1. 你的位置
  2. 网站首页
  3. 应用案例

中仿JMatPro助力热力学计算与机器学习协同设计第四代镍基粉末高温合金

2026-08-03 09:27:53
中仿JMatPro助力热力学计算与机器学习协同设计第四代镍基粉末高温合金

行业应用案例：中仿JMatPro助力热力学计算与机器学习协同设计第四代镍基粉末高温合金

   

      航空发动机和燃气轮机持续向更高推重比、更高效率和更长寿命发展，对涡轮盘等热端承力部件提出了更严苛的材料要求。镍基粉末高温合金凭借组织均匀、宏观偏析小、热加工性能好等优势，已成为先进航空发动机关键部件的重要候选材料。然而，面向第四代粉末高温合金约815 ℃服役温度目标，传统依赖经验配比和反复试验的开发方式正在面临周期长、成本高、变量耦合复杂等挑战。
      针对新一代镍基粉末高温合金成分设计难题，东北大学秦皇岛分校、东北大学轧制技术及连轧自动化国家重点实验室等科研团队以典型第一至第三代粉末高温合金和已报道第四代合金为研究对象，依托JMatPro软件开展热力学计算，系统分析初熔温度、γ′相完全固溶温度、γ′相含量、γ/γ′晶格错配度以及TCP相含量等关键指标，并进一步结合机器学习方法对1029组成分组合进行筛选。相关研究成果以“Thermodynamic calculation and machine learning aided composition design of new nickel-based superalloys”为题发表于《Journal of Materials Research and Technology》。
01
研究背景：第四代镍基粉末高温合金的成分设计难题
      镍基粉末高温合金的发展大体经历了从追求高强度、提高损伤容限，到兼顾高强度、高损伤容限、高温耐久性和综合服役性能的演进过程。随着服役温度提升，合金中Co、W、Ta、Nb等元素的含量和配比不断调整，γ基体稳定性、γ′析出强化、固溶强化、TCP脆性相析出以及热处理窗口之间的耦合关系也随之更加复杂。
      对于第四代粉末高温合金而言，提升难点并不只是“加入更多高熔点元素”。难熔元素能够提高高温强度和组织稳定性，但过量Cr、Mo、W、Ta等元素又可能诱发σ相、μ相等TCP相析出，削弱持久寿命和疲劳性能；γ′相含量过低会限制强化效果，过高则会损害热加工性并增加有害相析出风险；γ/γ′晶格错配度既影响蠕变抗力，也关系到高温组织稳定性。因此，成分设计必须在多个热力学约束之间寻找可制造、可热处理、可服役的平衡窗口。
      在这样的多目标问题中，JMatPro的价值在于把“经验判断”转化为可计算的设计边界。研究团队首先通 过JMatPro对不同代次代表性合金进行热力学计算，提取能够支撑第四代合金设计的指标区间；随后在该指标框架下构建新成分空间，并用机器学习对候选成分进行二次预测和交叉筛选，从而形成“热力学规则建立—高通量组成生成—JMatPro筛选—机器学习验证”的设计路径。
02
研究方案
2.1 JMatPro建立热力学评价指标

