數據挖掘技術在材料數據分析中的應用探究

來源:用戶上傳      作者:

　　摘 要 本文首先介紹了以GH4169合金為代表的高溫合金特點和應用現狀，然后介紹了數據挖掘技術在高溫合金材料微觀組織分析中的研究現狀和發展趨勢，最后提出該方向的研究還存在一定的困難，主要包括：研究需要培養復合型人才、數據提取和清洗存在困難、研究只能作為輔助手段不能代替實驗等。
　　關鍵詞 數據挖掘;材料數據庫;高溫合金
　　1 高溫合金特點和研究現狀
　　高溫合金微觀組織和性能等關系研究一直是材料研究人員的研究核心和主要工作。高溫合金以較高的高溫強度、良好的抗氧化和抗熱腐蝕性能、良好的疲勞性能、斷裂韌性、塑性而廣泛應用在航空器材上。然而，研發周期長是目前材料領域面臨的主要問題，例如某高溫合金持久實驗時間動輒達到上萬小時;同時，經濟成本也是進行材料試驗不得不考慮的問題，為了保證實驗的準確性，同一實驗通常需要不同批次在不同實驗環境下進行測試，因此耗費大量原材料。
　　數據挖掘技術是當下科學研究與應用的焦點，“大數據”連續六年寫入政府工作報告，然而對航空材料數據的分析和挖掘研究仍處于探索階段。對材料數據的整理和對其規律的探索，一方面能夠從數據角度揭示材料微觀組織等因素對性能影響，另一方面，可減少材料研究人員在時間、金錢上的消耗，從而控制成本，在未來將有效促進航空材料研究的發展[1]。
　　2 GH4169合金特點和應用現狀
　　以GH4169為例，該合金是以體心四方的γ”和面心立方的γ’相沉淀強化的鎳基高溫合金，在-253℃至700℃范圍內具有良好的綜合性能，650℃以下的屈服強度居變形高溫合金的首位，并具有良好的抗疲勞、抗輻射、抗氧化、耐腐蝕性能，以及良好的加工性能、焊接性能和長期組織穩定性，能夠制造各種形狀復雜的零部件，在宇航、核能、石油工業中，在上述溫度范圍內獲得了極為廣泛的應用。
　　不同的熱加工工藝可以使GH4169的合金組織有較大改變，合金中相析出和溶解規律及組織與工藝、性能間的相互關系，是數據挖掘的一個研究方向?？舍槍Σ煌氖褂靡笾贫ê侠?、可行的工藝規程，就能獲得可滿足不同強度級別和使用要求的各種零件。
　　3 數據挖掘技術在高溫合金微觀組織分析中的應用
　　3.1 數據挖掘方法
　　數據挖掘技術是在大型數據存儲庫中，自動地發現有用信息的過程。數據挖掘技術用來探查大型數據庫，發現先前未知的有用模式，數據挖掘也可以用來預測未來觀測結果。數據挖掘技術利用了來自如下一些領域的思想：首先是統計學的抽樣、估計和假設檢驗;其次，是人工智能、模式識別和機器學習的搜索算法、建模技術和學習理論;另外，數據挖掘技術也吸取了最優化、進化計算、信息論、信號處理、可視化和信息檢索等，最后，數據庫通常作為數據的載體，在數據挖掘技術中也起到了至關重要的作用。
　　3.2 研究現狀和發展趨勢
　　通過數據挖掘技術揭示微觀組織與性能等規律，基于深度學習算法的人工智能技術可以自主開展實驗，美國官方已開展上述研究并取得階段性成果。美國空軍研究實驗室的材料和制造部于2013年將人工智能技術和機器人技術、大數據以及高通量和原位技術結合，研發可自主開展材料制備實驗的機器人。2016年世界首套可自主開展材料制備實驗的機器人樣機——“自主研究系統”（ARES）研制成功，ARES能在材料制備迭代實驗過程中，自主學習并優化實驗設計，確定最佳制備參數，使材料制備實驗效率提高百倍，大幅度提高材料研發速度。
　　在國內，通過數據挖掘技術對材料數據進行分析挖掘，揭示材料微觀組織性能等規律的研究大多處于探索階段。在機器學習方面，北京科技大學的X.Jiang等人提出了一種通過機器學習算法輔助完成的鎳基單晶高溫合金晶格錯配度預測，采用化學成分、樹突測量位置、樣本厚度和溫度作為研究對象，在實驗數據集上對線性和多核進行支持向量回歸，序列最小優化回歸和多層感知器算法，以進行適當的模型選擇，多層感知器模型因具有高相關系數和低誤差值的顯著預測性而運行良好。Zhenghua Deng等人則采用機器學習算法開展對Cu-Al合金的燒結密度研究。
　　北京航空材料研究院數據中心負責的航空材料數據庫及其他相關數據庫，積累了目前包括金屬材料牌號庫、知識庫、理化性能庫、力學性能庫等。數據庫中共有金屬材料、非金屬材料1800多個牌號，包括了各種常用材料和特殊用途材料的各種性能數據20多萬個，曲線約3000條，同時在建的性能數據庫未來將儲存更多的牌號和性能數據。一方面，材料研究人員訪問數據庫時，不僅需要查詢和管理數據，還要通過數據庫了解數據間的關聯性，甚至在數據庫內進行計算，僅實現數據的儲存和查詢已經不能滿足材料研究人員的實際需求;另一方面，數據挖掘技術對材料的輔助研究能夠有效降低材料研制的時間和經濟成本，提高材料研究水平。
　　4 存在的問題
　?。?）該領域的研究需要材料科學、計算機科學相關科研人員的緊密結合。對材料微觀組織、性能等的研究需要材料學相關知識背景，數據挖掘技術則需要計算機學科的人才，因此需要多對交叉學科領域的研究需要懂得材料、計算機算法的復合人才，或需要二者相關科研人員的緊密結合。
　　（2）數據提取和清洗存在困難。雖然高溫合金數據量大，但是數據結構復雜，數據維度繁多，單個維度下數據量并不一定能滿足數據挖掘人員的分析需求，需要樣本平衡、過采樣技術等對樣本數據進行處理，以獲取符合挖掘條件的數據。
　　（3）數據挖掘技術是輔助手段，不能完全代替實驗。對材料微觀組織、性能的分析，目前采用數據挖掘技術對材料微觀組織和性能進行抽樣、提取模型還處于探索階段。材料組織結構復雜，影響性能的因素多樣，必須兩種方式結合，才能為設計人員提供最優的解決方案。
　　5 結束語
　　對材料數據的整理和對其規律的探索，一方面能夠從數據角度揭示材料微觀組織等因素對性能影響，另一方面，可減少材料研究人員在時間、金錢上的消耗，從而控制成本。
　　中國航發航空材料數據中心負責建立并維護航空材料數據庫及管理與應用平臺，多年來，收集了多個項目大量數據和約四萬多條手冊數據。目前能夠對這些數據進行常規管理和查詢，對這些數據進一步挖掘分析，將該項目應用到數據庫建設中后，將能夠更大程度地發揮這些數據的價值，從而更好地為材料研究人員服務。
　　參考文獻
　　[1] 周瑋.熱處理對連續點式鍛壓激光快速成形GH4169組織與性能的影響[D].秦皇島：燕山大學，2017.
轉載注明來源:http://www.hailuomaifang.com/1/view-14900466.htm