基于机器学习的工模具钢硬度预测

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

• 1 引言
• 2 数据来源与方法
• 3 结果与分析
• 4 结论

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