摘要
本发明属于钢铁性能智能分析技术领域,尤其涉及一种基于机器学习的高强度高韧性的凿岩钎具钢性能智能分析方法。该方法先收集凿岩钎具钢的化学成分、工艺、微观组织图像及性能数据;接着构建工艺‑成分预测模型与微观组织图像预测模型,分别挖掘成分‑工艺和微观组织特征与性能的关系;然后通过有限元模拟结合遗传算法获取微观组织各成分占比;再用XGBoost算法预测性能并对比真实指标,构建误差反馈机制优化模型;最后借助粒子群优化算法求解满足强度‑韧性指标的最优参数组合。该方法融合多源数据与多种智能算法,有效解决传统分析方法不足,实现化学成分、热处理工艺和微观组织形态协同优化,提升分析精准度和生产效率。
技术关键词
凿岩钎具钢
智能分析方法
粒子群优化算法
Pearson相关系数
XGBoost算法
组织图像数据
热处理工艺参数
双通道注意力
智能分析技术
融合多源数据
深度特征提取
误差反向传播
遗传算法优化
ReLU函数