(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111353094.7 (22)申请日 2021.11.16 (71)申请人 湖南航天天麓新材 料检测有限责任 公司 地址 410000 湖南省长 沙市宁乡高新 技术 产业园区金洲北路0 01号 (72)发明人 李侣　李志娟　李星辉　王宇红　 刘明楠　 (74)专利代理 机构 长沙德恒三权知识产权代理 事务所(普通 合伙) 43229 代理人 徐仰贵 (51)Int.Cl. G16C 60/00(2019.01) G06K 17/00(2006.01) G06N 20/00(2019.01) (54)发明名称 一种新型铝合金性能提升的方法 (57)摘要 本发明公开一种新型铝合金性能提升的方 法， 采集训练数据， 通过铝合金熔炼铸造在线检 测系统对铝合金熔炼过程中成分、 热工艺参数进 行数据采集并存入数据库中， 将性能检测的结果 录入数据库， 形成材料基因数据库； 采用交叉验 证法对多种机器学习算法进行筛选， 设置合理的 成分和工艺参数步长， 根据预期的力学拉伸性能 进行预测计算， 反推铝合金元素含量配比和工艺 参数， 根据计算所得结果， 进行铝合金的生产验 证， 再将验证所得数据反馈给机器学习模型， 进 行进一步的迭代优化， 使 得计算结果不断向目标 性能收敛， 直至获得目标性能。 本发明避免了传 统试错法的盲目性， 节约了生产所需的人力成本 和时间成本， 可加速铝合金的产品迭代优化， 扩 展产品的适用性。 权利要求书1页 说明书4页 附图1页 CN 114121185 A 2022.03.01 CN 114121185 A 1.一种新型铝合金性能提升的方法， 其特 征在于， 包括以下步骤： S1、 采集训练数据， 通过铝合金熔炼铸造在线检测系统对铝合金熔炼过程中成分、 热工 艺参数进行数据采集并存入数据库中， 由性能检测室对铝合金样品的力学拉伸、 硬度的性 能进行检测， 根据样品上的二 维码编码， 将性能检测的结果录入数据库， 形成材料基因数据 库； S2、 根据S1采集的训练数据， 采用交叉验证法对多种机器学习算法进行筛选， 筛选后的 训练数据进 行模型调优， 找到使得模型泛化性能最优的超参值， 训练出铸造铝合金的成分、 工艺参数和力学性能的相关性模型； S3、 设置合理的成分和工艺参数步长， 根据预期的力学拉伸性能， 进行预测计算， 反推 铝合金元素含量配比和工艺参数、 根据计算所得结果， 进行铝合金的生产验证， 再将验证所 得数据反馈给机器学习模型， 进 行进一步的迭代优化， 使得计算结果不断向目标性能收敛， 直至获得目标性能。 2.根据权利要求1所述的新型铝合金性 能提升的方法， 其特征在于， 合理 的成分和工艺 参数步长包括： 成分包括： Si、 Mg、 Ti、 Fe元素， 成分参数步长为： Si的计算步长为0.1， Mg的计 算步长为0.01， Ti的计算 步长为0.01， F e的计算步长为0.1； 工艺参数包括 固溶温度、 固溶时间、 时效温度、 时效时间， 温度步长为10℃， 时间步长为 1h。 3.根据权利要求1所述的新型铝合金性 能提升的方法， 其特征在于， 所述材料基因数据 库包括完整的从 成分基础参数到最终性能的完整数据。 4.根据权利要求1所述的新型铝合金性 能提升的方法， 其特征在于， 所述机器学习算法 包括： LM(Levenberg ‑Marquarelt算法)、 SVR(回归支持向量机算法)、 RF(随机森林算法)以 及KNN(k近邻分类算法)的一种或多种。 5.根据权利要求1所述的新型铝合金性 能提升的方法， 其特征在于， 所述训练数据至少 达一千条。 