晶粒尺寸预测模型的建立方法、装置及预测方法与流程

技术特征：
1.一种晶粒尺寸预测模型的建立方法，其特征在于，包括：选取合金材料的工艺参数作为晶粒尺寸的特征值；采用机器学习算法预测晶粒尺寸模型；通过交叉验证的方式对不同模型进行评估，以筛选出最佳模型。2.根据权利要求1所述的建立方法，其特征在于，包括：根据选取的晶粒尺寸的特征值形成晶粒尺寸数据集，并将数据集输入多个机器学习模型中，得到不同机器学习模型的评估参数；根据多个机器学习模型的所述评估参数对多个所述机器学习模型进行筛选得到多个第一模型；将多个所述第一模型进行五折交叉验证，得到多个所述第一模型的评估参数；根据多个所述第一模型的所述评估参数，得到最佳模型。3.根据权利要求2所述的建立方法，其特征在于，第一模型的评估参数获得过程：将晶粒尺寸数据集分为训练集和测试集，先将训练集输入至多个机器学习模型中，以使多个机器学习模型根据所述训练集进行训练，得到多个训练好的模型；再将所述测试集中的晶粒尺寸的特征值分别输入至多个训练好的模型中，以使多个训练好的模型通过机器学习预测晶粒尺寸的数值后输出得到多个晶粒尺寸的预测结果；将多个所述晶粒尺寸的预测结果与所述测试集中的晶粒尺寸进行比对，得到用于筛选模型的评估参数。4.根据权利要求2所述的建立方法，其特征在于，所述机器学习模型的个数为至少四个。5.根据权利要求4所述的建立方法，其特征在于，所述机器学习模型为四个，且四个所述机器学习模型分别为：extreme gradient boosting、随机森林、adaboost和gradient boosting decision tree。6.根据权利要求2或3所述的建立方法，其特征在于，所述数据集的获得过程包括：对初始数据集进行预处理得到第一数据集，计算并获得第一数据集中数据间的相关性，根据相关性形成晶粒尺寸数据集。7.根据权利要求6所述的建立方法，其特征在于，所述数据集的获得过程包括：计算皮尔逊相关系数，使用皮尔逊相关系数表示第一数据集中不同数据的相关性；当皮尔逊相关系数的绝对值大于预设数值时，表示两个数据之间的相关性不合格，将相关性不合格的每两个数据之间的其中一个删除，得到剩余数据；当皮尔逊相关系数的绝对值小于等于预设数值时，表示两个数据之间的相关性合格，得到合格数据；将剩余数据和所述合格数据集合便形成所述晶粒尺寸数据集。8.根据权利要求1所述的建立方法，其特征在于，所述特征值包括：合金成分、细化剂的成分、细化剂含量、过冷度和加入细化剂的保温时间；优选地，所述合金材料为铝合金和镁合金中的至少一种。9.一种用于实施权利要求1
‑
8中任一项所述建立方法的晶粒尺寸预测模型的建立装置，其特征在于，包括第一获取模块、第二获取模块和第三获取模块；其中，所述第一获取模块用来获取晶粒尺寸的特征值；所述第二获取模块用于根据机器学习算法预测晶粒尺寸模型；
所述第三获取模块通过交叉验证的方式进行不同模型的验证评估指标，以筛选出最佳模型。10.一种晶粒尺寸的预测方法，其特征在于，其应用权利要求1
‑
8中任一项所述的建立方法得到的最佳模型进行晶粒尺寸的预测。

技术总结
本发明公开了晶粒尺寸预测模型的建立方法、装置及预测方法，涉及合金材料技术领域。晶粒尺寸预测模型的建立方法包括：选取合金材料的工艺参数作为晶粒尺寸的特征值；采用机器学习算法预测晶粒尺寸模型；通过交叉验证的方式对不同模型进行评估，以筛选出最佳模型。上述方法能够根据晶粒尺寸的特征值准确地预测得到晶粒尺寸，从而实现铝及其合金晶粒尺寸的预测，为晶粒尺寸预测的商业软件开发与数据库的建立提供指导方向，提高工业生产中铝合金材料的机械性能。的机械性能。的机械性能。


技术研发人员：张志波 马帅 温丽涛 黄柱铭 郑开宏
受保护的技术使用者：广东省科学院新材料研究所
技术研发日：2021.09.17
技术公布日：2021/12/13