淬火无序现象,是人们对各种材料(如FCC和BCC晶体、无定形固体)和地震地质断层突发塑性事件或材料爆裂噪声事件进行观察而得到认识的。爆裂噪声可由随机-场模型或界面定位模型加以解释,涉及均匀固体的弹性、局域淬火无序,以及微观状态空间允许的不均匀和随机分布。
然而局域淬火无序却一直难以测量。美国西弗吉尼亚大学的Stefanos Papanikolaou教授采用无监督机器学习方法并结合聚类算法,以期从具有爆裂噪声随时间演化行为的应力-应变曲线中获得淬火、局域的无序分布。该方法在两种爆裂噪声模型中能成功实现数据的聚类和分类,并从镍微柱单轴压缩实验的数据中成功得到了淬火无序的分布。
这是典型的时间局域可观察参量(如突发事件大小/持续时间)途径所无法企及的。作者将这一方法记作时间序列-机器学习法。若将这些淬火无序分布的识别及分类扩展到不同材料、加载模式和样品加载历史中,将有助于建立随机屈服分布的数据库,进而改进多尺度力学模型。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。
举报投诉
原文标题:npj :机器学习——预测材料淬火无序分布
文章出处:【微信号:zhishexueshuquan,微信公众号:知社学术圈】欢迎添加关注!文章转载请注明出处。
相关推荐
淬火加工是将金属材料加热到一定温度,然后快速冷却,以提高材料硬度和耐磨性的热处理工艺。走轮激光淬火是利用激光束对走轮表面进行淬火,以提高其硬
发表于 11-17 14:26
•393次阅读
本发明公开一种基于机器学习的车位状态预测方法,基于历史数据,建立回归决策树模型进而构建改进决策树模型,对每个区域的停车率进行预测,基于停车率和用户喜好度为用户推荐相应的停车区域,获取相
发表于 09-21 07:24
机器学习和深度学习是当今最流行的人工智能(AI)技术之一。这两种技术都有助于在不需要人类干预的情况下让计算机自主学习和改进预测模型。本文
发表于 08-28 17:31
•1044次阅读
有许多不同的类型和应用。根据机器学习的任务类型,可以将其分为几种不同的算法类型。本文将介绍机器学习的算法类型以及分类算法和预测算法。
发表于 08-17 16:30
•1392次阅读
,讨论一些主要的机器学习算法,以及比较它们之间的优缺点,以便于您选择适合的算法。 一、机器学习算法的基本概念 机器
发表于 08-17 16:27
•622次阅读
对数据的学习和分析,机器学习能够自动发现数据中的规律和模式,进而预测未来的趋势。 机器学习算法优
发表于 08-17 16:11
•1069次阅读
机器学习算法汇总 机器学习算法分类 机器学习算法模型 机器
发表于 08-17 16:11
•723次阅读
的区别。 1. 机器学习 机器学习是指通过数据使机器能够自动地学习和改进性能的算法。
发表于 08-17 16:11
•3377次阅读
1、拉丝模淬火凸R位置及板料流量大的表面需要有高耐磨性,即高硬度。 由于淬火面积较大,常规的火焰淬火或感应淬火会造成工件较大的热变形,导致无法保证模具的精度,进而需要添加其他工艺手段来
发表于 08-08 15:05
•264次阅读
机器学习是一种方法,利用算法来让机器可以自我学习和适应,而且不需要明确地编程。在许多应用中,需要机器使用历史数据训练模型,然后使用该模型
发表于 08-02 17:36
•388次阅读
电子发烧友网站提供《使用机器学习进行预测.zip》资料免费下载
发表于 07-04 10:22
•0次下载
胶管无序摆放在料框中,3D视觉对工件进行识别和定位,引导机器人实现对胶管的无序抓取并上料,用机械臂替代人工。
发表于 07-04 09:50
•414次阅读
电子发烧友网站提供《机器学习模型:用于使用边缘脉冲软件预测大象的行为.zip》资料免费下载
发表于 06-29 14:47
•0次下载
异构金属材料因其特殊的微观结构,在具有较高强度的同时仍然能保持良好的韧性,但是复杂的结构参数使其性能预测和结构设计变得非常困难。机器学习(ML)在处理高维物
发表于 06-19 09:45
•731次阅读
电子发烧友网站提供《使用机器学习模型(AI)进行预测是否安全.zip》资料免费下载
发表于 06-14 11:04
•0次下载
评论