一种高温合金成分及工艺设计方法

本发明属于高温合金制备，尤其涉及一种高温合金成分及工艺设计方法。

背景技术：

1、镍基高温合金在整个高温合金领域占有特殊重要的地位，它广泛地用来制造航空喷气发动机、各种工业燃气轮机最热端部件，具有优异的综合力学性能，包括优异的屈服强度、抗拉强度、持久蠕变性能、抗疲劳性能以及抗腐蚀性能。

2、随着计算机的发展和计算能力的提高，计算材料学快速兴起，推动了材料研发由“经验+试错”的模式向计算驱动的研发模式转变。机器学习算法在镍基高温合金的研发中起到了很大的作用。贝叶斯优化技术作为一种十分有效的全局优化算法,近年来,在设计类问题上被广泛应用.通过设计恰当的概率代理模型和采集函数,贝叶斯优化框架只需经过少数次目标函数评估即可获得理想解。然而，面向高温使用的高温合金虽然具有较高的高温强度，但常常存在室温塑性、韧性较差的缺点，合金的加工性能较差，高温合金中多种合金元素的加入常常会导致高温强度和室温下的塑性之间的矛盾关系，现有的研究中多集中于合金单一性能的优化如持久寿命，难以满足综合性能优良高温合金设计的需求。

技术实现思路

1、本发明的主要目的在于提供一种基于机器学习的高温合金成分及工艺设计方法，通过收集数据作为训练集对模型进行训练，分析合金成分以及加工工艺对组织结构性能的影响规律，对优化合金的成分及工艺进行设计，降低人力物力等成本，减少铸造镍基高温合金的研发周期。

2、为此，本发明提供的高温合金成分及工艺设计方法，包括如下步骤：

3、步骤一、收集某牌号高温合金手册、实验、文献的数据，构建材料成分-工艺-性能数据库，其中性能包括抗拉强度、延伸率、断面收缩率、持久时间、屈服强度和持久寿命；

4、步骤二、基于建立的数据库，利用机器学习算法为各个性能建立起对应的预测模型；

5、步骤三、利用多目标贝叶斯优化算法进行多目标综合优化

6、首先优化合金成分，以y＝拉伸性能延伸率+屈服强度+λ*持久寿命作为综合优化目标，在选定牌号的镍基高温合金成分范围内，利用贝叶斯优化算法搜寻最大值，进而确定最优成分点；

7、其中，λ取100以保持三个变量在同一数量级；

8、步骤四、利用小样本数据集进行工艺优化,先利用各种机器学习算法建模，并对拟合效果进行对比，确定最优拟合模型；

9、步骤五、利用选定的最优拟合模型对各个性能建模后，以z＝λ1*抗拉强度+λ2*延伸率+λ3*断面收缩率+λ4*持久时间为综合优化目标，以膜壳预热温度、浇注温度、空冷条件作为输入变量，以抗拉强度、延伸率、断面收缩、持久时间作为输出结果，利用贝叶斯优化算法搜寻最大值，进而确定最优工艺参数；其中，

10、为了维持量纲的一致性，λ2，λ3，λ4分别取20000，10000，25，另外因抗拉强度拟合效果不好，λ1取0.1，以弱化其对优化目标的影响；

11、步骤六、利用优化后的合金成分、工艺铸造合金，对优化的综合性能进行验证。

12、本发明具有如下有益效果：

13、1、采用贝叶斯优化技术，实现高温合金材料多性能综合提升效能的方法，实现复杂成分空间中高温合金的高效成分设计。

14、2、开发了小样本数据合金工艺优化方法，通过多机器学习模型预测性能筛选，降低了单一预测模型引起的偏差风险，成功优化了合金工艺。

15、3、合金延伸率、屈服强度、持久寿命、抗拉强度等综合优于优化前水平。

技术特征：

1.一种高温合金成分及工艺设计方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的高温合金成分及工艺设计方法，其特征在于：步骤四中选择gradientboosting作为回归器进行拟合。

3.根据权利要求1所述的高温合金成分及工艺设计方法，其特征在于：步骤4中各种机器学习算法包括adaboost、extratrees、gradientboosting、svr、xgb、高斯过程回归、神经网络。

4.根据权利要求1所述的高温合金成分及工艺设计方法，其特征在于：数据处理主要包括数据清洗、数据标准化处理。

5.根据权利要求1所述的高温合金成分及工艺设计方法，其特征在于：步骤二中利用机器学习算法构建的预测模型为多输入多输出神经网络模型。

技术总结
本发明公开了一种高温合金成分及工艺设计方法，包括如下步骤：收集某牌号高温合金手册、实验、文献的数据，构建数据库；利用机器学习算法构建对应性能预测模型，利用贝叶斯优化技术，以所需优化的合金成分范围为搜索范围，以综合性能指标作为优化目标，实现合金成分优化以获得优异的综合性能，通过机器学习算法，实现小样本数据综合性能的工艺优化，利用优化后的合金成分、工艺铸造合金，对优化的综合性能进行验证。本申请通过收集数据作为训练集对模型进行训练，分析合金成分以及加工工艺对组织结构性能的影响规律，对优化合金的成分及工艺进行设计，降低人力物力等成本，减少铸造镍基高温合金的研发周期。

技术研发人员：刘锋,谭黎明,马鑫,董学成,黄岚,刘咏,闫彬,俞泽丰,游银根,李千一
受保护的技术使用者：中南大学
技术研发日：
技术公布日：2024/1/15