公开(公告)号：CN114707398B

公开(公告)日：2025-05-13

申请号：CN202210161354.9

申请日：2022-02-22

Applicant: 杭州电子科技大学

Inventor： 贺君敬 ,  周彦均 ,  秦海英

IPC: G06F30/27 ,  G06F17/11 ,  G06N3/04 ,  G06N3/084 ,  G06F111/04 ,  G06F119/08

Abstract: 本发明公开了一种基于硬约束神经网络模型预测金属结构材料蠕变性能的方法。步骤包括：S1，建立蠕变强度蠕变寿命曲线的一次导数和二次导数的约束条件；S2，结合约束条件，建立硬约束神经网络模型，包括网络结构的建立和网络结构的求导，约束损失函数等；S3，设定硬约束神经网络模型的结构，输入、输出参数，训练方法等，拟合实验数据，得到拟合结果和预测结果，并与实验数据进行对比；S4，最后分析得到的结果的准确性。本发明的方法可以用于预测大多数商用奥氏体不锈钢、镍基合金、高铬钢、及目前正处于研发阶段的高温合金等新材料的长期蠕变性能，且结果稳定可靠。

公开(公告)号：CN114707398A

公开(公告)日：2022-07-05

申请号：CN202210161354.9

申请日：2022-02-22

Applicant: 杭州电子科技大学

Inventor： 贺君敬 ,  周彦均 ,  龙其冬 ,  秦海英

IPC: G06F30/27 ,  G06F17/11 ,  G06N3/04 ,  G06N3/08 ,  G06F111/04 ,  G06F119/08

Abstract: 本发明公开了一种基于硬约束神经网络模型预测金属结构材料蠕变性能的方法。步骤包括：S1，建立蠕变强度蠕变寿命曲线的一次导数和二次导数的约束条件；S2，结合约束条件，建立硬约束神经网络模型，包括网络结构的建立和网络结构的求导，约束损失函数等；S3，设定硬约束神经网络模型的结构，输入、输出参数，训练方法等，拟合实验数据，得到拟合结果和预测结果，并与实验数据进行对比；S4，最后分析得到的结果的准确性。本发明的方法可以用于预测大多数商用奥氏体不锈钢、镍基合金、高铬钢、及目前正处于研发阶段的高温合金等新材料的长期蠕变性能，且结果稳定可靠。

公开(公告)号：CN114563268A

公开(公告)日：2022-05-31

申请号：CN202210161213.7

申请日：2022-02-22

Applicant: 杭州电子科技大学

Inventor： 贺君敬 ,  周彦均 ,  龙其冬 ,  秦海英

IPC: G01N3/08 ,  G01N3/18 ,  G06N3/04 ,  G06N3/08

Abstract: 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。

公开(公告)号：CN114563268B

公开(公告)日：2024-04-26

申请号：CN202210161213.7

申请日：2022-02-22

Applicant: 杭州电子科技大学

Inventor： 贺君敬 ,  周彦均 ,  秦海英

IPC: G01N3/08 ,  G01N3/18 ,  G06N3/0464 ,  G06N3/08

Abstract: 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。