世纪大学工程、建筑环境与资讯科技学院的一群研究生在快速成型制造领域中取得了长足的进步，他们的成果包括 有关钛基复合材料（TMC）的选择性激光熔融（SLM）的最新研究).在一流教师的指导下，研究人员探索了 TMC 这种广泛应用于航空航天、生物医学和汽车领域的高性能材料的加工参数、微观结构演变和机械性能之间的复杂关系。
这项研究由 Jun Fang、Yong Chai Tan、Vin Cent Tai 和 Chia Ching Kee 领导，深入分析了使用 SLM 技术制造 TMC 所面临的挑战和机遇。他们的研究成果有望为开发更坚固、更耐用、更轻质的金属复合材料做出重大贡献，为下一代制造解决方案铺平道路。
学生们的研究重点是不同的 SLM 加工参数（如激光功率、扫描速度、舱口距离和层厚度）如何影响 TMC 的最终性能。他们的硕士论文深入研究了提高钛复合材料硬度、抗拉强度和耐磨性的机理，同时还确定了可能影响材料完整性的关键缺陷，如球化、气孔和裂纹。
他们研究的主要结论之一是，按体积计算，小于 5% 的强化剂含量可显著提高机械性能。研究记录显示，最大硬度值约为 1000 HV，抗拉强度接近 1500 MPa，与传统钛合金相比有显著提高。然而，这些改进是有代价的--伸长率明显下降，这意味着材料的柔韧性降低。
SLM加工TMC的一大挑战是缺陷的形成，缺陷的形成会严重影响材料的性能。通过大量的实验与计算建模，世纪的研究人员找出了影响缺陷演变的关键因素，其中包括
- 热梯度和残余应力 - 导致开裂和微观结构不一致。
- 钢筋分布不均匀 - 导致最终结构出现薄弱点。
- 激光扫描策略 - 影响孔隙度和整体致密化程度。
通过改进 SLM 工艺参数和优化材料分布，学生们提出了在高性能工业中尽量减少缺陷和提高 TMC 可靠性的新策略。他们的研究还提出了热处理和热等静压（HIP）等后处理技术，作为提高材料性能的可行解决方案。
这项研究的结果与全球开发更可持续、更高效制造技术的努力不谋而合。像 SLM 这样的快速成型制造技术有可能减少材料浪费，提高能源效率，并实现以前传统制造方法无法实现的复杂设计。
这项研究还凸显了机器学习和人工智能（AI）在优化增材制造工艺中日益重要的作用。随着该行业向数字化驱动的解决方案发展，将计算建模与实验研究相结合将成为进一步提高 TMC 性能的关键。
这项研究有助于实现联合国可持续发展目标（SDGs）：
可持续发展目标 9--工业、创新和基础设施
可持续发展目标 12--负责任的消费和生产
可持续发展目标 13--气候行动