      研究以第一至第三代代表性镍基粉末高温合金以及ME5、TSNA-1、RRHT等公开报道的第四代合金为参照，采用JMatPro计算合金的初熔温度Tm、γ′相完全固溶温度Tγ′、850 ℃下γ′相含量、γ/γ′晶格错配度|δ|以及TCP相含量。上述指标分别对应高温服役能力、热处理窗口、析出强化水平、界面强化与组织稳定性、有害脆性相风险，是粉末高温合金成分设计中最核心的热力学约束。 计算结果显示，典型镍基粉末高温合金的初熔温度普遍高于1200 ℃；第一至第三代合金γ′相完全固溶温度主要位于1101~1198 ℃区间；第三代合金为兼顾强度和损伤容限，γ′相含量通常控制在45%~55%。面向第四代合金，研究进一步提出更明确的筛选标准：Tm不低于1200 ℃，Tγ′处于1101~1198 ℃，850 ℃下γ′相含量为50%~55%，|δ|控制在0.004~0.35，TCP相总量不超过10%。
图片
图1 JMatPro计算得到的初熔温度与γ′相完全固溶温度对比
2.2 成分空间构建与机器学习筛选
      在新合金成分设计中，研究团队固定Cr、Mo、W、Al、Hf、Zr、B、C等元素含量，并重点改变Ti、Ta、Nb、Co四类对γ′相稳定性、基体稳定性和TCP相倾向影响显著的元素。其中Cr、Mo、W、Al、Hf、Zr、B、C质量分数分别设定为10.5%、2.6%、2.5%、3.2%、0.4%、0.05%、0.03%和0.03%；Ti、Ta、Nb、Co则在设定区间内以0.5%为步长进行组合，最终获得1029组成分组合。
      随后，团队使用JMatPro逐一计算1029组候选合金的热力学性能，并依据前述标准筛选出满足约束的成分。为进一步提高筛选结果的可靠性，研究又建立以合金成分为输入、Tm和γ′相含量为输出的机器学习数据库，对GBR、KNR、RFR、SVR、DTR和XGBoost等回归模型进行比较。结果表明，SVR模型在Tm和γ′相含量预测中表现较优，因此被用于候选成分的机器学习预测筛选。
图片
图2 JMatPro热力学计算与机器学习协同开展合金成分设计的工作流程
03
核心成果
3.1 从合金世代演进中提炼第四代设计准则
      JMatPro计算帮助研究团队从不同代次合金的成分—相稳定性关系中提炼出清晰规律。首先，较高Co含量有助于提高γ基体稳定性，并可在一定程度上降低γ′相完全固溶温度，从而扩大热处理工艺灵活性，降低热诱导孔洞等风险。其次，Ta、Nb、Al、Ti是调控γ′相的重要元素，合理提高Ta含量并平衡Al、Ti、Ta、Nb比例，有助于将γ′相含量维持在50%以上，强化高温承载能力。
      同时，JMatPro对TCP相析出风险的预测提示：第四代合金并不能简单追求高难熔元素含量。Cr、Mo、W以及部分Ta元素虽然有利于固溶强化和高温能力提升，但也可能推动σ相、μ相等TCP相析出。TCP相通常呈针状或片状，容易成为裂纹源和快速扩展通道，并消耗基体中的关键强化元素。因此，控制TCP相含量成为第四代粉末高温合金设计必须前置考虑的约束。
图片
图3 JMatPro计算得到的γ′相含量、γ/γ′晶格错配度和TCP相含量对比
3.2 JMatPro把多元成分筛选转化为可计算工况

