龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：上海大学;浙江唯象材料科技有限公司
申请日：2024-04-15
公开（公告）日：2024-06-28
公开（公告）号：CN118262844A
主分类号：G16C60/00
分类号：G16C60/00;G16C20/30;G16C20/70;G06N3/0455;G06N3/08
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：本发明涉及高熵合金硬度预测技术领域，更具体地说是一种基于集成学习的高硬度高熵合金成分设计方法，设计方法步骤如下：基于高熵合金体系获取用于预测高熵合金硬度的数据集，然后对初始数据集中的成分数据进行自编码，获取高熵合金的硬度分布隐空间，并使用高斯混合分布模型对隐空间进行抽样，获得参与预测的样本点，接着对多个机器学习选用不同的特征组合进行建模，构建多种模型，并对模型进行训练和评估，筛选出合格的模型然后组成集成模型，通过使用集成学习方法，将多个机器学习模型进行组合形成集成模型，并对参与样本点进行预测，然后进行合金制备并测试，最终实现高硬度高熵合金成分的设计。
主权项：1.一种基于集成学习的高硬度高熵合金成分设计方法，其特征在于，设计方法步骤如下：S1：基于高熵合金体系获取用于预测高熵合金硬度的数据集，高熵合金体系为Al-Co-Cr-Cu-Fe-Ni体系，基于该体系收集多条成分和其对应的硬度数据，并结合高熵合金的物理特征，形成用于进一步分析的数据集，数据集条数为100-300；S2：然后对数据集中的成分数据进行自编码，获取高熵合金的硬度分布隐空间；S3：使用高斯混合分布模型对隐空间进行抽样，筛选的样本数量为1000-3000，获得参与预测的样本点；S4：对多个机器学习选用不同的特征组合进行建模，构建多种模型，并对模型进行训练和评估，筛选出合格的模型然后组成集成模型；S5：根据集成模型对于参与样本点进行预测，获取硬度预测结果；S6：采用效能函数排序选择实验点进行制备样本，然后测试样本点硬度，其中硬度值需达到800HV以上；若测试的硬度值低于800HV标准，将重复之前的S2至S5，利用更新后的数据集重新进行模型的训练、验证和筛选，以优化合金的成分设计，最终实现高硬度高熵合金成分的设计；反之硬度值高于800HV标准，则进行进一步的性能评估和应用探索。
全文数据：
权利要求：
百度查询： 上海大学;浙江唯象材料科技有限公司 一种基于集成学习的高硬度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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号