一种镍基单晶高温合金氧化速率常数预测方法

本发明属于高温合金设计，尤其涉及一种镍基单晶高温合金氧化速率常数预测方法。

背景技术：

1、镍基单晶高温合金是航空发动机涡轮叶片等热端部件的关键材料，其抗氧化性能取决于表面能否形成连续致密的al2o3保护膜。氧化抛物线速率常数（kp）是表征该性能的核心参数，准确预测kp对加速新型合金设计至关重要。然而，现有kp预测技术存在以下不足：

2、1） 传统经验模型基于arrhenius关系的拟合仅适用于单一成分体系下的温度外推，无法描述al、cr、re等十余种元素间的复杂非线性耦合效应，预测精度有限；2） 常规机器学习方法在典型的高维小样本条件下易过拟合、泛化能力差；深度学习依赖海量训练数据，与材料实验数据稀少的现状脱节；且模型呈“黑箱”特性，缺乏物理可解释性，难以指导合金设计；3）现有方法未有效整合al活度、扩散系数等关键热力学/动力学参数，未能建立其与kp之间的机理驱动关联；4）全局模型不同al供给状态的合金样本被强制纳入同一特征流形学习，导致同一合金元素对kp的贡献方向在不同成分区间可能反转，无法捕捉分区间的非线性效应差异。

技术实现思路

1、本发明的主要目的在于提供一种镍基单晶高温合金氧化速率常数预测方法，旨在实现对镍基单晶高温合金氧化抛物线速率常数的高精度、可解释预测，并克服不同al供给状态下合金元素贡献方向反转所导致的预测精度瓶颈。

2、为此，本发明提供的镍基单晶高温合金氧化速率常数预测方法，包括以下步骤：

3、步骤s1：数据集构建与特征工程，从公开发表文献中收集al2o3形成型镍基单晶高温合金的高温氧化实验数据，提取稳态氧化阶段的抛物线速率常数kp值，构建以氧化温度t、逆温度1/t以及ni、al、co、cr、mo、re、ru、ti、ta、w、hf、si、y共13种关键合金元素的名义质量分数为基础输入特征的特征矩阵，并对kp值取自然对数得到ln(kp)作为预测目标变量；

4、步骤s2：热力学描述符代理模型构建，以氧化温度t、逆温度1/t和所述13种元素含量为输入特征，分别以对数变换后的al活度ln(a(al))和al扩散系数ln(dni(al))为目标变量，训练两个tabpfn代理模型，实现任意成分和温度条件下的热力学/动力学参数预测；

5、步骤s3：热力学耦合指数φ构建与arrhenius基线提取，基于wagner氧化理论，定义φ = ln(a(al) × dni(al))作为有效al供给能力的度量，建立arrhenius型基线φbaseline = α × (1000/t) + β，计算各样本的动力学偏离量devi = φ - φbaseline以滤除温度的主体贡献；基于高斯混合模型的成分空间分区，假定动力学偏离量devi服从由k个高斯分布构成的混合分布，对devi进行高斯混合模型聚类，通过贝叶斯信息准则bic确定最优聚类数k，将成分空间划分为k个区制；

6、步骤s4：分区-集成tabpfn模型训练与预测，针对每个区制分别构建包含区制特异性标准缩放器和tabpfn回归模型的预测流水线，新样本输入特征同时馈入所有区制流水线，依据样本的区制归属选择对应的预测值作为最终输出。

7、具体的，所述tabpfn为在数百万合成先验数据集上进行上下文学习的表格基础模型，通过单次前向传播执行贝叶斯推理，输出预测不确定性量化结果。

8、具体的，步骤s2中所述a(al)代理模型的测试集决定系数r2为0.9985，所述dni(al)代理模型的测试集决定系数r2为0.9367。

9、具体的，步骤s3中所述arrhenius基线的斜率α和截距β通过线性回归对完整数据集上的ln(a(al)×dni(al))与1000/t进行拟合得到，且α = -15.04，β = -28.21。