      在1029组候选成分中，JMatPro根据Tm、Tγ′、γ′相含量、|δ|和TCP相含量等指标完成第一轮热力学筛选，得到20组满足要求的候选合金。对于高价值、长周期的粉末高温合金研发而言，这种计算前置能够显著减少盲目试错，提高后续实验验证的命中率。
图片
图4 JMatPro计算筛选出的候选第四代镍基粉末高温合金成分窗口
3.3 机器学习交叉验证锁定最终候选成分
      在JMatPro筛选基础上，机器学习模型进一步对1029组成分的Tm和γ′相含量进行预测。研究比较多种回归算法后选择SVR模型，并据此筛选出6组合格成分。最终，将JMatPro计算结果与机器学习预测结果进行交叉比对，团队获得3组最终推荐的第四代镍基粉末高温合金候选成分。
      最终候选成分的共同特征较为明确：Co含量保持在较高水平以增强基体稳定性；Ta、Nb与Ti含量围绕γ′相稳定和强化效果进行平衡；Cr、Mo、W等元素则被控制在能够兼顾固溶强化与TCP相风险的范围内。由此可见，JMatPro提供的是基于物理冶金和热力学的可解释筛选框架，机器学习则承担快速映射和补充预测的角色，两者结合能够在小样本和复杂多元体系中形成更稳健的材料设计路径。
图5 SVR模型预测结果与最终候选合金成分筛选结果
04
结论与讨论
      本研究面向第四代镍基粉末高温合金约815 ℃服役温度目标，提出了热力学计算与机器学习协同的成分设计方法。JMatPro计算明确了Tm、Tγ′、γ′相含量、γ/γ′晶格错配度和TCP相含量等指标对合金高温服役能力、热处理窗口、强化效果和组织稳定性的约束作用，并据此建立了候选成分筛选标准。
      研究结果表明，通过固定部分基础元素、系统调控Ti、Ta、Nb、Co含量，可构建1029组候选成分；JMatPro筛选得到20组满足热力学要求的成分，机器学习筛选得到6组候选成分，二者交叉验证后最终确定3组推荐成分。这说明，在多组元、高成本、长周期的高温合金研发中，JMatPro能够为成分设计提供可解释的热力学依据，机器学习则可进一步提升筛选效率和预测精度。
      随着航空发动机、燃气轮机和高端装备对材料服役极限提出更高要求，先进合金开发将越来越依赖“计算先行、实验验证、数据迭代”的研发范式。JMatPro在其中承担着连接合金成分、相平衡、析出行为和工艺窗口的核心角色，可帮助研发人员在更早阶段识别高潜力方案与高风险组合，为新一代高温合金的快速开发提供支撑。
05
参考文献
[1]Ma Qingshuang, Li Xintong, Xin Ruifeng, et al. Thermodynamic calculation and machine learning aided composition design of new nickel-based superalloys[J]. Journal of Materials Research and Technology, 2023, 26: 4168-4178.
06
关于JMatPro
JMatPro软件包含一系列宽范围的合金类型，目前可以计算的合金类型包含铝合金、镁合金、铸铁、不锈钢、高中低合金钢、钴合金、镍基合金、镍铁基合金、镍基单晶超合金、钛合金、锆合金、焊料合金（锡焊）、铜合金。JMatPro的应用范围：
  • 可为热力学计算等基础研究提供参考；
  • 辅助科研人员进行合金设计；
  • 辅助科研人员进行材料加工工艺设计（如铸造、锻造、挤压等）；
  • 辅助科研人员进行热处理与焊接工艺设计；
  • 预测材料材料各种性能，从而可以大量节省项目时间与实验费用（尤其是高温性能）；
  • 能为许多材料成型 CAE 软件提供材料性能参数（如：Procast、Magma、Deform、TherCast、Novacast等）；
  • 能够为其他CAE软件提供材料性能参数（如Sysweld、Abaqus、Ansys、MSC/Marc等）；
  • 提供API接口，利用程序语言调用软件完成计算，方便将软件计算功能与其他软件、应用进行整合；
  • 提供MPO材料优化设计，通过多目标优化算法，快速优化获得满足设计要求的材料成分。
07
关于 MatSimKit 系列软件
材料仿真工具（MatSimKit）是中仿面向金属材料领域用户推出的系列工具软件。软件以国际知名的金属材料热力学与性能计算软件JMatPro为核心，通过集成化手段，提供从材料相图分析、性能高通量预测，到铸造、成型、热处理、增材制造等工艺环节集成仿真的多种实用软件工具。
图1 MatSimKit 系列软件
  • 材料性能高通量计算软件 MatSimKit-HT ：软件面向高通量参数空间与自动化材料计算，提供高效、便捷、可定制、可扩展的材料性能批量计算、数据处理与分析优化功能。
  • 材料计算数据管理与后处理软件 MatSimKit-DM ：软件用于对材料计算结果与实验数据进行统一管理、验证与后处理，支持结果对比、二次计算及高质量可视化输出。
  • 材料智能设计反演软件 MatSimKit-Design ：软件能够基于材料计算与数据分析结果，提供参数推荐、敏感性分析及多方案对比的设计辅助与决策支持，提高材料设计过程的效率与可靠性。
  • 材料计算流程集成软件 MatSimKit-Flow ：软件是一款材料集成管理与自动化计算服务平台，软件面向铸造、成型、热处理等多种工业仿真软件提供材料数据支持，实现流程级调用与组合。
08
关于中仿
      中仿是中国领先的仿真分析软件和系统解决方案提供者。公司依靠自主创新研发拥有自主知识产权的中仿CAE系列产品，同时与国内外最优秀的数值仿真技术研究机构和企业保持长期而紧密的合作关系，能够为中国企业和科研机构提供  世界一流的仿真技术解决方案。
      公司自主研发的 MatSimKit 系列软件，面向金属材料领域用户，以国际知名热力学计算软件JMatPro为核心，提供从高通量材料性能计算、数据管理分析到AI辅助设计的完整解决方案，服务铸造、热处理、热加工、焊接及增材制造等多个工业应用场景。公司坚持自主创新，持续提升核心竞争力，积累了深厚的创新研发能力，并形成了完备的服务体系。公司秉持让材料计算服务实际制造的理念，持续深耕材料仿真与工业软件领域，推动材料计算技术的工程化应用落地。
更多信息请关注：
官方网站：https://jmatpro.cn / https://MatSimKit.com
公众号：材料相图计算及性能模拟技术
邮箱：Info@MatSimKit.com
暂无评论


为您推荐