一种基于软约束神经网络模型预测高温合金蠕变性能的方法
公开
摘要
本发明公开了一种基于软约束神经网络模型预测高温合金蠕变性能的方法，包括步骤：通过设定神经网络结构、输入、输出参数构建贝叶斯正则化神经网络模型；添加对蠕变强度蠕变寿命曲线一次导数和二次导数要求的约束条件，建立软约束贝叶斯正则化神经网络模型；利用软约束贝叶斯正则化神经网络模型拟合短期蠕变实验数据，寻找并得到符合约束条件要求的方案；利用得到的方案外推模型结果，并预测材料的长期蠕变性能；将模型预测结果与实验数据进行对比，验证模型准确性。本发明的方法可实现简单高效的拟合和外推，并可以用于预测大多数商用不锈钢，及目前正处于研发阶段的新材料等高温合金的长期蠕变性能，且结果稳定可靠。
基本信息
专利标题 ：
一种基于软约束神经网络模型预测高温合金蠕变性能的方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114563268A
申请号 ：
CN202210161213.7
公开（公告）日 ：
2022-05-31
申请日 ：
2022-02-22
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
贺君敬周彦均龙其冬秦海英
申请人 ：
杭州电子科技大学
申请人地址 ：
浙江省杭州市钱塘区白杨街道2号大街1158号
代理机构 ：
杭州宇信联合知识产权代理有限公司
代理人 ：
梁群兰
优先权 ：
CN202210161213.7
主分类号 ：
G01N3/08
IPC分类号 ：
G01N3/08 G01N3/18 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G01
测量；测试
G01N
借助于测定材料的化学或物理性质来测试或分析材料
G01N3/00
用机械应力测试固体材料的强度特性
G01N3/08
施加稳定的张力或压力
法律状态
2022-05-31 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
