【技术实现步骤摘要】
本专利技术涉及超高温陶瓷，尤其是涉及一种知识-数据协同驱动的多元超高温陶瓷设计方法。
技术介绍
1、超高温陶瓷主要包括ivb-vib族过渡金属硼化物、碳化物和氮化物陶瓷，如zrb2、hfb2、zrc、hfc、hfn等，由于其高熔点、高硬度和良好的物理/化学稳定性，而成为高超声速飞行器鼻锥、翼前缘等热端部件的最有前景的候选材料。然而，随着飞行速度的持续提升，服役条件愈加严苛，单组元超高温陶瓷及其复合材料的性能提升已趋近极限，难以满足日益苛刻的使役需求。
2、近年来兴起的高熵陶瓷是指包含五种及五种以上阳离子以等摩尔比混合的多组元单相固溶体陶瓷，具有组分调节空间大、熵效应独特以及性能易调控等诸多优点，为突破以上性能瓶颈提供了可行途径。巨大的成分空间为高熵陶瓷的性能调控提供了无限可能，但是同时也为成分设计带来了巨大挑战。传统的试错式材料研发方法难以高效探索如此复杂的相空间，不仅耗时费力，且认知还难免碎片化、局域化。
3、以机器学习为代表的ai技术是以数据为中心的建模方法，通过从数据中学习表示或规则、基于统计信息来进行模型构建，中国专利cn111651916a公开了一种基于深度学习的材料性能预测方法。然而，利用机器学习方法进行材料性能预测与成分设计，极大地依赖于数据量，面对材料领域的小数据现实，容易导致模型预测精度低、泛化能力和可解释性差等问题。针对上述问题，中国专利cn116562159a公开了一种材料性能预测模型的构建方法、材料性能预测方法和系统，利用主动学习策略来降低对数据量的依赖和提高模型预测性能，但这依然
4、因此，面对多元陶瓷复杂的化学相空间，亟需发展新的知识与数据协同的材料设计方法以高效探索出具有理想综合性能的成分配方，从而加速新材料研发进程。
技术实现思路
1、本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种知识-数据协同驱动的多元超高温陶瓷设计方法，能够将材料物理化学知识融入数据分析与建模过程中，从而降低对材料数据量的依赖并获得可解释的性能预测模型，以解决新型多元超高温陶瓷的成分设计难、研发周期长、成本高等难题。
2、本专利技术的目的可以通过以下技术方案来实现：
3、本专利技术提供一种知识-数据协同驱动的多元超高温陶瓷设计方法，包括以下步骤：
4、确定设计目标：根据工程需求确定新型多元超高温陶瓷的性能设计目标；
5、数据收集与建库：搜集超高温陶瓷及其多元固溶体的元素组成、元素特征数据、结构参数、目标性能数据，以此建立一个全面的材料数据库；
6、数据分类与关联分析：根据材料物理化学知识，区分材料数据的层次和类别，对所述材料数据库中的数据进行分类，并明确数据间的相互关系；
7、构建系综描述符：利用物理模型(如基于薛定谔方程等物理知识)，基于元素周期表中的原子尺度特征量构建系综描述符，以反映成分和结构的变化趋势；
8、建立量化关系模型：基于所述材料数据库中数据间的相互关系和所述系综描述符，挖掘材料结构、性质与系综描述符之间的量化关系，并以此建立一个端到端的物理模型，将宏观性质与原子特征量相联系；
9、正向预测与逆向设计：利用所述物理模型进行正向预测多元超高温陶瓷的物化性质，或者根据目标性能需求进行逆向设计成分配方。
10、进一步地，数据收集与建库中，所述多元超高温陶瓷包括硼化物、碳化物、氮化物。
11、进一步地，数据收集与建库中，所述多元固溶体的固溶元素种类包括ivb-vib的九种过渡金属元素：ti、zr、hf、v、nb、ta、cr、mo、w；
12、所述多元固溶体的固溶元素数量为二元至九元，元素比例包括等摩尔比及非等摩尔比。
13、进一步地，数据收集与建库中，所述目标性能包括熔点、热导率、热膨胀系数、弹性模量、硬度、室温/高温弯曲强度和断裂韧性、抗氧化性能。
14、进一步地，所述抗氧化性能包括质量损失率、氧化层厚度、氧化产物熔点、氧渗透速率。
15、进一步地，数据收集与建库中，所述元素特征数据包括原子量、半径、配位数、价态；
16、所述结构参数包括晶粒尺寸与形状、晶界性质、气孔率与大小。
17、进一步地，数据分类与关联分析中，所述数据的层次由微观到宏观依次为原子、晶格、晶粒、固体、构件、工程系统；
18、数据类别为化学组成、晶体结构、显微结构、物化性质。
