典型文献
基于机器学习的石油装备用大截面高强韧马氏体钢智能设计与性能研究
文献摘要：
为了满足超深层油气资源开发需求,针对石油装备用强度等级最高的低碳马氏体钢,结合成分性能大数据,基于四种不同机器学习方法分别建立了大截面高强韧低碳马氏体钢成分强度和成分硬度预测模型,分析表明,神经元层数为4、层深为64的人工神经网络模型的性能预测精度和拟合程度最好.采用遗传算法对材料成分进行智能最优化设计,获得CrNiMo和SiMnCrNiMo两种材料系中屈服强度大于1100 MPa、硬度大于42HRC、碳含量小于0.22％的最优成分,材料的端淬硬度分布曲线与预测值基本一致,最大误差小于3 HRC.依据优化设计成分进行多批次产品生产制造后结果表明,150 mm直径的构件全截面获得95％以上的细小针状马氏体组织,屈服强度大于1100 MPa,低温冲击吸收能大于45 J,满足服役性能要求,预测结果与生产实验结果具有较高的一致性.将材料大数据与机器学习相结合实现了材料的智能化设计开发,为高性能材料的开发提供了新途径.
文献关键词：
机器学习;大数据;石油装备;大截面构件;马氏体钢;成分优化
中图分类号：
作者姓名：
李方坡;路彩虹;赵靖宵;李秀程;尚成嘉
作者机构：
中国石油集团工程材料研究院有限公司石油管材及装备材料服役行为与结构安全国家重点实验室,西安,710077;北京科技大学钢铁共性技术协同创新中心,北京,10083
文献出处：
引用格式：
[1]李方坡;路彩虹;赵靖宵;李秀程;尚成嘉-.基于机器学习的石油装备用大截面高强韧马氏体钢智能设计与性能研究)[J].中国机械工程,2022(19):2325-2330
A类：
SiMnCrNiMo,42HRC
B类：
基于机器学习,石油装备,备用,高强韧,马氏体钢,智能设计,设计与性能,超深层,深层油气,油气资源,开发需求,强度等级,机器学习方法,层数,深为,人工神经网络模型,性能预测,拟合程度,材料成分,最优化设计,屈服强度,碳含量,硬度分布,分布曲线,最大误差,计成,多批,产品生产,生产制造,全截面,细小,小针,针状,马氏体组织,低温冲击,冲击吸收,吸收能,服役性能,性能要求,将材,材料大数据,智能化设计,设计开发,高性能材料,大截面构件,成分优化
AB值：
0.418507
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
