金属学报

作者：何兴群, 付华栋, 张洪涛, 方继恒, 谢明, 谢建新

单位：1.北京科技大学 北京材料基因工程高精尖创新中心 北京 100083；2.北京科技大学 现代交通金属材料与加工技术北京实验室 北京 100083；3.北京科技大学 材料先进制备技术教育部重点实验室 北京 100083；4.昆明贵金属研究所 稀贵金属综合利用新技术国家重点实验室 昆明 650106

关键词：机器学习,银合金,电接触材料,成分设计,

基金：国家自然科学基金项目(U1602271);国家自然科学基金项目(51974028);北京市科委项目(Z191100001119125);中央高校基本科研业务费项目(FRF-IDRY-19-019)

为了快速发现高性能银合金电接触材料,从文献中收集了32组铸造法制备的银合金电接触材料的成分和性能数据,采用特征量筛选方法识别出影响合金性能的关键合金因子,采用支持向量机算法建立了合金导电率和硬度预测模型,实现了合金成分的快速设计。选取预测性能优异的Ag-19.53Cu-1.36Ni、Ag-10.20Cu-0.20Ni-0.05Ce和Ag-11.43Cu-0.66Ni-0.05Ce (质量分数,%) 3种成分设计方案进行工业生产条件的实验验证,性能预测结果与实验结果误差均小于10%,3种合金导电率均≥ 79%IACS,Vickers硬度均≥ 87 HV,综合性能均优于已有铸造法制备的银合金电接触材料。上述研究结果表明,本工作建立的机器学习成分设计方法可靠性好,有助于提高合金成分设计效率,快速发现综合性能优异的银合金电接触材料。

来源：2022年第6期

《金属学报》期刊编辑部

查看金属学报杂志2022年第6期