Zastosowania przemysłowe w warunkach podwyższonej temperatury, których przykładem mogą być konstrukcje turbin lotniczych lub energetycznych, wymagają wykorzystania specjalistycznych materiałów. Z kolei rywalizacja technologiczna stawia przed producentami nowe wyzwania, związane z adaptacją procesów wytwarzania przyrostowego na potrzeby produkcji komponentów o coraz bardziej złożonej geometrii. Tymczasem wysokotemperaturowe stopy metali, przystosowane do fabrykacji części metodami odlewniczymi, nie sprawdzają się w metodach druku 3D, opartych na przetapianiu za pomocą wiązki lasera metalicznego surowca w postaci proszku, co utrudnia implementację nowych technologii na potrzeby produkcji komponentów turbin gazowych.
Opracowanie nowych kompozycji stopowych, łączących w sobie wysokotemperaturową wytrzymałość z technologicznością w ramach druku 3D, nie jest łatwym zadaniem, szczególnie w przypadku mieszanin wieloskładnikowych i tzw. nadstopów. Naukowcy z wydziału inżynierii materiałowej Uniwersytetu Toronto zaprezentowali komputatywną technikę aktywnego uczenia, umożliwiającą zoptymalizowanie procesu selekcji kompozycji stopowych na bazie niklu, kobaltu i chromu w różnych proporcjach do zastosowania w druku 3D.
Przedstawione na łamach czasopisma npj advanced manufacturing podejście pozwoliło na wyselekcjonowanie sześciu nowych stopów NiCoCr o atrakcyjnych właściwościach. Wśród nich, w porównaniu do analogicznego stopu o równoatomowym składzie chemicznym, kompozycja Ni12Co62Cr26 wykazuje o połowę większą twardość w temperaturze 600 °C. Co więcej, jej twardość jest także o 4,5 % większa od Inconelu 625. Z kolei kompozycja Ni36Co14Cr50 ogranicza przyrost masy w wyniku utleniania w temperaturze 1000 °C o 85% względem Inconelu 625. Przeprowadzone testy dowodzą skuteczności metody badawczej. W przyszłości planowane jest rozszerzenie zakresu poszukiwań na kompozycje materiałowe o dziesięciu czy nawet dwunastu składnikach stopowych, o różnych mechanizmach umacniania i odmiennych, programowalnych właściwościach.
utoronto.ca
Talbot, A., Dash, S.S., Li, J. et al.: Active learning for the accelerated discovery of complex concentrated NiCoCr alloys in additive manufacturing, npj Adv. Manuf. (2026)
