，較大的粉末顆粒難以熔化，因此，當使用較粗和較大的粉末進行LPBF時，觀察到表面光潔度較差。
?決定缺陷的一個關鍵因素是與層數增加相關的“階梯”，特別是表面粗糙度，隨著層厚度的增加而增加，因此，我們的想法是平衡表面粗糙度和產品成型時間之間的平衡。
大部分蒸發是由于熔池過熱而發生的，因此，在這種情況下，激光能量密度是一個重要因素，蒸發導致熔池的不穩定性和沉積層組成的變化，蒸發也在熔池內形成反沖壓力，這種壓力推開熔融區的液體，并導致一種稱為“鎖孔效應”的缺陷。
蒸發還導致最終零件的密度降低，因為它增加了孔隙率，已經進行了不同的實驗來觀察某些元素的蒸發，在LPBF下處理TiAl樣品，觀察到顯著的鋁損失。
Cu-4Sn的LPBFed部分由于蒸發而損失錫，這種蒸發會影響性能并增加熔體軌跡的不穩定性，但是可以控制蒸發和損失，通過監測熔池溫度和激光能量密度，可以將其最小化，但是。
由于低能量密度將減少元素的損失，它還將觸發零件的不均勻性，并可能導致屬性偏離所需的屬性集，?金屬的致密化行為主要受激光能量密度變化的影響，激光能量密度的變化由若干其他工藝參數控制和改變，致密化可以直接與由于工藝參數的變化引起的激光能量密，Moon等人建立了Ti-6Al-4V合金基試樣疲勞。
這些數據進一步用于訓練用于預測部件疲勞壽命的機器學，Hassanin等人提出了一種深度學習神經網絡（D，用于合理化和預測LPBF處理的Ti-6Al-2Sn，開發了工藝參數和輸出特性之間的關系，并將其用作訓練DLNN模型的輸入數據，創建的模型經過驗證并用于創建流程圖。
訓練的深度學習神經網絡模型具有最高的精度，孔隙度和硬度的平均百分比誤差分別為3%和0.2%，根據研究結果，深度學習神經網絡被發現是從微小數據集預測材料質量的，本文研究了將ML納入LPBF工藝鏈的多個階段。
從而提高質量控制的問題，ML可用于L-PBF之前的零件設計和文件準備，然后，機器學習技術可用于優化工藝參數并實時監控，最后。
機器學習可以包括在后處理中，Okaro等人提出應用ML系統自動預測AM產品中的，使用了半監督學習方法，該方法可以使用來自兩個構建的數據，其中生成的組件被認證，并且在訓練期間生成的組件的質量不確定。
這使得該方法具有成本效益，尤其是當零件認證昂貴且耗時時，圖37 順序決策分析神經網絡（SeDANN）示意圖，上面所示的傳感器數據和高度圖屬于以0.33的線性能，即成球狀態，從高溫計中提取的統計概率分布特征用于第一級人工神經。
以預測激光工藝參數（P和V），然后是從高速攝像機中提取的熔池特征，以預測更高層的平均寬度和標準偏差以及單道連續性，?對于任何材料上的LPBF工藝應用，為了在LPBFed零件上實現盡可能高的密度和所需的，最重要的是精確監控工藝參數，6.3.表面粗糙度。
Baumgartl等人提出了基于神經網絡深度學習的，作為預測印刷缺陷和工藝監控（如熔池或離軸紅外監控），所提出的方法在預測分層和飛濺方面的準確率為96.8，此外，該模型非常小，計算成本低，即使在功能較弱的硬件上也適合實時操作。
大多數缺陷，如鍵孔、氣孔和成球，都發生在熔池本身的尺寸和時間尺度上，對此類缺陷的監控至關重要，Scime和Beuth提出了一種深度學習方法，該方法提出了現場檢測此類重要缺陷的可能性，使用固定視場的高速可見光相機研究了Inconel ，Luo等人指出。
對LPBF進行的大部分建模工作使用移動高斯熱源來建，很明顯，這種模型需要大量時間和計算成本，不能用于較低的水平，為了減少計算時間和成本，提出了一種線熱源，通過增加時間步長和減少單元數量來加速LPBF過程中。
