一种镁合金力学性能预测方法、装置、设备及存储介质制造方法及图纸

本文涉及数据处理技术领域，尤其涉及一种镁合金力学性能预测方法、装置、设备及存储介质。其方法包括，对镁合金样本进行相图计算，得到镁合金材料基因力学性能数据集；并进行标准化得到标准数据集；利用随机森林算法构建镁合金力学性能初始预测模型，并利用该模型得到镁合金样本的力学性能计算值，并根据镁合金样本的力学性能实际值、镁合金样本的力学性能计算值以及遗传算法对镁合金力学性能初始预测模型的参数进行优化，得到镁合金力学性能预测模型；利用镁合金力学性能预测模型对目标镁合金样本的力学性能进行预测。通过本文实施例的方法，能够快速、精准地筛选出最佳的模型参数，确定最优的预测模型，从而提高镁合金力学性能预测的精度。测的精度。测的精度。

【技术实现步骤摘要】
一种镁合金力学性能预测方法、装置、设备及存储介质


[0001]本文涉及数据处理
，尤其涉及一种镁合金力学性能预测方法、装置、设备及存储介质。

技术介绍

[0002]镁合金的力学性能主要包括抗拉强度(UTS)、屈服强度(YTS)以及延伸率(EL)，现有技术中大多采用机器学习算法对镁合金的力学性能进行预测，具体地，将镁合金的材料成分、加工工艺等数据作为数据集，然后利用机器学习算法对数据集进行计算，得到镁合金额力学性能。但镁合金的材料成分、加工工艺等数据的数据量较小，而机器学习算法往往需要大量的数据进行模型训练，因此，采用机器学习算法对镁合金的性能进行预测的精度不高。
[0003]现在亟需一种镁合金力学性能预测方法，从而解决现有技术中镁合金力学性能的预测精度低的问题。

技术实现思路

[0004]为解决现有技术中的问题，本文实施例提供一种镁合金力学性能预测方法、装置、设备及存储介质，能够对镁合金的参数数据进行扩维，并且快速、精准地筛选出最佳的模型参数，确定最优的预测模型，从而提高镁合金力学性能预测的精度。
[0005]为了解决上述技术问题，本文的具体技术方案如下：
[0006]一方面，本文实施例提供了一种镁合金力学性能预测方法，包括，
[0007]对镁合金样本进行相图计算，将计算得到的镁合金成分以及加工工艺参数作为镁合金材料基因力学性能数据集；
[0008]对所述镁合金材料基因力学性能数据集进行数据标准化以及数据归一化的预处理，得到标准数据集；
[0009]利用随机森林算法构建镁合金力学性能初始预测模型，并利用镁合金力学性能初始预测模型对所述标准数据集进行计算，得到所述镁合金样本的力学性能计算值，并根据所述镁合金样本的力学性能实际值、所述镁合金样本的力学性能计算值以及遗传算法对所述镁合金力学性能初始预测模型的参数进行优化，得到镁合金力学性能预测模型；
[0010]利用所述镁合金力学性能预测模型对目标镁合金样本的力学性能进行预测。
[0011]另一方面，本文实施例还提供了一种镁合金力学性能预测装置，包括，
[0012]数据集构建单元，用于对镁合金样本进行相图计算，将计算得到的镁合金成分以及加工工艺参数作为镁合金材料基因力学性能数据集；
[0013]疏忽标准化单元，用于对所述镁合金材料基因力学性能数据集进行数据标准化以及数据归一化的预处理，得到标准数据集；
[0014]预测模型构建单元，用于利用随机森林算法构建镁合金力学性能初始预测模型，并利用镁合金力学性能初始预测模型对所述标准数据集进行计算，得到所述镁合金样本的
力学性能计算值，并根据所述镁合金样本的力学性能实际值、所述镁合金样本的力学性能计算值以及遗传算法对所述镁合金力学性能初始预测模型的参数进行优化，得到镁合金力学性能预测模型；
[0015]性能预测单元，用于利用所述镁合金力学性能预测模型对目标镁合金样本的力学性能进行预测。
[0016]另一方面，本文实施例还提供了一种计算机设备，包括存储器、处理器、以及存储在存储器上的计算机程序，处理器执行所述计算机程序时实现上述的方法。
[0017]最后，本文实施例还提供了一种计算机存储介质，其上存储有计算机程序，计算机程序被计算机设备的处理器运行时，执行上述的方法。
[0018]利用本文实施例，采用随机森林算法构建镁合金力学性能预测模型，避免了计算过程中的过拟合，通过对镁合金样本进行相图计算，得到镁合金成分，实现了通过计算得到不同成分工艺的相图，获得其相的组成和占比，增加了计算的数据量，将其输入到镁合金力学性能预测模型中，从而得到了更加准确的计算结果，提高镁合金力学性能预测的精度，解决了现有技术中镁合金力学性能的预测精度低的问题。
附图说明
[0019]为了更清楚地说明本文实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本文的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0020]图1所示为本文实施例一种镁合金力学性能预测方法的实施系统示意图；
[0021]图2所示为本文实施例一种镁合金力学性能预测方法的流程图；
[0022]图3所示为本文实施例中利用随机森林算法构建镁合金力学性能初始预测模型的步骤；
[0023]图4所示为本文实施例一种镁合金力学性能预测装置的结构示意图；
[0024]图5a所示为本文实施例不同算法训练集的R2值；
[0025]图5b所示为本文实施例不同算法训练集的RMSE值；
[0026]图5c所示为本文实施例不同算法测试集的R2值；
[0027]图5d所示为本文实施例不同算法测试集的RMSE值；
[0028]图6a所示为本文实施例不同预处理方法训练集的R2值；
[0029]图6b所示为本文实施例不同预处理方法训练集的RMSE值；
[0030]图6c所示为本文实施例不同预处理方法测试集的R2值；
[0031]图6d所示为本文实施例不同预处理方法测试集的RMSE值；
[0032]图7a所示为本文实施例特征f(Mg5Zn2)和特征f(Cub)关系图；
[0033]图7b所示为本文实施例特征f(UTS)和特征f(Al11Mn4_T1)关系图；
[0034]图7c所示为本文实施例特征f(YTS)和特征f(MgZn)关系图；
[0035]图7d所示为本文实施例特征f(EL)和特征f(Ca2Mg5Zn5_im1)关系图；
[0036]图8所示为本文实施例特征关系热图；
[0037]图9a所示为本文实施例扩维前后R2值；
[0038]图9b所示为本文实施例扩维前后RMSE值；
[0039]图10a所示为本文实施例模型对UTS的预测结果图；
[0040]图10b所示为本文实施例模型对YTS的预测结果图；
[0041]图10c所示为本文实施例模型对EL的预测结果图；
[0042]图11所示为本文实施例Mg
‑
5Zn
‑
4Al
‑
xSn相图；
[0043]图12a所示为本文实施例应力
‑
应变曲线图；
[0044]图12b所示为本文实施例拉伸测试结果图；
[0045]图13所示为本文实施例计算机设备的结构示意图。
[0046]【附图标记说明】：
[0047]101、终端；
[0048]102、服务器；
[0049]401、数据集构建单元；
[0050]402、疏忽标准化单元；
[0051]403、预测模型构建单元；
[0052]404、性能预测单元；
[0053]1302、计算机设备；
[0054]1304、处理设备；...

