科研之友
微信
新浪微博
Facebook
分享链接
摘要
数据驱动下,基于大量的实验数据,建立混合特征与力学性能之间非线性规律实现合金新成分的配比和工艺设计一直是一个挑战.本文基于机器学习的方法,提出一种面向性能的Al-Si-Mg系合金“成分-工艺-性能”的设计策略.将同一体系不同牌号合金的成分、熔炼及热处理工艺等混合因素作为特征,通过随机森林寻找特征与抗拉强度之间的非线性规律.之后将数据集中部分合金的成分、工艺参数设置为目标空值,使用链式方程多重插补算法对目标缺失数据进行预测插补.通过该策略进行性能预测或指导设计的合金抗拉强度的实验值和预测值的误差均保持在±5%之内;而且经实验证实,其中Al-6.8Si-0.6Mg-0.05Sr的成分配比和540℃×10 h+170℃×10 h工艺方案使合金综合拉伸性能优异,质量指数QDJR达到517.3,高于同类合金低于500 QDJR值的水平.这一结果表明该策略有助于改善高强度Al-Si-Mg系合金传统设计方法周期长、成本高、效率低的问题.
- 单位
