[發(fā)明專利]一種高強韌耐高溫RAFM鋼及其基于機器學(xué)習(xí)的設(shè)計方法

有效

• 申請?zhí)枺?/td>: 202110335798.5
• 申請日: 2021-03-29
• 公開（公告）號: CN113073267B
• 公開（公告）日: 2022-04-08
• 發(fā)明（設(shè)計）人: 鄭明杰;李孝晨;丁文藝
• 申請（專利權(quán)）人: 中國科學(xué)院合肥物質(zhì)科學(xué)研究院
• 主分類號: C22C38/02
• 分類號: C22C38/02;C22C38/04;C22C38/22;C22C38/24;C22C38/26;C22C38/28;C21D1/18;C21D1/28;C21D6/00;C21D11/00;G16C60/00;G16C20/70;G16C20/50;G16C20/30
• 代理公司: 合肥興東知識產(chǎn)權(quán)代理有限公司 34148
• 代理人: 李靜

1.一種高強韌耐高溫RAFM鋼的基于機器學(xué)習(xí)的設(shè)計方法，其特征在于，包括如下步驟：

步驟1、數(shù)據(jù)采集

獲取g組RAFM鋼的成分、熱處理參數(shù)、測試溫度及其對應(yīng)的拉伸性能數(shù)據(jù)；其中，所述拉伸性能為極限抗拉強度UTS和總延伸率TE；每一種RAFM鋼的成分、熱處理參數(shù)、測試溫度及其對應(yīng)的拉伸性能作為一組原始數(shù)據(jù)；所述成分為組成RAFM鋼的元素及其對應(yīng)的質(zhì)量百分比；所述熱處理參數(shù)為RAFM鋼的正火溫度、正火時間、回火溫度及回火時間；

步驟2、數(shù)據(jù)標(biāo)準(zhǔn)化處理

對原始數(shù)據(jù)集中的所有數(shù)據(jù)進行標(biāo)準(zhǔn)化處理；標(biāo)準(zhǔn)化公式為：

式(1)中：z為標(biāo)準(zhǔn)化數(shù)據(jù)，x為原始數(shù)據(jù)，x_max和x_min分別為原始數(shù)據(jù)集中每一維變量的最大值和最小值；

步驟3、構(gòu)建正向模型；

步驟4、構(gòu)建逆向模型；

步驟5、構(gòu)建智能篩選模型

利用步驟3構(gòu)建的正向模型和步驟4構(gòu)建的逆向模型來建立智能篩選模型，用于根據(jù)RAFM鋼的目標(biāo)拉伸性能快速設(shè)計成分和熱處理參數(shù)；

其中，最終獲得的RAFM鋼的化學(xué)成分及質(zhì)量百分比含量為：C：0.12～0.16％，Cr：9.5～10.5％，W：1.6～1.8％，Si：0.48～0.52％，Mn：0.6～0.7％，V：0.23～0.27％，Ta：0.10～0.26％，Zr：0.001～0.005％，Y：0.01～0.05％，Ti：0.002～0.012％，N：0.02～0.04％，其余為Fe和其他不可避免的雜質(zhì)元素；所述RAFM鋼的熱處理參數(shù)為：正火溫度1010～1050℃，正火時間20～55min，回火溫度600～720℃，回火時間50～90min。

2.根據(jù)權(quán)利要求1所述的高強韌耐高溫RAFM鋼的基于機器學(xué)習(xí)的設(shè)計方法，其特征在于，所述步驟3具體包括：

步驟3.1：將成分、熱處理參數(shù)和測試溫度作為輸入，將拉伸性能作為正向模型的輸出；

步驟3.2：將步驟2得到的標(biāo)準(zhǔn)數(shù)據(jù)集采用留出法劃分成訓(xùn)練集及測試集，訓(xùn)練集的百分比為30％～80％；

步驟3.3：利用決策樹回歸、隨機森林回歸、支持向量機回歸、梯度增強回歸、k近鄰回歸和人工神經(jīng)網(wǎng)絡(luò)算法結(jié)合訓(xùn)練集構(gòu)建極限抗拉強度UTS和總延伸率TE的預(yù)測模型；

步驟3.4：利用測試集對構(gòu)建的預(yù)測模型進行評價，計算均方根誤差RMSE和相關(guān)系數(shù)R，所采用的公式分別如下：

式(2)和式(3)中：n為樣本個數(shù)；y_i和分別為第i個樣本的實驗值和預(yù)測值，i＝1，2，…，n；和分別為n個樣本的實驗值和預(yù)測值的平均值；

步驟3.5：根據(jù)計算的RMSE和R值，選擇最佳的算法及合適的訓(xùn)練集/測試集劃分比例，構(gòu)建從成分和熱處理參數(shù)到UTS和TE的正向模型。

3.根據(jù)權(quán)利要求1所述的高強韌耐高溫RAFM鋼的基于機器學(xué)習(xí)的設(shè)計方法，其特征在于，所述步驟4具體包括：

步驟4.1：將目標(biāo)拉伸性能作為輸入，將成分、熱處理參數(shù)作為逆向模型的輸出；

步驟4.2：采用人工神經(jīng)網(wǎng)絡(luò)算法及與正向模型相同的訓(xùn)練集/測試集劃分比例，選取適當(dāng)?shù)膮?shù)對模型進行訓(xùn)練；

步驟4.3：訓(xùn)練完成后在測試集上統(tǒng)計R值，根據(jù)統(tǒng)計的R值對模型參數(shù)進行優(yōu)化，得到最佳的從拉伸性能到成分和熱處理參數(shù)的逆向模型。

4.根據(jù)權(quán)利要求1所述的高強韌耐高溫RAFM鋼的基于機器學(xué)習(xí)的設(shè)計方法，其特征在于，所述步驟5具體包括：

步驟5.1：將目標(biāo)拉伸性能輸入到逆向模型，得到成分及熱處理參數(shù)的初始設(shè)計方案；

步驟5.2：利用正向模型對初始設(shè)計方案的拉伸性能進行預(yù)測；

步驟5.3：將目標(biāo)拉伸性能與正向模型的預(yù)測結(jié)果進行了對比，它們之間的相對偏差error用如下公式進行計算：

式(4)中，Y和分別為目標(biāo)值和預(yù)測值；

步驟5.4：根據(jù)error值是否大于預(yù)設(shè)閾值ε，選擇是執(zhí)行“將篩選的成分和熱處理參數(shù)輸出”操作，還是執(zhí)行“對輸入數(shù)據(jù)進行微調(diào)”操作；如果error值大于ε，則對輸入的數(shù)據(jù)進行微調(diào)，并重復(fù)執(zhí)行步驟5.1、5.2和5.3，直到達(dá)到要求的閾值；如果error值小于或等于ε，則輸出篩選的成分和熱處理參數(shù)，計算結(jié)束。