一种基于生成式深度学习模型的燃料微观结构预测方法

    公开(公告)号:CN119811563A

    公开(公告)日:2025-04-11

    申请号:CN202510287607.0

    申请日:2025-03-12

    Abstract: 本申请涉及计算材料科学技术领域,特别涉及一种基于生成式深度学习模型的燃料微观结构预测方法,包括以下步骤:获取数据集;数据集包括不同工艺条件下的SEM照片;对数据集进行预处理,并基于预处理后的数据集,得到训练集;基于条件变分自编码器模型,构建生成式深度学习模型;并将训练集的数据输入至生成式深度学习模型,进行模型训练,得到训练完成的生成式深度学习模型;将工艺条件输入至训练完成的生成式深度学习模型,生成特定燃料微观结构。本申请借助生成式深度学习模型直接由化学成分和工艺制备参数生成微观组织图像,摆脱专业限制,能够直接输出和微观检测结果一致的图像,解决传统实验及模拟计算成本高、耗时长、过程复杂等问题。

    高强高导热石墨烯弥散ODS钢复合材料及其制备方法

    公开(公告)号:CN114196867B

    公开(公告)日:2022-11-15

    申请号:CN202111554271.8

    申请日:2021-12-17

    Abstract: 本发明公开了高强高导热石墨烯弥散ODS钢复合材料及其制备方法,包括:(1)将石墨烯纳米片与ODS钢粉末通过行星球磨机低速球磨进行混合,得到混合粉末;(2)将所述步骤(1)得到的混合粉末,于行星球磨机中高速球磨一段时间得到石墨烯增强的ODS钢基复合粉末;(3)将所述步骤(2)得到的复合粉末通过放电等离子烧结方式制备石墨烯纳米片增强的ODS钢复合材料。采用所述的制备方法制备出高强高导热石墨烯弥散ODS钢复合材料。本发明制备的石墨烯增强ODS钢复合材料在室温的抗拉强度达到了1160‑1250MPa,延伸率也达到了13‑15%。同时,ODS钢的导热性能得到了进一步的提高。

Patent Agency Ranking