6.根据权利要求1所述的新型铝合金性能提升的方法， 其特征在于， 所述S3 中预测计算 步骤包括： 第一步： 导入算法库(LM、 SVR、 RF、 KNN)； 第二步： 导入数据； 第三步： 设置目标量为 P， 与合金元素成分、 工艺参数作为共同计算参数； 第四步： 计算均方根误差、 平均相 对误差 和R方； 第五步： 对比误差参数， 优选最佳模 型； 第六步： 根据预期性能， 计算元素成分及工艺 参数； 根据计算结果进 行生产验证； 生产验证不合格， 根据结果数据， 调整模型参数； 继续根 据预期性能， 计算元 素成分及工艺 参数， 进行生产验证； 第七步： 实现铝合金性能提升 。权　利　要　求　书 1/1 页 2 CN 114121185 A 2一种新型铝合金性能提升的方 法 技术领域 [0001]本发明涉及铝合金性能提升的技术领域， 特别涉及一种新型铝合金性能提升的方 法。 背景技术 [0002]在科学技术创新与发展的推动下， 工业零部件的检测技术也得到了迅速发展， 尤 其是近些年， 在传统检测技术的基础上， 不断地有新的检测原理和方法涌现， 结合自动化、 智能化、 实时化和流程化等手段， 各类先进检测技术和仪器开发出来， 并成功应用到生产制 造环节， 实现了零部件制造过程质量控制关键参数以及工艺过程参数的在 线检测、 控制， 达 到提升产品生产效率和质量的目标。 [0003]传统的铝合金性能提升方法主要为 “试错法”， 存在研发周期长、 成本高的问题， 不 满足国家最新的 “碳达峰”、“碳中和”政策。 现有技术中CN201910584618.X ‑一种铝合金铸 造 熔炼过程在线检测与数据应用方法及系统提供了一种贵铝合金熔炼过程中成分、 热工艺参 数等数据进行采集并存入数据库。 相比较于传统的力学性能提升方法， 亟需提供一种新型 铝合金性能提升的方法避免传统试错法的盲目性。 发明内容 [0004]针对现有技术中的缺陷， 本发明提供一种新型铝合金性能提升 的方法， 避免了传 统试错法的盲目性， 节约了生产所需的人力成本和时间成本， 可加速铝合金 的产品迭代优 化， 扩展产品的适用性。 [0005]为了实现上述目的， 本发明提供一种新型铝合金性能提升的方法， 包括以下步骤： [0006]S1、 采集训练数据， 通过铝合金熔炼铸造在线检测系统对铝合金熔炼过程中成分、 热工艺参数进行数据采集并存入数据库中， 由性能检测室对铝合金样品的力学拉伸、 硬度 的性能进 行检测， 根据样品上的二 维码编码， 将性能检测的结果录入 数据库， 形成材料基因 数据库； [0007]S2、 根据S1采集的训练数据， 采用交叉验证法对多种机器学习算法进行筛选， 筛选 后的训练数据进行模型调优， 找到使得模型泛化性能最优的超参值， 训练出铸造铝合金 的 成分、 工艺 参数和力学性能的相关性模型； [0008]S3、 设置合理的成分和工艺参数步长， 根据预期的力学拉伸性能， 进行预测计算， 反推铝合金元素含量配比和工艺参数、 根据计算所得结果， 进 行铝合金的生产验证， 再将验 证所得数据反馈给机器学习模型， 进行进一步的迭代优化， 使得计算结果不断向目标性能 收敛， 直至获得目标性能。 [0009]优选的， 合 理的成分和工艺参数步长包括： 成分包括： S i、 Mg、 Ti、 Fe元素， 成分参数 步长为： Si的计算步长为0.1， Mg的计算步长为0.01， Ti的计算步长为0.01， Fe的计算步长为 0.1； [0010]工艺参数包括固溶温度、 固溶时间、 时效温度、 时效时间， 温度步长为10℃， 时间步说　明　书 1/4 页 3 CN 114121185 A 3