一种基于可解释性机器学习设计坚韧高熵氮化物陶瓷涂层的方法

一种基于可解释性机器学习设计坚韧高熵氮化物陶瓷涂层的方法，其特征在于，它包括以下步骤：步骤1，获取已知成分的高熵氮化物陶瓷的硬度、弹性模量及断裂韧性数据；步骤2，剔除数据集中极大极小的异常值，并对特征进行归一化处理；步骤3，采用超参数网格搜索方法训练模型；步骤4，使用递归特征消除(RFE)方法寻找最优的特征子集；步骤5，采用SHAP可解释性方法计算陶瓷硬度、弹性模量及断裂韧性的每个样本点的单因素SHAP值，评估每个特征的相关性并计算特征权重系数；步骤6，选取成本较低的二元氮化物作为候选，在步骤5的基础上进一步计算每种氮化物的权重系数并归一化。本发明通过机器学习的方法，大幅降低实验所需的成本，缩短实验周期，更高效地推动高熵氮化物陶瓷涂层设计和开发。