[发明专利]一种高强度高塑性Zr基非晶合金及其基于机器学习的方法

权利要求书

1.一种高强度高塑性Zr基非晶合金，其特征在于，所述高强度高塑性Zr基非晶合金的分子式为Zr_aCu_bNi_cAl_dM_e，其中M为Fe、Ti、Zn、Sn、Co、Ag中的一种，a、b、c、d和e分别表示对应元素的原子百分比，满足以下条件：50≤a≤55，30≤b≤36，5≤c≤10，5≤d≤10，且a+b+c+d+e＝100。

2.如权利要求1所述的高强度高塑性Zr基非晶合金，其特征在于，所述高强度高塑性Zr基非晶合金的分子式为Zr₅₃Cu₃₆Ni_5.5Al_5.5。

3.一种如权利要求1所述的高强度高塑性Zr基非晶合金的基于机器学习的方法，其特征在于，包括以下步骤：

步骤1：数据收集

收集现有的非晶合金的原子百分比及其对应的最大临界尺寸D_max、压缩断裂强度σ_ic、泊松比v数据信息；

步骤2：特征构建

构建与目标性能对应的经验特征及构建基于元素基本属性的统计特征；

步骤3：机器学习算法选择

构建机器学习模型，选择不同的机器学习算法，其中，机器学习模型包括三个模型，分别为：成分-D_max机器学习模型、成分-σ_c机器学习模型和成分-v机器学习模型；

步骤4：构建搜索成分空间

将搜索成分空间设定为Zr-Cu-Ni-Al-M系中的3-5种元素，M为Fe、Ti、Zn、Sn、Co、Ag中的一种，各元素的原子百分比范围分别为：50-65at.％Zr、15-40at.％Cu、0-20at.％Ni、0-20at.％Al、余量M，每个元素的搜索步长设置为0.5at.％；

步骤5：成分优化

基于帕累托优化算法筛选具有高强度高塑性的非晶合金成分；

步骤6：实验验证

按照筛选出的成分制备试样，并进行结构表征与压缩试验测试；

步骤7：设定高强度高塑性Zr基非晶合金的元素组成及元素的原子百分比；

基于帕累托优化算法筛选的具有高强度高塑性的非晶合金成分以及实验验证结果确定高强度高塑性Zr基非晶合金的元素组成及元素的原子百分比。

4.如权利要求3所述的高强度高塑性Zr基非晶合金的基于机器学习的方法，其特征在于，步骤2中，特征空间包括两个部分：1、基于元素基本属性构建的统计特征；2、基于文献报道的关于非晶形成能力、非晶强化理论的经验特征；其中，统计特征的构建为：将非晶合金的原子百分比与元素属性通过公式(1)～(4)数据化处理，形成合金属性，作为机器学习模型的输入；

式(1)～(4)中，a_i，x_i分别为合金中第i个元素的原子百分比和元素属性，N为合金中元素个数，x₁，x₂，x_D，x_d分别为线性混合规则linear mixture rule，互反混合规则reciprocalmixture rule，偏差混合规则deviation mixture rule及差异混合规则discrepancymixture rule。

5.如权利要求4所述的高强度高塑性Zr基非晶合金的基于机器学习的方法，其特征在于，步骤3中，以均方根误差RMSE作为机器学习模型的损失函数来评估模型的性能，根据10折交叉运算，选择具有最小RMSE的算法作为模型的最终算法；

算法包括：线性回归Lin、随机森林RF、决策树Dtree、k-近邻KNN、径向基核函数的支持向量机SVR.rbf、AdaBoost以及梯度提升决策树GBDT。