Additive manufacturing (AM) has enabled the fabrication of extremely complex components such as porous metallic lattices, which have applications in aerospace, automotive, and in particular biomedical devices. The fatigue resistance of these materials is currently an important limitation however, due to manufacturing defects such as semi-fused particles and weld lines. Here Hirtisation$^\circledR$ is used for post-processing of Ti-6Al-4V lattices, reducing the strut surface roughness (Sa) from 12 to 6 $\mu$m, removing all visible semi-fused particles. The evenness of this treatment in lattices with $\rho /\rho_{s}$ up to 18.3% and treatment depth of 6.5 mm was assessed, finding no evidence of reduced effectiveness on internal surfaces. After normalising to quasi-static mechanical properties to account for material losses during hirtisation (34-37% reduction in strut diameter), the fatigue properties show a marked improvement due to the reduction in surface roughness. Normalised high cycle fatigue strength ($\sigma_{f,10^{6}}/\sigma_{y}$) increased from around 0.1 to 0.16-0.21 after hirtisation, an average increase of 80%. For orthopaedic implant devices where matching the stiffness of surrounding bone is crucial, the $\sigma_{f}/E$ ratio is a key metric. After hirtisation the $\sigma_{f}/E$ ratio increased by 90%, enabling design of stiffness matched implant materials with greater fatigue strength. This work demonstrates that hirtisation is an effective method for improving the surface roughness of porous lattice materials, thereby enhancing their fatigue performance.


翻译:添加制造(AM)使得能够制造极其复杂的部件,例如多孔金属晶格,在航空航天、汽车和尤其是生物医学器械领域中有应用。然而,这些材料的疲劳性能是当前的重要局限,由于制造缺陷,例如半熔粒子和焊接线。这里使用Hirtisation$^\circledR$后处理Ti-6Al-4V网格,将桥架表面粗糙度(Sa)从12 $\mu$m降低到6 $\mu$m,去除所有可见的半熔粒子。评估此处理在密度为$\rho /\rho_{s}$高达18.3%,处理深度为6.5毫米的晶格中的均匀性,发现没有证据表明对内部表面的效果减弱。通过将准静态力学性能归一化,以解决Hirtisation期间材料损失的问题(桥架直径缩小34-37%),疲劳特性表现出明显的改善,这归因于表面粗糙度的降低。归一化高循环疲劳强度($\sigma_{f,10^{6}}/\sigma_{y}$)从大约0.1增加到0.16-0.21,平均增加了80%。对于正畸植入物设备而言,匹配周围骨骼的刚度至关重要,$\sigma_{f}/E$比是一个关键指标。经过Hirtisation后,$\sigma_{f}/E$比增加了90%,从而使得能够设计刚度匹配的植入材料,其疲劳强度更高。本研究表明,Hirtisation是一种有效的方法,用于改善多孔晶格材料的表面粗糙度,从而提高其疲劳性能。

0
下载
关闭预览

相关内容

【2022新书】高效深度学习,Efficient Deep Learning Book
专知会员服务
117+阅读 · 2022年4月21日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
使用BERT做文本摘要
专知
23+阅读 · 2019年12月7日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
LibRec 精选:推荐系统的常用数据集
LibRec智能推荐
17+阅读 · 2019年2月15日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
【推荐】自然语言处理(NLP)指南
机器学习研究会
35+阅读 · 2017年11月17日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】GAN架构入门综述(资源汇总)
机器学习研究会
10+阅读 · 2017年9月3日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
30+阅读 · 2021年8月18日
Arxiv
38+阅读 · 2020年3月10日
Deep Anomaly Detection with Outlier Exposure
Arxiv
17+阅读 · 2018年12月21日
VIP会员
相关资讯
使用BERT做文本摘要
专知
23+阅读 · 2019年12月7日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
LibRec 精选:推荐系统的常用数据集
LibRec智能推荐
17+阅读 · 2019年2月15日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
【推荐】自然语言处理(NLP)指南
机器学习研究会
35+阅读 · 2017年11月17日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】GAN架构入门综述(资源汇总)
机器学习研究会
10+阅读 · 2017年9月3日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员