基于数据增强机器学习的新型高温合金的组合设计
Xinpeng Fu1,2, Boya Li3, Binguo Fu1,2
1State Key Laboratory of High Performance Roll Materials and Composite Forming, School of Materials Science and Engineering, Hebei University of Technology, Tianjin 300401, China.
Materials (Basel, Switzerland)
|July 12, 2025
概括
在航空航天领域,开发新型低成分高温合金至关重要. 这项研究使用机器学习和数据增强来设计一种具有出色的高温机械性能和简化制造的新金合金.
科学领域:
- 材料科学与工程 材料科学与工程
- 金工业是金工业的一个方面.
- 计算材料设计设计 计算材料设计
背景情况:
- 高温合金对于航空航天和国防至关重要,使得更轻,更有弹性的组件成为可能.
- 具有众多元素的传统合金使造和变形等制造过程复杂化.
- 迫切需要简化,低成分的高温合金,适合热加工.
研究的目的:
- 通过机器学习加速开发新的低组件高温合金.
- 设计和验证一种具有改进的可制造性和性能的新型高温合金.
主要方法:
- 采用数据增强 (高斯噪声) 来增强机器学习模型的概括能力.
- 评估了四种机器学习模型 (XGBoost,RF,AdaBoost,Lasso) 用于预测合金属性.
- 根据性能最好的XGBoost模型设计了一种新型的金合金 (Ti-7.2Al-1.8Mo-2.0Nb-0.4Si).
主要成果:
- 在数据增强后,XGBoost模型实现了高预测准确性 (R2=0.94).
- 设计的金合金在600°C时表现出629MPa的高最终抗拉强度 (UTS),与预测密切匹配.
- 这种新型合金与传统的六元素合金相比,具有较少的组件,显示出具有竞争力的高温机械性能.
结论:
- 通过数据增强增强的机器学习有效地帮助设计先进的低组件高温合金.
- 新型金合金为航空航天应用提供了一个有前途的替代品,因为它具有平衡的特性和简化的组成.
- 微观结构分析证实了具有Widmanstätten结构的α+β型合金,表现出混合折裂行为.
更多相关视频
11:11Experimental Methods for Investigation of Shape Memory Based Elastocaloric Cooling Processes and Model Validation
Published on: May 2, 2016
11.2K
09:12Production of Single Tracks of Ti-6Al-4V by Directed Energy Deposition to Determine the Layer Thickness for Multilayer Deposition
Published on: March 13, 2018
9.4K
