摘要
本发明公开了一种基于机器学习设计的超硬高熵氮化物涂层及其制备方法,属于对金属材料的镀覆技术领域。本发明包括如下步骤:(1)建立用于预测高熵氮化物涂层硬度的数据集;(2)通过特征工程对数据库中的各类特征进行评估,优化特征以提升预测精度;(3)对机器学习模型进行超参数优化和十折交叉验证,选择预测性能最佳的模型;(4)将预设的预测空间输入预测性能最佳的机器学习模型,挑选预测硬度最高的高熵氮化物涂层体系;(5)根据预测硬度最高的高熵氮化物涂层,制备得到超硬高熵氮化物涂层。本发明利用机器学习高效率、低成本以及处理大规模复杂体系的优势,为开发先进保护性涂层提供了重要的科学见解和有效的设计方法。
技术关键词
多元高熵合金
机器学习模型
特征工程
衬底
描述符
六元高熵合金
五元高熵合金
冗余特征
梯度提升决策树
超参数
随机森林
支持向量回归
气压
镀覆技术
数据
涂层体系
元素
系统为您推荐了相关专利信息
机器学习模型
联合损失函数
医疗保健机构
计算机可执行组件
非暂态计算机
妊娠期糖尿病
孕妇
妊娠并发症
血糖预测模型
模糊层次分析法
康复训练方法
状态监测数据
综合状态评估
康复训练设备
虚拟现实交互系统
监视对象装置
记录装置
信号
X射线分析装置
机器学习模型