基于机器学习的低弹性模量钛合金建模和预测的研究

作     者：潘登 李谦 李强 PAN Deng;LI Qian;LI Qiang

作者机构：上海大学材料基因组工程研究院上海200444 上海理工大学机械工程学院上海200093 

基　　金：上海高性能医疗器械材料工程技术研究中心(20DZ2255500) 

出 版 物：《有色金属材料与工程》 (Nonferrous Metal Materials and Engineering)

年 卷 期：2023年第44卷第5期

页      码：1-8页

摘      要：针对钛合金弹性模量快速预测的需要,采用合金设计公式对原始合金数据进行转换,利用转换所得的Mo当量、d-电子结合次数和d-电子结合能作为数据集;采用多层感知器、随机森林网络和卷积神经网络三种机器学习方法,基于数据驱动方式搭建钛合金成分与弹性模量的关系模型。结果表明,相比随机森林网络模型和卷积神经网络模型,多层感知器模型具有更优的预测性能和预测精度。此外,多层感知器模型的预测能力符合预期,其相关指数评分达到0.66,均方根误差为7.54 GPa;说明多层感知器适用于医用钛合金的数据挖掘和研发。

主 题 词：钛合金 弹性模量 机器学习 

学科分类：080503[080503] 08[工学] 0805[工学-能源动力学] 0802[工学-机械学] 080201[080201] 

D　O　I：10.13258/j.cnki.nmme.2023.05.001

馆 藏 号：203124234...