基于机器学习的高强度ODS合金成分设计
针对200～300 组氧化物弥散强化(ODS)合金成分、工艺及力学性能数据，尝试借助机器学习的方法，建立了ODS 合金中关键成分与拉伸性能的关联性。研究结果发现，在Cr、Y2 O3、W 和Ti 含量与ODS 合金抗拉强度的变化趋势中，均存在对应着抗拉强度极值的最优值，而添加Al 对抗拉强度的提升无明显作用。获得了几种抗拉强度优化的ODS 合金关键成分配比，预测出的室温抗拉强度均在1 400 MPa以上，这将为快堆结构材料用ODS 合金优化设计提供技术支持，加速推进ODS 合金的材料优化。
ODS合金 拉伸性能 机器学习 材料优化
白冰 郑全 任帅 张长义 杨文 胡长军
中国原子能科学研究院反应堆工程技术研究部,北京 102413 北京科技大学,北京 100083
国内会议
上海
中文
678-682
2019-09-17（万方平台首次上网日期，不代表论文的发表时间）