[发明专利]一种基于人工智能预测系统的高熵合金热处理方法

权利要求书

1.一种基于人工智能预测系统的高熵合金热处理方法，其特征在于：由知识采集模块、训练模块、性能预测模块、数据库、加热模块、冷却模块组成，其中：

知识采集模块用于获取广泛的、有代表性的高熵合金热处理经验、数据、图表数据；

训练模块与知识采集模块相连，并通过训练模块完成系统的知识获取，利用知识采集模块提供的大量加工处理数据对神经网络进行训练，生成网络权值矩阵；

性能预测模块通过数值计算完成高熵合金热处理性能的预测；

数据库存储所有训练、检验用数据以及与领域知识相关的数据；

加热模块用于对高熵合金进行加热；

冷却模块用于对加热后的高熵合金进行冷却；

所述高熵合金热处理方法如下：

步骤一：通过知识采集模块获取广泛的、有代表性的高熵合金热处理经验、数据、图表数据；

步骤二：通过训练模块完成系统的知识获取，利用知识采集模块提供的大量加工处理数据对神经网络进行训练，生成网络权值矩阵；

步骤三：通过性能预测模块对数值进行计算，完成高熵合金热处理性能的预测，推理出优化的热处理工艺参数；

步骤四：将高熵合金输送到加热区域，并通过加热模块进行加热，加热过程中，冲入氮气；

步骤五：对经过加热的高熵合金进行退火处理，并置于冷却箱中，通过冷却模块进行冷却。

2.根据权利要求1所述的一种基于人工智能预测系统的高熵合金热处理方法，其特征在于：所述高熵合金由Al、Cr、Co、Fe、Ni、Mo、Ti、Si元素组成，且各元素的的纯度均≥99.5％，查找各元素的相对原子质量，按比例称取元素，使得高熵合金粉末总重在30-50克之间。

3.根据权利要求2所述的一种基于人工智能预测系统的高熵合金热处理方法，其特征在于：所述Cr、Co、Fe、Ni、Ti采用线切割；Al采用锯条进行切割。

4.根据权利要求1所述的一种基于人工智能预测系统的高熵合金热处理方法，其特征在于：所述步骤五中，对经过加热的高熵合金进行退火处理，并置于20-25℃的环境下的冷却箱中，通过冷却模块进行冷却。

5.根据权利要求1所述的一种基于人工智能预测系统的高熵合金热处理方法，其特征在于：还包括监控模块，通过监控模块对高熵合金热处理过程进行实时监控。

6.根据权利要求1所述的一种基于人工智能预测系统的高熵合金热处理方法，其特征在于：还包括报警模块，通过报警模块对高熵合金热处理过程中的异常数据进行报警。

7.根据权利要求1所述的一种基于人工智能预测系统的高熵合金热处理方法，其特征在于：还包括定位模块，通过定位模块对故障部分进行定位。

8.根据权利要求1所述的一种基于人工智能预测系统的高熵合金热处理方法，其特征在于：还包括可视作展示模块，通过可视作展示模块对高熵合金热处理过程进行可视化展示。