一种基于机器学习的合金成分确定方法、系统及设备技术方案

本发明专利技术公开一种基于机器学习的合金成分确定方法、系统及设备，涉及轻量化结构领域，该方法包括基于知识材料，确定影响航空铝合金性能的关键特征；根据不同航空铝合金的成分、性能以及对应的关键特征构建数据集；根据数据集，基于极端梯度提升算法和粒子群优化方法，确定以航空铝合金的成分以及对应的关键特征为输入，以性能为输出的合金性能预测模型；根据合金性能预测模型以及合金元素，采用帕累托前沿方法，确定性能最优对应的航空铝合金的成分本发明专利技术可实现由“成分预测合金性能”向“材料机理预测合金性能的”跨越，从而突破了原数据集的限制，完成了对新型合金元素的预测。完成了对新型合金元素的预测。完成了对新型合金元素的预测。

【技术实现步骤摘要】
一种基于机器学习的合金成分确定方法、系统及设备


[0001]本专利技术涉及轻量化结构应用领域，特别是涉及一种基于机器学习的合金成分确定方法、系统及设备。

技术介绍

[0002]铝合金在交通运输业、建筑业等领域的轻量化结构应用方面具有巨大潜力。自美国铝业于1915年开发2017年铝合金以来，航空铝合金一直在不断创新以满足航空业的需求。如今，飞机设计中轻质、宽敞、舒适、长期耐用和高可靠性的目标对航空铝合金的性能要求很高，例如突破原始的强度(比强度)指标，同时优化韧性、耐腐蚀性和抗疲劳性等合金性能。此外，一些工程材料如镁合金、钛合金和复合材料如雨后春笋般涌现，它们在飞机结构中的应用已经从次要承载部件过渡到主要承载部件，这给航空铝合金的发展带来了前所未有的挑战。因此，迫切需要精确的设计满足多目标性能要求的航空铝合金新材料。然而，对于铝合金而言未经探索的成分设计范围很广，常规的实验试错方法通常是耗时费力的，所以有效发现新合金是一项极具挑战性的任务。
[0003]机器学习方法基于丰富的算法和强大的多维建模能力，能够有效地促进材料发现，因此已经引起了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的合金成分确定方法，其特征在于，包括：基于知识材料，确定影响航空铝合金性能的关键特征；所述关键特征包括：原子尺寸差、电负性、价电子浓度、电子浓度和混合焓；根据不同航空铝合金的成分、性能以及对应的关键特征构建数据集；根据数据集，基于极端梯度提升算法和粒子群优化方法，确定以航空铝合金的成分以及对应的关键特征为输入，以性能为输出的合金性能预测模型；根据合金性能预测模型以及合金元素，采用帕累托前沿方法，确定性能最优对应的航空铝合金的成分。2.根据权利要求1所述的一种基于机器学习的合金成分确定方法，其特征在于，所述根据合金性能预测模型以及合金元素，采用帕累托前沿方法，确定性能最优对应的航空铝合金的成分，之后还包括：根据性能最优对应的航空铝合金的成分进行制备。3.根据权利要求1所述的一种基于机器学习的合金成分确定方法，其特征在于，所述根据数据集，基于极端梯度提升算法和粒子群优化方法，确定以航空铝合金的成分以及对应的关键特征为输入，以性能为输出的合金性能预测模型，具体包括：采用牛顿法，将合金性能预测模型的误差损失泰勒展开到二阶进行计算，并引用正则化项。4.根据权利要求1...

【专利技术属性】
技术研发人员：张佼，隽永飞，戴永兵，赵巍，孙宝德，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：