本发明提供一种基于物理冶金学指导下机器学习的Q&P钢的设计方法，涉及汽车钢的成分工艺设计技术领域。本发明首先采集数据,采用多次留出法将数据划分训练集及测试集；根据训练集建立基于物理冶金学指导的集成学习算法模型；将集成学习算法模型的相关系数大于85％的作为遗传算法中的目标函数；遗传算法被用于优化设计成分及工艺获得最佳强塑积的Q&P钢，对Q&P钢的成分及工艺进行设计；对于得到的大量设计结果采用SVC分类器进行分类筛选，输出其典型合金的成分、工艺、强塑积。本方法相对于单纯机器学习，可以提升模型泛化能力，使设计更为高效，设计结果更加符合物理冶金学原理。
声明：
“基于物理冶金学指导下机器学习的Q&P钢的设计方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
1205
编辑：管理员
来源：北方有色网
咨询细节
