当前位置:主页 > 科技论文 > 航空航天论文 >

镍基焊条合金元素对LNG储罐焊缝强度和塑性的影响

发布时间:2024-02-13 20:58
  针对国产9Ni钢镍基焊材熔敷金属强度和塑性不能同时达标问题,采用机器学习方法分析了Nb、Cr、Fe、Mn等合金元素与镍基焊材熔敷金属塑性和强度的相关性;又采用决策树模型研究了合金元素的浓度对镍基焊材熔敷金属塑性和强度的影响程度。研究发现:Nb元素在一定含量内可以提高熔敷金属的强度和塑性;Cr元素对熔敷金属的塑性有明显的提高作用。

【文章页数】:5 页

【部分图文】:

图1元素与力学性能的皮尔逊系数热图

图1元素与力学性能的皮尔逊系数热图

其中:E为数学期望,D为方差,Cov(X,Y)为随机变量X与Y的协方差,相关系数的取值范围是[-1,1],通过计算元素含量与拉伸性能间的皮尔逊相关系数,可以解元素与力学性能的相关性。通过两个变量之间的正负相关性,从而确定对强度和塑性各自有利的元素和对性能有害的元素,选取部分元素来....


图2合金元素和塑性的决策树模型图

图2合金元素和塑性的决策树模型图

模型在22个样本上训练,其中包括15个标签为0的负样本和7个标签为1的正样本。模型在训练集上的准确率为100%,在测试集上的准确率为80%。因此模型具备一定的准确性。图2中,从上向下表示模型根据基尼系数建立决策树的过程,将Cr、Fe、S、Nb等元素依次作为特征建树。图中圆角矩形框....


图3合金元素和强度的决策树模型图

图3合金元素和强度的决策树模型图

Python语言编写合金元素和抗拉强度的决策树机器学习模型程序,程序调用sklearn模块的DecisionTreeClassifier模型。最终训练好的决策树模型如图3所示。图中各标记含义与图2相同。模型在训练集上的准确率为100%,在测试集上的准确率为87.5%,模型在训练集....



本文编号:3897196

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/hangkongsky/3897196.html


Copyright(c)文论论文网All Rights Reserved | 网站地图

版权申明:资料由用户34353***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com