[发明专利]基于多目标优化辅助主动学习的合金热处理工艺优化方法

说明书

本发明公开了一种基于多目标优化辅助主动学习的镁合金热处理工艺参数优化方法，旨在同时提升合金强度与塑性的前提下，可以快速寻找到合金的最优热处理工艺，根据合金工艺描述符建立合金热处理工艺参数空间，并构建训练集与验证集；然后构建支持向量机模型并采用训练集进行训练，采用训练好的模型对合金验证集的力学性能进行预测，最后，使用多目标优化策略选择下一次的反馈实验工艺，实现主动学习流程，当所选择的工艺测试性能满足我们的需求，则停止；如果不满足，则继续执行该反馈循环，直至满足我们的需求。本发明建立的基于多目标优化辅助主动学习优化镁合金热处理工艺的方法迭代效率高，合金性能可以同时提升。这不但为合金生产的所有工艺制定提供了新的途径和方法，也可以实现合金多目标性能的同时提升，降低生产成本，缩短开发时间。

技术领域

本发明属于镁合金热处理技术领域，具体涉及基于多目标优化辅助主动学习的合金热处理工艺优化方法。

背景技术

对于结构材料来说，强韧化一直是一个不变的主题。人们通过改变合金成分、制备工艺和热处理工艺来提高合金的力学性能，但这些性能往往是存在着竞争关系，并且这众多的参数也给传统实验方法带来了挑战，如参数复杂，搜索空间大，实验成本高。因此，如何采用少量实验或者计算可以同时优化材料的多个性能，这就是我们所关注的。

例如镁合金是目前最有潜力的新型轻型结构材料，其相比于其他的金属材料来说，有比强度高，比刚度高，密度低的优点，但其较差的塑性与强度限制其的进一步应用，因此，快速寻找其最优热处理工艺参数，提高材料的强度与塑性性能，这对于工业生产是有重大意义的。

发明内容

针对现有结构材料的热处理工艺参数复杂实验成本高的问题，本发明提供一种基于多目标优化辅助主动学习的合金热处理工艺优化方法，减少实验的盲目性，可以快速寻找到合金的最优热处理工艺且同时提升合金强度与塑性。

本发明是通过以下技术方案来实现：

基于多目标优化辅助主动学习的合金热处理工艺优化方法，包括以下步骤：

步骤1、根据合金工艺描述符建立合金热处理工艺参数空间，随机选取小样本数据，并根据选取样本数据对合金进行热处理，测试合金的力学性能，根据样本数据和力学性能构建训练集；

步骤2、构建支持向量机模型，采用训练集对其进行训练并评价其在训练集上的性能，支持向量机模型的输入为合金参数描述符，其输出为合金的力学性能；

步骤3、采用自动重采样方法评价步骤2中得到的支持向量机模型在未探索数据上模型预测的准确性，验证支持向量机模型的泛化能力；

当支持向量机模型输出的预测值达到预设要求，则执行步骤4；

当预测值未达到预设要求，则调整支持向量机模型的参数，重复该步骤，直至预测值达到预设要求；

步骤4、将步骤3得到的支持向量机模型应用于除训练集外的合金热处理工艺参数空间，得到其预测值，多目标优化策略根据预测值选择最优的实验参数，并根据所选实验参数对合金进行热处理，测试合金的力学性能；

步骤5、当步骤4得到的力学性能达到预定要求，则完成工艺参数优化；

当步骤4得到的力学性能未达到预定要求，则将该实验参数和对应的力学性能增加至训练集，重复步骤2-4，直至根据步骤4得到的力学性能达到预设要求。

优选的，所述步骤1中，所述合金工艺描述符包括固溶温度、固溶时间、时效温度和时效时间。

优选的，步骤1中所述合金热处理工艺参数空间的表达式如下：