線熱源代替移動的激光源，仿真結果表明，替換對開發沒有任何更顯著的影響，但可以大大減少計算時間，Sanchez等人利用ML的潛力建立了工藝、結構和，以預測LPBF工藝生產的78個合金基零件的蠕變率，使用包括LPBF工藝參數和從圖像分析技術獲得的材料，該模型顯著且準確地預測了LPBF的最小蠕變率。
高達98.60%，Zhang等人開發了一種混合機器學習模型，用于預測LPBF工藝的可制造性評估，在設計方面，使用基于體素的卷積神經網絡（CNN）模型。
在工藝方面，使用神經網絡（NN）模型，然后，將這兩個模型集成在一起，以預測所選LPBF工藝參數下的體系結構的可制造性。
來源：Beese，A，Wilson-Heid，A，De，W，Zhang，Additive manufacturing of。
structure and properties，Progress in Materials Sci，92 (2018)，pp，112-224，圖36 （a）LPBFed Ti6-Al-4V頂層，（b）開放孔隙的放大圖像和（c）洞穴孔隙的放大圖，Ogoke等人提出了深度強化學習。
用于預測LPBF工藝的熱特性和最小化缺陷的可能性，如圖38所示，在熔化過程中，開發的控制算法改變激光器的速度或功率，以確保熔池的一致性，并最小化成型產品的過熱。
通過精確模擬不同激光路徑下粉末床層的連續溫度分布，對控制算法進行了訓練和驗證，長三角G60激光聯盟陳長軍原創作品，在500 cm/s的橫向速度下，DLD期間熔池的溫度等值線（a）-（b）：在XY（，（c）-（d）：顯示不同熔池深度的相應XZ（剖面），已經進行了大量研究。
通過建模和仿真優化LPBF工藝，但由于過程的高度復雜性，在結果中總是存在一些差距，許多研究人員現在正在嘗試不同的模擬方法，以盡可能提高精度，揮發性金屬，主要是Mg、Zn、Al等。
由于溫度非常高，極易從熔池蒸發，當激光與金屬接觸時，這些元素的高蒸氣壓和低沸點導致其蒸發，熔池的溫度遠高于元素的沸點。
這些元素的蒸發改變了所生產零件的組成，并改變了機械性能，改變的性能主要是微觀結構的強度、耐腐蝕性、蠕變和伸，這篇綜述主要解釋了LPBF工藝的基本原理、幾個相互，以及數值模擬的見解，以虛擬地理解工藝行為，本文為第五部分。
doi.org/10.1016/j.jmrt.20，在LPBF過程中可以識別出兩種主要的裂紋，這些是冷裂紋和熱裂紋，熱裂紋也稱為凝固裂紋，通常產生凝固過程的最后階段，熱裂紋主要是由于凝固過程中零件的固體結構變形而形成，此外。
液體區域中的對流不足可能會產生熱裂紋，本研究使用延時同步輻射X射線顯微計算機斷層掃描（S，在聯合循環疲勞環境下，Patriarca等人提供了一種確定設計應力和允許，這些數據用于確定材料參數的平均值和變化，然后將其用于蒙特卡洛模擬。
并基于目標失效可能性確定設計應力，本研究側重于確定安全裕度，該安全裕量僅取決于影響機械部件損傷累積的元件的固有，?金屬/合金暴露于LPBF工藝已經解決了與傳統制造，LPBFed樣品所繼承的特性表明，LPBF可以生產出性能優于常規方法生產的樣品，AM帶來了從設計開始到部件投入使用以及創新領域的工，AM通過降低成本和制造復雜部件。
使許多行業發生了革命性的變化，在設計步驟中，設計師將獲得市場上最新的軟件，該軟件可以預測使用特定參數構建的零件的特性和性能，它有助于減少成本和時間，但這種技術需要對任何零件的物理印刷過程中發生的所有，主要障礙是理解參數與輸出特性之間的關系，輸出特性因材料而異。
LPBF采用逐層方法構建零件，并在其中熔化粉末以形成3D零件，現在可以肯定地說，這樣復雜的過程永遠不會完全沒有缺陷，制造商面臨的挑戰是制造缺陷最小的產品，包括優化工藝參數，（a–b）分別從側視圖和俯視圖對熔池周圍的熱應力場。
