基于机器学习的铝及其合金晶粒细化研究

温丽涛，陈 勇

（南华大学 机械工程学院，湖南 衡阳421000）

0 引 言

大数据与人工智能的结合被称为“科学的第四范式”，机器学习被誉为材料研发的新方法。数据可以从实验、模拟计算、各大材料数据库等获取，再利用机器学习进行数据挖掘，对材料进行研究［1］。机器学习的出现为广大科研人员的科学研究给予了极大的便利，可以加速材料的研究，节约研发成本。目前，已有许多研究人员使用机器学习模型并获得成果。如：胡建军等［2］利用多种机器学习模型，对材料弹性性能进行了归纳和预测；Zhang等［3］利用支持向量机回归算法，从一系列合金元素中找到恰当合金元素，显著提高铜合金的极限抗拉强度和电导率；Shen等［4］利用基于不同机器学习算法，结合物理冶金预测材料的强度，成功设计出了超高强度不锈钢。如此等等，都是利用机器学习来对目前产生的大量材料数据进行数据挖掘，利用已有数据对材料性能进行预测，不仅能充分利用材料数据，而且能对实验研究进行系统性的指导。

晶粒细化是提高铝合金性能的重要手段，所以细化剂在工业界被广泛应用［5］。由于晶粒尺寸能很好的表征晶粒细化的结果，因此本文利用机器学习，实现晶粒尺寸的预测。机器学习的晶粒尺寸性能预测模型工作流程如图1所示。

图1 机器学习的材料性能预测工作流程Fig.1 Workflow of performance prediction model via machine learning

本研究首先从文献中收集筛选出需要的数据样本、选择特征、进行数据预处理；然后分别采用Xgboost［6］、RF［7］以及AdaBoost［8］3种机器学习模型预测晶粒尺寸；……