基于机器学习的多性能协同优化高熵合金成分设计方法

摘要

本发明公开了一种基于机器学习的多性能协同优化高熵合金成分设计方法，该方法为建立高熵合金成分—性能初始数据集；进行数据清洗，将清洗后的数据进行标准化处理，获得高熵合金性能训练集；利用高熵合金性能训练集确定高熵合金各性能预测的基模型，确定成分搜索空间内高熵合金各性能的期望提升(EI)值；确定成分搜索空间中合金性能EI值的帕累托前沿；聚类分析得到E I值帕累托前沿的类中心，确定对应EI值的高熵合金及其关联的成分信息；制备该高熵合金；对制备获得的高熵合金进行各目标性能的表征测试，如果测试数据不满足需求，根据所述测试数据更新高熵合金成分—性能初始数据集。本发明能够实现高熵合金多性能协同优化的高效成分设计。