[发明专利]一种基于机器学习模型的金属材料性能计算方法在审

专利信息
申请号: 202110766139.7 申请日: 2021-07-07
公开(公告)号: CN113486588A 公开(公告)日: 2021-10-08
发明(设计)人: 方正;卢峰;王轩泽;牟光俊;袁梦菲;熊杰;刘泽 申请(专利权)人: 创材深造(苏州)科技有限公司
主分类号: G06F30/27 分类号: G06F30/27;G06K9/62
代理公司: 北京盛凡智荣知识产权代理有限公司 11616 代理人: 朱学绘
地址: 215124 江苏省苏州市中国(江苏)自由贸易试*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 机器 学习 模型 金属材料 性能 计算方法
【说明书】:

发明公开了一种基于机器学习模型的金属材料性能计算方法,具体包括下列步骤:步骤一,根据已有数据的材料成分分布与工艺、经验确定实验样本的输入空间;步骤二,需要确定每个输入样本所提取的特征步骤三,确定输入样本所提取的特征后,进行迭代式的序列学习循环。本发明涉及机器学习算法技术领域,具体提供了一种基于机器学习模型的金属材料性能计算方法,通过使用模型改善置信度来寻找最优的备选实验点,与随机采样方法相比,在达到同样的性能指标的情况下,大幅减少了实验点的数量,节省了材料开发的时间与成本;与人工试错方法相比,不需要丰富的开发经验,降低了对于资深研发人员的需求。

技术领域

本发明涉及机器学习算法技术领域,特别涉及材料信息学领域中金属材料性能指标的基于机器学习模型的优化算法,具体为一种基于机器学习模型的金属材料性能计算方法。

背景技术

金属材料是指具有光泽、延展性、容易导电、传热等性质的材料。金属材料种类多种多样,对于国家的经济发展有着至关重要的作用。

目前的制造厂商在设计产品或部件时,通常是在一定的材料性能标准下进行的。为了保证指标符合预期,厂商会进行模拟仿真、实验测试与试生产。制造厂商通常会从手册中选取合适的材料标号或设计一款新型材料,并要求供应商根据需求开发一款符合该性能的材料。然而新型材料能否符合预期,对厂商或供应商而言都无从得知,同时有些性能指标对于供应商难以实现。

发明内容

针对上述情况,为弥补上述现有缺陷,本发明基于现有实验试错方法的不足,提供了一种基于机器学习模型的金属材料性能计算方法,该方法通过算法模型实现自动化机器学习模型调参;并通过计算模型优化置信度,找出当前训练集下一个或多个最有可能实现材料性能提升的材料成分配比。

本发明提供如下的技术方案:本发明一种基于机器学习模型的金属材料性能计算方法,具体包括下列步骤:

步骤一,根据已有数据的材料成分分布与工艺、经验确定实验样本的输入空间,输入空间的确定包括如下部分:

(1)输入成分的参数空间M;

(2)输入加工工艺的参数空间C;

(3)输入后处理工艺的参数空间P;

(4)确定了三个子空间后,输入空间X为M×C×P(笛卡尔积),输出空间Y;

例如对钛合金,已有的标号有Ti6Al4V,则输入空间的确定包括如下步骤:

(1)输入成分的参数空间M

对于已有标号Ti6Al4V,输入空间应包含Ti,Al和V的成分比例;同时根据经验,C和B的成分比例也应加以考虑,因此材料成分的输入空间应为M={Ti%,Al%,V%,C%,B%},其中Ti%为Ti的成分比例,其他成分类似,同时材料的生产工艺与后处理工艺参数也需要考虑在内;

(2)输入加工工艺的参数空间C

加工工艺是制造方在原材料基础上进行的增材、减材、变形等手段,使最终形态符合制造方的期望,加工类型包括但不限于锻造、铸造、切削、3D打印,以3D打印为例,加工工艺包括但不限于激光功率C1、扫描速率C2,激光尺寸C3、能量密度C4等,可表示为C={C1,C2,C3,C4,…}。

(3)输入后处理工艺的参数空间P

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于创材深造(苏州)科技有限公司,未经创材深造(苏州)科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110766139.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top