论文部分内容阅读
针对目标性能的多元合金成分设计因具有巨大的成分参数空间而极具挑战,而且传统的试错实验由于效率低能探索的合金成分有限。提出利用高通量实验结合机器学习方法加速非等摩尔比的硬质高熵合金Co_xCr_yTi_zMo_uW_v的成分设计。首先通过自主研发的全流程高通量合金制备系统制备了138个不同成分的高熵合金铸态样品。然后根据测量的维氏硬度(HV)数据,使用随机森林法和支持向量机法进行机器学习建模,并预测了五元合金体系内潜在的3876个不同成分合金的硬度。随机森林机器学习模型的预测结果在高(HV>800 M