（c）應力集中發生在熔池附近的孔隙中，6.7.AM部件的鑒定，正如許多研究人員所研究的，LPBF過程中的熱輸入是影響輸出產品特性的主要參數，然而，根據參數和目標，在不同的研究中注意到了一些變化，Tan等人在LPBF中使用了激光束。
假設其高斯分布不對稱，此外，對移動點高斯激光掃描進行建模，以了解經歷LPBF的固體模型中的溫度分布，在其他許多研究工作中。
激光源按照高斯分布建模，在LPBF中，激光能量通過稱為激光光斑的特定區域傳輸，并進行建模以復制激光中心和外圍的熱強度，?基于人工智能的機器學習和深度學習技術用于過程監控。
相反，在夾層之間具有良好相干結合的區域中，該孔隙率顯著最小化，熔合孔也是粉末之間捕獲的氣體的結果，當這些氣體逸出時。
它們形成危險的掃描路徑，隨著過程的繼續，隨著空腔的形成，流體力與蒸汽壓力平衡，導致液相坍塌并產生孔隙，（a–b）分別為3D印刷Zr基BMG的SEM-BS。
（b）中的插圖顯示了孔隙的分布，（c–d）腐蝕后的3D印刷鋯基BMG的側視圖和俯視，插圖顯示了熔池和熱影響區，7.3.預測LPBF工藝特性的機器學習方法，Peng等人使用ML的能力來預測LPBF處理的Al，發現極端梯度增強模型能夠準確預測疲勞壽命，這些變量在限制疲勞壽命中的重要性按上述順序進行評級。
該模型預測了不同的樣品壽命，這意味著微觀結構起到了適度的作用，當平行于施工方向進行測試時，發現斷裂面上的缺陷的巨大投影面積是觀察到的壽命縮短，更通用的雙變量村上模型充分預測了疲勞壽命，而ML模型驗證了經驗相關性的經驗模型更接近預期，LPBF的主要障礙之一是理解加工參數與最終零件性能，因此。
研究人員開發了過程模擬作為優化過程參數的迭代，控制方程是任何模擬工作的數學背景，不同的目標可能需要使用不同的模型，模型必須考慮過程對溫度的依賴性，由于實際世界中的相似性，熱機械和熱流體模型在研究人員中很受歡迎，熱源建模也非常重要，注意。
激光的最大能量強度集中在激光的中心，并沿激光光斑的周邊逐漸減小，因此，高斯分布模擬了中心具有最大強度的熱源，大多數模型的解是使用有限元法提取的，許多研究人員選擇有限元法作為求解熱方程的主要方法。
但任何模擬僅基于計算數字給出結果，因此，有必要用實驗結果驗證模擬結果，Shiva等人闡述了傳熱分析，一般而言，熱輸入在高斯分布下進行，并且還考慮了由于對流和輻射引起的損失，瞬態熱分析必須確定基底上和粉末床上沉積材料的每個特。
評估疲勞加載零件的“適用性”是一項基本挑戰，它與制造過程中產生的微觀結構和缺陷直接相關，微計算機斷層掃描是探測地表附近或薄而復雜幾何結構中，已經討論了在組件評估背景下使用極值統計分析X射線C，結構應力是由于相變期間部分發生的體積膨脹而產生的，當零件內部的殘余應力大于屈服應力時，零件發生變形或產生裂紋以釋放應力，LPBF部分的開裂分為兩部分：液化開裂和凝固開裂。
沉積的層由于凝固收縮和熱條件引起的循環而經歷收縮，但是基底/襯底的溫度或先前固化的層遠低于新熔化的層，因此，新層的收縮比先前鋪設的層大得多，并且該差異也傾向于阻礙該新層的壓縮。
這導致在凝固和開裂期間在新熔化層中形成應力，這是凝固開裂，液化開裂發生在部分熔化粉末的區域，在這些區域，快速加熱導致某些晶粒熔化，特別是低熔點碳化物，當零件冷卻時。
產生拉力，在這些力作用下，熔化的碳化物充當裂紋萌生的位置，增材制造是工業和學術領域中普遍存在的話題，本綜述涉及對LPBF工藝的理解和最近的升級，LPBF已成為一種適用于多種金屬及其合金的通用方法。
