26年WP应用物理学 基于机器学习稀土Sm掺杂KNN陶瓷组分优化4.37-AI4.85-约29611字符.pdf

哈尔滨理工大学学士学位论文- I -.基于机器学习稀土 Sm 掺杂 KNN 陶瓷组分优化摘要铌酸钾钠（K0.5Na0.5NbO3，简称 KNN）基无铅压电陶瓷由于具有良好的压电性能及较高的居里点而被认为是最有希望取代传统的含铅压电陶瓷的候选材料。但是 KNN 基陶瓷的压电性与其组成、烧结条件有着非常复杂的非线性关系，在采用传统的“试错法”的方式进行优化时会遇到参数空间大、耗时长、费用高、多目标之间的矛盾等问题。本文选择含稀土 Sm 掺杂 KNN 无铅压电陶瓷为研究对象，在压电陶瓷组分优化的基础上引入机器学习方法进行压电陶瓷性能预测及组分优化工作，给出了一种...