使用机器学习设计激光覆盖基自流合金涂层的耐磨设计
Jiabo Fu1, Quanling Yang1, Oleg Devojno2
1State Key Laboratory of Rolling and Automation, Northeastern University, Shenyang 110819, China.
Materials (Basel, Switzerland)
|November 27, 2024
概括
机器学习优化了对耐磨涂料的激光覆盖. 这种方法通过识别碳和等关键元素来增强合金设计,从而实现卓越的性能和高效的工艺开发.
科学领域:
- 材料科学 材料科学 材料科学
- 机械工程 机械工程
- 计算科学 计算科学
背景情况:
- 激光覆盖对于创建耐磨涂层至关重要.
- 优化基于Ni的自流合金 (SFA) 涂层需要平衡成分和加工参数.
- 当前的设计方法可能是低效和耗时的.
研究的目的:
- 应用机器学习来改进激光覆盖的协作设计,以Ni为基础的SFA耐磨涂层.
- 开发合金组成和加工参数的高效优化系统.
- 为激光处理应用提供方法论见解.
主要方法:
- 从文献数据构建了一个全面的数据库.
- 使用特征相关性分析 (皮尔森) 和特征重要性 (随机森林 - RF).
- 评估了五种经典的机器学习算法,并将RF与遗传算法 (GA) 结合起来进行优化.
主要成果:
- 确定了碳 (C) 和 (B) 作为影响磨损性能的重要元素.
- 该RF-GA优化系统成功设计了多个组合和工艺计划.
- 优化合金表现出优越的耐磨性 (摩擦系数为0.34),这是由于增强的强化效应和硬相含量.
结论:
- 机器学习,特别是RF-GA系统,提供了一种有效的方法来优化激光覆盖过程.
- 该研究为开发先进的耐磨涂料提供了宝贵的理论支持和方法见解.
- 这种方法可以扩展到优化其他激光处理应用.
