高通量实验和机器学习结合加速硬质高熵合金成分优化

发布时间：2024-04-24 00:28

　　对于多组元合金,由于存在大量的潜在成分组合,采用传统的经验与试错法使得研发过程缓慢而昂贵。为应对多组元合金成分设计的挑战,我们发展了高通量实验(HTE)结合机器学习(ML)的研发方法加速合金成分优化,并将THE-ML方法用于发展新型非等摩尔比硬质高熵合金(HEA)Co_xCr_yTi_zMo_u W_v。我们设计研发了系列高通量合金制备设备,包含了从原料配置用的多工位粉料分配系统到合金化用的多工位自动电弧熔炼系统以及后续的金相样品制备设备。我们使用高通量实验设备分两步制备潜在成分空间中约1/28的合金样本,期间利用机器学习方法指导实验方案设计。首先,我们单独调整难熔合金元素W或Mo成分,以及通过相结构的特征描述因子选定成分,共计制备111个合金样品。通过三种机器学习算法与四种特征描述因子组合构建12个机器学习方法和120个机器学习模型进行多方法和多模型统计预测。第二步高通量实验针对初始的机器学习模型按照硬度区间预测选择的27个合金成分进行。最终的机器学习模型构建使用了全部138个实验数据...

【文章页数】：96 页

【学位级别】：硕士

【部分图文】：

图1.1合金混合熵随合金主元数N变化的曲线图

硕士学术论文P而不是非晶相[10-13]。随着研究的深入，叶均蔚[4]于2004年正一概念。此后高熵合金成为多元合金的科研热点。合金四大效应传统合金的设计理念导致高熵合金具有四种效应[14]，分别是上的高熵效应(混合熵)：=(∑1),....

图1.2合金XRD衍射图随主元数增加[15]

图1.2合金XRD衍射图随主元数增加[15]的晶格畸变效应：熵效应，合金的固溶体相无论是BCC、FCC、HCP还是其他一种单相[16]，因此合金体系的基体相中的每个原子都被不同原子尺寸的差异外，相邻原子之间的非对称性、键能以及对应倾向差异都将引起较传统合金更严重的晶格....

图1.3严重扭曲的晶格与位错、电子、声子和X射线束的各种相互作用[14]

图1.2合金XRD衍射图随主元数增加[15]的晶格畸变效应：熵效应，合金的固溶体相无论是BCC、FCC、HCP还是其他一种单相[16]，因此合金体系的基体相中的每个原子都被不同原子尺寸的差异外，相邻原子之间的非对称性、键能以及对应倾向差异都将引起较传统合金更严重的晶格....

图1.4不同温度下Nb25Mo25Ta25W25和V20Nb20Mo20Ta20W20以及Inconel718和Haynes230的屈服强度[24]

性能上的“鸡尾酒”效应：“鸡尾酒效应”是由Prof.S.Ranganathan[21]最早提出的，用以表述不同间的协同作用。对于不同成分与工艺制备的高熵合金可能是单相、双相、者更多相的复杂结构。各组成相与合金整体性能受到晶粒形貌、晶粒尺寸、相界等各种基础性质的影响，同时每个相又....

本文编号：3962965