公开(公告)号：CN117953991A

公开(公告)日：2024-04-30

申请号：CN202410111818.4

申请日：2024-01-26

Applicant: 哈尔滨工业大学

Inventor： 丁宏升 ,  郭承美 ,  张康 ,  梁贺

IPC: G16C20/20 ,  G16C20/70 ,  G16C60/00 ,  G16C20/30 ,  G06F30/27 ,  G06F111/08 ,  G06F119/14 ,  G06F119/02 ,  G06F119/06

Abstract: 一种提高钛铝基合金成分设计效率的机器学习方法、电子设备及存储介质，属于金属材料设计技术领域。为预测金属的力学性能，本发明从文献中采集基于冷坩埚定向凝固技术得到的钛铝基合金的合金成分、实验参数及力学性能，设置钛铝基合金的合金成分和实验参数为输入变量，设置抗拉强度、伸长率、纳米硬度和片层间距作为输出变量。对采集的数据进行预处理，数据划分为训练数据和预测数据，对训练‑测试数据进行分配以防止过拟合并确定最合适的数据分配比例，以提高机器学习算法的学习效率和预测精度。将分配好的数据分别输入到多元线性回归和随机森林回归算法中进行机器学习训练，通过分析学习结果评价预测程度的合理性和输入变量对输出变量的影响程度。