【技术实现步骤摘要】
本专利技术涉及金属材料预测，尤其涉及一种高熵合金疲劳性能的预测模型的构建方法、装置、设备、介质及产品。
技术介绍
1、高熵合金(high-entropy alloy，hea)是一种新型的金属材料，由多种元素以接近等原子比例组成。这种设计理念不同于传统合金，其显著特点包括高强度、高韧性、优异的耐腐蚀性和高温稳定性，使其在航空航天、能源、核工业等领域具有重要应用前景。然而，高熵合金在服役过程中需要承受复杂的循环载荷，导致疲劳失效成为其关键性能指标之一。因此，准确预测高熵合金的疲劳性能，对于材料设计、工艺优化和实际应用具有重要意义。
2、目前，高熵合金疲劳性能的研究主要集中在以下方面：一是基于实验测试的方法，通常包括以下步骤：制备标准化试样；在疲劳测试设备上施加特定载荷；记录材料的疲劳寿命(如循环次数)。二是数值模拟方法：有限元分析等方法模拟疲劳载荷下的材料性能。这种方法结合理论模型和实验数据，适用于部分条件的性能预测。三是机器学习方法：近年来，决策树、支持向量机、随机森林等算法逐渐被应用于性能预测。通过对已有实验数据进行训练，建...
【技术保护点】
1.一种高熵合金疲劳性能的预测模型的构建方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述特征数据样本集中的每个特征数据训练样本包括所述高熵合金的化学成分、热处理参数、显微组织特征及疲劳性能。
3.根据权利要求1所述的方法，其特征在于，所述根据所述初始预测模型中的注意力模块及所述特征数据样本集，确定所述高熵合金中各成分之间的全局关联特征，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述全局关联特征及所述初始预测模型中的混合模块，确定融合时序特征，包括：
5.根据权利要求4所述的方法，其...
【技术特征摘要】
1.一种高熵合金疲劳性能的预测模型的构建方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述特征数据样本集中的每个特征数据训练样本包括所述高熵合金的化学成分、热处理参数、显微组织特征及疲劳性能。
3.根据权利要求1所述的方法，其特征在于，所述根据所述初始预测模型中的注意力模块及所述特征数据样本集，确定所述高熵合金中各成分之间的全局关联特征，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述全局关联特征及所述初始预测模型中的混合模块，确定融合时序特征，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述初始预测模型中的混合模块对所述全局关联特征进行处理，确定融合时序特征，包括：
【专利技术属性】
技术研发人员：王凯，薛飞，陈超，周学汶，吴选辉，
申请(专利权)人：广东增减材科技有限公司，
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。