基于机器学习的Al-Zn-Mg-Cu合金快速设计

提出一种基于机器学习的合金快速设计系统(ARDS),以定制所需性能的合金制备策略或预测制备策略所对应的合金性能。为此,分别对3种回归算法:线性回归(LR)、支持向量回归(SVR)和人工神经网络(BPNN)进行建模和比较以训练多性能预测模型。其中,应用SVR构建的机器学习模型被证明是最佳的。然后,基于生成对抗网络(GAN)模型原理,构建Al-Zn-Mg-Cu系铝合金快速设计系统(ARDS)。对ARDS的预测可靠性进行验证。结果表明,为了能够获得准确的制备策略,系统中极限抗拉强度(UTS)、屈服强度(YS)和伸长率(EL)的输入上限分别约为790 MPa、730 MPa和28%。此外,基于ARDS预测结果,制备了一种性能优异的新型铝合金材料,其UTS为764 MPa、YS为732 MPa、EL为10.1%,进一步验证了ARDS的可靠性。