一种基于机器学习用于A356.2系铝合金设计的方法

本发明属于铝合金技术领域，涉及一种基于机器学习用于A356.2系铝合金设计的方法，包括：S1、数据库的建立；S2、机器学习模型的训练；S3、A356.2系铝合金性能的预测。根据本发明所述方法预测得到的铝合金化学组份为Al92.9Si6.6Mg0.35Co0.15及屈服强度和延伸率，还公开了所述Al92.9Si6.6Mg0.35Co0.15的制备方法。本发明的预测方法中，高斯过程回归模型预测屈服强度的拟合优度可达0.998，极限梯度提升决策树模型预测延伸率的拟合优度可达0.897。本发明具备满足预测要求的数据集，有普遍性，拟合优度高达0.998，具备极高的预测能力，能精准预测A356.2系铝合金的力学性能，提高该系列铝合金研发效率，节省人力物力；2、所筛选的Al92.9Si6.6Mg0.35Co0.15铝合金，其力学性能超过现有A356.2系铝合金，屈服强度131.3Mpa，抗拉强度204Mpa，延伸率1.97%。