基于机器学习的高强度ODS合金成分设计

摘要

cqvip:针对200~300组氧化物弥散强化(ODS)合金成分、工艺及力学性能数据,尝试借助机器学习的方法,建立了ODS合金中关键成分与拉伸性能的关联性。研究结果发现,在Cr、Y2O3、W和Ti含量与ODS合金抗拉强度的变化趋势中,均存在对应着抗拉强度极值的最优值,而添加Al对抗拉强度的提升无明显作用。获得了几种抗拉强度优化的ODS合金关键成分配比,预测出的室温抗拉强度均在1400 MPa以上,这将为快堆结构材料用ODS合金优化设计提供技术支持,加速推进ODS合金的材料优化。