文献类型：专利

中文题名：一种基于机器学习的材料屈服强度预测方法

作者：贾云飞[1];王栋铭[1];张显程[1];张勇[1];蔡轶丞[1];何志斌[1];张超[1];涂善东[1];

机构：[1]华东理工大学;

专利类型：发明公开

申请号：CN202110090962.0

申请日：20210122

申请人地址：200237 上海市徐汇区梅陇路130号

公开日：20210420

代理人：邓琪

代理机构：31002 上海智信专利代理有限公司

语种：中文

中文关键词：屈服; 强度预测; 待测材料; 微观结构参数; 初始数据集; 极限学习机; 真实数据; 材料性能评估; 基于机器; 快速预测; 模型预测; 预测结果; 数据量; 测试; 预测; 学习

摘要：本发明提供了一种基于机器学习的材料屈服强度预测方法,包括:初步获取若干组待测材料的微观结构参数及其对应的屈服强度,得到初始数据集;根据初始数据集对第一极限学习机模型进行训练,得到初始的屈服强度预测模型;根据初始的屈服强度预测模型的预测结果,有针对性地再获取若干组微观结构参数及其对应的屈服强度,得到真实数据集;利用真实数据集对第二极限学习机模型进行训练和测试,得到最终的屈服强度预测模型;利用待测材料的微观结构参数和最终的屈服强度预测模型预测得到待测材料的屈服强度。本发明的材料屈服强度预测方法,能够以有限的数据量,较为准确地预测待测材料的屈服强度,具有精度高、快速预测、可实施材料性能评估的优点。