低温高强高韧球墨铸铁及其设计方法技术

本发明专利技术提供一种低温高强高韧球墨铸铁及其设计方法，设计方法包括：收集多组铸态球墨铸铁的原始数据；将元素特征作为输入，将力学性能作为输出，对输入的元素特征数据进行特征降维处理；将特征降维处理后得到的数据集划分成训练集和测试集，构建从成分到力学性能的回归拟合模型；对回归拟合模型进行多目标优化，得到满足力学性能目标的球墨铸铁成分；根据球墨铸铁成分制备球墨铸铁试样，验证球墨铸铁试样的性能是否符合目标性能要求，若不符合目标性能要求，则重新进行整个机器学习流程，直至得到符合目标性能要求的球墨铸铁试样。本发明专利技术可以提高球墨铸铁成分设计效率，避免传统试错法研发新型球墨铸铁的盲目性。法研发新型球墨铸铁的盲目性。法研发新型球墨铸铁的盲目性。

【技术实现步骤摘要】
低温高强高韧球墨铸铁及其设计方法


[0001]本专利技术涉及球墨铸铁材料
，具体地，涉及一种低温高强高韧球墨铸铁及其设计方法。

技术介绍

[0002]发展以风电为代表的可再生能源，是构建新型电力系统、加速能源转型进程、实现“双碳”战略目标的关键所在。目前我国风力发电机组大型化的发展趋势日益明显，2021年新增装机的风电机组平均功率为3.5MW，其中新增陆上风电机组平均单机容量为3.1MW，海上风电机组平均单机容量为5.6MW。风电球墨铸铁零部件的重量和壁厚也在不断增加，重量从5～25t增加到25t以上、壁厚从60～200mm增加到200mm以上。为了满足大型风电机组轻量化设计的要求，需要大幅度提高球墨铸铁材料的屈服强度和伸长率，同时风电机组越来越多地被安装在高纬度、高寒等极端环境区域，对球墨铸铁部件的低温性能也提出了更高的要求。目前，国家标准GB/T 1348
‑
2019中推荐的风电结构件的材料是QT350
‑
22L和QT400
‑
18L球墨铸铁，其抗拉强度、断后伸长率、冲击韧性接近普本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的低温高强高韧球墨铸铁的设计方法，其特征在于，包括：收集多组铸态球墨铸铁的原始数据，每组原始数据包括铸态球墨铸铁的成分及对应的力学性能数据；将成分包含的元素特征作为输入，将力学性能作为输出，对输入的元素特征数据进行特征降维处理；将特征降维处理后得到的数据集划分成训练集和测试集，基于所述训练集和所述测试集，构建从成分到力学性能的回归拟合模型；对所述回归拟合模型进行多目标优化，得到满足力学性能目标的球墨铸铁成分；根据球墨铸铁成分制备球墨铸铁试样，验证球墨铸铁试样的性能是否符合目标性能要求；若不符合目标性能要求，则将球墨铸铁成分和实验测得的力学性能数据加入到原始数据中，重新进行整个机器学习流程，直至得到符合目标性能要求的球墨铸铁试样。2.根据权利要求1所述的基于机器学习的低温高强高韧球墨铸铁的设计方法，其特征在于，所述每组原始数据包括铸态球墨铸铁的成分及对应的力学性能数据，其中：所述成分为组成球墨铸铁的元素及其对应的质量百分比，所述元素包括C、Si、Mn、Cr、Ce、Cu、Sn、Ni、Mo、Al、Bi、V、Sb、Ti、Mg、S、P和RE；所述力学性能包括抗拉强度Rm和伸长率A。3.根据权利要求2所述的基于机器学习的低温高强高韧球墨铸铁的设计方法，其特征在于，所述对输入的元素特征数据进行特征降维处理，包括：首先采用XGBoost模型评估特征重要度，根据评估结果初步选定影响抗拉强度和塑性的主要元素特征；然后采用后向序列特征选择方法进一步筛选模型特征，得到作为输入的元素特征。4.根据权利要求3所述的基于机器学习的低温高强高韧球墨铸铁的设计方法，其特征在于，所述主要元素特征包括Si、Cu、C、Mn、P、Mg、Mo、Ni、S、RE、V和Bi；所述作为输入的元素特征包括C、Si、Mn、Cu、Ni、Mo、Mg、S、P和RE。5.根据权利要求3所述的基于机器学习的低温高强高韧球墨铸铁的设计方法，其特征在于，基于所述训练集和所述测试集，构建从成分到力学性能的回归拟合模型，包括：采用不同的机器学习模型构建多个抗拉强度和伸长率预测模型；采用均方根...

【专利技术属性】
技术研发人员：疏达，夏睿聪，汪东红，杨超，龚潜海，唐军，雷强，孙存忠，陈秀峰，
申请(专利权)人：浙江佳力风能技术有限公司，
类型：发明
国别省市：