典型文献
数据驱动的铝基复合材料性能预测和逆向设计
文献摘要：
采用数据驱动的方法对SiCp(0.5CNT)/7075Al铝基复合材料的化学成分以及制备工艺进行了分析,针对抗拉强度和延伸率两个力学性能进行了特征重要性分析,构建了包含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,并在此基础上进行了材料逆向设计.实验结果表明,在470℃固溶40 min,120℃时效15 h的热处理工艺下,SiCp(0.5CNT)/7075Al-1.0Mg复合材料抗拉强度和延伸率的预测值为617.48 MPa和2.98％,实验值为647.0 MPa和3.31％,两项物理性能的平均绝对百分比误差(mean absolute percentage errors,MAPE)较小,依次为4.56％和9.97％.这说明本数据驱动方法对铝基复合材料的工艺优化和性能提升有一定指导意义.
文献关键词：
机器学习;特征分析;铝基复合材料;逆向设计
中图分类号：
作者姓名：
陈水洲;王晓书;欧阳求保;张瑞
作者机构：
上海大学计算机工程与科学学院,上海200444;上海交通大学材料科学与工程学院金属基复合材料国家重点实验室,上海200240;上海大学材料基因组工程研究院材料信息与数据科学中心,上海200444;之江实验室,浙江杭州311100
文献出处：
引用格式：
[1]陈水洲;王晓书;欧阳求保;张瑞-.数据驱动的铝基复合材料性能预测和逆向设计)[J].上海大学学报（自然科学版）,2022(03):512-522
A类：
5CNT
B类：
铝基复合材料,复合材料性能,材料性能预测,逆向设计,SiCp,7075Al,制备工艺,抗拉强度,延伸率,特征重要性分析,机器学习算法,集成框架,参数调优,最优模型,模型选择,固溶,热处理工艺,0Mg,物理性能,平均绝对百分比误差,mean,absolute,percentage,errors,MAPE,数据驱动方法,性能提升
AB值：
0.386279
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
