隨著現(xiàn)代工業(yè)的快速發(fā)展,礦山機(jī)械、船舶、航天等領(lǐng)域?qū)Φ退僦剌d滑動(dòng)軸承的使用提出了更苛刻的要求,現(xiàn)有的軸承材料已經(jīng)無(wú)法滿足需求。本論文基于逆向設(shè)計(jì)思想,根據(jù)需求導(dǎo)向篩選軸承材料,利用機(jī)器學(xué)習(xí)指導(dǎo)材料設(shè)計(jì)和工藝優(yōu)化。研究了 Cu-Al粉末合金燒結(jié)機(jī)理,并研究了不同合金元素的加入對(duì)合金組織和性能的影響機(jī)理。研究?jī)?nèi)容主要包括以下幾個(gè)方面:（1）對(duì)低速重載滑動(dòng)軸承服役需求進(jìn)行分析,得出了滑動(dòng)軸承服役所需性能指標(biāo)。然后,利用Ashby法繪制材料性能圖,并對(duì)各種可用材料進(jìn)行比較和篩選后,選擇Cu-Al合金作為軸承材料。最后,確定采用粉末冶金法制備滑動(dòng)軸承材料。（2）研究了單質(zhì)粉為原料的Cu-9Al合金的燒結(jié)機(jī)理和膨脹機(jī)理。結(jié)果表明,在480℃,在Cu顆粒與Al顆粒間形成了 Al4Cu9、AlCu和Al2Cu三個(gè)連續(xù)的相,Al2Cu首先出現(xiàn);在500℃,Al和Al2Cu相逆共晶反應(yīng)形成液相,當(dāng)液相滲透到銅顆粒之間的間隙時(shí)發(fā)生膨脹,燒結(jié)密度降低;在565℃以上,A14Cu9和α-Cu轉(zhuǎn)變?yōu)锳lCu3;在1000℃,殘余的純銅轉(zhuǎn)化為AlCu3,孔隙率下降。（3）利用機(jī)器學(xué)習(xí)方法建立了 Cu-Al合金的力學(xué)... 

【文章來(lái)源】：北京科技大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：168 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖２－１微納米熱解碳的力學(xué)性能：（ａ）強(qiáng)度－密度的Ａｓｈｂｙ圖；（ｂ）比強(qiáng)度－斷裂應(yīng)??變的Ａｓｈｂｙ圖丨３２１

?高強(qiáng)耐磨Ｃｕ－Ａｌ粉末合金的成分設(shè)計(jì)與工藝優(yōu)化研宄???ＭＰａ、導(dǎo)電率為５０％ＩＡＣＳ的６？７元引線框架銅合金的成分設(shè)計(jì)。選取３個(gè)與??ＭＬＤＳ設(shè)計(jì)成分相近的文獻(xiàn)合金，２個(gè)與ＭＬＤＳ設(shè)計(jì)成分相同或相近的作者??研究室實(shí)驗(yàn)合金，分析了它們的性能與目標(biāo)性能之間的符合度，發(fā)現(xiàn)二者之??間具有較為令人滿意的一致性。??

—，?特征池呢］?３－２．ｙ＾ｃ？ｐ，）??ｒＬ?－????Ｖ?＾??ｔ．具有己婦能?￣??的訓(xùn)練數(shù)據(jù)ｊｆｃ＜ｙ）?．?２－１．成分（Ｃｉ）??？?＾?Ｊ??上?卜?ｌ??ｎ－ｉ－ｙｒ／（ｃ，）??｜??迭代擱環(huán)Ｉ?？?▼?ｖ??＇?＇ｊ?迭代藝２?？?４．虛擬免間??６．制備和瀾量?近２００萬(wàn)高熵合金??＾＾?ｔｖ?￣—??“?今?ｒ?＾?＿」??Ｔ?５．效用函數(shù)選擇下一個(gè)?＾?ｒ??實(shí)驗(yàn)?＜???ｖ?．／??圖２－３基于ＭＬ和ＤＯＥ的迭代設(shè)計(jì)循環(huán)原理圖，用于加速高熵合金設(shè)計(jì)??Ｈｕａｎｇ等［４５］使用機(jī)器學(xué)習(xí)（ＭＬ）算法結(jié)合包含４０１個(gè)不同高熵合金（包括??１７４個(gè)ＳＳ、５４個(gè)ＩＭ和１７３個(gè)ＳＳ＋ＩＭ相）的綜合實(shí)驗(yàn)數(shù)據(jù)集有效地探索了相??的選擇規(guī)則。采用了三種不同的ＭＬ算法：Ｋ近鄰（ＫＮＮ）、支持向量機(jī)（ＳＶＭ）??和人工神經(jīng)網(wǎng)絡(luò)（ＡＮＮ），為了避免過(guò)度擬合，將整個(gè)數(shù)據(jù)集分成四個(gè)幾乎相??等的部分來(lái)執(zhí)行交叉驗(yàn)證，ＫＮＮ、支持向量機(jī)和ＡＮＮ計(jì)算的測(cè)試精度分別??達(dá)到６８．６％、６４．３％和７４．３％。然后利用支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)對(duì)這三個(gè)??相中的兩個(gè)相進(jìn)行分類，結(jié)果表明，人工神經(jīng)網(wǎng)絡(luò)對(duì)ＳＳ和ＩＭ相、ＳＳ＋ＩＭ和??ＩＭ相、ＳＳ和ＳＳ＋ＩＭ相的分類精度分別為８６．７％、９４．３％和７８．９％，均高于支??持向量機(jī)的測(cè)試精度。因此，經(jīng)過(guò)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型在三種機(jī)器學(xué)習(xí)算法??中表現(xiàn)最好，并且有助于預(yù)測(cè)新高熵合金的相。這些工作為高熵合金的計(jì)算??設(shè)計(jì)提供了另一種途徑，也適用于加速其它金屬合金的發(fā)現(xiàn)。??Ｓｈｅｎ等從物理冶金學(xué)與機(jī)器學(xué)習(xí)算法融合的角度出


本文編號(hào)：2994298