机器学习辅助高性能银合金电接触材料的快速发现

作者：何兴群; 付华栋^*; 张洪涛; 方继恒; 谢明; 谢建新^*

来源：金属学报, 2022, 58(06): 816-826.

• 机器学习
• 银合金
• 电接触材料
• 成分设计

为了快速发现高性能银合金电接触材料，从文献中收集了32组铸造法制备的银合金电接触材料的成分和性能数据，采用特征量筛选方法识别出影响合金性能的关键合金因子，采用支持向量机算法建立了合金导电率和硬度预测模型，实现了合金成分的快速设计。选取预测性能优异的Ag-19.53Cu-1.36Ni、Ag-10.20Cu-0.20Ni-0.05Ce和Ag-11.43Cu-0.66Ni-0.05Ce (质量分数，%) 3种成分设计方案进行工业生产条件的实验验证，性能预测结果与实验结果误差均小于10%,3种合金导电率均≥79%IACS,Vickers硬度均≥87 HV，综合性能均优于已有铸造法制备的银合金电接触材料。上述研究结果表明，本工作建立的机器学习成分设计方法可靠性好，有助于提高合金成分设计效率，快速发现综合性能优异的银合金电接触材料。

• 单位
  昆明贵金属研究所; 北京科技大学