機器學習助力研究Cu-Al合金的燒結密度
Makingpredictionsofthelatticemisfitrapidlyandaccuratelyisthereforeofmuchpracticalimportance,especiallyforcostlyandtime-consumingmaterialdesignbytrialanderror.So,weprovideamachinelearningapproachtopredictmisfitusingrelevantmaterialdescriptorsincluding…
Inpowdermetallurgyhighvelocitycompactionisaneffectivetechnologywiththeadvantageofhighanduniformdensity[1-3]withlowspringback[4-6].Itiswidelyusedinaerospacesuchasfiltersandsomemilitarycomponents.ThegreendensityofHVCproductsiscriticalwhichsignificantly…
以TC4鈦合金熔模鑄造過程中鑄件各位置的型腔填充時間、材料流動距離、材料年齡、自由表面積*流動時間、局部凝固時間、冷卻速率、溫度梯度，七個參量作為BP神經網絡的輸入，以對應位置是否存在縮孔作為BP神經網絡的輸出，建立起了用于預測TC4鈦合金鑄件縮孔的BP神經網絡模型，并對所構建的BP神經網絡模型進行仿真測試。
基于線性回歸和支持向量機方法的Q235角鋼軋后超快冷的變形與力學性能的綜合設計
