基于机器学习的鱼雷推进控制用镁海水电池性能预测

杨利霞

基于机器学习的鱼雷推进控制用镁海水电池性能预测

5 x6 @! M. ?& r/ Z: y9 j：针对鱼雷用镁海水电池阳极放电性能低以及传统“试错法”在材料设计中导致开发周期过长的问题。通
& X3 z, Z! c4 @2 J% O; @5 ]过数据分析和机器学习的方法，采用线性回归（Linear Regression，LR），支持向量回归（Support Vector Regression，
SVR）
2 L, ?* A( n9 n, X+ U和神经网络（Multilayer Perceptron，MPL）算法对数据集进行训练建立模型，使用预测模型对镁基阳极材料的放电性能
  w4 I/ ~4 M5 Z2 F8 @- R1 y0 w进行预测，根据预测结果制备了 Mg-5.7Al-0.9Ge 合金作为镁海水电池用阳极材料。最后，通过电化学实验对
Mg-5.7Al-0.9Ge 合金在 3.5 wt%NaCl 溶液中的放电性能进行验证研究，研究发现该合金分别在 20 mA·cm-2、
50 mA·
cm-2 电流密度下，放电电位分别为 -1.641 V 和 -1.429 V，放电效率分别为 69.5%和 60.4%，其放电性能优于商用镁合
# q7 k" e" J* p; v* g8 Z! c8 _; {& w金阳极材料 AZ61。结果表明，SVR 算法建立的模型预测能力最佳，具有较高的相关系数和较低的误差，为镁基阳极
8 D  Y* v! j7 u8 e, D3 X材料的成分设计和快速开发问题提供指导。
* o' w2 E: w# m0 t2 I9 c
3 ~, e& x* a* `. P