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：LIYahao  YEYicong  ZHAOFengyuan  TANGYu  ZHULi'an  BAIShuxin
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：machinelearning  highentropyalloy  phaseprediction  hardnessprediction  compositiondesign  
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

2024-12-14 12:30 上传 机器学习指导相和硬度可控的AlCoCrCuFeNi系高熵合金设计.pdf

文件大小:

6.61 MB

下载次数:

60

高速下载