一种计算合金冶炼过程中稀土元素蒸发损耗量的方法

    公开(公告)号:CN118692583A

    公开(公告)日:2024-09-24

    申请号:CN202411163823.6

    申请日:2024-08-23

    Abstract: 本发明提供一种计算合金冶炼过程中稀土元素蒸发损耗量的方法,涉及稀土微合金化合金制备技术领域,包括以下步骤:步骤1)计算合金冶炼过程中合金熔液与冶炼设备内气体接触的表面积S;步骤2)计算第i个时间微元dt内稀土元素j的挥发速率Vj;步骤3)根据合金熔液与冶炼设备内气体接触的表面积S及稀土元素的挥发速率Vj,计算第i个时间微元dt内稀土元素的损耗量dmi:步骤4)根据时间微元dt内稀土元素的损耗量dmi,计算冶炼时间t内稀土元素的损耗量Δm。本发明通过引用元素蒸发以及熔体质量控制理论的Langmuir动力学计算法则,考虑稀土元素的挥发随时间变化,定量计算稀土元素在高温冶炼合金过程中的蒸发损耗量。

    基于力学理论指导迁移学习的钢铁材料疲劳性能预测方法

    公开(公告)号:CN113033105B

    公开(公告)日:2023-09-19

    申请号:CN202110368797.0

    申请日:2021-04-06

    Applicant: 东北大学

    Abstract: 本发明提供一种基于力学理论指导迁移学习的钢铁材料疲劳性能预测方法,涉及钢铁材料的设计和机器学习应用技术领域。本发明将力学理论机制引入到机器学习中,解决了材料高成本属性预测的小样本问题。通过基于力学理论指导建立钢种成分、工艺与目标性能之间的关系。本方法针对获取成本高的目标性能,利用目标性能与源性能间的高相关性,即基于力学理论指导,仅利用数十组目标性能数据便可建立起准确预测目标性能的迁移学习模型。该方法显著降低了机器学习对于高成本目标性能的数据量要求,显著提高了高成本目标性能评估、预测效率,并最终有利于提高新材料研发速率。

    物理冶金原理指导图神经网络的抗蠕变不锈钢设计方法

    公开(公告)号:CN116469496A

    公开(公告)日:2023-07-21

    申请号:CN202310519932.6

    申请日:2023-05-10

    Applicant: 东北大学

    Abstract: 本发明提供物理冶金原理指导图神经网络的抗蠕变不锈钢设计方法,涉及钢铁材料设计和机器学习应用的技术领域;首先收集蠕变数据,建立蠕变数据集,将数据随机划分为训练集和测试集50次;根据训练集建立基于物理冶金学原理指导的图神经网络模型GNN‑PM;将相关系数大于90%的GNN‑PM模型作为遗传算法中的目标函数;得到优化后的化学成分、加工工艺及最佳抗蠕变性能的不锈钢;最后采用SVC分类器对得到的设计结果进行分类筛选,输出其典型合金的化学成分、加工工艺和蠕变寿命;本方法将物理冶金原理引入到机器学习中,同时结合优化算法形成完备的设计方案,使设计结果更加符合物理冶金学原理。

    一种抗拉强度1.5GPa中熵合金的制备方法

    公开(公告)号:CN110273095B

    公开(公告)日:2021-03-02

    申请号:CN201910232105.2

    申请日:2019-03-26

    Applicant: 东北大学

    Abstract: 本发明提供了一种抗拉强度1.5GPa中熵合金的制备方法,其步骤包括:选取CoCrNi三元中熵合金作坯料,其Co、Cr及Ni原子百分比为1:1:1;将坯料加热轧制成4~12mm的板材,然后空冷至室温;将空冷后的板材在加热炉中加热,保温,然后淬火至室温,再在‑50℃的温度下进行冷轧,总变形量为75%,得到厚度为1~3mm的板材;将1~3mm板材在退火炉中加热,保温,然后淬火至室温,得到抗拉强度1.5GPa的中熵合金。本发明提供的一种抗拉强度1.5GPa中熵合金的制备方法,制得的中熵合金具有高强度与高塑性。

    基于物理冶金学指导下机器学习的Q&P钢的设计方法

    公开(公告)号:CN110442953A

    公开(公告)日:2019-11-12

    申请号:CN201910698740.X

    申请日:2019-07-31

    Abstract: 本发明提供一种基于物理冶金学指导下机器学习的Q&P钢的设计方法,涉及汽车钢的成分工艺设计技术领域。本发明首先采集数据,采用多次留出法将数据划分训练集及测试集;根据训练集建立基于物理冶金学指导的集成学习算法模型;将集成学习算法模型的相关系数大于85%的作为遗传算法中的目标函数;遗传算法被用于优化设计成分及工艺获得最佳强塑积的Q&P钢,对Q&P钢的成分及工艺进行设计;对于得到的大量设计结果采用SVC分类器进行分类筛选,输出其典型合金的成分、工艺、强塑积。本方法相对于单纯机器学习,可以提升模型泛化能力,使设计更为高效,设计结果更加符合物理冶金学原理。

    一种超厚规格热轧卷板的超快冷工艺及卷取方法

    公开(公告)号:CN105603170B

    公开(公告)日:2017-08-11

    申请号:CN201610086438.5

    申请日:2016-02-15

    Applicant: 东北大学

    Abstract: 一种超厚规格热轧卷板的超快冷工艺及卷取方法,其特征在于超快冷工艺:25.4mm厚、规格X70带钢从精轧机轧出并经超快冷段冷却至500~550℃,后空冷2s,再经普通层冷至400~450℃卷取温度;带钢头部卷取机夹送辊位置控制时间为0.03s,提前固定带钢;提高带钢头部卷取圈数为5圈,并且助卷辊持续与带钢头部接触,直至卷筒带载转矩到12.66KN·M时,助卷辊正常打开,使头部卷取紧实、带钢近尾部时,增加助卷辊压力到750KN,保证尾部带钢卷取稳定;超厚规格带钢尾部助卷辊抱尾时间为8~12s,固定尾部带钢形状。本发明在保证钢卷强度的同时有效提高DWTT断裂韧性。采用400~450℃的低温卷取温度已经远超过设备卷取此类钢种的设计能力,是对现有技术的重大突破。

Patent Agency Ranking