基于机器学习的工模具钢硬度预测 |
| |
引用本文: | 王家豪,孙升,何燕霖,张统一.基于机器学习的工模具钢硬度预测[J].中国科学:信息科学,2019(10). |
| |
作者姓名: | 王家豪 孙升 何燕霖 张统一 |
| |
作者单位: | 上海大学材料基因组工程研究院;上海大学材料科学与工程学院 |
| |
摘 要: | 硬度是工模具钢性能的一个重要指标.本文通过机器学习中的层次聚类和LASSO回归方法,给出了工模具钢硬度-成分关系的解析表达式.层次聚类将79种牌号工模具钢的合金元素成分-硬度数据集按欧式距离分为了4簇,其中高铬钢和低铬钢两簇包含了几乎所有的数据.然后我们对高铬钢和低铬钢两簇数据分别进行LASSO回归,画出LASSO路径,并利用留一法交叉验证得到具有最佳泛化预测能力的成分-硬度的解析公式.之后引入电负性、原子半径变化率、价电子数、电子亲合能和第一电离能等原子尺度的特征,重新进行LASSO回归,得到了新的硬度公式.结果显示机器学习方法可以成功预报工模具钢的硬度.同时,使用原子尺度的特征为钢铁材料的性能研究提供了新的思路.
|
本文献已被 CNKI 等数据库收录! |
|