【技术实现步骤摘要】
本专利技术属于金属材料，尤其涉及一种基于机器学习和符号回归的七元难熔高熵合金预测方法。
技术介绍
1、难熔高熵合金是一种新型的合金材料，具有高强度、高硬度、高耐磨性和高耐腐蚀性等优点。然而，由于其成分复杂，制备工艺复杂，使其性能预测与优化变得非常困难。
2、传统的合金性能预测方法主要依赖于实验和经验公式，这种方法不仅耗时耗力，而且预测精度有限。
3、随着机器学习技术的发展，越来越多的研究者开始尝试使用机器学习方法来预测合金的性能。机器学习是一种通过学习和理解数据，从而进行预测和决策的方法。它可以从大量的数据中学习出有用的信息，然后用这些信息来预测新的数据。在合金性能预测中，机器学习可以通过学习大量的实验数据，找出影响合金性能的关键因素，然后根据这些因素来预测合金的性能。基于机器学习的难熔高熵合金硬度预测方法，可以较传统预测方法大大提高预测的效率和精度，为难熔高熵合金的设计和优化提供有力的工具，然而通过调研发现现有机器学习模型针对多元难熔高熵合金预测精度仍有一定欠缺。
技术实现思路>
1、本文档来自技高网...
【技术保护点】
1.一种基于符号算法辅助机器学习的七元难熔高熵合金硬度预测方法，其特征在于，包括：
2.根据权利要求1所述的基于符号算法辅助机器学习的七元难熔高熵合金硬度预测方法，其特征在于，步骤3中初步的硬度特征集合的特征包括：价电子浓度、比热容差、晶格常数差、摩尔体积差、晶粒尺寸、活化能失配、吉布斯自由能、六次功函数和参数δBo。
3.根据权利要求2所述的基于符号算法辅助机器学习的七元难熔高熵合金硬度预测方法，其特征在于：步骤3中的最佳硬度特征子集的特征包括：比热容差、摩尔体积差、晶粒尺寸、活化能失配、吉布斯自由能、六次功函数和参数δBo。
4...
【技术特征摘要】
1.一种基于符号算法辅助机器学习的七元难熔高熵合金硬度预测方法，其特征在于，包括：
2.根据权利要求1所述的基于符号算法辅助机器学习的七元难熔高熵合金硬度预测方法，其特征在于，步骤3中初步的硬度特征集合的特征包括：价电子浓度、比热容差、晶格常数差、摩尔体积差、晶粒尺寸、活化能失配、吉布斯自由能、六次功函数和参数δbo。
3.根据权利要求2所述的基于符号算法辅助机器学习的七元难熔高熵合金硬度预测方法，其特征在于：步骤3中的最佳硬度特征子集的特征包括：比热容差、摩尔体积差、晶粒尺寸、活化能失配、吉布斯自由能、六次功函数和参数δbo。
4.根据权利要求3所述的基于...
【专利技术属性】
技术研发人员：陈顺华，何旺泽，吴玉程，张俊生，岳小康，
申请(专利权)人：合肥工业大学，
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。