声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：61-1133/TG
国际刊号：1001-3814
发布日期:
作者：黄颖, 刘奋成, 熊其平, 王鑫, 刘丰刚, 黄春平,
关键词：机器学习, 镍基高温合金, 硬度, 抗拉强度, 贝叶斯优化,
为减少盲目实验，优化实验方案，开展智能探索，实现材料性能的快速预测，利用数据驱动的机器学习方法，训练BP神经网络、支持向量机回归、随机森林和XGBoost 4种算法模型，将成形工艺、化学成分和热处理制度作为输入特征，对选区激光熔化镍基高温合金材料的硬度和抗拉强度进行预测。结果表明，XGBoost算法的拟合效果最好。同时使用贝叶斯优化算法优化XGBoost预测模型，建立镍基高温合金的ASBO-XGBoost预测模型，硬度预测模型训练集和测试集的决定系数R2分别达到0.961和0.953，抗拉强度预测模型的R2则为0.993及0.985，都有较好的拟合效果。为检验模型实际预测效果，设置不同工艺参数、热处理制度和合金元素含量，对模型的预测结果开展试验验证，硬度和抗拉强度的预测结果与实验结果绝对平均误差分别为28.7 HV和20.4 MPa，证实了ASBO-XGBoost模型在预测镍基高温合金强度和硬度的准确性和可靠性。
来源：2026年第7期
《热加工工艺》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。