[发明专利]一种基于PSO-SVR的高硬度铝合金及其制备方法

摘要

本发明公开了一种基于PSO‑SVR的高硬度铝合金及其制备方法，按质量比组分由Si0.4‑0.5％、Fe0.4‑0.5％、Cu4‑5％、Mn0.8‑0.9％、Mg1.5‑2％、Ti0.1‑0.2％、Zn0.2‑0.3％、Cr0.1‑0.2％(其余为Al)组成。本发明通过所建的SVR计算模型寻优得到铝合金中各元素组分的最优值，可使得铝合金的维氏硬度达到最大值154GPa以上，比目前已知的最大值大；利用所建SVR模型可以获取铝合金各组分含量对其硬度的交互影响规律，以及铝合金硬度对于各组分含量的相对敏感度。本发明可以合成更高硬度的铝合金，节省大量的人力、物力、财力和时间，提升研发效果和缩短研发周期。

主权项

1.一种高硬度铝合金，其特征在于，该高硬度铝合金按质量比组分由Si0.4‑0.5％、Fe0.4‑0.5％、Cu4‑5％、Mn0.8‑0.9％、Mg1.5‑2％、Ti0.1‑0.2％、Zn0.2‑0.3％、Cr0.1‑0.2％、其余为Al组成；所述高硬度铝合金的制备方法，是将SVR与PSO相结合，建立铝合金维氏硬度的有效SVR模型，并由此模型预测高硬度铝合金的最优组分及对应的最大硬度值，具体包括以下步骤：改变Si、Fe、Cu、Mn、Mg、Ti、Zn、Cr元素含量，采用铝材常用制备法制备若干铝合金样品；测量所制备铝合金的维氏硬度，收集各铝合金中的Si、Fe、Cu、Mn、Mg、Ti、Zn、Cr元素含量及对应的维氏硬度的相关实验数据，并建立合适的SVR计算模型；利用检验样本数据对所建SVR模型的准确性或可靠性进行评估，若所建SVR模型预测的平均绝对百分误差达到实用要求，则该模型可靠，否则改变或增加训练样本，重新训练以获得新的SVR模型，再利用未参与建模训练的检验样本数据对所建SVR模型进行检验，直到所建SVR模型的平均绝对百分误差达到实用要求为止，此时的SVR模型即为最优模型；利用上述最优的SVR模型，分析所建的SVR模型所揭示的各组分对铝合金硬度的影响规律；改变自变量值，经过格点扫描，获取具有最高维氏硬度的铝合金所具有的各成分含量；根据最优SVR模型所获铝合金最优组分值制备铝合金，测量其维氏硬度，与模型预测值进行对比验证，所述SVR模型为：(1)式中，y为目标值，l为支持向量个数，α_i,为拉格朗日乘子，exp(‑γ||x‑x_i||²)为高斯核函数，γ为高斯核函数参数，b为偏差阈值，x为样本自变量。