典型文献
机器学习辅助高性能银合金电接触材料的快速发现
文献摘要：
为了快速发现高性能银合金电接触材料,从文献中收集了32组铸造法制备的银合金电接触材料的成分和性能数据,采用特征量筛选方法识别出影响合金性能的关键合金因子,采用支持向量机算法建立了合金导电率和硬度预测模型,实现了合金成分的快速设计.选取预测性能优异的Ag-19.53Cu-1.36Ni、Ag-10.20Cu-0.20Ni-0.05Ce和Ag-11.43Cu-0.66Ni-0.05Ce(质量分数,％)3种成分设计方案进行工业生产条件的实验验证,性能预测结果与实验结果误差均小于10％,3种合金导电率均≥79％IACS,Vickers硬度均≥87 HV,综合性能均优于已有铸造法制备的银合金电接触材料.上述研究结果表明,本工作建立的机器学习成分设计方法可靠性好,有助于提高合金成分设计效率,快速发现综合性能优异的银合金电接触材料.
文献关键词：
机器学习;银合金;电接触材料;成分设计
中图分类号：
作者姓名：
何兴群;付华栋;张洪涛;方继恒;谢明;谢建新
作者机构：
北京科技大学北京材料基因工程高精尖创新中心 北京100083;北京科技大学现代交通金属材料与加工技术北京实验室 北京100083;北京科技大学材料先进制备技术教育部重点实验室 北京100083;昆明贵金属研究所稀贵金属综合利用新技术国家重点实验室 昆明650106
文献出处：
引用格式：
[1]何兴群;付华栋;张洪涛;方继恒;谢明;谢建新-.机器学习辅助高性能银合金电接触材料的快速发现)[J].金属学报,2022(06):816-826
A类：
53Cu,43Cu
B类：
银合金,电接触材料,铸造,造法,特征量,筛选方法,方法识别,键合,支持向量机算法,导电率,快速设计,预测性能,Ag,36Ni,20Cu,20Ni,05Ce,66Ni,工业生产条件,性能预测,IACS,Vickers,HV,合金成分设计,设计效率
AB值：
0.277935
相似文献
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。
