工程科学学报，第44卷，第X期 能的形响.工程科学学报，2020,42(8)：1007) [18]Wang H,Xiang X D,Zhang L T.Data+Al:The core of materials [6]Liang X Y,Mi G B Li P J,et al.Theoretical calculation of genomic engineering.Sci Technol Rev,2018,36(14):15 characteristics on titanium fire in aero-engine.J Aeronaut Mater, (汪洪，项晓东，张澜庭.数据+人工智能是材料基因工程的核心. 2021,41(6):59 科技导报，2018,36(14)：15) (梁贤烨，弭光宝，李培杰，等.航空发动机钛火特性理论计算研 [19]Wu W,Sun Q.Applying machine learning to accelerate new 究.航空材料学报，2021,41(6)：59) materials development.Sci Sin Phys Mech Astron,2018,48(10): [7]Mi G B.Yao K.Min X H.Effect of temperature on wear behavior 58 in a Ti-V-Cr base fireproof titanium alloy.Int J Precis Eng Manf, (吴炜，孙强.应用机器学习加速新材料的研发.中国科学物理 2017.18:1553 学力学天文学，2018.48(10)：58) [8] Hood R,Johnson C M,Soo S L,et al.High-speed ball nose end [20]Malinov S,Sha W,McKeown J J.Modelling the correlation milling of burn-resistant titanium (BuRTi)alloy.Int J Compur between processing parameters and properties in titanium alloys ntegr Manuf2014,27(2:139 using artificial neural network.Comput Mater Sci,2001,21(3): [9]Li Y G,Blenkinsop P A,Loretto M H,et al.Effect of carbon and 375 oxygen on microstructure and mechanical properties of [21]Noori Banu P S,Devaki Rani S.Knowledge-based artificial neural Ti-25V-15Cr-2Al (wt)alloys.Acta Mater,1999,47(10):2889 network model to predict the properties of alpha+beta titanium [10]Li Y G,Blenkinsop P A,Loretto M H,et al.Effect of aluminium alloys.J Mech Sci Technol,2016,30(8):3625 on deformation structure of highly stabilised B-Ti-V-Cr alloys. [22]Sun L N.Heat treatment process optimization of directional Mater Sci Technol,1999,15(2):151 solidification titanium alloys based on neural network.Ordnance [11]Sun F S,Lavernia E J.Creep behavior of nonburning Mater Sci Eng,2017,40(4):30 Ti-35V-15Cr-xC alloys.J Mater Eng Perform,2005,14(6):784 (孙丽娜.定向凝固钛合金热处理工艺的神经网络优化.兵器材 [12]Xin S W,Zhao Y Q,Zeng W D,et al.Effect of V on the thermal 料科学与工程，2017,40(4)：30) stability and creep of Ti-V-Cr burn-resistant titanium alloy.Rare [23]Noori Banu P S,Devaki Rani S.Artificial neural network based Met Mater Eng,2007,36(11):2031 optimization of prerequisite properties for the design of (辛社伟，赵永庆，曾卫东，等.V元素对T-V-Cr系阻燃钛合金热 biocompatible titanium alloys.Comput Mater Sci,2018,149:259 强性的影响.稀有金属材料与工程，2007,36(11)：2031) [24]Xu JJ,Wang F.Tensile strength forecasting model foundation and [13]MiGB.Huang X,Cao JX,et al.Ignition resistance performance and its theoretical analysis of Ti-V-Cr type fireproof titanium checking of Ti-Al-V series Ti alloys.Hot Work Technol,2018 4710):72 alloys.Acta Metall Sin,2014,50(5):575 (许佳佳，王飞.T-A-V系钛合金抗拉强度预测模型的建立及 (弭光宝，黄旭，曹京霞，等.T-V-Cr系阻燃钛合金的抗点燃性 能及其理论分析.金属学报，2014,50(5)：575) 验证.热加工工艺，2018,47(10)：72) [14]Cao JX,Huang X,Mi G B,et al.Research progress on application [25]Zhang X M,Xi Y Q,Li M,et al.Prediction of superplastic deformation behavior of WSTi3515S burn-resistant titanium alloy technique of Ti-V-Cr bur resistant titanium alloys.J Aeronaur Mater,2014,34(4):92 based on BP artificial neural network.Special Cast Nonferrous (曹京霞，黄旭，弭光宝，等.Ti-V-C系阻燃钛合金应用研究进 Alloys,.2019,39(6):668 展.航空材料学报，2014,34(4)：92) (张学敏，惠玉强，李咪，等.