基于机器学习的高熵合金成分优化方法

    公开(公告)号:CN118748050A

    公开(公告)日:2024-10-08

    申请号:CN202410753371.0

    申请日:2024-06-12

    Abstract: 本发明属于于材料设计技术领域,具体涉及一种基于机器学习的高熵合金成分优化方法。本发明利用机器学习技术指导高熵合金的设计和优化,以寻找高硬度七元高熵合金。通过收集并整理高熵合金的成分、相结构和硬度数据,形成原始数据集;补充特征数据并进行标准化处理,使用K折交叉验证法划分训练集和验证集;基于训练集,建立合金成分与硬度的回归模型和相结构分类模型;通过正确率、ROC‑AUC曲线、均方根误差和决定系数R2评估模型的预测性能,并调整参数优化模型;基于优化后的模型搜索新型高熵合金,并进行实验验证,将结果更新到数据集中,以持续优化模型。本发明为七元高熵合金的设计提供科学的指导,有助于提高合金的性能和研发效率。

    一种评价高强珠光体钢丝扭转韧性的方法

    公开(公告)号:CN118483078A

    公开(公告)日:2024-08-13

    申请号:CN202410753648.X

    申请日:2024-06-12

    Abstract: 本发明公开了一种评价高强珠光体钢丝扭转韧性的方法,属于高强钢丝性能测试技术领域。本发明在对高强度珠光体钢丝进行扭转测试时,实时动态观察初始阶段扭矩‑扭转角曲线锯齿屈服特征,结合初始阶段扭矩‑扭转角曲线的一阶导数是否出现震荡,以及未断裂扭转钢丝表面宏观分层角ω来判定钢丝的断裂方式,快速评价钢丝的扭转韧性。传统扭转韧性评价方法需要钢丝扭转测试直到断裂,测试的时间长,测试后期会出现钢丝两端夹持松动现象,影响测试精度。与传统测试方法相比较,本发明测试周期短、效率高、韧性评价精度高,对快速评价高强珠光体钢丝扭转韧性和优化钢丝生产工艺具有重要指导意义。

Patent Agency Ranking