【技术保护点】

【技术特征摘要】
1.一种镁合金力学性能预测方法，其特征在于，所述方法包括，对镁合金样本进行相图计算，将计算得到的镁合金成分以及加工工艺参数作为镁合金材料基因力学性能数据集；对所述镁合金材料基因力学性能数据集进行数据标准化以及数据归一化的预处理，得到标准数据集；利用随机森林算法构建镁合金力学性能初始预测模型，并利用镁合金力学性能初始预测模型对所述标准数据集进行计算，得到所述镁合金样本的力学性能计算值，并根据所述镁合金样本的力学性能实际值、所述镁合金样本的力学性能计算值以及遗传算法对所述镁合金力学性能初始预测模型的参数进行优化，得到镁合金力学性能预测模型；利用所述镁合金力学性能预测模型对目标镁合金样本的力学性能进行预测。2.根据权利要求1所述的方法，其特征在于，利用随机森林算法构建镁合金力学性能初始预测模型进一步包括，对随机森林算法中树的数量和树的深度进行二进制编码，将得到的二进制数组作为随机森林算法的种群中的一个个体的染色体；设定所述种群中个体的数量以及所述染色体的长度，并随机生成初代种群的染色体参数，所述染色体参数为二进制一维数组，所述种群中的一个个体与一个镁合金样本对应；将所述染色体参数作为所述镁合金力学性能初始预测模型参数，根据所述染色体参数构建所述镁合金力学性能初始预测模型。3.根据权利要求2所述的方法，其特征在于，所述镁合金样本的力学性能计算值包括，所述镁合金样本的抗拉强度计算值、屈服强度计算值以及延伸率计算值。4.根据权利要求3所述的方法，其特征在于，并根据所述镁合金样本的力学性能实际值、所述镁合金样本的力学性能计算值以及遗传算法对所述镁合金力学性能初始预测模型的参数进行优化进一步包括，分别计算所述抗拉强度计算值、屈服强度计算值以及延伸率计算值的决定系数；根据所述抗拉强度计算值的决定系数、屈服强度计算值的决定系数以及延伸率计算值的决定系数计算所述染色体参数对所述镁合金力学性能初始预测模型的适应度；确定所述适应度最大的所述染色体参数；根据所述种群中个体的数量、每个个体对应的适应度计算每个个体的遗传概率；将所述遗传概率超过阈值的所述个体作为下一代种群中的个体；将所述下一代种群中相邻的个体间随机交换染色体参数的二进制一维数组中的元素，得到下一代种群中的染色体参数；按照设定的变异概率改变下一代种群中多个染色体参数的二进制一维数组中的元素，得到下一代种群，根据下一代种群中的染色体参数构建镁合金力学性能下一代预测模型，并计算根据所述标准数据集计算镁合金力学性能下一代预测模型对应的镁合金样本的力学性能计算值；根据所述镁合金样本的力学性能实际值以及镁合金力学性能下一代...

【专利技术属性】
技术研发人员：魏世丞，张钰，王博，王玉江，梁义，李林蔚，
申请(专利权)人：中国人民解放军陆军装甲兵学院，
类型：发明
国别省市：