【技术实现步骤摘要】
本专利技术属于材料冶金，具体涉及一种基于神经网络模型的合金成分优化方法。
技术介绍
1、镍基高温合金具有广阔的成分空间、新颖的设计理念、独特的性能以及优异的性能调控自由度等特性，但同时也给工程技术人员如何快速高效地筛选出所需的镍基高温合金体系造成困难。传统的新品种合金开发流程主要是基于试错法，通过人工初步筛选合金成分，之后利用电弧熔炼制备样品进行实测验证。此方式需要平白消耗大量的试错成本，对于目标合金的筛选及设计是非常不利的。
2、随着技术的发展，一些新的更为高效的合金成分优化方法被陆续提出。例如专利号为cn202311225177.7的文献中所提出的低合金钢合金成分优化方法，在低合金体系中展现出一定效用；但是其在面对镍基高温合金这一复杂且多变的材料体系时，仍暴露出较大局限性。
技术实现思路
1、针对现有技术中存在的不足，本专利技术提供了一种基于神经网络模型的合金成分优化方法，用以解决镍基高温合金在研发过程中的成分优化效率问题。
2、本专利技术通过以下技术手段实现上
本文档来自技高网...【技术保护点】
1.一种基于神经网络模型的合金成分优化方法，其特征在于：针对所要制备的目标合金，制作数据集训练神经网络模型，所述模型的输入为合金成分，模型的输出为合金性能；使用所训练的模型预测合金性能，并依据模型预测结果优化调整合金成分。
2.根据权利要求1所述的基于神经网络模型的合金成分优化方法，其特征在于：数据集制作为：
3.根据权利要求2所述的基于神经网络模型的合金成分优化方法，其特征在于：所述数据集制作中：基于目标合金的相图，以能够形成面心立方单相固溶体为要求，选出一组合金成分作为基准；之后以所述基准合金成分为中心向外扩展出10～20组基础合金成分。<...
【技术特征摘要】
1.一种基于神经网络模型的合金成分优化方法，其特征在于：针对所要制备的目标合金，制作数据集训练神经网络模型，所述模型的输入为合金成分，模型的输出为合金性能；使用所训练的模型预测合金性能，并依据模型预测结果优化调整合金成分。
2.根据权利要求1所述的基于神经网络模型的合金成分优化方法，其特征在于：数据集制作为：
3.根据权利要求2所述的基于神经网络模型的合金成分优化方法，其特征在于：所述数据集制作中：基于目标合金的相图，以能够形成面心立方单相固溶体为要求，选出一组合金成分作为基准；之后以所述基准合金成分为中心向外扩展出10～20组基础合金成分。
4.根据权利要求2所述的基于神经网络模型的合金成分优化方法，其特征在于：所述数据集制作中：采用纯度为99.9at％的金属原料，利用热等静压微合成制造技术在真空状态下制备合金样品。<...
【专利技术属性】
技术研发人员：杨林，林伟，罗锐，程晓农，李亚帆，赖烨，翁心悦，姜欣欣，刘恒，张显甫，
申请(专利权)人：江苏大学，
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。