基于机器学习的低弹性模量钛合金建模和预测的研究

作者：潘登; 李谦; 李强

来源：有色金属材料与工程, 2023, 44(05): 1-8.

DOI：10.13258/j.cnki.nmme.2023.05.001

• 钛合金
• 弹性模量
• 机器学习

针对钛合金弹性模量快速预测的需要，采用合金设计公式对原始合金数据进行转换，利用转换所得的Mo当量、d-电子结合次数和d-电子结合能作为数据集；采用多层感知器、随机森林网络和卷积神经网络三种机器学习方法，基于数据驱动方式搭建钛合金成分与弹性模量的关系模型。结果表明，相比随机森林网络模型和卷积神经网络模型，多层感知器模型具有更优的预测性能和预测精度。此外，多层感知器模型的预测能力符合预期，其相关指数评分达到0.66，均方根误差为7.54 GPa；说明多层感知器适用于医用钛合金的数据挖掘和研发。

• 单位
  上海理工大学; 上海大学