【技术实现步骤摘要】
本专利技术属于铝合金，尤其涉及一种基于机器学习用于a356.2系铝合金设计的方法。
技术介绍
1、a356铝合金是上世纪70年代美国所开发的一种a1-si-mg合金，与中国的zl101合金类似。a356合金因为具备优良的铸造性能、比强度高、良好的耐腐蚀和耐磨性，成本低等特点，因此深受汽车、航空、航天、航海、轨道交通等行业重用，特别是汽车轮毂等高要求的铸件，目前也逐渐应用于发动机缸体、缸盖、热交换器等关键部位。但是，现有的a356合金存在屈服强度不超过175mpa、延伸率不超过5％等缺陷，其力学性能还有较大的提升空间。通过xrd和sem技术表征后发现一个关键问题，即现有的铸态a356合金的显微组织由粗大α-a1树枝晶和分布于晶界处的针状共晶硅组成，这种组织不利于合金力学性能的提升。因此进一步优化a356合金的成分以细化这类合金组织是必要提升力学性能的关键。除此之外，现有的a356合金通常采用t6进行热处理。这种热处理方式也需要进一步探索以很大程度上细化粗大α-a1树枝晶及分布于晶界处的针状共晶硅组织，以实现提升现有a356.2合金力学性能
【技术保护点】
1.一种基于机器学习用于铝合金设计的方法，其特征在于，包含以下步骤：
2.根据权利要求1所述的基于机器学习用于铝合金设计的方法，其特征在于：步骤S1中，所述数据库中包含51种元素的580个屈服强度数据，以及21种元素的109个延伸率数据。
3.根据权利要求2所述的基于机器学习用于铝合金设计的方法，其特征在于：步骤S1中，所述51种元素包含Al、Cr、Ti、Cu、Fe、Mn、Ni、Mo、C、Nb、Sn、Ta、Co、B、W、Ga、Gd、Y、Ir、Zr、V、Be、Mg、Li、Zn、Sr、Nd、Ag、Sc、Pd、Ca、La、Er、Ce、Au、Hf、P、...
【技术特征摘要】
1.一种基于机器学习用于铝合金设计的方法，其特征在于，包含以下步骤：
2.根据权利要求1所述的基于机器学习用于铝合金设计的方法，其特征在于：步骤s1中，所述数据库中包含51种元素的580个屈服强度数据，以及21种元素的109个延伸率数据。
3.根据权利要求2所述的基于机器学习用于铝合金设计的方法，其特征在于：步骤s1中，所述51种元素包含al、cr、ti、cu、fe、mn、ni、mo、c、nb、sn、ta、co、b、w、ga、gd、y、ir、zr、v、be、mg、li、zn、sr、nd、ag、sc、pd、ca、la、er、ce、au、hf、p、dy、ho、lu、pr、tb、tm、yb、cd、pt、re、ln、ru、s、si。
4.根据权利要求2所述的基于机器学习用于铝合金设计的方法，其特征在于：步骤s1中，所述21种元素包含al、cr、ti、cu、fe、mn、ni、mo、nb、co、w、gd、...
【专利技术属性】
技术研发人员：宋士昌，张伟斌，裔国宇，张垠，马若楠，
申请(专利权)人：大亚车轮制造有限公司，
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。