【技术实现步骤摘要】
一种基于深度学习的耐热合金高温力学性能预测方法
本专利技术涉及耐热合金材料高温性能分析领域，尤其涉及一种基于深度学习的耐热合金高温力学性能预测方法。
技术介绍
材料的力学性能由其显微组织直接决定，耐热合金是金属材料的高端产品，广泛应用于石油、化工、发电、航空航天等关系国家安全和国民经济命脉的行业领域，耐热合金的发展也与这些领域的进步有非常密切的联系。伴随着世界工业化高速发展，对耐热合金的需求呈不断上升趋势。随着耐热合金在当今社会越来越广泛的应用，对耐热合金的高温力学性能检测需求的规模也随之提升。虽然目前已经积累了大量的耐热合金组织性能实验数据，对于耐热合金高温力学性能的检测一直采用常规方法，需要对耐热合金进行长时高温测试，耗能耗时。例如对于喷气式涡轮机的设计寿命常为104小时(1年)，乙烯裂解炉炉管设计寿命则为105小时(10年)，而对于核反应堆耐热合金，其使用标准则长达40年。材料力学性能的预测是材料基因组技术的重点与难点，其困难在于宏观材料由极大数量原子构成的，其力学性能则通常是多个物理机制复杂耦合的结果...
【技术保护点】
1.一种基于深度学习的耐热合金高温力学性能预测方法，其特征在于，包括以下步骤：/nS1、获得同一牌号系列耐热合金在特定检测条件下的不同显微组织照片及其对应的高温力学性能测试结果，形成原始实验数据库；/nS2、对原始实验数据库中的显微组织照片进行数据预处理；/nS3、根据耐热合金高温力学性能实验值分布情况，将原始实验数据库划分为连续的N类，并将划分的类别值作为对应图像的类别标签；将标签化后的图像数据分成训练组数据、验证组数据、测试组数据；/nS4、读取每组图像数据，并将所有组图像数据分别进行数字张量化处理；/nS5、构建深度学习模型，配置模型结构与模型参数，采用训练组数据训练...
【技术特征摘要】
1.一种基于深度学习的耐热合金高温力学性能预测方法，其特征在于，包括以下步骤：
S1、获得同一牌号系列耐热合金在特定检测条件下的不同显微组织照片及其对应的高温力学性能测试结果，形成原始实验数据库；
S2、对原始实验数据库中的显微组织照片进行数据预处理；
S3、根据耐热合金高温力学性能实验值分布情况，将原始实验数据库划分为连续的N类，并将划分的类别值作为对应图像的类别标签；将标签化后的图像数据分成训练组数据、验证组数据、测试组数据；
S4、读取每组图像数据，并将所有组图像数据分别进行数字张量化处理；
S5、构建深度学习模型，配置模型结构与模型参数，采用训练组数据训练深度学习模型，根据验证组数据验证与优化深度学习模型，通过测试组数据检验最终测试优化后深度学习模型的预测效果，以获得优化深度学习模型；
S6、采用优化深度学习模型，输入待测耐热合金的显微组织图片，输出其高温力学性能预测结果。
2.根据权利要求1所述的一种基于深度学习的耐热合金高温力学性能预测方法，其特征在于，所述显微组织照片可取自未进行高温服役耐热合金或服役后耐热合金，但同一个性能预测模型所用显微组织须为相同服役状态耐热合金。
3.根据权利要求1所述的一种基于深度学习的耐热合金高温力学性能预测方法，其特征在于，所述原始实验数据库中的显微组织照片拍摄时放大倍数和或尺寸不同，步骤S2中的数据预处理是先对所述显微组织照片进行缩放，使所有显微组织照片的放大倍数一致，然后经过等大小切割处理。
4.根据权利要求1所述的一种基于深度学习的耐热合金高温力学性能预测方法，其特征在于，步骤S3具体为：训练组数据数量远远高于验证组数据数量，验证组数据数量不低于测试组数据数量。
5.根据权利要求1所述的一种基于深度学习的耐热合金高温力...
【专利技术属性】
技术研发人员：向抒林，陈涛，范志超，陈学东，连晓明，吴志刚，刘春娇，
申请(专利权)人：合肥通用机械研究院有限公司，合肥通用机械研究院特种设备检验站有限公司，
类型：发明
国别省市：安徽;34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。