用于预测 NiCr 基合金高温循环氧化动力学的数据分析方法
材料科学
2021-08-10 v1 应用物理
摘要
尽管具有实际重要性，但由于固有的复杂性，目前尚无成熟的建模框架能够准确预测多组分合金的高温循环氧化动力学。我们提出一种数据分析方法，利用高度一致且精心整理的实验数据集，将 NiCr 基合金的氧化速率常数作为成分和温度的函数进行预测。选取了两种特征氧化模型，即简单抛物线定律和统计循环氧化模型，以数值方式表征商用和模型 NiCr 基合金的高温氧化动力学。我们利用相关性分析识别出的高排名关键输入特征成功训练了机器学习（ML）模型，以准确预测实验抛物线速率常数（kp）。本研究展示了 ML 方法在宽成分和温度范围内预测合金氧化动力学的潜力。该方法也可作为引入更具物理意义的 ML 输入特征的基础，以在基于已知底层机制的适当约束下预测多组分高温合金的综合循环氧化行为。
引用
@article{arxiv.2102.13261,
title = {Data Analytics Approach to Predict High-Temperature Cyclic Oxidation Kinetics of NiCr-based Alloys},
author = {Jian Peng and Rishi Pillai and Marie Romedenne and Bruce A. Pint and Govindarajan Muralidharan and J. Allen Haynes and Dongwon Shin},
journal= {arXiv preprint arXiv:2102.13261},
year = {2021}
}