10、具体的，步骤s3中所述高斯混合模型的混合系数满足，各高斯分量的均值为、方差为，所述贝叶斯信息准则bic = k·ln(n) - 2·ln(l)，其中k为模型参数个数，n为样本量，l为最大似然函数值，选择使bic最小的k值作为最优聚类数。

11、具体的，步骤s3最优聚类数k = 3，将成分空间划分为对应于最低al有效供给水平的区制0、中等al有效供给水平的区制1和最高al有效供给水平的区制2

12、具体的，所述分区-集成tabpfn预测模块中，各区制对应的预测流水线包含一个区制特异性标准缩放器和一个tabpfn回归模型，所述标准缩放器将各区制内的输入特征缩放至零均值、单位方差。

13、具体的，步骤s4中分区模型均采用留一交叉验证法进行性能评估，全局集成模型在60组合金数据上的留一交叉验证决定系数r2达到0.855，平均绝对误差mae为0.880。

14、具体的，所述方法可适用于al2o3形成型镍基单晶高温合金在700 ℃至1200 ℃温度范围内的氧化抛物线速率常数预测，并且可推广至其他具有类似氧化保护机制的合金体系。

15、与现有技术相比，本发明具有以下有益效果：

16、1. 预测精度显著提升。通过“物理引导解耦+局部分区回归”策略，全局loocv决定系数r2达到了0.855，平均绝对误差mae达到了0.880，验证了分区策略在解决成分异质性导致的精度瓶颈方面的有效性。

17、2. 物理可解释性强。分区依照经典wagner氧化理论开展，建立了从“黑箱预测”到“白箱理解”的桥梁，为材料设计人员提供可信任的预测依据。

18、3. 小样本适应性优异。利用tabpfn基于数百万合成先验数据集的上下文学习能力，在仅60组实验数据的小样本条件下实现了高精度预测，避免了传统深度学习方法对海量训练数据的依赖。同时，loocv验证方法提供了对小数据集泛化误差的近乎无偏估计。

19、4. 可处理元素作用的非线性反转。通过gmm分区实现成分空间的物理聚类，将来自不同al有效供给状态的合金样本分配至不同区制内进行独立建模，有效化解了同一元素在不同al供给状态下对kp不同影响的难题。

1.一种镍基单晶高温合金氧化速率常数预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的方法，其特征在于：所述tabpfn为在数百万合成先验数据集上进行上下文学习的表格基础模型，通过单次前向传播执行贝叶斯推理，输出预测不确定性量化结果。

3.根据权利要求1所述的方法，其特征在于，步骤s2中所述a(al)代理模型的测试集决定系数r2为0.9985，所述dni(al)代理模型的测试集决定系数r2为0.9367。

4.根据权利要求1所述的方法，其特征在于，步骤s3中所述arrhenius基线的斜率α和截距β通过线性回归对完整数据集上的ln(a(al)×dni(al))与1000/t进行拟合得到，且α = -15.04，β = -28.21。

5.根据权利要求1所述的方法，其特征在于，步骤s3中所述高斯混合模型的混合系数满足，各高斯分量的均值为、方差为，所述贝叶斯信息准则bic = k·ln(n) - 2·ln(l)，其中k为模型参数个数，n为样本量，l为最大似然函数值，选择使bic最小的k值作为最优聚类数。

6.根据权利要求1所述的方法，其特征在于，步骤s3中最优聚类数k = 3，将成分空间划分为对应于最低al有效供给水平的区制0、中等al有效供给水平的区制1和最高al有效供给水平的区制2。

7.根据权利要求1所述的方法，其特征在于，步骤s4中分区模型均采用留一交叉验证法进行性能评估，全局集成模型在60组合金数据上的留一交叉验证决定系数r2为0.855，平均绝对误差mae为0.880。

8.根据权利要求1所述的方法，其特征在于，所述方法适用于al2o3形成型镍基单晶高温合金在700℃至1200℃温度范围内的氧化抛物线速率常数预测。