数据驱动成分优化
利用机器学习建立可预测性能的代理模型，并阐明其滑动磨损机制，为高强韧耐磨钢设计提供新途径。
高博 · Wang, Rui · Min, Zhang · 高古辉 · Yanguang, Cao · 李昭东 · 谭谆礼
Materials and Design 2024
屈服强度预测不依赖位错密度、有效亚结构尺寸等额外信息，仅用成分、热处理和相组成即可建模，降低数据获取门槛。
在恒定载荷和磨损距离下，失重与硬度成反比，因此可通过提高硬度直接增强耐磨性，为成分设计提供明确方向。
提高屈服强度和残余奥氏体含量能同时提高磨损表面初始硬度和加工硬化能力，二者协同提升耐磨性。