基于BP神经网络的WSTi3515S阻燃 [15]Lai Y J.Zhang P X,Xin S W.et al.Research progress on 钛合金超塑性变形行为预测.特种铸造及有色合金，2019， engineered technology of bumn-resistant titanium alloys in China. 39(6):668) Rare Met Mater Eng,2015,44(8):2067 [26]Zhou X H,Lou M Q,Zhang X M,et al.Prediction of effect of (赖运金，张平样，辛社伟，等.国内阻燃钛合金工程化技术研究 thermal exposure on tensile properties of TC4 titanium alloy based 进展.稀有金属材料与工程，2015,44(8)：2067) on neural network.Hot Work Technol,2019,48(14):128 [16]Sun H Y,Zhao J,Liu Y A,et al.Effect of C addition on (周晓虎，楼美琪，张学敏，等.基于神经元网络的热暴露对 microstructure and mechanical properties of Ti-V-Cr burn TC4钛合金拉伸性能影响预测.热加工工艺，2019,48(14)：128) resistant titanium alloys.Chin J Mater Res,2019,33(7):537 [27]Anand P,Rastogi R,Chandra S.A class of new support vector (孙欢迎，赵军，刘翊安，等.C含量对Ti-V-Cr系阻燃钛合金微观 regression models.Appl Soft Comput,2020,94:106446 组织和力学性能的影响.材料研究学报，2019,33(7)：537) [28]Sun H Y,Zhao J,Liu Y A,et al.Microstructure and mechanical [17]Zhou T,Song Z,Sundmacher K.Big data creates new properties of a new type bum resistant titanium alloy with lower opportunities for materials research:A review on methods and cost.Rare Met Mater Eng,2019,48(6):1892 applications of machine learning for materials design.Engineering. (孙欢迎，赵军，刘翊安，等.一种新型低成本阻燃钛合金的微观 2019,5(6):1017 组织与力学性能.稀有金属材料与工程，2019,48(6)：1892)能的影响. 工程科学学报, 2020, 42（8）：1007） Liang  X  Y,  Mi  G  B  Li  P  J,  et  al.  Theoretical  calculation  of characteristics on titanium fire in aero-engine. J Aeronaut Mater, 2021, 41（6）: 59 （梁贤烨, 弭光宝, 李培杰, 等. 航空发动机钛火特性理论计算研 究. 航空材料学报, 2021, 41（6）：59） [6] Mi G B, Yao K, Min X H. Effect of temperature on wear behavior in a Ti-V-Cr base fireproof titanium alloy. Int J Precis Eng Manuf, 2017, 18: 1553 [7] Hood R, Johnson C M, Soo S L, et al. High-speed ball nose end milling  of  burn-resistant  titanium  (BuRTi)  alloy. Int J Comput Integr Manuf, 2014, 27（2）: 139 [8] Li Y G, Blenkinsop P A, Loretto M H, et al. Effect of carbon and oxygen  on  microstructure  and  mechanical  properties  of Ti−25V−15Cr−2Al (wt%) alloys. Acta Mater, 1999, 47（10）: 2889 [9] Li Y G, Blenkinsop P A, Loretto M H, et al. Effect of aluminium on  deformation  structure  of  highly  stabilised  β-Ti−V−Cr  alloys. Mater Sci Technol, 1999, 15（2）: 151 [10] Sun  F  S,  Lavernia  E  J.  Creep  behavior  of  nonburning Ti−35V−15Cr−xC alloys. J Mater Eng Perform, 2005, 14（6）: 784 [11] Xin S W, Zhao Y Q, Zeng W D, et al. Effect of V on the thermal stability and creep of Ti−V−Cr burn-resistant titanium alloy. Rare Met Mater Eng, 2007, 36（11）: 2031 （辛社伟, 赵永庆, 曾卫东, 等. V元素对Ti−V−Cr系阻燃钛合金热 强性的影响. 稀有金属材料与工程, 2007, 36（11）：2031） [12] Mi G B, Huang X, Cao J X, et al. Ignition resistance performance and  its  theoretical  analysis  of  Ti−V−Cr  type  fireproof  titanium alloys. Acta Metall Sin, 2014, 50（5）: 575 （弭光宝, 黄旭, 曹京霞, 等. Ti−V−Cr系阻燃钛合金的抗点燃性 能及其理论分析. 金属学报, 2014, 50（5）：575） [13] Cao J X, Huang X, Mi G B, et al. Research progress on application technique  of  Ti−V−Cr  burn  resistant  titanium  alloys. J Aeronaut Mater, 2014, 34（4）: 92 （曹京霞, 黄旭, 弭光宝, 等. Ti−V−Cr系阻燃钛合金应用研究进 展. 航空材料学报, 2014, 34（4）：92） [14] Lai  Y  J,  Zhang  P  X,  Xin  S  W,  et  al.  