高强耐磨Cu-Al粉末合金的成分设计与工艺优化研究

发布时间：2021-01-23 01:45

　　随着现代工业的快速发展,矿山机械、船舶、航天等领域对低速重载滑动轴承的使用提出了更苛刻的要求,现有的轴承材料已经无法满足需求。本论文基于逆向设计思想,根据需求导向筛选轴承材料,利用机器学习指导材料设计和工艺优化。研究了 Cu-Al粉末合金烧结机理,并研究了不同合金元素的加入对合金组织和性能的影响机理。研究内容主要包括以下几个方面:（1）对低速重载滑动轴承服役需求进行分析,得出了滑动轴承服役所需性能指标。然后,利用Ashby法绘制材料性能图,并对各种可用材料进行比较和筛选后,选择Cu-Al合金作为轴承材料。最后,确定采用粉末冶金法制备滑动轴承材料。（2）研究了单质粉为原料的Cu-9Al合金的烧结机理和膨胀机理。结果表明,在480℃,在Cu颗粒与Al颗粒间形成了 Al4Cu9、AlCu和Al2Cu三个连续的相,Al2Cu首先出现;在500℃,Al和Al2Cu相逆共晶反应形成液相,当液相渗透到铜颗粒之间的间隙时发生膨胀,烧结密度降低;在565℃以上,A14Cu9和α-Cu转变为AlCu3;在1000℃,残余的纯铜转化为AlCu3,孔隙率下降。（3）利用机器学习方法建立了 Cu-Al合金的力学... 

【文章来源】：北京科技大学北京市 211工程院校 教育部直属院校

【文章页数】：168 页

【学位级别】：博士

【部分图文】：

图２－１微纳米热解碳的力学性能：（ａ）强度－密度的Ａｓｈｂｙ图；（ｂ）比强度－断裂应??变的Ａｓｈｂｙ图丨３２１

?高强耐磨Ｃｕ－Ａｌ粉末合金的成分设计与工艺优化研宄???ＭＰａ、导电率为５０％ＩＡＣＳ的６？７元引线框架铜合金的成分设计。选取３个与??ＭＬＤＳ设计成分相近的文献合金，２个与ＭＬＤＳ设计成分相同或相近的作者??研究室实验合金，分析了它们的性能与目标性能之间的符合度，发现二者之??间具有较为令人满意的一致性。??

—，?特征池呢］?３－２．ｙ＾ｃ？ｐ，）??ｒＬ?－????Ｖ?＾??ｔ．具有己婦能?￣??的训练数据ｊｆｃ＜ｙ）?．?２－１．成分（Ｃｉ）??？?＾?Ｊ??上?卜?ｌ??ｎ－ｉ－ｙｒ／（ｃ，）??｜??迭代搁环Ｉ?？?▼?ｖ??＇?＇ｊ?迭代藝２?？?４．虚拟免间??６．制备和澜量?近２００万高熵合金??＾＾?ｔｖ?￣—??“?今?ｒ?＾?＿」??Ｔ?５．效用函数选择下一个?＾?ｒ??实验?＜???ｖ?．／??图２－３基于ＭＬ和ＤＯＥ的迭代设计循环原理图，用于加速高熵合金设计??Ｈｕａｎｇ等［４５］使用机器学习（ＭＬ）算法结合包含４０１个不同高熵合金（包括??１７４个ＳＳ、５４个ＩＭ和１７３个ＳＳ＋ＩＭ相）的综合实验数据集有效地探索了相??的选择规则。采用了三种不同的ＭＬ算法：Ｋ近邻（ＫＮＮ）、支持向量机（ＳＶＭ）??和人工神经网络（ＡＮＮ），为了避免过度拟合，将整个数据集分成四个几乎相??等的部分来执行交叉验证，ＫＮＮ、支持向量机和ＡＮＮ计算的测试精度分别??达到６８．６％、６４．３％和７４．３％。然后利用支持向量机和人工神经网络对这三个??相中的两个相进行分类，结果表明，人工神经网络对ＳＳ和ＩＭ相、ＳＳ＋ＩＭ和??ＩＭ相、ＳＳ和ＳＳ＋ＩＭ相的分类精度分别为８６．７％、９４．３％和７８．９％，均高于支??持向量机的测试精度。因此，经过训练的神经网络模型在三种机器学习算法??中表现最好，并且有助于预测新高熵合金的相。这些工作为高熵合金的计算??设计提供了另一种途径，也适用于加速其它金属合金的发现。??Ｓｈｅｎ等从物理冶金学与机器学习算法融合的角度出


本文编号：2994298