摘要
本发明提供了一种难熔高熵合金氧化行为预测和优化方法和装置,涉及金属材料技术领域。包括:获取若干难熔高熵合金在不同温度下的氧化数据;氧化数据包括氧化动力学常数和氧化指数;基于难熔高熵合金包括的元素含量、物理特征信息和氧化数据,构建样本集;采用样本集对机器学习模型进行训练,得到若干目标预测模型,以基于目标预测模型输出任一难熔高熵合金成分的氧化数据;样本集中包括作为输入的元素含量、物理特征信息以及作为输出的氧化数据;不同目标预测模型输出的氧化数据不同;对目标预测模型进行可解释性分析,得到每个目标预测模型的关键影响因子,以根据关键影响因子确定优化难熔高熵合金成分。本方案能够快速、准确地预测难熔高熵合金的氧化动力学常数和氧化指数。
技术关键词
难熔高熵合金
机器学习模型
样本
因子
数据
元素
指数
物理
金属材料技术
计算机程序产品
优化装置
处理器
可读存储介质
模块
存储器
策略
误差
指令
强度
系统为您推荐了相关专利信息
操纵台
机器视觉系统
模拟运输装置
负荷
评估系统
嵌入式语音识别
语音识别模型
子模块
麦克风阵列
控制模块
反馈信息处理方法
标签
反馈信息处理装置
层级
分类模型训练
数字孪生体
深度神经网络
动态配准方法
补偿误差
训练样本集