Research  progress  on engineered  technology  of  burn-resistant  titanium  alloys  in  China. Rare Met Mater Eng, 2015, 44（8）: 2067 （赖运金, 张平祥, 辛社伟, 等. 国内阻燃钛合金工程化技术研究 进展. 稀有金属材料与工程, 2015, 44（8）：2067） [15] Sun  H  Y,  Zhao  J,  Liu  Y  A,  et  al.  Effect  of  C  addition  on microstructure  and  mechanical  properties  of  Ti−V−Cr  burn resistant titanium alloys. Chin J Mater Res, 2019, 33（7）: 537 （孙欢迎, 赵军, 刘翊安, 等. C含量对Ti−V−Cr系阻燃钛合金微观 组织和力学性能的影响. 材料研究学报, 2019, 33（7）：537） [16] Zhou  T,  Song  Z,  Sundmacher  K.  Big  data  creates  new opportunities  for  materials  research:  A  review  on  methods  and applications of machine learning for materials design. Engineering, 2019, 5（6）: 1017 [17] Wang H, Xiang X D, Zhang L T. Data+AI: The core of materials genomic engineering. Sci Technol Rev, 2018, 36（14）: 15 （汪洪, 项晓东, 张澜庭. 数据+人工智能是材料基因工程的核心. 科技导报, 2018, 36（14）：15） [18] Wu  W,  Sun  Q.  Applying  machine  learning  to  accelerate  new materials development. Sci Sin Phys Mech Astron, 2018, 48（10）: 58 （吴炜, 孙强. 应用机器学习加速新材料的研发. 中国科学:物理 学 力学 天文学, 2018, 48（10）：58） [19] Malinov  S,  Sha  W,  McKeown  J  J.  Modelling  the  correlation between  processing  parameters  and  properties  in  titanium  alloys using  artificial  neural  network. Comput Mater Sci,  2001,  21（3）: 375 [20] Noori Banu P S, Devaki Rani S. Knowledge-based artificial neural network  model  to  predict  the  properties  of  alpha+  beta  titanium alloys. J Mech Sci Technol, 2016, 30（8）: 3625 [21] Sun  L  N.  Heat  treatment  process  optimization  of  directional solidification  titanium  alloys  based  on  neural  network. Ordnance Mater Sci Eng, 2017, 40（4）: 30 （孙丽娜. 定向凝固钛合金热处理工艺的神经网络优化. 兵器材 料科学与工程, 2017, 40（4）：30） [22] Noori  Banu  P  S,  Devaki  Rani  S.  Artificial  neural  network  based optimization  of  prerequisite  properties  for  the  design  of biocompatible titanium alloys. Comput Mater Sci, 2018, 149: 259 [23] Xu J J, Wang F. Tensile strength forecasting model foundation and checking  of  Ti−Al−V  series  Ti  alloys. Hot Work Technol,  2018, 47（10）: 72 （许佳佳, 王飞. Ti−Al−V系钛合金抗拉强度预测模型的建立及 验证. 热加工工艺, 2018, 47（10）：72） [24] Zhang  X  M,  Xi  Y  Q,  Li  M,  et  al.  Prediction  of  superplastic deformation behavior of WSTi3515S burn-resistant titanium alloy based  on  BP  artificial  neural  network. Special Cast Nonferrous Alloys, 2019, 39（6）: 668 （张学敏, 惠玉强, 李咪, 等. 基于BP神经网络的WSTi3515S阻燃 钛合金超塑性变形行为预测. 特种铸造及有色合金, 2019, 39（6）：668） [25] Zhou  X  H,  Lou  M  Q,  Zhang  X  M,  et  al.  Prediction  of  effect  of thermal exposure on tensile properties of TC4 titanium alloy based on neural network. Hot Work Technol, 2019, 48（14）: 128 （周晓虎, 楼美琪, 张学敏, 等. 基于神经元网络的热暴露对 TC4钛合金拉伸性能影响预测. 热加工工艺, 2019, 48（14）：128） [26] Anand  P,  Rastogi  R,  Chandra  S.  A  class  of  new  support  vector regression models. Appl Soft Comput, 2020, 94: 106446 [27] Sun H Y, Zhao J, Liu Y A, et al. Microstructure and mechanical properties  of  a  new  type  burn  resistant  titanium  alloy  with  lower cost. Rare Met Mater Eng, 2019, 48（6）: 1892 （孙欢迎, 赵军, 刘翊安, 等. 一种新型低成本阻燃钛合金的微观 组织与力学性能. 稀有金属材料与工程, 2019, 48（6）：1892） [28] · 8 · 工程科学学报，第 44 卷，第 X 期