论文摘要
硬度是工模具钢性能的一个重要指标.本文通过机器学习中的层次聚类和LASSO回归方法,给出了工模具钢硬度-成分关系的解析表达式.层次聚类将79种牌号工模具钢的合金元素成分-硬度数据集按欧式距离分为了4簇,其中高铬钢和低铬钢两簇包含了几乎所有的数据.然后我们对高铬钢和低铬钢两簇数据分别进行LASSO回归,画出LASSO路径,并利用留一法交叉验证得到具有最佳泛化预测能力的成分-硬度的解析公式.之后引入电负性、原子半径变化率、价电子数、电子亲合能和第一电离能等原子尺度的特征,重新进行LASSO回归,得到了新的硬度公式.结果显示机器学习方法可以成功预报工模具钢的硬度.同时,使用原子尺度的特征为钢铁材料的性能研究提供了新的思路.
论文目录
文章来源
类型: 期刊论文
作者: 王家豪,孙升,何燕霖,张统一
关键词: 机器学习,工模具钢,硬度预测
来源: 中国科学:技术科学 2019年10期
年度: 2019
分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技
专业: 金属学及金属工艺,自动化技术
单位: 上海大学材料基因组工程研究院,上海大学材料科学与工程学院
基金: 国家重点研发计划(编号:2017YFB0701604,2018YFB0704400)资助项目
分类号: TG142.45;TP181
页码: 1148-1158
总页数: 11
文件大小: 1320K
下载量: 175