Print

基于机器学习的挤压铸造铝合金力学性能预测

论文摘要

基于现有挤压铸造研究数据,以不同合金元素及其含量下铝合金的力学性能作为训练数据,结合带有因子分解机(Factorization Machine,FM)的多项式回归模型,通过机器学习算法,以梯度下降策略对模型进行训练学习。然后,以合金的元素含量作为输入条件,预测该成分下合金的力学性能,并与试验力学性能作对比验证。结果表明,该模型能较好地预测不同元素含量铝合金的抗拉强度、屈服强度、硬度和伸长率等力学性能指标。

论文目录

  • 1 基于FM算法的机器学习模型
  •   1.1 成分优化试验模型及算法
  •   1.2 梯度下降算法
  •   1.3 基于FM算法和梯度下降的参数优化
  •   1.4 开源库使用
  • 2 模型训练与测试样本
  • 3 试验结果与讨论
  •   3.1 模型参数
  •   3.2 模型验证分析
  • 4 结论

    • 文章来源

    类型: 期刊论文

    作者: 郝永志,赵海东,林嘉华

    关键词: 机器学习,因子分解机,梯度下降算法,铝合金,挤压铸造

    来源: 特种铸造及有色合金 2019年08期

    年度: 2019

    分类: 工程科技Ⅰ辑

    专业: 金属学及金属工艺

    单位: 华南理工大学国家金属材料近净成形工程技术研究中心

    基金: 工信部工业强基工程资助项目(TC160A310-10),广州市科技计划资助项目(201802030012)

    分类号: TG376;TG146.21

    DOI: 10.15980/j.tzzz.2019.08.012

    页码: 859-862

    总页数: 4

    文件大小: 344K

    下载量: 429

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/5cfce54da6584add0a52073e.html