机器学习指导相和硬度可控的AlCoCrCuFeNi系高熵合金设计
文档名：机器学习指导相和硬度可控的AlCoCrCuFeNi系高熵合金设计
摘要：采用机器学习辅助高熵合金设计,致力于解决传统试错实验方法时间周期长、成本高的问题.以经典的AlCoCrCuFeNi系高熵合金为研究对象,采用机器学习方法,分别构建高熵合金的相结构预测模型和硬度预测模型.其中支持向量机模型(SVM)在两个任务中均有最好的训练表现,最佳的相分类准确率达0.944,硬度预测模型的均方根误差为56.065HV.进一步串联两种机器学习模型,基于样本数据集上下限的成分空间,对AlCoCrCuFeNi系高熵合金同时进行相和硬度的高效预测和筛选,实现新型合金成分的快速设计.实验验证5种新合金符合相预测结果,测试硬度与预测硬度值的RMSE为12.58HV,表明建立的机器学习模型实现对高熵合金相和硬度的高效预测.
作者：李亚豪叶益聪赵凤媛唐宇朱利安白书欣Author：LIYahaoYEYicongZHAOFengyuanTANGYuZHULi'anBAIShuxin
作者单位：国防科技大学空天科学学院材料科学与工程系,长沙410073
刊名：材料工程
Journal：JournalofMaterialsEngineering
年，卷(期)：2024, 52(1)
分类号：TG146
关键词：机器学习高熵合金相预测硬度预测成分设计
Keywords：machinelearninghighentropyalloyphasepredictionhardnesspredictioncompositiondesign
机标分类号：G633.3TP391.41G434
在线出版日期：2024年2月3日
基金项目：国家自然科学基金，国家自然科学基金机器学习指导相和硬度可控的AlCoCrCuFeNi系高熵合金设计[
期刊论文]材料工程--2024, 52(1)李亚豪叶益聪赵凤媛唐宇朱利安白书欣采用机器学习辅助高熵合金设计,致力于解决传统试错实验方法时间周期长、成本高的问题.以经典的AlCoCrCuFeNi系高熵合金为研究对象,采用机器学习方法,分别构建高熵合金的相结构预测模型和硬度预测模型.其中支持向量机模型...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
机器学习指导相和硬度可控的AlCoCrCuFeNi系高熵合金设计Machine learning guided phase and hardness controlled AlCoCrCuFeNi high-entropy alloy design
机器学习指导相和硬度可控的AlCoCrCuFeNi系高熵合金设计.pdf
页:
[1]