[发明专利]高通量样品制备设备及数据驱动的铝合金成分设计方法

说明书

本发明公开了一种高通量样品制备设备和基于该设备的数据驱动的铝合金成分设计方法。设备包括导热板；贴附于导热板的加热棒，加热棒沿第一方向延伸并沿第二方向并排分布；冷却水道贴附于导热板的周边并环绕所有加热棒；沿第一方向分布的冷却水道和沿第二方向分布的冷却水道独立控制。利用该设备制备高通量铝合金样品，通过调节加热棒功率、循环水箱工作温度和循环水流速使基片具有梯度温度分布；表征分析各微区铝合金的合金成分和性能参数并训练人工神经网络模型；采用遗传算法智能寻优并调用训练好的人工神经网络模型计算对应的个体适应度，输出优化后的合金成分与制备参数，从而实现高性能铝合金合金成分的高效设计，缩短新合金设计流程。

技术领域

本发明属于合金成分设计技术领域，更具体地，涉及一种高通量样品制备设备及数据驱动的铝合金成分设计方法。

背景技术

铝合金具有密度低、比强度高、耐蚀性强和易加工等优点，在航空航天、车辆装备等行业得到广泛应用。尤其是Al-Zn-Mg-Cu铝合金，因具有超高强度而被广泛应用于航空航天领域实现装备的轻量化。Al-Zn-Mg-Cu铝合金作为航空航天装备主要结构材料之一，其性能直接关系到装备的性能水平。在制备期间，合金成分和热处理均会对铝合金性能产生复杂的影响，而相应的定量关系又不明确，提高强度容易出现韧性和耐蚀性下降的问题，而改善耐蚀性又同时带来了强度的降低，难以获得优良的综合性能。

近年来兴起了一种利用智能化手段对数据进行分析从而对合金成分进行优化的合金设计方法，智能化手段的优化能力与数据量直接相关，数据量越大越全面，则分析优化水平越高。因此，获取大量合金成分、制备参数与相应材料性能的数据是利用智能化手段进行合金成分设计的关键。目前一般是采用高通量样品制备技术制备大量样品，但是，目前的高通量样品制备技术，要么工艺参数间隔及范围有限，导致可获取的有效数据量和信息有限，要么针对每个样品的制备工艺单独控制，导致设备及工艺复杂。

基于此，如何获取大量可靠数据并实现数据驱动的铝合金高效智能的合金成分设计成为亟待解决的问题。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种高通量样品制备设备及数据驱动的铝合金成分设计方法，其目的在于高效获取大量有效合金数据并智能分析利用数据得到新型铝合金成分。

为实现上述目的，按照本发明的一个方面，提供了一种高通量样品制备设备，包括：

导热板，用于导热；

基片，承载于所述导热板上；

多根长条形加热棒，贴附于所述导热板的背面，每根加热棒沿第一方向延伸，所有加热棒沿第二方向并排分布，第一方向与第二方向垂直；

多路输出功率可控电源，与每根加热棒连接以独立控制每根加热棒的加热功率；

多个冷却水道，贴附于所述导热板的周边并环绕所有长条形加热棒；

第一循环水箱，与沿第一方向分布于加热棒两侧的冷却水道相连通；

第二循环水箱，与沿第二方向分布于加热棒两侧的冷却水道相连通，且第一循环水箱和第二循环水箱相互独立。

在其中一个实施例中，加热棒的数量至少5根，所有加热棒等间距并排分布。

在其中一个实施例中，冷却水道的数量为4，其中2个水管沿第一方向分布于加热棒两侧、另外中2个水管沿第二方向分布于加热棒两侧。

按照本发明的另一方面，提供了一种数据驱动的铝合金成分设计方法，包括：

利用上述的高通量样品制备设备制备高通量铝合金样品，其中，将基片均分为大量的微区，在制备期间，通过调整所述高通量样品制备设备中的各沉积源与基片的相对角度及位置以使基片不同微区中所形成的铝合金合金成分不同，并通过调节加热棒功率、循环水箱工作温度和循环水流速使基片具有梯度温度分布；