使用机器学习模型预测超声振动辅助摩擦搅拌加工制备的AZ31/TiC复合材料的磨损行为

为什么更坚韧的轻金属很重要

从汽车到笔记本电脑，制造商都热衷于用更轻的金属替代笨重的钢件，以节省燃料和能耗。镁是当今使用的最轻的结构金属之一，但当零件相互滑动时容易过快磨损。该研究探索了一种强化常用镁合金的新方法，并使用现代数据工具来预测其寿命，提供的见解可帮助设计师在不牺牲可靠性的情况下制造更轻的机械设备。

打造更强的金属配方

研究者将注意力集中在一种名为AZ31的常用镁合金上，并掺入非常硬的陶瓷颗粒——碳化钛。这些微小颗粒像混凝土中的碎石，帮助柔软的金属承载更大的负荷而不被撕裂。团队加入了相对较高的含量——按体积计15%，然后比较了两种将这些颗粒搅拌入合金表面的旋转工具工艺：一种为标准方法，另一种在加工过程中加入高频振动。

用声波塑形金属

在振动辅助的方法中，超声波在旋转工具搅拌时传入金属内部。这种额外的振动有助于类熔融区更均匀地流动，打散聚集并闭合空隙。显微图像显示，采用振动时碳化钛颗粒分布更均匀，孔隙大幅减少。金属晶粒也显著细化，如同把粗砂糖变成了糖粉。这种细化且更均匀的组织是使表面更硬、更抗损伤的关键。

对新表面的耐久性测试

为评估这些处理后表面的实际性能，团队进行了干摩擦滑动磨损测试，将合金或复合材料制成的销件压在旋转钢盘上，使用不同的载荷和速度。他们记录摩擦力的变化，并在试验前后称重样品以测量材料损失量。未改性的镁合金摩擦力最大、磨损最快，尤其在高载荷下。加入碳化钛颗粒后性能有所提升，但经过振动处理的样品表现最佳：在中等载荷下磨损减少约四分之一，在最严重条件下甚至可减少一半左右。

观察表面的失效方式

对磨损通道的显微观察揭示了损伤的发展。在低载荷下，基体合金出现了沟痕和氧化碎屑，是轻微划痕和表面氧化物的混合。随着载荷增加，表面开始严重撕裂和变形。在复合材料中，尤其是经振动处理的样品，沟痕更浅且更均匀。硬质颗粒牢固锚定在金属中，帮助分担载荷并像微观滚子一样减少直接金属接触。这种更高的硬度、细小晶粒和稳定颗粒的组合使得磨损机制更偏向温和的磨料磨损而非严重的撕裂。

让机器从数据中学习

除了实验室测试外，作者训练了若干机器学习模型，用以从简单输入预测比磨损率：所用材料、施加的压强和滑动速度。在测试的标准方法中，Gradient Boosting（梯度提升）模型与测量结果高度吻合，而更简单的线性模型则表现较差。分析还显示，材料选择对磨损的影响最大，其次是载荷，而在测试范围内滑动速度的作用相对较小。

对实际零件的意义

简而言之，研究表明将硬质颗粒精心掺入轻金属并采用声波辅助搅拌可以显著提高其表面对滑动磨损的耐受性。如此处理的零件在更高载荷下运行时摩擦更低、材料损耗更慢，这对汽车及其他对重量敏感的应用很有价值。同时，数据驱动的模型能够在不重复每项实验的情况下可靠预测磨损行为，为工程师在实际加工金属前在计算机上探索设计提供了实用工具。

引用: Kumar, T.S., Shalini, S., Petrů, J. et al. Predicting wear behavior of AZ31/TiC composites produced via ultrasonic vibration assisted friction stir processing using machine learning models. Sci Rep 16, 14858 (2026). https://doi.org/10.1038/s41598-026-44372-0

关键词: 镁合金磨损, 碳化钛复合材料, 超声摩擦搅拌加工, 机器学习磨损预测, 摩擦学