【技术实现步骤摘要】
本专利技术属于材料科学领域，具体涉及一种基于深度神经网络(dnn)用于预测经过渗氮和渗碳处理的m50nil钢的vickers硬度(hv)的方法。
技术介绍
1、硬度是材料力学性能的一个重要指标，它涉及到材料对形变或破裂的抗力。这一性质在材料科学、机械工程、制造业等多个领域都有着重要的应用。尽管已有多种硬度测量方法，如维氏硬度(hv)、布氏硬度(hb)和洛氏硬度(hr)。其中，维氏硬度(hv，vickershardness)是一种硬度测试方法，该方法通过使用一个金字塔形的硬质金刚石压头对材料施加一个已知的、恒定的负荷，并保持一段时间，然后测量压痕的对角线长度来确定硬度值。这个值通常表示为hv，其计算公式为：
2、
3、其中f是施加的负荷(单位n)，d是压痕的对角线长度(单位是mm)。
4、维氏硬度测试具有多种优点：
5、1、适用性广泛：适用于金属、陶瓷、塑料等多种类型的材料。
6、2、高度重复性：由于使用了金字塔形的压头和精确测量的压力，其测试结果通常具有很高的重复性。
<...【技术保护点】
1.利用深度学习神经网络通过纳米压痕硬度预测维氏硬度的方法，其特征在于该预测维氏硬度的方法按照以下步骤实现：
2.根据权利要求1所述的利用深度学习神经网络通过纳米压痕硬度预测维氏硬度的方法，其特征在于步骤一中渗碳处理的工艺过程如下：
3.根据权利要求1所述的利用深度学习神经网络通过纳米压痕硬度预测维氏硬度的方法，其特征在于步骤一中等离子渗氮处理的工艺过程如下：
4.根据权利要求1所述的利用深度学习神经网络通过纳米压痕硬度预测维氏硬度的方法，其特征在于步骤二中采用连续刚度测量法检测试样的纳米压痕硬度。
5.根据权利要求1所...
【技术特征摘要】
1.利用深度学习神经网络通过纳米压痕硬度预测维氏硬度的方法，其特征在于该预测维氏硬度的方法按照以下步骤实现：
2.根据权利要求1所述的利用深度学习神经网络通过纳米压痕硬度预测维氏硬度的方法，其特征在于步骤一中渗碳处理的工艺过程如下：
3.根据权利要求1所述的利用深度学习神经网络通过纳米压痕硬度预测维氏硬度的方法，其特征在于步骤一中等离子渗氮处理的工艺过程如下：
4.根据权利要求1所述的利用深度学习神经网络通过纳米压痕硬度预测维氏硬度的方法，其特征在于步骤二中采用连续刚度测量法检测试样的纳米压痕硬度。
5.根据权利要求1所述的利用深度学习神经网络通过纳米压痕硬度预测维氏硬度的方法，其特征在于步骤二中采用显微维氏硬度计在500g载荷下检测试样的维氏硬度。
6.根据权利要求1所述的利用深度学习神经网络通过纳米压痕硬度预测维氏硬度的方法，其特征...
【专利技术属性】
技术研发人员：牛俊博，丁梓峰，池志昱，王飞龙，马欣新，
申请(专利权)人：哈尔滨工业大学，
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。