-
公开(公告)号：CN114399109A
公开(公告)日：2022-04-26
申请号：CN202210040005.1
申请日：2022-01-14
Applicant: 桂林电子科技大学
Abstract: 本发明提供了一种基于机器学习综合预测铁基纳米晶材料多项性能的方法，包含以下步骤：1，数据库的建立；2，机器学习模型的训练；3，软磁材料性能的预测。可以实现对预测数据的类型为非晶/纳米晶软磁合金的的饱和磁感应强度、矫顽力和居里温度；预测方法中，人工神经网络模型的拟合优度可达0.98，能够实现最好的预测。与现有技术相比，本发明具有以下优点：1、具备满足预测要求的数据集，具有普遍性；2、拟合优度高达0.98，即具备极高的预测能力，能精准预测合金的软磁性能，大大的提高软磁合金研发效率，节省人力物力。
-
公开(公告)号：CN112951343A
公开(公告)日：2021-06-11
申请号：CN202110076195.8
申请日：2021-01-20
Applicant: 桂林电子科技大学
Abstract: 本发明涉及一种基于机器学习的高性能铁基非晶纳米软磁合金设计方法，包括根据神经网络模型选择五种元素设计具有特定饱和磁感应强度的合金成分，得到合金成分；根据合金成分称取原料，在特定的熔炼条件中采用真空非自耗电弧炉熔炼原料得到母合金，进而制备得到铁基非晶合金薄带，并对其进行XRD测试、TEM测试和VSM测试。本发明根据机器学习神经网络模型模拟预测结果，在Fe‑B‑Si三元合金的基础上加了Cu、Nb元素，增加原子混乱程度，提高了合金的非晶形成能力，并且Cu元素提供纳米晶初始结晶形核位置，有利于纳米晶的形成，B、Si元素则利于非晶结构的形成，实验测试的结果与机器学习模型预测的结果一致。
-
公开(公告)号：CN112951343B
公开(公告)日：2022-08-30
申请号：CN202110076195.8
申请日：2021-01-20
Applicant: 桂林电子科技大学
Abstract: 本发明涉及一种基于机器学习的高性能铁基非晶纳米软磁合金设计方法，包括根据神经网络模型选择五种元素设计具有特定饱和磁感应强度的合金成分，得到合金成分；根据合金成分称取原料，在特定的熔炼条件中采用真空非自耗电弧炉熔炼原料得到母合金，进而制备得到铁基非晶合金薄带，并对其进行XRD测试、TEM测试和VSM测试。本发明根据机器学习神经网络模型模拟预测结果，在Fe‑B‑Si三元合金的基础上加了Cu、Nb元素，增加原子混乱程度，提高了合金的非晶形成能力，并且Cu元素提供纳米晶初始结晶形核位置，有利于纳米晶的形成，B、Si元素则利于非晶结构的形成，实验测试的结果与机器学习模型预测的结果一致。
-
公开(公告)号：CN114386254A
公开(公告)日：2022-04-22
申请号：CN202111620462.X
申请日：2021-12-27
Applicant: 桂林电子科技大学
IPC: G06F30/20 , G06K9/62 , C22C33/00 , C22C45/02 , G06F119/02
Abstract: 本发明提供一种设计高非晶形成能力的合金方法，该方法采用Fine kNN分类器来预测材料的非晶合金形成能力。本发明提供的方法，由于采用Fine kNN模型来预测材料的非晶形成能力，Fine kNN模型精准度高达95.5％，真阳性率高达96％，假阳性率低至7％，说明此模型在具有高预测能力的同时具有高泛化能力，能够极其准确的预测新型合金的非晶形成能力，大大的提高了非晶合金的研发效率，节省了人力物力资源。
-
-
-
Search Results
4
records
(took 0.017 seconds)
