预测增材制造部件的疲劳性能

使用增材制造 (AM) 部件可以赋能复杂程度更高的设计生产并实现分布式制造，但预测增材制造部件的疲劳性能并非易事。制造流程涉及多种无法分割的局部因素。数学建模无法描述这些因素之间的交互作用和影响。因此，如今要预测 3D 打印安全攸关组件的疲劳寿命非常耗时费力。

立即注册观看我们的点播式网络研讨会，了解 Siemens Simcenter 3D：

• 如何将机器学习的材料模型集成到开放的耐久性求解器环境中
• 如何思考不同增材制造流程诱发的疲劳性能影响因素
• 如何应用到安全攸关的结构组件

应对增材制造部件疲劳方面的挑战

应对疲劳问题的传统方式不适用于增材制造组件。无法测试各种材料条件和疲劳影响因素的无数种组合，或是将其分开并描述其相互作用和各自的影响。此外，数据库也没用，没有任何公式可以根据一组随机材料条件预测 SN 曲线。为了应对增材制造部件疲劳难题，工程师们需要将这一过程与材料和部件性能联系在一起，这就需要一种能够显示任何给定增材制造条件下疲劳性能响应的工具。

借助机器学习更加准确地对增材制造组件的疲劳性能进行建模

工程师无法对每种增材制造流程进行测试；即使能，其中一些测试也无法在试样上复制。对增材制造组件的疲劳性能进行准确建模的解决方案就在于机器学习 (ML) 数据库。ML 模型学习每个参数如何影响寿命，从而预测每个疲劳影响因素的疲劳寿命。如果测试受限，ML 模型仍然可以根据有限的数据进行“最佳猜测”，而其他方法在此情况下都表现得很糟糕。最后，它还可以组合不同输入来丰富数据集并根据先前的知识、自身的测试、有限元 (FE) 仿真、文献经验规则或经验构建统一的 ML 模型。

集成耐久性分析以准确预测增材制造组件疲劳寿命

工程师可以使用耐久性分析来预测疲劳寿命并调整设计以确保组件使用安全。但是，工程师需要调节耐久性求解器来针对增材制造组件疲劳寿命处理局部疲劳属性。Simcenter 3D 解决方案疲劳求解器的独特之处就在于，它可以在部件规模的耐久性分析中考虑增材制造流程诱发的局部属性。整合增材制造感知型耐久性分析，就可以在准确进行疲劳预测时考虑流程诱发的局部疲劳影响因素和后处理。它可以评估缺陷的影响并在必要时确保高质量打印，从而提高整体工作效率而不牺牲打印件的安全性并帮助验证 3D 打印组件。

观看此点播式网络研讨会，拓展对于传统方法失效的认知，准确预测正确的失效点和 3D 打印部件的疲劳寿命。