摘要
本发明提出了一种基于机器学习高强韧耐腐蚀中锰钢的热处理工艺设计方法,属于金属材料热处理工艺设计领域,基于热轧态中锰钢,设计正交试验获得中锰钢热处理工艺参数和性能的数据集;通过数据增强进行扩充;并分别建立热处理工艺参数和材料性能之间的机器学习模型;根据模型误差对机器学习模型进行选择,定义中锰钢力学及耐腐蚀性能综合指标,使用贝叶斯算法对热处理工艺参数进行优化;将热轧态中锰钢加热至770℃保温10min,水淬至室温;随后在640℃进行30min奥氏体逆相变退火,得到基于机器学习设计的高强韧耐腐蚀中锰钢;本发明解决了目前制定中锰钢热处理工艺参数步骤繁琐、周期长和成本高的技术问题。
技术关键词
热处理工艺参数
工艺设计方法
机器学习模型
高强韧耐腐蚀
奥氏体
电荷转移电阻
贝叶斯算法
交流阻抗测试
金属材料热处理工艺
热轧
延伸率
模型误差
梯度提升决策树
屈服
数据
代表
支持向量机
力学
保温
系统为您推荐了相关专利信息
评价分析方法
自定义特征
机器学习模型
特征向量空间
表单
数据价值评估方法
可视化图表
数据采集模块
项目
基准
功耗控制方法
训练机器学习模型
时间段
功耗控制系统
核心
处理器
机器学习模型
大语言模型
计算机程序产品
模块