热压变形行为可预测
通过加入La₂O₃原位生成的Al₃La增强相，结合机器学习和热加工图，为优化该复合材料的塑性加工工艺提供了可靠的预测工具。
Li, Dandan · Xiaoyu, Hou · Yangfan, Liu · Linhao, Gu · 王金辉 · Ma, Jiaxuan · 李小强 · 贾智 · Le, Qichi · 刘德学 · Yin, Xincheng
Journal of Materials Research and Technology 2024
随机森林模型对热压缩流变应力的预测精度显著优于传统Arrhenius模型和其他机器学习方法，其R²达0.97、MAE仅5.8、RMSE为7.07。
通过热加工图与微观组织结合，确定该复合材料在300 °C、应变速率0.001–0.01 s⁻¹下存在稳定热加工区域，该区域组织均匀细晶且动态再结晶程度高，有利于获得性能优良的变形件。
通过添加La₂O₃，利用原位自反应技术在基体中形成Al₃La增强相，避免了外加颗粒的界面污染和分布不均问题，有利于充分发挥增强效果。