Effects of different post-processing methods on structural integrity of laser powder-bed fusion AlSi10Mg

Laser powder bed fusion (LPBF) as a widely used technology of additive manufacturing (AM), offers high efficiency for fabrication of mechanical components with complex geometries in a layer-by-layer manner. These materials are generally characterized by numerous internal and surface defects in as-built state. These defects can detrimentally affect the mechanical properties and fatigue behaviour of LPBF materials. Applying favourable post-processing methods can modulate these imperfections leading to improved structural integrity. In this thesis, a wide range of post-processing methods including thermal treatment as well as mechanical and chemical surface treatments were selected and their effects on mechanical properties of LPBF AlSi10Mg samples were investigated. In particular, a notched geometry was designed for the samples to evaluate the effect of surface build orientation and how it affected the post-processing results. The applied post-treatments include heat treatment (HT), shot peening (SP), ultrasonic nanocrystalline surface modification (UNSM), chemical polishing (CP) and electro-chemical polishing (ECP). Comprehensive experiments were carried out to study the effects of individual post-treatments as well as their combinations as hybrid processes on microstructure, surface morphology and roughness, hardness, residual stresses, wear and corrosion resistance and fatigue behaviour of the LPBF samples. The results revealed the high potential of the applied treatments to enhance the performance of LPBF materials under a variety of working conditions. The main physical and mechanical aspects, associated with each treatment, that contributed to the improved performance were identified and critically discussed. The results indicated that with a careful selection and design of hybrid post-treatments, considering each processes’ advantages and limitations, significant performance improvement can be achieved. The key is to focus on maximizing the synergy between surface roughness reduction, surface layer grain refinement and hardening, and inducing compressive residual stresses to improve wear and corrosion resistance and fatigue performance. In addition, rather than experimental studies, an alternative approach of machine learning (ML) was used for fatigue behaviour prediction and analyses of the post-processed LPBF AlSi10Mg samples. The obtained results reveal the high potential of ML for unlocking the role of post-processing on the fatigue performance.

Il processo Laser Powder Bed Fusion (LPBF) è una tecnologia ampiamente utilizzata per la produzione additiva (AM) di parti metalliche, e offre un'elevata efficienza per la fabbricazione strato per strato di componenti meccanici con geometrie complesse. I materiali e i componenti così ottenuti sono generalmente caratterizzati allo stato di ottenimento da numerosi difetti interni e superficiali. Questi difetti influenzano negativamente le proprietà meccaniche e il comportamento a fatica dei materiali. L'applicazione di opportuni metodi/trattamenti a valle della loro produzione può mitigare queste imperfezioni portando a una migliore integrità strutturale. In questa tesi, si è considerata un'ampia gamma di metodi di post-processing, inclusi trattamenti termici e i trattamenti superficiali meccanici e chimici, e sono stati studiati i loro effetti sulle proprietà meccaniche di campioni di LPBF costruiti utilizzando polveri della lega di alluminio AlSi10Mg. In particolare, è stata definita una geometria intagliata che consente di valutare l'effetto dell'orientamento della superficie rispetto alla direzione di costruzione e il modo in cui ciò ha influito sui risultati della post-elaborazione. I post-trattamenti applicati comprendono un trattamento termico (HT), la pallinatura (SP), la modifica della superficie nanocristallina ad ultrasuoni (UNSM), la lucidatura chimica (CP) e la lucidatura elettrochimica (ECP). Sono stati condotti esperimenti per studiare gli effetti dei singoli post-trattamenti, nonché le loro combinazioni come processi ibridi, su microstruttura, morfologia superficiale e rugosità, durezza, sollecitazioni residue, resistenza all'usura e alla corrosione e comportamento a fatica dei campioni LPBF. I risultati hanno evidenziato l'elevato potenziale dei trattamenti applicati per migliorare le prestazioni dei materiali LPBF in una varietà di condizioni di lavoro. Sono stati individuati e discussi criticamente i principali aspetti fisici e meccanici, associati a ciascun trattamento, che hanno contribuito al miglioramento delle prestazioni. I risultati hanno indicato che con un'attenta selezione e progettazione di post-trattamenti ibridi, tenendo conto dei vantaggi e dei limiti di ciascun processo, è possibile ottenere un significativo miglioramento delle prestazioni. Il punto chiave è progettare trattamenti ibridi per massimizzare la sinergia tra la riduzione della rugosità superficiale, l'affinamento e l'indurimento della grani cristallini dello strato superficiale e l'induzione di sollecitazioni residue di compressione per migliorare la resistenza all'usura e alla corrosione e le prestazioni a fatica. Inoltre, al fine di limitare gli studi sperimentali in sede di messa a punto dei processi, è stato utilizzato un approccio alternativo basato sul Machine Learning (ML) per la previsione del comportamento a fatica e l'analisi dei campioni LPBF AlSi10Mg dopo post-trattamento. I risultati ottenuti rivelano l'alto potenziale di ML per sbloccare il ruolo di post-elaborazione sulle prestazioni a fatica.