一种基于机器学习的500MPa级风电用钢成分设计方法技术

本发明专利技术涉及一种基于机器学习的500MPa级风电用钢成分设计方法，属于材料科学与工程技术领域，基于热力学数据库‑机器学习‑优化算法相结合，并进行实验验证，包括：1)构建数据集；2)构建预测模型；3)多目标成分优化；4)数据性能验证。本发明专利技术的方法可以通过使用热力学数据库数据，保证数据来源的一致性和数据量广泛性，对材料科学领域一些数据量有限的机器学习问题具有参考意义。同时相比于传统试错法，节省了时间和成本，该方法对其他结构用钢的成分设计具有普适性，为钢铁行业的成分设计提供了新思路。

【技术实现步骤摘要】

本专利技术属于材料科学与工程，涉及一种基于机器学习的500mpa级风电用钢成分设计方法。

技术介绍

1、

2、目前，国内风电用钢使用较多的是q420和q460钢板，这类钢钢板主要是以铁素体和珠光体组织为主，中国专利cn113957336a公开了一种低成本高韧性q460钢板生产方法，组织为铁素体和珠光体组织，屈服强度为498mpa～546mpa，屈强比≥0.8。

3、中国专利cn116445810a公开了一种正火轧制型420mpa级高强韧风电用钢板及其制备方法，碳含量为0.15wt.％，组织为铁素体和珠光体组织，屈服强度≥470mpa，屈强比≥0.8。

4、以上专利虽然设计出来多种风电用钢，但是碳含量较高，风塔强度较低，又具有较高的屈强比，很容易造成钢板开裂。同时风电塔筒作为一种焊接材料，铁素体和珠光体组织在焊后焊接区组织差异较大，尤其是热影响区晶粒显著粗化并形成了马氏体等脆性相，造成风塔开裂，严重影响了风塔服役安全性。

5、因此需要对q420和q460钢板升级，选用500mpa级别甚至更高强度级别材料以减轻设本文档来自技高网...

【技术保护点】

1.一种基于机器学习的500MPa级风电用钢成分设计方法，其特征在于：所述方法的步骤为：

2.根据权利要求1所述的基于机器学习的500MPa级风电用钢成分设计方法，其特征在于：所述S1中的数据集至少包含800组成分数据，所述成分包括C、Si、Mn、Ni、Cr、Mo、Cu、V、Ti、Nb10种元素，其中将V、Ti、Nb的含量固定为0.05％、0.015％、0.05％，所设计钢板的厚度为20mm。

3.根据权利要求1所述的基于机器学习的500MPa级风电用钢成分设计方法，其特征在于：所述低碳风电用钢数据集的冷速选择为3℃/s、20℃/s和40℃/s。

4....

【技术特征摘要】

1.一种基于机器学习的500mpa级风电用钢成分设计方法，其特征在于：所述方法的步骤为：

2.根据权利要求1所述的基于机器学习的500mpa级风电用钢成分设计方法，其特征在于：所述s1中的数据集至少包含800组成分数据，所述成分包括c、si、mn、ni、cr、mo、cu、v、ti、nb10种元素，其中将v、ti、nb的含量固定为0.05％、0.015％、0.05％，所设计钢板的厚度为20mm。

3.根据权利要求1所述的基于机器学习的500mpa级风电用钢成分设计方法，其特征在于：所述低碳风电用钢数据集的冷速选择为3℃/s、20℃/s和40℃/s。

4.根据权利要求1所述的基于机器学习的500mpa级风电用钢成分设计方法，其特征在于：所述s2的深度神经网络dnn预测模型包含3个，每个模型以c、si、mn、ni、cr、mo、cu元素含量作为输入数据，3℃/s冷速下贝氏体和铁素体含量、20℃冷速下屈服强度和抗拉强度、40℃/s冷速下贝氏体和铁素体含量作为输出数据。

5.根据权...

【专利技术属性】
技术研发人员：何金珊，王帆，王西涛，康旺，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：