新型钴基高温合金蠕变机制与机器学习研究新范式

目录介绍

1　新型钴基高温合金的蠕变曲线特征

2　微观组织对新型钴基高温合金蠕变性能的影响

2.1　组织特征

2.1.1　基体相——γ 相

2.1.2　强化相——γ′相

2.1.3　二次相

2.2　γ′强化相尺寸与体积分数

2.3　γ′强化相稳定性

2.3.1　γ′相的溶解温度

2.3.2　γ′相的粗化行为

2.4　γ′强化相的筏化行为

2.5　γ/γ′相晶格错配度

3　蠕变亚结构变化与形成机制

3.1　反相畴界

3.2　层错

3.3　层错之间的交互作用

3.4　层错附近元素偏析对蠕变性能的影响

4　机器学习驱动蠕变研究新范式

4.1　机器学习基本框架

4.2　钴基高温合金数据集的建立

4.2.1　监督学习数据集

4.2.2　无监督学习数据集

4.2.3　半监督学习数据集

4.3.1　数据预处理

4.3.2　数据变换

4.3.3　数据降维

4.4　机器学习模型的选择

4.4.1　线性回归模型

4.4.3　随机森林回归模型

4.5　机器学习模型训练

4.5.1　数据集划分

4.5.2　超参数优化

4.6　模型评价指标

4.6.1　决定系数R2

4.6.2　均方误差MSE

4.7　模型可解释性

5　结语与展望