基于机器学习的AZ31镁合金轧制板材腐蚀电位预测研究

目的为了实现对AZ31镁合金轧制板材耐腐蚀性能的调控。方法以AZ31镁合金轧制板材的下压量、轧制温度和应变速率3个轧制工艺参数作为输入变量,腐蚀电位作为输出变量,采用支持向量机(SVM)、随机森林(RF)、K近邻(KNN)和反向传播神经网络(BP)4种机器学习模型对AZ31镁合金轧制板材的腐蚀性能进行预测。结果计算得出,支持向量机(SVM)、随机森林(RF)、K近邻(KNN)和反向传播神经网络(BP)4种机器学习模型的平均绝对误差(MAE)分别为0.01365、0.01259、0.01072和0.01538;均方误差(MSE)分别为0.000247、0.000182、0.000169和0.000354;决定系数(R2)分别为0.61、0.71、0.74和0.44;下压量、轧制温度和应变速率与腐蚀电位的Pearson相关系数分别为0.755、0.262和0.015。结论对比上述4种机器学习模型,K近邻(KNN)模型对AZ31镁合金轧制板材腐蚀电位的预测效果更好;由Pearson相关系数热力图可知,下压量与腐蚀电位呈正相关,这是由于随下压量的增加,晶粒逐渐细化,镁合金的耐腐蚀性能随之增加;轧制温度与腐蚀电位呈正相关,归因于随轧制温度的增加,孪晶数量逐渐减少,孪晶与镁基体形成的微电偶效应减弱,提高了腐蚀性能。

资料为PDF文档格式.

本文档关键词:轧制,板材,腐蚀,机器,预测