19、进一步地，数据分类与关联分析中，所述确数据间的相互关系为同一层次数据间的相干关系和不同层次数据间的因果关系。
20、进一步地，构建系综描述符中，所述原子尺度特征量包括组成元素的原子量、共价半径、主量子数、配位数。
21、进一步地，所述系综描述符包括：
22、1)其中μ为原胞的约合质量，ri为组成原子的共价半径，ab为玻尔半径，具有化学压物理意义；
23、2)和分别为组成原子和氢原子的有效核电荷，z*＝ab(n*)2/η，n*为有效主量子数，具有化学键物理意义。
24、与现有技术相比，本专利技术具有以下技术优势：
25、1)本专利技术提供的一种知识-数据协同驱动的多元超高温陶瓷设计方法，创新性地将材料物理化学知识引入到数据预处理过程中，对材料数据进行分层、分类后，可直接区分出不同类别数据间的相干或因果关系；
26、2)本专利技术首次提出在薛定谔方程等基本物理原理框架下，以原子特征量构造系综描述符来量化材料化学组成和结构变化趋势，同时实现了物理降维和跨尺度；以系综描述符为桥梁可以建立材料结构/性质-成分间的物理模型，具备良好的可解释性和泛化性能；
27、3)本专利技术以两个系综描述符间的量化关系可以直接预测材料性质，极大地降低了对数据量的要求。
本文档来自技高网...【技术保护点】
1.一种知识-数据协同驱动的多元超高温陶瓷设计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种知识-数据协同驱动的多元超高温陶瓷设计方法，其特征在于，数据收集与建库中，所述多元超高温陶瓷包括硼化物、碳化物、氮化物。
3.根据权利要求1所述的一种知识-数据协同驱动的多元超高温陶瓷设计方法，其特征在于，数据收集与建库中，所述多元固溶体的固溶元素种类包括IVB-VIB的九种过渡金属元素：Ti、Zr、Hf、V、Nb、Ta、Cr、Mo、W；
4.根据权利要求1所述的一种知识-数据协同驱动的多元超高温陶瓷设计方法，其特征在于，数据收集与建库中，所述目标性能包括熔点、热导率、热膨胀系数、弹性模量、硬度、室温/高温弯曲强度和断裂韧性、抗氧化性能。
5.根据权利要求4所述的一种知识-数据协同驱动的多元超高温陶瓷设计方法，其特征在于，所述抗氧化性能包括质量损失率、氧化层厚度、氧化产物熔点、氧渗透速率。
6.根据权利要求1所述的一种知识-数据协同驱动的多元超高温陶瓷设计方法，其特征在于，数据收集与建库中，所述元素特征数据包括原子
7.根据权利要求1所述的一种知识-数据协同驱动的多元超高温陶瓷设计方法，其特征在于，数据分类与关联分析中，所述数据的层次由微观到宏观依次为原子、晶格、晶粒、固体、构件、工程系统；
8.根据权利要求7所述的一种知识-数据协同驱动的多元超高温陶瓷设计方法，其特征在于，数据分类与关联分析中，所述确数据间的相互关系为同一层次数据间的相干关系和不同层次数据间的因果关系。
9.根据权利要求1所述的一种知识-数据协同驱动的多元超高温陶瓷设计方法，其特征在于，构建系综描述符中，所述原子尺度特征量包括组成元素的原子量、共价半径、主量子数、配位数。
10.根据权利要求1所述的一种知识-数据协同驱动的多元超高温陶瓷设计方法，其特征在于，所述系综描述符包括：
...【技术特征摘要】
1.一种知识-数据协同驱动的多元超高温陶瓷设计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种知识-数据协同驱动的多元超高温陶瓷设计方法，其特征在于，数据收集与建库中，所述多元超高温陶瓷包括硼化物、碳化物、氮化物。
3.根据权利要求1所述的一种知识-数据协同驱动的多元超高温陶瓷设计方法，其特征在于，数据收集与建库中，所述多元固溶体的固溶元素种类包括ivb-vib的九种过渡金属元素：ti、zr、hf、v、nb、ta、cr、mo、w；
4.根据权利要求1所述的一种知识-数据协同驱动的多元超高温陶瓷设计方法，其特征在于，数据收集与建库中，所述目标性能包括熔点、热导率、热膨胀系数、弹性模量、硬度、室温/高温弯曲强度和断裂韧性、抗氧化性能。
5.根据权利要求4所述的一种知识-数据协同驱动的多元超高温陶瓷设计方法，其特征在于，所述抗氧化性能包括质量损失率、氧化层厚度、氧化产物熔点、氧渗透速率。<...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。