通过输入多个力学性能生成钛合金微观组织图像的方法技术

本发明专利技术公开了通过输入多个力学性能生成钛合金微观组织图像的方法，包括：采集大量不同组织类型的钛合金微观组织图像；设定不同组织类型钛合金微观组织图像对应的力学性能范围；在力学性能范围内，对不同组织类型的钛合金微观组织图像生成对应随机力学性能数据，得到不同组织类型的钛合金微观组织图像且分别包含随机力学性能数据的图像集；对图像集进行数据扩增；将数据扩增后的图像集作为训练集数据，输入到预设的生成对抗网络按组织类别进行分别训练，得到优化后的生成对抗网络模型；将多个力学性能数据输入到优化后的生成对抗网络模型，生成钛合金微观组织图像。本发明专利技术使用多个连续变量作为输入，能生成质量较好的钛合金微观组织图像。金微观组织图像。金微观组织图像。

【技术实现步骤摘要】
通过输入多个力学性能生成钛合金微观组织图像的方法


[0001]本专利技术属于计算机视觉图像生成
，涉及通过输入多个力学性能生成钛合金微观组织图像的方法。

技术介绍

[0002]随着工艺的发展，钛合金因为其优异的力学性能而被应用到了各个领域。目前钛合金材料领域的研究大多都是通过微观组织预测力学性能的正向研究，而几乎没有人实现对钛合金材料从力学性能反推微观组织的过程。同时，目前图像生成领域对微观组织的研究非常少，并且几乎都是只针对单个标签，鲜少有通过输入多个标签来生成钛合金微观组织图像的研究。目前对于带有条件的图像生成任务主要是用条件生成对抗网络技术，但是使用条件生成对抗网络解决此问题时存在如下的缺陷：
[0003]1)条件生成对抗网络只能用来处理离散型随机变量。
[0004]2)目前现有方法中接受参数输入的模型都是针对单个变量，几乎没有针对多个连续型变量作为输入的研究。
[0005]3)现有的图像生成方法几乎都是针对宏观物体，如人脸和物品等，几乎没有涉及到微观组织图像的研究。钛合金材料的微观组织图像，和其他数据集不一样的地方在于，图像之间的特征比较相似，而且每一个图像细节都跟它的性能参数紧密相关，神经网络也就更难理解和学习。现有的方法并不能产生令人满意的效果。
[0006]4)还需要关注的一个问题在于力学性能和微观组织图像之间的对应关系是一对多的，也就是一组力学性能对应多个具有细微差别的微观组织图像，如何反映出这个一对多的关系是个较难解决的问题。

