| 基于Bayesian采样主动机器学习模型的6061铝合金成分精细优化 |
| |
| 引用本文： | 赵婉辰,郑晨,肖斌,刘行,刘璐,余童昕,刘艳洁,董自强,刘轶,周策,吴洪盛,路宝坤. 基于Bayesian采样主动机器学习模型的6061铝合金成分精细优化[J]. 金属学报, 2021, 57(6): 797-810. DOI: 10.11900/0412.1961.2020.00298 |
| |
| 作者姓名： | 赵婉辰 郑晨 肖斌 刘行 刘璐 余童昕 刘艳洁 董自强 刘轶 周策 吴洪盛 路宝坤 |
| |
| 作者单位： | 上海大学 材料基因组工程研究院 上海 200444;上海大学 钱伟长学院 上海 200444;福建省南平铝业股份有限公司 南平 353099 |
| |
| 摘 要： | 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.
|
| 关 键 词： | 机器学习 Bayesian优化 高通量实验 6061铝合金 成分精细优化 |
Composition Refinement of 6061 Aluminum Alloy Using Active Machine Learning Model Based on Bayesian Optimization Sampling |
| |
| ZHAO Wanchen,ZHENG Chen,XIAO Bin,LIU Xing,LIU Lu,YU Tongxin,LIU Yanjie,DONG Ziqiang,LIU Yi,ZHOU Ce,WU Hongsheng,LU Baokun. Composition Refinement of 6061 Aluminum Alloy Using Active Machine Learning Model Based on Bayesian Optimization Sampling[J]. Acta Metallurgica Sinica, 2021, 57(6): 797-810. DOI: 10.11900/0412.1961.2020.00298 |
| |
| Authors: | ZHAO Wanchen ZHENG Chen XIAO Bin LIU Xing LIU Lu YU Tongxin LIU Yanjie DONG Ziqiang LIU Yi ZHOU Ce WU Hongsheng LU Baokun |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
