【技术实现步骤摘要】
本专利技术涉及热障涂层材料，特别是涉及一种基于代理模型的抗cmas热障涂层材料开发方法。
技术介绍
1、热障涂层是一种广泛应用于航空发动机和燃气轮机热端部件的高温防护技术，其原理是利用低热导率、耐高温和抗腐蚀的陶瓷，与金属基体以涂层形式相结合，进而有效地降低热端部件表面温度，使高温合金能够在远高于其熔点环境下长期安全使用。相比于冷却技术的提高、高温合金耐温水平的改善这两种方式，热障涂层技术是提高涡轮叶片耐温能力最显著有效、经济性好、风险小、简单易行的技术措施，也是欧美航空发达国家优先技术发展的关键技术。由于热障涂层服役环境十分严苛，所以高性能tbcs陶瓷材料必须满足以下要求：高熔点、在室温下和使用温度区间没有相变、低热导率、高温化学稳定性、耐腐蚀、与高温合金基体热膨胀系数相近等。尽管在矿物学和晶体化学领域有许多已知的晶体结构，且每一种晶体结构都可由几种不同的元素组成，从而形成数以万计的无机材料，但是能够满足以上条件的陶瓷材料却十分有限。
2、在飞机飞行过程中，空气中的一些硅质颗粒会随着高速气流不断吸入到发动机内部。这些颗粒可能来源于火山灰、飞机跑道磨屑、沙砾、燃料中的杂质以及因冲蚀和撞击而剥落的发动机部件等。这些颗粒进入燃烧室后会沉积在发动机热障涂层表面，从而形成一种玻璃相的盐类物质。尽管由于地区和颗粒来源不同，吸入的硅酸盐颗粒化学组成会有所差异，但熔融沉积物基本上具有相似的成分。其主要由cao、mgo、al2o3和sio2四种氧化物组成，其中还可能包含少量的ni、ti、fe、zr、na等元素。因此，将熔融硅酸盐沉积
3、基于材料基因工程技术的新材料开发是目前新材料研究领域最高效的手段之一，它将传统试错研发模式向计算驱动研发模式转变。然而，高通量计算虽然较传统试错法效率更高，但是也需要花费大量的计算资源和时间，所以直接通过高通量计算在巨大的结构空间中进行漫无目的的搜索依然效率不高。
技术实现思路
1、本专利技术的目的是提供了一种基于代理模型的抗cmas热障涂层材料开发方法，避免了传统“炒菜式试错”的材料筛选方法，能够高效地、合理地筛选出抗cmsa热障涂层材料，为热障涂层材料的预测起到了积极作用。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种基于代理模型的抗cmas热障涂层材料开发方法，包括：
4、构建稀土元素掺杂热障涂层仿真模型，根据所述稀土元素掺杂热障涂层仿真模型，获取多源数据，对所述多源数据进行处理，将处理后的所述多源数据划分出训练集；
5、将待确定的实验原料输入代理模型，输出稀土元素掺杂种类和比例，实现抗cmas热障涂层材料的开发，其中，所述代理模型由所述训练集训练获得，所述代理模型采用机器学习算法构建。
6、可选地，构建稀土元素掺杂热障涂层仿真模型包括：
7、获取不同稀土元素的掺杂模型，对所述掺杂模型进行原子弛豫，获取非晶模型；
8、对所述非晶模型进行切割，获取不同原子排布的表面模型，通过所述表面模型对表面能进行计算，获取能量最低的稳定表面结构，根据所述能量最低的稳定表面结构，构建所述稀土元素掺杂热障涂层仿真模型；
9、通过所述表面模型对表面能进行计算的方法为：
10、
11、其中esurface为模型表面能，eslab为原胞总能量，a为模型横截面面积，n为原胞个数，ebulk为超晶胞能量。
12、可选地，所述多源数据包括：输入数据和输出数据；
13、其中，所述输入数据包括：稀土元素掺杂种类和比例，所述输出数据包括：热导率、热膨胀率、硬度和表面粗糙度。
14、可选地，对所述多源数据进行处理，将处理后的所述多源数据划分出训练集包括：
15、对所述多源数据中的高维数据降维，通过降维后的所述多源数据进行主成分分析，获取成分分析结果，基于所述成分分析结果进行特征提取，并进行归一化处理，获取归一化处理结果；
16、根据蒙特卡洛抽样结合正交实验设计，按照目标比例对所述归一化处理结果进行划分，获取验证集和训练集。
17、可选地，所述机器学习算法包括：
18、线性回归算法lr、支持向量机回归算法svm、决策树回归算法、随机森林回归算法rf、lasso回归算法、ridge回归算法、elasticnet回归算法、xgboost回归算法。
