1.一种高抗腐蚀非标不锈钢,其特征在于,该高抗腐蚀非标不锈钢按质量比组分由Cr 22~26%、Mo 2.9~3.3%、N 0.28~0.36%、Fe 60.31~64.8%、C<0.03%组成。
2.一种如权利要求1所述高抗腐蚀非标不锈钢的制备方法,其特征在于,该高抗腐蚀非标不锈钢的制备方法是将支持向量回归(SVR)与粒子群寻优(PSO)相结合,建立一种新的基于配方的不锈钢点蚀电位的有效SVR模型,并由此模型预测高抗腐蚀非标不锈钢的最优组分及对应的最大点蚀电位,具体包括以下步骤:
改变元素Cr、Mo、N、Fe、C含量,采用电炉或真空感应炉制备具有不同元素含量的若干个不锈钢样品;
按照国标电化学方法测量各样品的点蚀电位值,采集各样品Cr、Mo、N、Fe、C元素含量及对应样品的点蚀电位相关数据,利用所采集的训练样本实验数据构建点蚀电位与样品元素含量之间的SVR模型;
利用检验样本数据对所建SVR模型的准确性或可靠性进行评估、分析,若所建SVR模型预测的平均绝对百分误差达到实用要求,则该模型可靠,否则改变训练样本,重新训练以获得新的SVR模型,再利用未参与建模训练的检验样本数据对所建SVR模型进行检验,直到所建SVR模型的平均绝对百分误差达到实用要求为止,此时的SVR模型即为最优模型;
利用上述优化的SVR模型,改变自变量值,经过格点扫描,获取具有最高点蚀电位时的高抗腐蚀非标不锈钢所具有的各成分含量。
3.如权利要求2所述高抗腐蚀非标不锈钢的制备方法,其特征在于,所述建立合适模型为:
式中,y为目标值(点蚀电位),l为支持向量个数,αi,为拉格朗日乘子,k(x,xi)为核函数,b为偏差阈值,x为样本自变量(不锈钢各成分质量百分含量);
利用机器学习理论与方法、训练样本建模。
4.如权利要求2所述高抗腐蚀非标不锈钢的制备方法,其特征在于,所述优化的SVR模型,利用优化的SVR模型获取具有最高点蚀电位时的高抗腐蚀非标不锈钢各成分含量后,再进行样品制备、点蚀电位测量进行验证。
5.如权利要求2所述高抗腐蚀非标不锈钢的制备方法,其特征在于,所述优化的SVR模型,利用优化的SVR模型获取高抗腐蚀非标不锈钢各成分含量,同时获得高抗腐蚀非标不锈钢产品的最大点蚀电位值。