申请/专利权人：广东海洋大学

申请日：2022-11-09

公开（公告）日：2023-01-06

公开（公告）号：CN115579091A

主分类号：G16C60/00

分类号：G16C60/00;G16C20/70

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.01.24#实质审查的生效;2023.01.06#公开

摘要：本发明公开了一种基于机器学习的多性能协同优化高熵合金成分设计方法，该方法为建立高熵合金成分—性能初始数据集；进行数据清洗，将清洗后的数据进行标准化处理，获得高熵合金性能训练集；利用高熵合金性能训练集确定高熵合金各性能预测的基模型，确定成分搜索空间内高熵合金各性能的期望提升EI值；确定成分搜索空间中合金性能EI值的帕累托前沿；聚类分析得到EI值帕累托前沿的类中心，确定对应EI值的高熵合金及其关联的成分信息；制备该高熵合金；对制备获得的高熵合金进行各目标性能的表征测试，如果测试数据不满足需求，根据所述测试数据更新高熵合金成分—性能初始数据集。本发明能够实现高熵合金多性能协同优化的高效成分设计。

主权项：1.一种基于机器学习的多性能协同优化高熵合金成分设计方法，其特征在于，该方法包括：根据高熵合金的历史数据信息建立高熵合金成分—性能初始数据集；对所述高熵合金各性能参数进行数据清洗，将清洗后的数据进行标准化处理，获得高熵合金性能训练集；通过所述高熵合金性能训练集，分别针对高熵合金各目标性能训练若干个机器学习模型，依次筛选确定高熵合金各性能预测的基模型；通过所述基模型确定成分空间内搜索得到的高熵合金各性能的期望提升EI值；确定待优化的高熵合金性能训练集中高熵合金目标成分的搜索空间，以高熵合金各性能的EI值为目标，进行遗传优化搜索，确定搜索成分空间中合金性能EI值的帕累托前沿；对所述EI值的帕累托前沿进行聚类分析，筛选获得对应EI值的高熵合金及其关联的成分信息；采用真空电弧炉熔炼方法制备所述对应EI值关联成分信息的高熵合金；对制备获得的高熵合金进行各目标性能的表征测试，如果测试数据不满足需求，根据所述测试数据更新高熵合金成分—性能初始数据集。

全文数据：

权利要求：

百度查询： 广东海洋大学 基于机器学习的多性能协同优化高熵合金成分设计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD