基于机器学习的镍基单晶高温合金蠕变寿命预测模型研究

摘要

构建合适的镍基单晶合金蠕变寿命预测模型，对于我国航空发动机叶片设计、强度分析和寿命预测具有重要意义。采用多项式回归、最近邻回归、支持向量机回归、决策树回归四种机器学习算法，建立镍基单晶高温合金蠕变寿命与合金成分、微观组织和蠕变工艺参数的关系模型，为镍基单晶高温合金的蠕变性能调控提供了新方法。基于蠕变寿命预测模型，系统地比较了四种算法和特征选择对模型性能的影响。结果表明，支持向量机回归模型的预测结果最优，相关性较高的四个特征依次为γ′固溶温度、Ta、W、Re。研究结果可为获得更有效的镍基单晶高温合金蠕变性能预测方法提供参考。

关键词

机器学习 / 镍基单晶高温合金 / 特征选择 / 蠕变寿命

基金资助

国家自然科学基金项目(12375305); 辽宁省应用基础研究计划项目(2023JH2/101300233); 辽宁省教育厅高等学校基本科研项目(JYTZD20230004)