技术实现思路

[0007]针对现有技术中存在的问题，本专利技术的目的在于提供通过输入多个力学性能生成钛合金微观组织图像的方法，至少部分解决上述技术问题。
[0008]本专利技术实施例提供了通过输入多个力学性能生成钛合金微观组织图像的方法，包括：
[0009]采集大量不同组织类型的钛合金微观组织图像；
[0010]设定不同组织类型钛合金微观组织图像对应的力学性能范围；在所述力学性能范围内，对所述不同组织类型的钛合金微观组织图像生成对应随机力学性能数据，得到不同组织类型的钛合金微观组织图像且分别包含所述随机力学性能数据的图像集；
[0011]对所述图像集进行数据扩增；
[0012]将数据扩增后的所述图像集作为训练集数据，输入到预设的生成对抗网络按组织类别进行分别训练，得到优化后的生成对抗网络模型；
[0013]将多个力学性能数据输入到所述优化后的生成对抗网络模型，生成钛合金微观组织图像。
[0014]进一步地，所述力学性能数据包括：准静态屈服强度数据、洛氏硬度数据、动态压缩强度数据、抗拉强度数据、动态屈服强度数据、断后伸长率数据和临界断裂应变数据。
[0015]进一步地，在所述力学性能范围内对所述不同组织类型钛合金微观组织图像生成对应随机力学性能数据得到不同组织类型的钛合金微观组织图像且分别包含所述随机力学性能数据的图像集具体包括：
[0016]在所述力学性能范围内，对所述不同组织类型钛合金微观组织图像生成对应的随机抗拉强度数据；
[0017]计算所述随机抗拉强度数据在对应所述力学性能范围内的占比rate；
[0018]根据所述随机抗拉强度数据的占比rate和1
‑
rate，分别与所述力学性能数据中对应占比的力学性能正相关数据和负相关数据进行匹配，得到所述不同类型的钛合金微观组织图像且分别包含所述随机力学性能数据的图像集；
[0019]所述正相关数据组成通过计算所述准静态屈服强度数据、所述洛氏硬度数据和所述动态压缩强度数据与所述抗拉强度数据呈正相关对应的数据组成；所述负相关数据通过计算所述动态屈服强度数据、所述断后伸长率数据和所述临界断裂应变数据与所述抗拉强度数据呈负相关对应的数据组成。
[0020]进一步地，预设的所述生成对抗网络模型包括：第一生成对抗网络和第二生成对抗网络；
[0021]所述第一生成对抗网络通过输入多个力学性能，直接投入生成器，生成简单钛合金微观组织图像；
[0022]所述第二生成对抗网络通过输入多个力学性能，映射成随机噪声，生成复杂钛合金微观组织图像。
[0023]进一步地，所述第一生成对抗网络的搭建过程具体包括：
[0024]对多个力学性能数据使用concat方式拼接；将拼接后的所述多个力学性能数据经过全连接层，映射到128维度的特征空间，得到对应的特征向量；
[0025]将所述特征向量输入到第一生成对抗网络中改进的多标签生成器和多标签判别器进行多标签扩展，生成所述简单钛合金微观组织图像；
[0026]分别重构所述多标签生成器和多标签判别器的损失函数；
[0027]重构的所述多标签生成器的损失函数表达式为：
[0028][0029]式中，表示所述特征向量；
ε
表示扰动；z
i
表示第i个图像所对应的噪声；N(0,σ2)表示均值为0，标准差为σ的正态分布；
[0030]重构的所述多标签判别器的损失函数表达式为：
[0031][0032]其中，C3和C4是两个常数；N
r
和N
g
分别表示真实图像和假图像的个数；和分别表示标签为c的真假图像数量；和分别表示标签为c的第j幅真实图像和第j幅假图像；ε
r
表示对真实图像增加的扰动；ε
g
表示对假图像增加的扰动；
[0033][0034]表示对每一类真实标签加上扰动之后再映射到特征空间的结果；表示对每一类虚假标签加上扰动之后再映射到特征空间的结果；k表示标签的标号；表示第i个真实图像的第k个标签；表示第j个生成假图像的第k个标签；w
r
表示真实图像的权重、w
g
表示生成假图像的权重。
[0035]进一步地，所述第二生成对抗网络的搭建过程具体包括：
[0036]对输入的多个力学性能数据使用concat方式拼接；将拼接后的所述多个力学性能数据经过多尺度全连接层，映射到32维度的特征空间，得到对应的特征向量；将所述特征向量输入到MDN网络，输出混合高斯模型的参数；
[0037]使用所述混合高斯模型的参数建立对应的混合高斯模型；对所述高斯混合模型进行采样，得到对应的噪声；
[0038]将所述噪声输入到DCGAN网络中新增层数的生成器，生成所述复杂钛合金微观组织图像。
[0039]本专利技术实施例提供的通过输入多个力学性能生成钛合金微观组织图像的方法，与现有技术相比较，使用多个连续变量作为输入，生成钛合金微观组织图像；对钛合金微观组织进行分类计算，区分微观组织间的差别，同时反映了力学性能和钛合金微观组织图像之间的对应关系，更适用于钛合金材料的微观组织图像研究，能生成质量较好的钛合金微观组织图像，为材料学领域钛合金的锻造提供较大参考价值。
[0040]本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.通过输入多个力学性能生成钛合金微观组织图像的方法，其特征在于，包括：采集大量不同组织类型的钛合金微观组织图像；设定不同组织类型钛合金微观组织图像对应的力学性能范围；在所述力学性能范围内，对所述不同组织类型的钛合金微观组织图像生成对应随机力学性能数据，得到不同组织类型的钛合金微观组织图像且分别包含所述随机力学性能数据的图像集；对所述图像集进行数据扩增；将数据扩增后的所述图像集作为训练集数据，输入到预设的生成对抗网络按组织类别进行分别训练，得到优化后的生成对抗网络模型；将多个力学性能数据输入到所述优化后的生成对抗网络模型，生成钛合金微观组织图像。2.根据权利要求1所述的通过输入多个力学性能生成钛合金微观组织图像的方法，其特征在于：所述力学性能数据包括：准静态屈服强度数据、洛氏硬度数据、动态压缩强度数据、抗拉强度数据、动态屈服强度数据、断后伸长率数据和临界断裂应变数据。3.根据权利要求2所述的通过输入多个力学性能生成钛合金微观组织图像的方法，其特征在于，在所述力学性能范围内对所述不同组织类型钛合金微观组织图像生成对应随机力学性能数据得到不同组织类型的钛合金微观组织图像且分别包含所述随机力学性能数据的图像集具体包括：在所述力学性能范围内，对所述不同组织类型钛合金微观组织图像生成对应的随机抗拉强度数据；计算所述随机抗拉强度数据在对应所述力学性能范围内的占比rate；根据所述随机抗拉强度数据的占比rate和1
‑
rate，分别与所述力学性能数据中对应占比的力学性能正相关数据和负相关数据进行匹配，得到所述不同类型的钛合金微观组织图像且分别包含所述随机力学性能数据的图像集；所述正相关数据组成通过计算所述准静态屈服强度数据、所述洛氏硬度数据和所述动态压缩强度数据与所述抗拉强度数据呈正相关对应的数据组成；所述负相关数据通过计算所述动态屈服强度数据、所述断后伸长率数据和所述临界断裂应变数据与所述抗拉强度数据呈负相关对应的数据组成。4.根据权利要求3所述的通过输入多个力学性能生成钛合金微观组织图像的方法，其特征在于：预设的所述生成对抗网络模型包括：第一生成对抗网络和第二生成对抗网络；所述第一生成对抗网络通过输入多个力学性能，直接投入生成器，生成简单钛合金微观组织图像；所述第二生...

【专利技术属性】
技术研发人员：金福生，张芷璇，范群波，贡海超，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：