买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：吉林大学

摘要：本发明公开了基于机器学习的选择性激光熔化NiTi合金相变温度预测方法，涉及金属材料性能预测技术领域，包括如下步骤：步骤S1：从SLM‑NiTi合金相关实验和文献中收集SLM‑NiTi合金的初始特征数据集，步骤S2：对初始特征数据集进行数据预处理；对标准特征数据集进行特征筛选，形成关键特征数据集；步骤S3：将关键特征数据集随机分成训练集和测试集，采用多种机器学习算法，将筛选得到的关键特征作为模型的输入特征，SLM‑NiTi合金的相变温度特征集作为目标特征，构建多个SLM‑NiTi合金相变预测模型，在训练集上进行训练；步骤S4：训练完成后对测试集进行预测，获取其中最优的SLM‑NiTi合金相变预测模型。

主权项：1.基于机器学习的选择性激光熔化NiTi合金相变温度预测方法，其特征在于：包括如下步骤：步骤S1：从SLM-NiTi合金相关实验和文献中收集SLM-NiTi合金的合金成分特征集、制备工艺特征集、粉末组成特征集和相变温度特征集，以此作为初始样本；收集到的全部初始样本集合为初始特征数据集，相变温度特征集为目标特征；步骤S2：对初始特征数据集进行数据预处理；对于原始数据缺失较多的初始样本选择直接删除；对初始特征数据集中缺失原始数据较少的初始样本，使用缺失特征在初始特征数据集中获取该类别特征集的均值用以代替缺失的该类别特征集，预处理后得到样本，之后将全部样本以Z-score归一化进行处理，获得标准特征数据集；对标准特征数据集进行特征筛选，采用多种特征筛选技术分别排序得出影响SLM-NiTi合金相变行为的多个关键特征，形成关键特征数据集；步骤S3：将关键特征数据集随机分成训练集和测试集，采用多种机器学习算法，将筛选得到的关键特征作为模型的输入特征，SLM-NiTi合金的相变温度特征集作为目标特征，构建多个SLM-NiTi合金相变预测模型，在训练集上进行训练；步骤S4：训练完成后对测试集进行预测，得到每个SLM-NiTi合金相变预测模型的评估得分，验证每个SLM-NiTi合金相变预测模型的预测能力，通过对比评估得分，对所选的多个SLM-NiTi合金相变预测模型进行排序，获取其中最优的SLM-NiTi合金相变预测模型；步骤S5：基于最优的SLM-NiTi合金相变预测模型，以目标NiTi合金的合金成分特征集、制备工艺特征集和粉末组成特征集作为输入值，进行目标NiTi合金相变温度特征预测。

全文数据：

权利要求：

百度查询： 吉林大学 基于机器学习的选择性激光熔化NiTi合金相变温度预测方法