基于机器学习的高强度ODS合金成分设计

• 作者: 任帅 张长义 杨文 白冰 胡长军 郑全
• 来源期刊: 原子能科学技术
• 关键词: ODS合金 拉伸性能 机器学习 材料优化
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 第二届核材料技术创新学术会议优秀论文选
• 页码范围: 678-682
• 页数: 5页
• 分类号: TG407
• 语种: 中文
• DOI: 10.7538/yzk.2019.youxian.0552

摘要

针对200～300组氧化物弥散强化(ODS)合金成分、工艺及力学性能数据,尝试借助机器学习的方法,建立了ODS合金中关键成分与拉伸性能的关联性.研究结果发现,在Cr、Y2O3、W和Ti含量与ODS合金抗拉强度的变化趋势中,均存在对应着抗拉强度极值的最优值,而添加Al对抗拉强度的提升无明显作用.获得了几种抗拉强度优化的ODS合金关键成分配比,预测出的室温抗拉强度均在1400 MPa以上,这将为快堆结构材料用ODS合金优化设计提供技术支持,加速推进ODS合金的材料优化.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张长义	中国原子能科学研究院反应堆工程技术研究部	18	32	3.0	5.0
2	胡长军		64	555	10.0	21.0
3	杨文	中国原子能科学研究院反应堆工程技术研究部	53	69	4.0	6.0
4	白冰	中国原子能科学研究院反应堆工程技术研究部	9	2	1.0	1.0
5	郑全	中国原子能科学研究院反应堆工程技术研究部	4	0	0.0	0.0
6	任帅		1	0	0.0	0.0