因此受到了廣泛關注，對LPBF過程進行了全面審查，并出現了一些關鍵點，這些關鍵點非常重要，還討論了各種工藝參數的重要性，以最小化最終產品中的缺陷，圖38 深度強化學習框架。
（a）在強化學習中，代理基于當前狀態s和將每個狀態映射到動作的策略π來，（b）對于模擬的前三個時間步，該狀態由激光器位置附近的x-y、y-z和x-z平面，（c）策略網絡是一個完全連接的神經網絡。
它接收狀態的當前表示，并預測一個行動以最大化預期回報，策略網絡被實現為兩層多層感知器，具有雙曲正切激活函數和每個隱藏層64個神經元，6.6.氧化物夾雜物，較大的“pancake”缺陷的等效橢球模型:(a)，對應試樣的軸向加載方向。
A、b、c分別為橢球的三個主半軸(代表缺陷)，橢球c軸相對于試件加載方向的角θ，(b)缺陷在不同取向角下的空間構型，6.4.裂紋和殘余應力，Zhang等人使用基于神經模糊的機器學習方法預測L，創建了一個訓練數據集，其中包含經受不同處理條件、后處理和循環載荷的樣本的，以模擬復雜的非線性輸入-輸出環境。
Bao等人利用ML技術的潛力來確定缺陷位置、尺寸和，使用特征化技術識別導致高周疲勞失效的關鍵和重要缺陷，并使用支持向量機（SVM）作為訓練的輸入數據，選擇具有測試數據的網格搜索策略來擬合模型參數，以加快優化過程，對于通過LPBF工藝生產的零件，表面光潔度問題一直備受關注，這也是AM過程中的一個大缺點。
在各種AM工藝中，DED在表面光潔度方面表現最好，其次是LPBF，然后是EBM，據指出。
造成表面粗糙度的主要原因是由于大氣氣體的存在和部分，與LPBF工藝一樣，未使用的粉末從不離開工藝區域或始終留在粉末床本身中，這些顆粒仍有可能粘附到零件表面，由粘附在表面上的顆粒引起的粗糙度的平均大小幾乎與粉，長三角G60激光聯盟導讀。
8.總結，?通過選擇性激光熔化加工的零件的微觀結構特征受到其，包括加熱和冷卻速率的變化、溫度梯度、溫度升高等，生產后處理方法對于細化微觀結構非常重要，標準工藝包括退火和熱機械加工，7.1.傳熱分析的控制方程，如果一個層出現嚴重的球化缺陷。
則有很大的可能產生連鎖反應，即在下一層中出現氣孔和球化，這導致零件性能差和密度低，如果有足夠的具有良好流動性的熔融金屬，并且如果熔池的壽命更長且凝固速度較慢，則可以填充孔隙，并減少孔隙率，在氫的情況下。
吸水率非常高，并且氫在鋁液和固體中的溶解度水平不同，因此，為了檢查氫孔隙率，在將鋁粉用于應用之前，應充分干燥鋁粉，粉末床的預熱也有幫助。
因為熔池中的氫溶解會導致嚴重的孔隙率，LPBFed Ti6-Al-4V頂層的孔隙如圖36，6.5.合金元素的損失，7.數值建模、優化和機器學習技術，由于熔池流動內部的表面張力梯度，在熔池中形成的小球被吸引到熔池的外周，然后邊緣凝固，導致表面粗糙。
因此，可以通過提供高能量密度、低速度下的高激光功率、低層，此外，大尺寸顆粒難以完全熔化，因此，生產的最終零件表面光潔度較低，由于其能夠制造復雜的幾何零件，LPBF是最普遍的金屬增材制造工藝。
它背后有大量的學術研究和工業投資，盡管使用有限元分析對LPBF進行了廣泛的數值模擬，但仍然需要進行過程監控，以確保可靠的零件制造并減少制造后質量評估，為了使LPBF過程高效，需要基于人工智能的機器學習和深度學習技術。
圖37顯示了實現基于機器學習的預測模型的方法，研究人員正在開發優化工藝參數的新方法，如數值模擬，通過實際制造十幾個零件并逐步改進來優化工藝參數的迭，數值建模的主要優點是不需要任何物理產品制造來研究，因此，節省了時間、原材料和成本。
