本發明涉及材料成分預測領域，尤其涉及一種馬氏體成分預測方法及裝置。

背景技術：

1、目前馬氏體鋼成分設計存在以下難點：馬氏體鋼的成分復雜，不同元素之間存在復雜的協同作用，元素的對材料性能的影響并非簡單的線性疊加，這些元素的組合會影響到材料的微觀結構和性能，而這種協同作用往往難以預測和控制；其次，性能之間存在著沖突作用，例如，增加強度往往會降低塑性，而增加硬度可能會影響耐腐蝕性能。應用場景需要馬氏體鋼能夠兼備多種性能，然而在實際設計過程中需要在不同性能之間不斷地進行權衡取舍。例如，在刀具制造中，馬氏體鋼需要具備高硬度以保持切削鋒利，同時還需要一定的韌性以防止脆性斷裂。在軸承制造中，材料不僅需要高強度和高硬度，還需要具備耐疲勞性和耐腐蝕性，以保證長時間的使用壽命。面對上述“多對多”的復雜博弈問題，傳統的基于試驗和錯誤的材料研究方法效率低，周期長，已無法滿足工業對新材料研發速度的緊迫需求。

技術實現思路

1、為了能夠根據性能需求快速確定馬氏體的成分組成，在本發明的一個方面，提出了一種馬氏體成分預測方法，所述方法包括：基于隨機森林算法訓練馬氏體性能預測模型；隨機生成多個成分向量，并利用所述馬氏體性能預測模型對每個所述成分向量進行性能預測；通過非支配排序算法根據性能預測結果對所述多個成分向量進行排序以確定優秀成分向量；根據所述優秀成分向量以及遺傳算法生成新的成分向量；根據所述優秀成分向量以及所述新的成分向量迭代執行上述性能預測及其后續步驟直至性能預測結果滿足預設值而輸出對應的成分向量。

2、在一個或多個實施中，基于隨機森林算法訓練馬氏體性能預測模型，包括：通過配置決策樹數量、最大深度、最小樣本分裂數、最小樣本葉節點數以及最大特征數構建隨機森林模型；利用已知馬氏體成分及其性能參數組成訓練樣本對所述隨機森林模型進行訓練獲得馬氏體性能預測模型。

3、在一個或多個實施中，本發明的馬氏體成分預測方法還包括：在所述馬氏體性能預測模型中增加馬氏體轉變溫度預測函數以用于預測馬氏體轉變溫度。

4、在一個或多個實施中，所述馬氏體轉變溫度預測函數，包括：

5、

6、其中， y3( xi)為馬氏體轉變溫度，（）為對應成分的元素質量百分比。

7、在一個或多個實施中，通過非支配排序算法根據性能預測結果對所述多個成分向量進行排序以確定優秀成分向量，包括：根據預設算法確定任意兩個成分向量之間的支配度；對具有相同支配度的成分向量采用三角剖分法確定每個所述成分向量的擁擠度；按照所述擁擠度由高到低的順序對所述成分向量進行排序，并將排序較高的成分向量確定為優秀成分向量。

8、在一個或多個實施中，根據預設算法確定任意兩個成分向量之間的支配度，包括：若任意兩個成分向量滿足下述條件：

9、

10、其中， xi和 xj為任意兩個成分向量，其中，k,m∈{1,2,3}，則 xi支配 xj；根據所述成分向量之間的支配關系確定每個成分向量的支配度。

11、在一個或多個實施中，對具有相同支配度的成分向量采用三角剖分法確定每個所述成分向量的擁擠度，包括：通過三角剖分法，對每個成分向量點進行三角剖分，計算出包裹所述成分向量點的三角形面積；根據所述三角形面積確定對應成分向量的擁擠度。

12、在一個或多個實施中，根據所述優秀成分向量以及遺傳算法生成新的成分向量，包括：對所述優秀成分向量通過模擬二進制交叉生成多個子代成分向量；在每個所述子代成分向量中引入小擾動進行多項式變異生成多個所述新的成分向量。

13、在一個或多個實施中，本發明的馬氏體成分預測方法還包括：響應于達到預測迭代次數，所述性能預測結果仍不滿足預設值而重新隨機生成多個成分向量。

14、在本發明的第二方面，提出了一種馬氏體成分預測裝置，包括：成分生成模塊，配置用于通過預設的隨機森林模型生成多個成分向量；性能預測模塊，配置用于通過預設的馬氏體性能預測模型根據所述成分向量進行性能預測；性能排序模塊，配置用于通過非支配排序算法根據性能預測結果對所述多個成分向量進行排序以確定優秀成分向量；性能遺傳模塊，配置用于根據所述優秀成分向量進行遺傳操作以生成新的成分向量；迭代決策模塊，配置用于根據所述優秀成分向量以及所述新的成分向量迭代執行上述性能預測及其后續步驟直至性能預測結果滿足預設值而輸出對應的成分向量。

15、本發明的有益效果包括：本發明能夠根據性能需求快速確定馬氏體的成分組成，并且通過隨機生成初代成分、非支配排序算法篩選優秀成分并利用遺傳算法根據優秀成分生成子代的方式，能夠大大提升生成滿足性能需求成分的幾率以提升預測速度。

技術特征：

1.一種馬氏體成分預測方法，其特征在于，所述方法包括：

2.根據權利要求1所述的馬氏體成分預測方法，其特征在于，基于隨機森林算法訓練馬氏體性能預測模型，包括：

3.根據權利要求2所述的馬氏體成分預測方法，其特征在于，所述方法還包括：

4.根據權利要求3所述的馬氏體成分預測方法，其特征在于，所述馬氏體轉變溫度預測函數，包括：

5.根據權利要求1所述的馬氏體成分預測方法，其特征在于，通過非支配排序算法根據性能預測結果對所述多個成分向量進行排序以確定優秀成分向量，包括：

6.根據權利要求5所述的馬氏體成分預測方法，其特征在于，根據預設算法確定任意兩個成分向量之間的支配度，包括：

7.根據權利要求5所述的馬氏體成分預測方法，其特征在于，對具有相同支配度的成分向量采用三角剖分法確定每個所述成分向量的擁擠度，包括：

8.根據權利要求1所述的馬氏體成分預測方法，其特征在于，根據所述優秀成分向量以及遺傳算法生成新的成分向量，包括：

9.根據權利要求1所述的馬氏體成分預測方法，其特征在于，所述方法還包括：

10.一種馬氏體成分預測裝置，其特征在于，包括：

技術總結
本發明提出了一種馬氏體成分預測方法及裝置，方法包括：基于隨機森林算法訓練馬氏體性能預測模型；隨機生成多個成分向量，并利用馬氏體性能預測模型對每個成分向量進行性能預測；通過非支配排序算法根據性能預測結果對多個成分向量進行排序以確定優秀成分向量；根據優秀成分向量以及遺傳算法生成新的成分向量；根據優秀成分向量以及新的成分向量迭代執行上述性能預測及其后續步驟直至性能預測結果滿足預設值而輸出對應的成分向量。本發明能夠根據性能需求快速確定馬氏體的成分組成，并且通過隨機生成初代成分、非支配排序算法篩選優秀成分并利用遺傳算法根據優秀成分生成子代的方式，能夠大大提升生成滿足性能需求成分的幾率以提升預測速度。

技術研發人員：李琨,朱焱麟,寧榛,吳蝶
受保護的技術使用者：成都先進金屬材料產業技術研究院股份有限公司
技術研發日：
技術公布日：2025/4/24