-
公开(公告)号：CN115700574A
公开(公告)日：2023-02-07
申请号：CN202210826948.7
申请日：2022-07-13
Applicant: 上海大学 , 云南锡业集团(控股)有限责任公司研发中心
IPC: G06F30/27 , G06N20/00 , G06F18/23213 , G06F119/14
Abstract: 本发明公开了一种聚类筛选后自适应机器学习辅助设计无铅锡基焊料合金的方法，先收集获取无铅锡基焊料合金的材料数据建立数据集；再使用k‑means聚类方法对力学性能聚类，剔除性能较差的簇，把样本分类；将不同类别的合金成分和其特征筛选后的原子特征作为输入，其力学性能作为输出；建立单目标机器学习模型；对于每种机器学习模型采用留一交叉验证法和皮尔逊指数R作为机器学习模型精度指标，对于每种不同的力学性能，选取皮尔逊指数R最大的机器学习模型；对于收集到的无铅锡基合金成分数据做内差和正交排列组合，作为虚拟样本；最后将虚拟样本输入到机器学习模型中，得出力学性能预测值，根据预测值优选出性能优异的合金成分，实现辅助设计合金。
-
Patent Agency Ranking
公开(公告)号：CN114932337A
公开(公告)日：2022-08-23
申请号：CN202210657627.9
申请日：2022-06-10
Applicant: 上海大学 , 云南锡业集团(控股)有限责任公司研发中心
Abstract: 本发明公开了一种SnAgCuBiIn系无铅焊料合金、其设计方法及制备方法，焊料合金包含1.0‑5.5％Ag，0.5‑1.0％Cu，0.5‑5.0％Bi，0.4‑4.0％In，0‑1.0％Ti，0‑0.5％Ni，余量为Sn。本发明焊料合金设计方法，利用机器学习辅助焊料成分设计，先收集实验数据，获得焊料合金成分和力学性能初始数据集；再采用最大互信息系数和皮尔逊相关系数筛选与力学性能相关性较大的合金成分；然后用梯度下降树算法进行建模和训练；模型采用留一交叉验证法进行验证；再将虚拟样本输入到机器学习模型中得到预测结果；进行系统性试验验证，得到性能优异的焊料合金。本发明制备方法采用高通量真空电弧熔炼炉和电磁感应炉相结合的方法进行熔炼。本发明显著提高了焊料合金力学性能和润湿性能，具有较高强度和较好的抗蠕变性能、钎焊特性和抗氧化性能，具有良好应用前景。
-
公开(公告)号：CN113806926B
公开(公告)日：2024-12-13
申请号：CN202111005146.1
申请日：2021-08-30
Applicant: 上海大学 , 云南锡业集团(控股)有限责任公司研发中心
IPC: G06F30/20 , G06F119/14
Abstract: 本发明公开了一种SHAP包装LightGBM快速预报锡基焊料的极限抗拉强度的可解释方法及其系统，从文献中收集实验值作为数据集样本；整理锡基焊料合金的元素组成，计算样本用于建模的特征；随机划分训练集与测试集；基于训练集，对自变量使用离群值缩放数据，建立锡基焊料合金极限抗拉强度初步预报模型；根据建立的锡基焊料合金极限抗拉强度的预报模型，使用SHAP计算每个特征的SHAPvalue并包装LightGBM进行特征筛选，选取出最优的特征子集；根据建立的锡基焊料合金极限抗拉强度的可解释预报模型，快速预报独立测试集中锡基焊料合金的极限抗拉强度。本发明基于可靠的文献数据和建模方法，所建锡基焊料合金极限抗拉强度的预报模型具有简便快捷、低成本、无污染、可解释等优点。
-
公开(公告)号：CN116364214A
公开(公告)日：2023-06-30
申请号：CN202310201616.4
申请日：2023-03-06
Applicant: 上海大学
IPC: G16C60/00 , G06F30/27 , G06F111/06 , G06F119/14
Abstract: 本发明提供一种Sn‑Ag‑Cu‑Bi‑In‑Ti无铅焊料合金的筛选方法，包括：获取Sn‑Ag‑Cu系列无铅焊料合金数据集以及基于机器学习模型对所述数据集合进行拟合，通过高斯上确界方法进行建模，建立起合金预测多项力学性能的模型，所述模型为线性模型，根据所述模型在所述帕眉托前沿选点，得到多个无铅焊料合金成分推荐。还提供一种根据该筛选方法获得的无铅焊料合金。本发明方法在无铅焊料的设计中体现出明显优势，仅通过几轮筛选就能获得良好机械性能的合金，可以缩减材料研发的经济和时间成本，可推广应用于其它高性能材料的研发，具有广泛的应用前景。
-
公开(公告)号：CN115132293A
公开(公告)日：2022-09-30
申请号：CN202210617757.X
申请日：2022-06-01
Applicant: 上海大学 , 云南锡业集团(控股)有限责任公司研发中心
Abstract: 本发明公开了一种集成模型快速预测锡基焊料合金蠕变应力指数的方法及系统，从文献中收集锡基焊料合金的元素组成、测试温度和蠕变应力指数数值，并添加实验数据，作为数据集样本；整理出锡基焊料合金的元素组成和测试温度，用作建模的特征；将数据集以4:1的比例随机划分为训练集与测试集；以收集的锡基焊料合金的蠕变应力指数数值作为目标变量，以构建的特征为自变量，基于划分出的训练集，对自变量使用RobustScaler缩放数据，训练三个学习器并集成得到R‑X‑L集成模型；利用R‑X‑L集成模型快速预报测试集样本及4个独立实验样本的蠕变应力指数。本发明基于可靠文献数据和建模方法，所建锡基焊料合金蠕变应力指数的预报模型具有简便快捷、低成本、无污染等优点。
-
公开(公告)号：CN113806926A
公开(公告)日：2021-12-17
申请号：CN202111005146.1
申请日：2021-08-30
Applicant: 上海大学 , 云南锡业集团(控股)有限责任公司研发中心
IPC: G06F30/20 , G06F119/14
Abstract: 本发明公开了一种SHAP包装LightGBM快速预报锡基焊料的极限抗拉强度的可解释方法及其系统，从文献中收集实验值作为数据集样本；整理锡基焊料合金的元素组成，计算样本用于建模的特征；随机划分训练集与测试集；基于训练集，对自变量使用离群值缩放数据，建立锡基焊料合金极限抗拉强度初步预报模型；根据建立的锡基焊料合金极限抗拉强度的预报模型，使用SHAP计算每个特征的SHAPvalue并包装LightGBM进行特征筛选，选取出最优的特征子集；根据建立的锡基焊料合金极限抗拉强度的可解释预报模型，快速预报独立测试集中锡基焊料合金的极限抗拉强度。本发明基于可靠的文献数据和建模方法，所建锡基焊料合金极限抗拉强度的预报模型具有简便快捷、低成本、无污染、可解释等优点。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