基本模型之一是熱機械模型，其中考慮了所有熱歷史和殘余應力，眾所周知，基于實驗的優化是必要的，但數值建模為研究人員通過任何復雜工藝制造零件提供了，他們在早期階段就洞察了該過程，現在可以優化該過程以獲得最佳結果，由于LPBF采用金屬粉末的完全熔化。
因此會產生不穩定的熔池，此外，如果沒有選擇適當的參數，可能會產生許多缺陷，如孔隙度，LPBF工藝中形成的孔隙有三種類型：熔合孔、氣孔和，在激光能量密度不足的地方形成熔合孔，這一不足導致熱滲透性差。
并且已經熔化和凝固的層的頂層不能再熔化，這導致與新層的結合不良，因此，基本上，軌道重疊和淺穿透是其主要原因，低激光能量密度、低功率、高速度、大掃描空間和大層厚，這些孔隙主要受工藝參數控制，并受沿層邊界的部分或不完全熔化的影響。
這些孔隙主要集中在以部分熔融為主的區域，(a) 3、(b) 4和(c) 5區域中部370?，來源：Laser Powder Bed Fusio，Materials，Properties & Defects，and Numerical Modelling，Journal of Materials Rese。
?在LPBF中，粉末粒度和分布的影響被認為不太重要，因為所有顆粒都經歷完全熔化，與發生部分熔化的SLS不同，粉末參數對零件致密化的貢獻可以忽略不計。
所有缺陷沿V-HCF和H-HCF試樣的加載方向投射，其中偽色編碼僅用于提高清晰度。
增材制造金屬的斷裂和疲勞（3）
在AM合金中觀察到了這種非本征增韌機制，其中裂紋彎曲度來自第3.1節中描述的細觀結構，這可能導致一些AM合金的KIc和抗裂性（“R曲線行，因此，胞狀結構和細觀結構都會顯著影響AM合金的斷裂韌性，需要同時考慮這兩種結構，當延展性增加斷裂韌性時。
獨特的細觀結構可以通過仔細的參數選擇來提高強度和韌，在確定AM合金的斷裂韌性時，除了合金的微觀結構外，還需要仔細考慮殘余應力的作用以及缺陷的大小和分布，例如，Cain等人報告了LB-PBF Ti6Al4V的K，同樣。
Seifi等人報告了EB-PBF Ti6Al4V的，由于這些因素，AM合金在KIc中觀察到顯著的各向異性（在某些情況，雖然殘余應力和缺陷分布的過程特定屬性可能不利于KI，但細觀結構可以顯著改善它們，在下文中，我們總結了AM合金的斷裂性能和特征。
具體到每一系列合金，材料的斷裂韌性（KIc）定義了材料對開裂的抵抗力，是確保結構完整性和可靠性的基本屬性，在AM中，亞穩微觀結構、細觀結構、孔隙度和高殘余應力的組合會，因此。
AB零件的熱處理通常被要求賦予與傳統生產的合金相似，這使他們能夠滿足規定的標準，例如，Ti6Al4V用于生物醫學應用，韌性的提高完全是由于細觀結構。
細觀結構通過熔體池邊界處的裂紋偏轉增強了裂紋的彎曲，自然地，細觀結構賦予韌性各向異性，構建方向（Z）上的斷裂韌性更高，因為裂紋平面法線平行于構建層，裂紋擴展基本上發生在各個層之間，退火降低了這些合金的KIc，盡管以強度為代價提高了延展性。
熔池邊界結構（包括硅沉淀）的分解被認為是裂紋擴展阻，然而，熱處理材料的韌性仍然是鑄造合金的兩倍，鍛造Ti6Al4V的典型KIc范圍為30至100 ，相比之下，AB LB-PBF Ti6Al4V的KIc可低至1，在密度達到99.5%以上并進行熱處理后。
KIc提高了48至67 MPa√m，5.3，鎳基高溫合金，6.1，鈦合金，5.4，鋁合金。
了解疲勞裂紋擴展（FCG）特性在安全關鍵應用中特別，這允許在結構完整性和可靠性評估中使用損傷容限設計方，其中荷載波動是不可避免的，由于AM固有幾種不同類型的缺陷，尤其是孔隙和粗糙表面光潔度，這兩種缺陷都對結構部件的疲勞行為極為不利，因此了解這些缺陷對于AM金屬的壽命預測、零件認證和。
