专家知识增强的机器学习建模在高强高导铜合金开发中的应用

TG146.11; 材料领域数据具有小样本、噪声大、维度高、关系复杂、专家知识丰富的特点.利用专家知识增强机器学习建模效果具有必要性和可行性.本文通过计算自变量与因变量之间的秩相关系数,来定量描述成分状态因素与性能之间单调关系的强弱.在模型训练过程中,将秩相关系数加入到神经网络损失函数,实时评估模型输出与专家知识的相符程度,得到了专家知识增强的机器学习模型.对训练过程分析后发现,模型输出的合理性有显著提升,模型的输入输出规律与专家知识的相符程度达到了0.98以上(1.0为完全相符).基于所建模型,采用遗传算法进行了关于强度和导电率的多目标优化,找到了满足帕累托最优的高强高导铜合金成分并开展了实...

Full description

Saved in:
Bibliographic Details
Published in工程科学学报 Vol. 45; no. 11; pp. 1908 - 1917
Main Authors 苗海宾, 向朝建, 刘胜楠, 黄东男, 娄花芬
Format Journal Article
LanguageChinese
Published 中铝材料应用研究院有限公司,北京 102209%中铝科学技术研究院有限公司,北京 102209%中铝材料应用研究院有限公司,北京 102209 2023
中国信息通信研究院,北京 100045
Subjects
专家知识
multiobjective optimization
机器学习
expert knowledge
copper alloy
high-strength and high-conductivity
多目标优化
铜合金
machine learning
高强高导
Online AccessGet full text

Cover

More Information
Summary:TG146.11; 材料领域数据具有小样本、噪声大、维度高、关系复杂、专家知识丰富的特点.利用专家知识增强机器学习建模效果具有必要性和可行性.本文通过计算自变量与因变量之间的秩相关系数,来定量描述成分状态因素与性能之间单调关系的强弱.在模型训练过程中,将秩相关系数加入到神经网络损失函数,实时评估模型输出与专家知识的相符程度,得到了专家知识增强的机器学习模型.对训练过程分析后发现,模型输出的合理性有显著提升,模型的输入输出规律与专家知识的相符程度达到了0.98以上(1.0为完全相符).基于所建模型,采用遗传算法进行了关于强度和导电率的多目标优化,找到了满足帕累托最优的高强高导铜合金成分并开展了实验验证.实验结果表明,强度在高达637 MPa的同时,导电率仍能保持在77.5％IACS(国际退火铜标准)的水平;导电率高达80.2％IACS的同时,强度仍能保持在600 MPa的水平.强度和导电率的预测值与实际值误差在5％以内.
ISSN:2095-9389
DOI:10.13374/j.issn2095-9389