一种基于深度学习的耐热合金高温力学性能预测方法,包括以下步骤:S1、形成原始实验数据库;S2、对原始实验数据库中的显微组织照片进行数据预处理;S3、根据耐热合金高温力学性能实验值分布情况,将原始实验数据库划分为连续的N类,并将划分的类别值作为对应图像的类别标签;将标签化后的图像数据分组;S4、并将所有组图像数据分别进行数字张量化处理;S5、构建深度学习模型,配置模型结构与模型参数,优化深度学习模型的预测效果;S6、采用优化深度学习模型,根据耐热合金显微组织图片预测其高温力学性能。本发明能够实现耐热合金从显微组织到高温力学性能的直接预测,提升耐热合金高温性能检测效率、节约耐热合金高温检测成本。
声明:
“一种基于深度学习的耐热合金高温力学性能预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)