手机知网 App
24小时专家级知识服务
打 开
金属学及金属工艺
基于Bayesian采样主动机器学习模型的6061铝合金成分精细优化
结合高通量材料制备实验与基于Bayesian优化采样策略的主动学习方法,开发了有效的机器学习模型来描述合金元素组成与硬度之间的关系,并分析关键微量元素含量对硬度的影响。研究发现,经过3轮迭代64个铝合金样品建模后,Bayesian取样策略方法的预测硬度误差为4.49 HV (7.23%),远低于应用人工经验采样法的机器学习模型误差9.73 HV (15.68%),且当铝合金中的Mg和Si比值Mg/Si在1.37~1.72时,具有较高的合金硬度。通过在6061铝合金标准名义成分范围内进行成分精细优化以及性能调控,为工业上提高产品质量提供了可实现的策略.
0 198
手机阅读本文
下载APP 手机查看本文
金属学报
2021年06期
相似文献
图书推荐
相关工具书

搜 索