基于人工神经网络的镍基单晶高温合金蠕变寿命预测模型及应用

　　摘要：镍基单晶高温合金因其优越的高温强度，被广泛应用于航空发动机热端部件，蠕变寿命是衡量单晶高温合金性能的重要指标。本研究通过建立ANN机器学习模型，实现高温合金蠕变寿命预测，通过在模型内添加合金显微组织参数提高模型精度，降低模型过拟合倾向，提高模型泛化能力。将模型应用于DD4500合金优化，逆向指导合金成分设计，新设计合金较原合金蠕变寿命得到大幅提升，同时印证了机器学习技术应用于材料科学领域的有效性。