基于机器学习的直冷铸造铝-锌-镁坯锭热撕裂控制因素研究

《Algorithms》:Machine Learning-Based Prediction and Interpretation of Hot-Tearing Susceptibility in Al–Zn–Mg Alloys for Direct-Chill Casting Process Optimization

【字体: 大 中 小 】 时间:2026年09月25日 来源:Algorithms 2.6

编辑推荐:

   摘要

  

摘要

热撕裂限制了直冷铸造铝-锌-镁坯锭的良率。其控制因素涵盖合金成分、冷却条件以及半凝固金属的状态,且这些因素之间存在交互作用;物理学判据所需的若干物理量在铸造过程中无法测量,而这些因素在工业生产规模下很少被同时观测到。因此,本研究利用机器学习方法,从生产过程中可记录的变量出发,在成分与工艺条件同时变化的情况下,确定热撕裂的控制因素。研究在108块中试规模坯锭上评估了热撕裂情况,涵盖多种变体,模型基于合金成分、铸造参数和计算的凝固特性进行训练。评估采用嵌套交叉验证,并整体剔除成分簇,以确保性能反映未见过的变体情况;所选模型实现了合并样本外平均精确率为0.63,而无技能基线水平为0.51。Shapley加法解释识别出Si、Mn、Zn和稳态铸造速度为主要变量;Si的影响取决于Fe含量,而Mg的影响呈非单调性。Mn的贡献在该体系中尚未被系统记录。模型归因所得到的关系与先前报道的实验发现一致,且这些关系基于生产过程中可获取的变量,为优化合金设计和铸造工艺提供了依据。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号