|
2021年, 第57卷, 第6期 刊出日期:2021-06-11
|
上一期
下一期 |
|
|
|
基于Bayesian采样主动机器学习模型的6061铝合金成分精细优化
赵婉辰, 郑晨, 肖斌, 刘行, 刘璐, 余童昕, 刘艳洁, 董自强, 刘轶, 周策, 吴洪盛, 路宝坤
金属学报. 2021, 57 (6): 797-810.
DOI: 10.11900/0412.1961.2020.00298
结合高通量材料制备实验与基于Bayesian优化采样策略的主动学习方法,开发了有效的机器学习模型来描述合金元素组成与硬度之间的关系,并分析关键微量元素含量对硬度的影响。研究发现,经过3轮迭代64个铝合金样品建模后,Bayesian取样策略方法的预测硬度误差为4.49 HV (7.23%),远低于应用人工经验采样法的机器学习模型误差9.73 HV (15.68%),且当铝合金中的Mg和Si比值Mg/Si在1.37~1.72时,具有较高的合金硬度。通过在6061铝合金标准名义成分范围内进行成分精细优化以及性能调控,为工业上提高产品质量提供了可实现的策略.
Figures and Tables |
References |
Related Articles |
Metrics
|
|