【技术实现步骤摘要】
基于深度学习的金属基复合材料参数设计方法、设备与介质
[0001]本专利技术涉及金属基复合材料领域，尤其涉及基于深度学习的金属基复合材料参数设计方法、设备与介质。
技术介绍
[0002]金属基复合材料是以金属及其合金为基体，与一种或几种金属或非金属增强相人工结合成的复合材料。通过合理的成分、性能设计及工艺，可以使金属基体与增强相之间优化组合，获得既具有金属基体的良好塑韧性、易加工性及导电导热性，又具有增强相的高硬度、良好的热稳定性、低膨胀系数等优点的复合材料，以满足先进装备制造业的需求，在航空航天、能源工程、汽车制造、船舶及海洋工程装备领域中得到了广泛应用。
[0003]然而，金属基复合材料的制备工艺复杂，包括混粉、装锭、烧结、成型、热处理等多个环节，涉及到粉体粒径、增强相含量、烧结压力、烧结温度、成型工艺参数、热处理工艺参数等多个方面。在实际应用中，金属基复合材料通常既要满足强度要求，又要满足韧性要求，在如此复杂的参数空间中探索合适的工艺窗口常常占用企业及科研单位大量时间，如何缩短工艺探索过程称为目前行业的重大难题...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的金属基复合材料参数设计方法，其特征在于，所述金属基复合材料参数设计方法包括以下步骤：获取金属基复合材料的工艺参数，并构建工艺参数空间；将所述工艺参数空间中的参数输送给预先构建的机器学习模型，得到力学性能预测结果；根据第一预设阈值，从所述力学性能预测结果中选取性能达标结果；获取所述性能达标结果对应的合格工艺参数，组合得到合格参数空间。2.如权利要求1所述的基于深度学习的金属基复合材料参数设计方法，其特征在于，所述将所述工艺参数空间中的全部参数输送给预先构建的机器学习模型，得到力学性能预测结果的步骤之前，所述方法还包括：从所述工艺参数空间中选取预设数量的工艺参数组合，并获取所述工艺参数组合对应的实验力学性能；通过所述实验力学性能和所述工艺参数组合构建训练集和测试集；通过所述训练集训练第一初始模型，并通过所述测试集验证所述第一初始模型的准确性，当所述准确性满足预设条件时，得到所述机器学习模型。3.如权利要求2所述的基于深度学习的金属基复合材料参数设计方法，其特征在于，所述通过所述训练集训练第一初始模型的步骤包括：将所述训练集输入门控残差网络，并结合参数选择网络，训练得到第二初始模型；计算所述第二初始模型的准确率和损失函数，根据所述准确率和所述损失函数调整所述训第二初始模型的超参数，得到调参后的第一初始模型。4.如权利要求3所述的基于深度学习的金属基复合材料参数设计方法，其特征在于，所述根据所述准确率和所述损失函数调整所述第二初始模型的超参数，得到调参后的第一初始模型的步骤包括：迭代计算所述第二初始模型的所述损失函数和所述准确率；循环执行当所述损失函数收敛时，将学习率降至预设倍数的步骤，直到所述准确率达到第二预设阈值，停止迭代并得到调参后的第一初始模型。5.如权利要求1所述的基于深...
【专利技术属性】
技术研发人员：崔传禹，刘伟，赵聪聪，冯上样，徐龙，杨浩，夏大彪，杨光猛，王娜，卢祺，谭兴儒，郑念竹，周木华，
申请(专利权)人：季华实验室，
类型：发明
国别省市：
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。