4-5、基于机器学习的新型钴基高温合金的设计

Design of new Co-base high temperature alloy based on machine learning method

刘兴军^1,2*，于金鑫^2,3，郭顺³，姜青山³，王翠萍²

摘要：航空发动机和燃气轮机是我国“十三五”期间的重点研究专项，而高温合金是航空发动机和燃气轮机的核心。目前被广泛使用的高温合金主要是Ni基高温合金。Ni基高温合金通过γ′相共格强化在高温时仍然可以保持较高的强度，然而Ni的熔点是1455°C，这限制了新一代高温合金的最高应用温度。Co的熔点高于Ni（1495°C），然而传统的Co基高温合金的强化机制主要是碳化物沉淀强化，没有和Ni基一样的γ′相强化机制导致其在高温的强度很低。2006年具有γ′相强化机制的Co基高温合金首次被发现，然而其体系中的γ-γ′相区很窄而且γ′相为非稳定相。近年的主要研究方向主要集中在通过添加合金元素扩大γ-γ′两相相区并提高γ′相稳定性。然而，目前高温合金主要通过实验手段采用“试错法”进行研究，这种方法效率较低且能源消耗极大。本团队采用一种全新的数据挖掘技术辅助设计方法进行钴基高温合金设计。将数据挖掘等人工智能方法融入材料设计中是目前的材料学科的发展方向之一。通过将已有数据进行整合并采用机器学习算法进行分析可以获得定量描述材料成分-工艺-性能关系的数学模型进而为材料的设计提供数据支撑，大大节省成本、缩短研发时间。本研究中，首先通过文献检索建立了γ′强化钴基高温合金成分-工艺-性能数据库，之后采用机器学习算法对数据库中的信息进行分析。采用支持向量机和随机森林算法的分类模型被用来研究工艺参数与成分对γ′相稳定性的影响。采用最小二乘法和随机森林算法的回归模型被用来研究成分对γ′相溶解温度的影响。分类模型可以成功的将存在γ′相的高温合金与不存在γ′相的高温合金进行区分。经交叉验证测试和实验数据测试，分类模型与回归模型的精度很高。通过对各影响因素的权重进行分析，可以获得各个影响因素的影响强度。时效时间和时效温度对γ′相是否存在具有较大影响，元素中影响较大的则是Al、Co、W、Ga、Ni和Cr。Cr、Ti、Ni对γ′溶解温度的影响较大，Mo、V和Fe的影响则较小。传统γ′相强化Co基高温合金是Co-Al-W体系，然而因为含有W导致密度太大，需要找到新的体系。Co-V-Ti体系在之前的研究报道中被发现存在γ-γ′两相区。本研究中采用上述模型对Co-Ti-V体系进行了优化，在一千多种合金设计方案中进行搜索，获得了具有高γ′相固溶温度的钴基高温的成分配比并采用实验方法制备出对应合金。合金具有较高的γ′溶解温度。目前此方法存在的主要问题是制备的合金中会出现杂相，这会影响合金的力学性能。在之后的工作中应考虑如何减少杂相的析出，更加精确的控制成分。通过与实验方法结合，数据挖掘技术辅助设计方法可以显著提高高温合金的设计效率。

本研究工作获得了国家重点研发计划“新型钴基和铌硅基高温合金高通量设计/制备集成与示范”的资助（项目编号：2017YFB0702901）。

关键词：高温合金；相稳定性；材料设计；机器学习

通讯作者：刘兴军，电话：18959287888，Email：lxj@xmu.edu.cn，地址：广东省深圳市南山区西丽大学城哈工大校区D407B

DOI:10.12110/secondfmge.20181014.405