基于深度学习的增材制造镍钛合金件力学性能预测的方法技术

本发明专利技术公开了基于深度学习的增材制造镍钛合金件力学性能预测的方法，包括如下步骤：确定力学实验所需的镍钛合金的初始特性；制造两种不同的镍钛合金件，对试样分别进行拉伸与压缩试验，采集相应数据，将采集的全部数据与打印参数数据集合形成初始数据集；对初始数据进行预处理，冰按比例分为训练集和测试集，用增材制造的打印参数作为深度学习模型的输入值，用数据集中力学实验的性能参数作为深度学习模型的输出值，构建镍钛合金的力学性能预测模型，用训练集数据对力学性能预测模型进行训练，训练完成后，用测试集数据对力学性能预测模型进行测试；本发明专利技术可以高准确度的对镍钛合金力学性能进行预测，提高对镍钛合金的研究效率。

【技术实现步骤摘要】

本专利技术涉及材料力学性能预测，特别涉及一种基于深度学习的增材制造镍钛合金件力学性能预测的方法。

技术介绍

1、增材制造的镍钛形状记忆合金由于有着良好的强度特性、形状记忆效应和超弹性等特点而被广泛应用于航空航天、医疗器械、汽车工业等领域，获取其确切的力学性能可以帮助研究者高效的利用材料。

2、传统的材料预测常常采用人工测定的方法，这种方法需要进行大量的反复试验，投入大量的时间和资源，难以满足低成本、高效率的要求。

3、随着深度学习在材料科学领域内的应用，一种新的基于深度学习预测镍钛形状记忆合金性能的方法可以有效地减少资源的浪费，并且可以准确可靠的反映增材制造镍钛合金的打印参数与力学性能之间的关系。

技术实现思路

1、本专利技术的目的是针对
技术介绍
中所述的问题和不足，提供一种基于深度学习的增材制造镍钛合金件力学性能预测的方法。

2、一种基于深度学习预测增材制造镍钛合金件力学性能的方法，包括如下步骤：

3、步骤1：从增材制造镍钛合金相关文献资料中获得镍钛合金的合金成本文档来自技高网...

【技术保护点】

1.一种基于深度学习预测增材制造镍钛合金件力学性能的方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种基于深度学习预测增材制造镍钛合金件力学性能的方法，其特征在于：所述步骤1中镍钛合金的成分包括50.8％镍以及49.2％钛；镍钛合金的增材制造方法为选择性激光融化技术。

3.根据权利要求1所述的一种基于深度学习预测增材制造镍钛合金件力学性能的方法，其特征在于：所述步骤2中镍钛合金的拉伸试样尺寸为50mm×2.6mm×1mm，镍钛合金的压缩试样尺寸为直径4.496mm，高度为6.6mm的圆柱体。

4.根据权利要求1所述的一种基于深度学习预测增材...

【技术特征摘要】

1.一种基于深度学习预测增材制造镍钛合金件力学性能的方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种基于深度学习预测增材制造镍钛合金件力学性能的方法，其特征在于：所述步骤1中镍钛合金的成分包括50.8％镍以及49.2％钛；镍钛合金的增材制造方法为选择性激光融化技术。

3.根据权利要求1所述的一种基于深度学习预测增材制造镍钛合金件力学性能的方法，其特征在于：所述步骤2中镍钛合金的拉伸试样尺寸为50mm×2.6mm×1mm，镍钛合金的压缩试样尺寸为直径4.496mm，高度为6.6mm的圆柱体。

4.根据权利要求1所述的一种基于深度学习预测增材制造镍钛合金件力学性能的方法，其特征在于：所述步骤4中训练数据集和测试数据集采用相...

【专利技术属性】
技术研发人员：王芳荣，郑梓龙，于征磊，刘瑞尧，
申请(专利权)人：吉林大学，
类型：发明
国别省市：