微觀結構表征，（a） EBSD分析中長徑比小于0.3的晶粒，（b）柱狀晶粒的尺寸分布（長軸尺寸），（c）細胞和晶粒取向分析，（d）從XZ平面獲取的熔池邊界附近的納米壓痕硬度變，用于一般解釋壓痕位置），長三角G60激光聯盟陳長軍原創作品。
金屬的FCG行為分為三種狀態：起始或接近閾值狀態、，狀態III導致不穩定、快速的裂紋擴展，對微觀結構和應力狀態的變化敏感，并與合金的斷裂韌性直接相關，值得注意的是，細觀結構的存在可能使AM合金的延展性和KIc不相關，如前所述。
這意味著結構完整性評估需要深入了解與底層微觀和細觀，即需要工藝、取向和熱處理特定的斷裂韌性特性，相反，殘余應力和孔隙度不會對快速斷裂狀態產生重大不利影響，這將使打印零件的應用適用性變得毫無意義），與鍛造鋼相比。
沉淀硬化鋼17-4PH和18Ni300在AB狀態下，因為大多數AM工藝中普遍存在的快速凝固速度沒有足夠，LB-PBF生產的18Ni300在非老化條件下顯示，盡管其微觀結構更精細，觀察到殘余奧氏體和奧氏體回復會導致相變誘發塑性，從而導致異常加工硬化。
在AG（有ST和無ST）后，UTS顯著增加（到～ 2020 MPa），同時觀察到延性降低，如預期的那樣，5.2，鋼材，與鋼一樣。
AM-Ni基高溫合金的斷裂韌性數據也不多，少數研究結果表明，與拉伸性能一樣，AM-Inconel合金的斷裂韌性強烈依賴于微觀結，Puppala等人報告。
使用CTOD技術估算的LB-DED鉻鎳鐵合金625，但低于鍛造對應物，他們認為，孔隙度顯著影響斷裂韌性，因為孔隙度的增加導致KIc顯著降低，伴隨著韌性斷裂模式向脆性斷裂模式轉變。
在這里，AB條件下的低KIc歸因于γ基體中沒有γ′/γ′沉，而時效后的高韌性是通過γ′和γ′的沉淀強化實現的，然而，由于粗Laves相和非均勻γ′′/γ′沉淀的存在，直接時效處理并不能改善KIC，因此。
需要高ST和AG處理來實現與CM對應物相當的KIc，如前所述，Laves相的溶解和Nb的均勻分布只能通過1050，這也會導致等軸晶粒結構和晶粒生長，10.1179/1743280411Y.00000。
在大多數情況下，性能通常達到或超過AB狀態下工業應用所需的規定值，例如，LB-PBF 316L實現了的YS和UTS～ 44，而鍛造316L的各自性能分別為170和485 MP，類似地，LB-PBF 304L的YS和UTS分別為～ 45。
大多數調質鋼的YS和UTS的顯著增加是由于其中的細，重要的是，這些強度增強不會被EF的顯著降低所抵消，LB-PBF 316L和304L的報告值在35%到，Kumar等人[40]報告說，在BJP 316L中。
在塑性變形的早期階段盛行的平面滑移和其他微觀結構因，這些小裂紋在缺陷的拐角處形核，因此鋼的延展性對缺陷不敏感，關于測試方向的抗裂性曲線行為和斷裂韌性，R曲線依賴于（a）層厚度、（b）圖案填充間距、（c，（e）直接比較各種測試條件下的R曲線。
（實線表示C（T）-XZ樣品，裂紋擴展平行于B.D，虛線表示裂紋垂直于B.D.擴展的C（T）-ZX樣品，實心符號表示用于擬合R曲線的數據，）（f）所有建造條件的JIc值，7.疲勞裂紋擴展特性，AB狀態下LB-PBF鋁硅合金的熔池邊界處存在連續。
這為裂紋擴展提供了一條簡單的路徑，因此促進了廣泛的裂紋偏轉，因此，由于細觀結構引起的裂紋彎曲，這些合金中的細觀結構對斷裂韌性產生了顯著且通常是積，在LB-PBF AlSi12中，Suryawanshi等人報告。
KIc值比鑄造合金高2-4倍，Suryawanshi等人將強度的顯著提高歸因于微，本文對AM合金中結構-性能相關性的當前理解進行了全，本文為第三部分，6.3，鎳基高溫合金，有鑒于此。
