Physics‐Based Machine‐Learning Approach for Modeling the Temperature‐Dependent Yield Strength of Superalloys
Physics‐Based Machine‐Learning Approach for Modeling the Temperature‐Dependent Yield Strength of Superalloys
复制标题
基于物理的机器—用于模拟高温合金温度—相关屈服强度的学习方法
DOI：
10.1002/adem.202201903
复制
发表时间：
2023
影响因子：
3.6
通讯作者：
Liaw, Peter K.
中科院分区：
文献类型：
--
作者：
Steingrimsson, Baldur;Fan, Xuesong;Adam, Benjamin;Liaw, Peter K.
在开发具有更好性能的高温合金以满足下一代能源和航空航天需求的性能要求方面，集成计算材料工程发挥了至关重要的作用。本文提出了一种机器学习方法，能够利用双线性对数模型预测高温合金的温度依赖屈服强度。重要的是，该模型引入了参数断裂温度Tbreak，其用作操作条件的上边界，以确保可接受的机械性能。与传统的黑盒方法不同，我们的模型基于直接构建到模型中的基础物理。提出了一种全局优化技术，该技术允许在低温和高温状态下同时优化模型参数。所呈现的结果扩展了先前关于高熵合金（HEAs）的工作，并为双线性对数模型及其用于模拟高温合金以及HEAs的温度相关强度行为的适用性提供了进一步的支持。
In the pursuit of developing high‐temperature alloys with improved properties for meeting the performance requirements of next‐generation energy and aerospace demands, integrated computational materials engineering has played a crucial role. Herein, a machine learning approach is presented, capable of predicting the temperature‐dependent yield strengths of superalloys utilizing a bilinear log model. Importantly, the model introduces the parameter break temperature,Tbreak, which serves as an upper boundary for operating conditions, ensuring acceptable mechanical performance. In contrast to conventional black‐box approaches, our model is based on the underlying fundamental physics built directly into the model. A technique of global optimization, one allowing the concurrent optimization of model parameters over the low‐ and high‐temperature regimes, is presented. The results presented extend previous work on high‐entropy alloys (HEAs) and offer further support for the bilinear log model and its applicability for modeling the temperature‐dependent strength behavior of superalloys as well as HEAs.
登录
查看更多内容
具有提高 1023 K (750 °C) 以上蠕变强度潜力的 eta 相沉淀硬化镍基合金的设计
DOI：
--
发表时间：
2015
期刊：
Metallurgical and Materials Transactions. A
影响因子：
--
作者：
Matthew Wong;P. Sanders;J. Shingledecker;C. L. White
通讯作者：
C. L. White
影响因子：
8.3
作者：
Baldur Steingrimsson;Xuesong Fan;R. Feng;P. Liaw
通讯作者：
Baldur Steingrimsson;Xuesong Fan;R. Feng;P. Liaw
DOI：
--
发表时间：
1996
期刊：
影响因子：
--
作者：
N. Saunders
通讯作者：
N. Saunders
添加Ni和Ta提高L12-Co3(Al,W)的高温强度
DOI：
--
发表时间：
2022
期刊：
影响因子：
--
作者：
野平 直希;大下 宜晃;Chiu Wan-Ting;海瀨 晃;田原 正樹;細田 秀樹;Zhenghao Chen,Kyosuke Kishida,Haruyuki Inui
通讯作者：
Zhenghao Chen,Kyosuke Kishida,Haruyuki Inui
七种铁基合金在低压氢气中760℃长期时效后的蠕变断裂行为
DOI：
--
发表时间：
1980
期刊：
影响因子：
--
作者：
W. R. Witzke;J. R. Stephens
通讯作者：
J. R. Stephens