摘要
近年来关于机器学习技术预测高熵合金生成相相关工作相继被报道,但存在采用的高熵合金生成相经验参数少、未考虑制备工艺对高熵合金生成相影响的不足。针对此,本文基于人工神经网络、K近邻、支持向量机以及集成学习4种机器学习算法,收集了19种经验参数,对搜集的982种高熵合金进行模型预测。研究发现,与前人采用的5种经验参数相对比,采用17种经验参数的机器学习模型预测生成相精度从75.75%提升到了79.78%。并且发现采用熔铸法制备的高熵合金数据集训练模型,得到的模型预测精度比多种制备工艺制备的高熵合金数据集进一步提升了4.36%。结果表明,增加合适的经验参数和采用单一的熔铸法制备的高熵合金数据集有助于提升机器学习模型预测的精度。
-
单位轧制技术及连轧自动化国家重点实验室; 东北大学