我們首先總結了關于穩態FCG特性（區域II）以及近，然后，我們強調了每種合金系統接近閾值行為的具體特征，斷裂韌性（狀態III）已在第6章中討論，與常規生產的316L (KIc在112 ~ 278。
AM合金的KIc更低，例如LB-PBF 316L的KIc范圍為63 ~ ，這可能是由于缺陷、延性降低和變形誘導塑性(TRIP，Kumar等人對后者進行了說明，他們觀察到，在LB-PBF 304L中，只要試驗溫度升高50℃(從TRIP被激活的室溫升高。
變形機制以位錯滑移和孿晶為主)，斷裂韌性就會大幅降低(約40%)，各向異性隨之增強(約16%)，狀態II導致裂紋的增量循環相關推進，通過裂紋尖端的局部塑性變形可見，并且對微觀結構、載荷比（R）和零件幾何形狀的變化不。
這是因為rp的尺寸是特征微結構長度尺度的幾倍，在接近閾值的區域I中，裂紋擴展要么開始，要么減少，并由易受微觀結構（rp尺寸和微觀結構尺度相似）、R，6.2，鋼。
采用90°掃描策略制造的合金試件與采用67°掃描策，這歸因于裂紋彎曲降低了斷裂韌性（19–27 MPa，與67°材料中的隨機熔池排列相比，在采用90°掃描策略構建的試樣中觀察到較少曲折的裂，這導致形成兩個不同的熔池方向，跨熔池邊界的裂紋擴展通過顆粒間和跨顆粒失效發生。
沿拉長的晶界更容易發生晶間破壞，裂紋垂直穿過熔池，當裂紋以一定角度穿過熔池邊界時，穿晶失效更容易發生，此外。
在裂紋偏轉比穿過熔池更有利的區域，觀察到單個熔池界面處的裂紋偏轉，Paul等人認為，這表明跨熔池和沿熔池邊界的裂紋擴展阻力存在差異，6、斷裂韌性。
長三角G60激光聯盟導讀，（a） Arcam A2XX EBM系統示意圖，（b）示意圖顯示了由于連續三層中的SEBM構建樣本，掃描方向由紅色箭頭指示，熱處理后觀察到的斷裂韌性增強是由于形成了更具延展性。
KIc在具有層狀微觀結構的α+β鈦合金中最高，與軋制Ti6Al4V不同，在軋制Ti6Al4V中，晶體學織構可以誘導各向異性，AM合金中缺乏強烈的晶體學織構表明，柱狀PBG結構是觀察到的各向異性的原因。
細觀柱狀PBG結構有助于裂紋彎曲，其中PBG邊界充當弱化界面，結果表明，這種各向異性可以通過后續熱處理來減少，然而，這通常伴隨著強度的顯著損失，例如，LB-PBF AlSi12的YS在退火后降低至95。
標準T6熱處理已被證明可以消除硅網絡，在隨后的時效過程中，原始細晶粒結構變粗，同時形成沉淀，前者抵消了后者的預期強化。
因此產生了與AB狀態相同的YS，（a） Ti64樣品的3D代表性微觀結構?μm層厚，（b）每個連續層之間90°的掃描旋轉及其對b和S平，（c） B面微觀結構和（d）S面微觀結構，（c）和（d）中的虛線用于“引導眼睛”，參考文獻：D.D，Gu。
W，Meiners，K，Wissenbach，R，Poprawe，Laser additive manufactur，processes and mechanisms。
Int，Mater，Rev.，57 (2012)，pp。
133-164，在AB狀態下，使用EB-PBF生產的Ti6Al4V通常比其LB-，主要是因為其中存在α+β層狀微觀結構，熱等靜壓后平均KIc值的降低是由于α板條的雙重粗化。
這降低了合金的強度[，Seifi等人還對EB-PBF Ti6Al4V中的，并觀察到缺陷尺寸與測量韌性之間的相關性，缺陷尺寸的變化歸因于材料的異質性，該異質性取決于建筑高度，與Kumar等人的發現類似。
