Загрузил mixailverejack

Диплом бакалавр

реклама
ИСПОЛЬЗОВАНИЕ ЭВОЛЮЦИОННОГО
АЛГОРИТМА И МЕТОДОВ МАШИННОГО
ОБУЧЕНИЯ ДЛЯ ПРЕДСКАЗАНИЯ
ДЕФОРМАЦИИ ДО РАЗРУШЕНИЯ
ВЫСОКОЭНТРОПИЙНЫХ СПЛАВОВ
Объектом исследования являются высокоэнтропийные сплавы
на основе системы Al-Cr-Nb-Ti-V-Zr.
Цель работы: разработка моделей искусственного интеллекта
(классического машинного обучения и глубокого обучения) с
использованием эволюционного алгоритма для предсказания
деформации до разрушения высокоэнтропийных сплавов.
Задачи работы:
1).Построение и сбор базы данных о высокоэнтропийных сплавах.
2).Расчёт признаков потенциально влияющих на пластичность.
3).Определение набора признаков для определения оптимальной
конфигурации, путём эволюционного поиска.
4).Построение моделей машинного обучения для прогнозирования
пластичности высокоэнтропийных сплавов.
2
Актуальность темы исследования
• Высокая стоимость механических испытаний
• Подбор подходящих материалов методом проб
и ошибок
• Большое композиционное пространство
составов
Создание обучающего набора данных
Для обучения и проверки работы методов машинного обучения
использовалось 153 сплава. Выборка случайным образом была разбита
на обучающую и валидационную часть в пропорции 80/20 %
соответственно.
Блок схема для нахождения оптимальной конфигурации признаков из
возможного набора величин для прогнозирования деформации до
разрушения высокоэнтропийных сплавов
Выбор и расчёт признаков
Набор признаков, влияющих на целевое свойство:
1. Правила Юм-Розери
2. Термодинамические параметры
3. Закон Гольдшмидта
Результаты выбора признаков
Тестовые сплавы
Химический состав тестовых сплавов и их пластичность
Al
Cr
Nb
Ti
V
Zr
δпр,%
δ,
%
15
11
6
37
20
11
1
8
11
7
25
50
14
11
-
3
14
13
23
22
26
2
12
12
12
1
22
31
20
14
10
7
Структура ИНС
 Архитектуры нейронной сети с
1, 2 и 3 скрытыми слоями,
которые содержат одинаковое
число нейронов в диапазоне от
10 до 30.
 В качестве функции активации
для скрытых слоёв была
использована ReLu функция, а
выходная функция –
сигмовидная функция
активации.
9
Метод обучения нейронной сети
10
Корреляционные кривые
2 — слоя по 14 нейронов в
каждом скрытом слое
3
3 — слоя по 12 нейронов в
каждом скрытом
3 3м слое
Скачать