Shape memory alloy design by machine learning for biomedical and high-temperature applications

Abstract

Shape memory alloys (SMAs) are of great importance due to their extensive usage in biomedical applications, aerospace engineering, or robotics. In recent years, although there has been a considerable amount of research to achieve optimum compositions of SMAs for these applications, due to the high experimental costs, the demand for alloys with optimum properties has not been met for many applications yet. In this research, using the predictive power of artificial intelligence and machine learning, a systematic approach to predict the optimum composition of the SMAs was proposed to address two problems related to the binary NiTi and NiTi-based SMAs. In particular, in chapter two, the optimum chemical composition was proposed to minimize the Ni ion release in the binary NiTi SMA. The method to do so was to gather a database from the existing literature and using it to train a special algorithm that provides the information for predicting the desired compositions. In chapter three, using the same approach, two models were developed to predict the phase transformation temperatures and thermal hysteresis of multi-component NiTi-based SMAs. These models were used to predict the optimum alloy with the highest Phase transformation temperatures with the least possible thermal hysteresis.

Şekil hafızalı alaşımlar (shape memory alloys – SMA) biyomedikal, uzay mühendisliği ya da robotik alanlarındaki geniş kapsamlı kullanımlarından dolayı büyük öneme sahiptir. Son yıllarda bu uygulamalar için optimum kompozisyona sahip SMA’yı bulabilmek adına önemli miktarda araştırma yapılmasına rağmen; yüksek deney maliyetlerinden dolayı, optimum kompozisyona sahip alaşımlara olan ihtiyaç hala karşılanamamıştır. Bu çalışmada yapay zekâ ve makine öğrenmesinin tahmin gücünü kullanarak, ikili NiTi ve NiTi bazlı şekil hafızalı alaşımlarla ilgili iki problemi çözmek adına optimum kompozisyona sahip şekil hafızalı alaşım kompozisyonu öngörmek için sistematik bir yaklaşım sunulmuştur. Özellikle ikinci bölümde, minimum Ni salınımı ve optimum kimyasal kompozisyona sahip ikili bir NiTi SMA kompozisyonu ileri sürülmüştür. Bunu yapmak için kullanılan metod şu şekildedir: hali hazırda var olan literatürden bir veri tabanı oluşturulmuş ve istenilen kompozisyonu tahmin etmek için gerekli bilgiye sahip olan bu veri tabanı özel bir algoritmayı eğitmek için kullanılmıştır. Üçüncü bölümde, çok bileşenli NiTi bazlı şekil hafızalı alaşımların faz değişim sıcaklığı ve termal histerezisini tahmin edebilmek için aynı yaklaşım kullanılarak iki model geliştirilmiştir. Bu modeller, en yüksek faz değişim sıcaklığına ve en düşük termal histerezise sahip optimum alaşımı tahmin edebilmek için kullanılmıştır.