基于图像增强技术的钢铁材料微观组织图像识别的研究

本文采用图像识别技术对钢铁材料在不同状态下形成的不同类型的微观组织照片进行了分析,研究了不同图像增强算法和机器学习算法对钢铁显微组织识别精度的影响。采用图像增强技术将原始图片质量提高,并采用图像特征提取技术获得图像特征。采用随机森林、支持向量机、集成树机器学习算法建立了基于图像特征的钢铁组织分类器。其中基于随机森林算法的分类器精度最高,达到了89.34%。实验表明,通过使用本研究建立的钢铁组织智能分类模型可以较为准确、高效地识别钢铁组织,可为材料设计提供参考信息。

新型钴基与Nb-Si基高温合金扩散动力学研究进展

扩散动力学信息是深入理解合金的相变机制、微观组织形成和演化机理的关键参数,也是实现新型钴基与Nb-Si基高温合金设计与研发必要的基础物性数据。首先,本文系统地归纳了高温合金中常见的合金化元素及其作用。随后,详细介绍了合金体系中自扩散系数与杂质扩散系数的机器学习计算方法、互扩散系数的实验测定方法以及示踪扩散系数的分子动力学计算方法,并介绍了本课题组在新型钴基与Nb-Si基高温合金多元扩散动力学数据库建立与完善方面的工作。最后,介绍了扩散动力学数据库在微观组织模拟、合金设计等领域的应用,并对扩散动力学数据库的完善及应用方面的发展进行了展望。

新型钴基高温合金多尺度设计的研究现状与展望

近年来,材料基因组工程以及多尺度材料设计理论和计算方法的发展,为新型钴基高温合金的研发提供了新的思路。本文基于国内外新型钴基高温合金多尺度设计方面的成果以及本研究室多年来在该领域的研究工作,系统总结了材料多尺度计算方法在新型钴基高温合金领域的研究现状,总结了包括第一性原理、CALPHAD、相场法和机器学习方法在合金成分筛选、工艺设计和组织优化领域的多尺度耦合设计。在此基础上,针对各个研究方法的优势,展望了多尺度材料设计在新型钴基高温合金领域的发展趋势。