19、可选地，获取所述代理模型包括：
20、基于所述训练集对所述机器学习算法进行训练，采用5折交叉验证法以及网格搜索法调整各种算法的超参数，获取训练后的所述机器学习算法；
21、对训练后的所述机器学习算法的表现进行综合评价，获取评分最优的所述机器学习算法作为所述代理模型；
22、其中，所述综合评价的因素包括可解释方差、平均绝对误差、均方误差和决定系数。
23、可选地，获取评分最优的所述机器学习算法作为所述代理模型包括：
24、获取若干机器学习算法，基于所述训练集对所述机器学习算法进行训练，并进行评价，获取代理模型；
25、获取实验原料，对所述实验原料通过试验进行计算分析，获取计算结果，将所述试验中所确定的稀土元素掺杂种类和比例输入所述代理模型，获取代理结果，通过所述计算结果与所述代理结果进行对比，获取最终代理模型，基于验证集对最终代理模型进行验证，获取最优代理模型，实现抗cmas热障涂层材料的开发。
26、可选地，获取所述计算结果包括：
27、获取实验原料，对所述实验原料的a位、b位进行稀土掺杂，并进行筛选，确定稀土元素掺杂种类；
28、对所述稀土元素掺杂种类进行稀土元素掺杂热障涂层陶瓷层实验，制备多孔陶瓷片，对所述多孔陶瓷片进行物理性能表征，获取所述计算结果。
29、可选地，所述稀土元素掺杂种类包括：eu、sm、yb、la、gd、y和zr元素。
30、可选地，制备所述多孔陶瓷片包括：
31、基于高速行星球磨机将所述稀土元素掺杂种类与ysz粉末按预设比例预混，并通过模具单轴压制成陶瓷本文档来自技高网...
【技术保护点】
1.一种基于代理模型的抗CMAS热障涂层材料开发方法，其特征在于，包括：
2.根据权利要求1所述的基于代理模型的抗CMAS热障涂层材料开发方法，其特征在于，构建稀土元素掺杂热障涂层仿真模型包括：
3.根据权利要求1所述的基于代理模型的抗CMAS热障涂层材料开发方法，其特征在于，所述多源数据包括：输入数据和输出数据；
4.根据权利要求1所述的基于代理模型的抗CMAS热障涂层材料开发方法，其特征在于，对所述多源数据进行处理，将处理后的所述多源数据划分出训练集包括：
5.根据权利要求1所述的基于代理模型的抗CMAS热障涂层材料开发方法，其特征在于，所述机器学习算法包括：
6.根据权利要求1所述的基于代理模型的抗CMAS热障涂层材料开发方法，其特征在于，获取所述代理模型包括：
7.根据权利要求1所述的基于代理模型的抗CMAS热障涂层材料开发方法，其特征在于，获取评分最优的所述机器学习算法作为所述代理模型包括：
8.根据权利要求7所述的基于代理模型的抗CMAS热障涂层材料开发方法，其特征在于，获取所述计算结
9.根据权利要求7所述的基于代理模型的抗CMAS热障涂层材料开发方法，其特征在于，所述稀土元素掺杂种类包括：Eu、Sm、Yb、La、Gd、Y和Zr元素。
10.根据权利要求8所述的基于代理模型的抗CMAS热障涂层材料开发方法，其特征在于，制备所述多孔陶瓷片包括：
...【技术特征摘要】
1.一种基于代理模型的抗cmas热障涂层材料开发方法，其特征在于，包括：
2.根据权利要求1所述的基于代理模型的抗cmas热障涂层材料开发方法，其特征在于，构建稀土元素掺杂热障涂层仿真模型包括：
3.根据权利要求1所述的基于代理模型的抗cmas热障涂层材料开发方法，其特征在于，所述多源数据包括：输入数据和输出数据；
4.根据权利要求1所述的基于代理模型的抗cmas热障涂层材料开发方法，其特征在于，对所述多源数据进行处理，将处理后的所述多源数据划分出训练集包括：
5.根据权利要求1所述的基于代理模型的抗cmas热障涂层材料开发方法，其特征在于，所述机器学习算法包括：
6.根据权利要...
【专利技术属性】
技术研发人员：叶东东，吴飞翔，潘家保，李瑞，许书恒，黄新春，黄章峰，李朝雄，徐洲，印长东，武轶文，刘厚励，徐建飞，
申请(专利权)人：安徽工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。