由于柱狀PBG結構提供了一條容易的斷裂路徑，因此存在各向異性，時效后LB-PBF 18Ni300合金的KIc (，Yadollahi等人估計(根據FCG數據)LB-，據稱高于CM PH-17-4鋼在H900條件下的K，這可能是由于AM合金具有較高的延展性。
關于AM鋼斷裂韌性的研究很少，關于AM特定特征(如凝固細胞、局部結晶織構和細觀結，EBSD分析描述了EBM Inconel 718內，使用（a）平行于構建方向的傳統光柵掃描策略紋理的偽，（b）垂直于構建方向的傳統光柵掃描策略紋理的偽彩色，（c）與建筑平行的點熱源紋理的偽彩色反極圖。
（d）點熱源紋理橫向于構建方向的偽彩色逆極點圖，（e）與平行于構建的點熱源紋理相關的極點圖，以及（f）與橫向于構建的點熱源紋理相關的極點圖，注：插入中的偽彩色參考三角形，6.4。
鋁合金，doi.org/10.1016/j.actamat，AM-Ni基高溫合金的拉伸性能對合金在制造過程中和，因此，使用不同AM系統和熱處理溶液生產的合金的報告性能范。
這是由于γ′和γ′的沉淀以及其中一些晶粒中沿晶界的，在適當的ST+AG處理后，獲得了更一致的性能，如前所述，鉻鎳鐵合金718需要在1050°C以上的溫度下緩慢，以便能夠溶解AM期間形成的亞穩Laves相。
這通過從富溶質區域向γ基體的反向擴散降低了鈮的微觀，廣義上，KIc取決于以下因素：裂紋尖端前塑性區（rp）的大，例如，較大的塑性區尺寸通常伴隨著裂紋尖端鈍化，導致大量增韌。
類似地，由于剪切型（或模式II/III）斷裂促進裂紋偏轉（，裂紋模式混合性可導致韌性顯著增強，雖然塑性區形成和裂紋鈍化是內在機制（可能導致強度和，延展性的增加導致KIc的改善。
但可能以YS和UTS為代價），但裂紋彎曲度是一種外在機制，可以在不影響強度的情況下增加韌性，由于高冷卻速率，采用直接AM技術生產的合金在AB狀態下往往具有精細。
因此，表現出強烈的織構，導致顯著的機械各向異性，然而，盡管定向凝固，但適當的工藝參數組合可以減少各向異性，例如。
通過使用點熱源填充策略（在線性熱源上），在Inconel 718中獲得了具有近似各向同性拉，然而，EF中的各向異性仍然存在，LB-PBF AlSi10Mg中出現的各向異性微觀，例如。
AlSi12的構向延性僅為橫向延性的一半，而其強度差異不顯著，由于工藝參數的變化導致晶粒尺寸、晶粒取向、胞晶形態，導致UTS和EF具有較強的各向異性，Paul等人報道，沿構建方向加載顯示出更明顯的應變硬化。
導致沿熔池邊界的過早破壞，拉伸應變僅為~ 3.5%，而垂直于構建方向加載的方向的破壞應變為5-7%，沿構建方向(Z)加載時，熔池邊界發生破壞，表明熔池細觀結構界面減弱，胞狀結構較粗。
以拉伸為主，AM鋼拉伸性能的各向異性也常見，歸因于上述具有強織構的柱狀微觀結構，然而，這可以通過適當的熱處理來克服。
例如，LB-PBF 316L需要大于1050°C的溶解溫，對AM合金的FCG行為進行了廣泛的研究，總的來說，AM合金的FCG性能與相應鑄造或鍛造合金中觀察到的，然而，許多AM合金固有的精細AB微觀結構與較低的FCG閾，相反。
粗糙度引起的閉合效應與細觀結構有關，例如LB-PBF Ti6Al4V中的柱狀PBG結構，這意味著，在較低的情況下，外部因素（如裂紋表面微凸體與其他裂紋屏蔽機制之間的。
從而改善近閾值FCG行為，通常，當R>0.5時，這些影響不太普遍，并且測量了固有閾值。
在近閾值區，底層微觀結構的強烈影響意味著，通過熱處理和隨后的晶粒生長，可以提高閾值，降低各向異性，來源：Fracture and fatigue i。
Acta Materialia。
關于激光粉末床聚變：技術、材料、性能和缺陷以及數值模擬綜述（5）增材制造金屬的斷裂和疲勞（3）的內容就介紹到這里！
