[论文]数据驱动的铝基复合材料性能预测和逆向设计

引用

研究背景

    碳化硅颗粒（SiCp）在航空航天、武器装备及交通运输等领域有着广泛的应用。由于热处理工艺参数较为复杂，为了实现复合材料力学性能的最优化，需要进行大量的工艺探索。

研究目的

    铝基复合材料性能预测和逆向设计。

研究方法

    针对抗拉强度和延伸率，构建包含８种机器学习算法的集成框架，自动进行模型的参数调优和最优模型选择，并在此基础上进行材料逆向设计。

技术路线

    1）数据描述和预处理。

    2）特征分析：分析了不苘特怔对抗拉强度和延伸率２个性能指标的影响程度。

    3）集成框架：使用多个机器学习算法构建集成框架

    4）模型验证和逆向设计：采用逆向设计方法验证本模型的有效性

研究结果

    复合材料抗拉强度和延伸率的预测值和实验值，平均绝对百分比误差较小。

研究意义

    数据驱动方法对错基复合材料的工艺优化和性能提升有一定指导意义。

思考

    对于复杂的复合材料等非均一材质，通过机器学习进行复合材料成分设计、热处理工艺参数的探索并加以实验验证，能够大幅度缩短实验周期。