首页  专利技术  医药医疗技术的改进;医疗器械制造及应用技术

一种基于机器学习用于A356.2系铝合金设计的方法与流程

135次浏览

技术特征:

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、y、zr、be、mg、li、zn、sr、nd、si。

5.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s2中,所述机器学习模型包括高斯过程回归模型、极限梯度提升决策树模型。

6.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s2中,所述训练,其条件为:

7.根据权利要求1-6任一所述设计的方法预测得到的铝合金材料,其特征在于:所述材料的化学组份为al92.9si6.6mg0.35co0.15。

8.一种制备如权利要求7所述铝合金材料al92.9si6.6mg0.35co0.15的方法,包括如下步骤:

9.根据权利要求8所述方法制备得到的铝合金材料al92.9si6.6mg0.35co0.15,其特征在于:在拉伸速率为0.5mm/s下进行拉伸实验,其屈服强度为131.3mpa,抗拉强度为204mpa,延伸率为1.97%。


技术总结
本发明属于铝合金技术领域,涉及一种基于机器学习用于A356.2系铝合金设计的方法,包括:S1、数据库的建立;S2、机器学习模型的训练;S3、A356.2系铝合金性能的预测。根据本发明所述方法预测得到的铝合金化学组份为Al<subgt;92.9</subgt;Si<subgt;6.6</subgt;Mg<subgt;0.35</subgt;Co<subgt;0.15</subgt;及屈服强度和延伸率,还公开了所述Al<subgt;92.9</subgt;Si<subgt;6.6</subgt;Mg<subgt;0.35</subgt;Co<subgt;0.15</subgt;的制备方法。本发明的预测方法中,高斯过程回归模型预测屈服强度的拟合优度可达0.998,极限梯度提升决策树模型预测延伸率的拟合优度可达0.897。本发明具备满足预测要求的数据集,有普遍性,拟合优度高达0.998,具备极高的预测能力,能精准预测A356.2系铝合金的力学性能,提高该系列铝合金研发效率,节省人力物力;2、所筛选的Al<subgt;92.9</subgt;Si<subgt;6.6</subgt;Mg<subgt;0.35</subgt;Co<subgt;0.15</subgt;铝合金,其力学性能超过现有A356.2系铝合金,屈服强度131.3Mpa,抗拉强度204Mpa,延伸率1.97%。

技术研发人员:宋士昌,张伟斌,裔国宇,张垠,马若楠
受保护的技术使用者:大亚车轮制造有限公司
技术研发日:
技术公布日:2024/11/18
文档序号 : 【 40050385 】

技术研发人员:宋士昌,张伟斌,裔国宇,张垠,马若楠
技术所有人:大亚车轮制造有限公司

备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
宋士昌张伟斌裔国宇张垠马若楠大亚车轮制造有限公司
一种智能健身系统及分析方法与流程 基于深度学习的批量伤员移送医治策略控制系统及方法
相关内容