买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：合肥通用机械研究院有限公司;合肥通用机械研究院特种设备检验站有限公司

摘要：本发明公开了一种基于深度学习融合模型的耐热合金蠕变性能预测方法，获取各个耐热合金的合金成分、试验条件、显微组织图像，以及获取各个耐热合金所对应的蠕变性能的测试值，形成数据库；对数据库中的数据进行预处理；针对预处理后的合金成分、试验条件，构建深度学习模型X1；针对预处理后的显微组织图像，构建深度学习模型X2；对深度学习模型X1和深度学习模型X2进行融合，构建融合模型X3；利用预处理后的数据库训练融合模型X3，得到最优融合模型；基于该最优融合模型，并根据相同合金元素类别的某个待测耐热合金的合金成分、试验条件、显微组织图片，预测该待测耐热合金的蠕变性能。

主权项：1.一种基于深度学习融合模型的耐热合金蠕变性能预测方法，其特征在于，包括以下步骤：S1，针对合金元素类别相同的一系列耐热合金耐热合金，获取各个耐热合金的合金成分、试验条件、显微组织图像，以及获取各个耐热合金所对应的蠕变性能的测试值，形成数据库；S2，对数据库中的数据进行预处理；S3，针对预处理后的合金成分、试验条件，构建深度学习模型X1，即深度学习模型X1的输入为预处理后的合金成分、试验条件；S4，针对预处理后的显微组织图像，构建深度学习模型X2，即深度学习模型X2的输入为预处理后的显微组织图像；S5，对深度学习模型X1和深度学习模型X2进行融合，构建融合模型X3；融合模型X3的输入即为深度学习模型X1的输入和深度学习模型X2的输入，即预处理后的合金成分、试验条件、显微组织图像；所述融合模型X3的输出为蠕变性能的预测值；S6，利用预处理后的数据库训练融合模型X3，得到最优融合模型；S7，基于该最优融合模型，并根据相同合金元素类别的某个待测耐热合金的合金成分、试验条件、显微组织图片，预测该待测耐热合金的蠕变性能；步骤S6中，利用预处理后的数据库对融合模型X3的训练，具体包括以下步骤：S61，对融合模型X3进行基本配置，定义融合模型X3的目标超参数；S62，对预处理后的数据库进行打乱后随机划分，划分为训练集d1和验证集d2，选定目标超参数的范围后，进行目标超参数网格搜索，融合模型X3分别在训练集d1和验证集d2进行训练和验证，训练和验证分别经历n1个轮次后，取验证结果最优者对应的目标超参数的取值，并配置于融合模型X3中；S63，对预处理后的数据库进行打乱后随机划分，划分为训练集d3、验证集d4、测试集d5；利用训练集d3和验证集d4对步骤S62得到的融合模型X3进行优化，得到优化后的融合模型X3，即，将步骤S62得到的融合模型X3分别在训练集d3和验证集d4上进行训练和验证，训练和验证分别经历n2个轮次，逐渐优化融合模型X3的参数，得到优化后的融合模型X3；S64，利用测试集d5对优化后的融合模型X3的预测性能进行测试，若优化后的融合模型X3的预测性能满足设定的要求，则该优化后的融合模型X3即为最优融合模型；若优化后的融合模型X3的预测性能不满足设定的要求，则重新执行步骤S62～S63，直至优化后的融合模型X3的预测性能满足要求，得到最优融合模型。

全文数据：

权利要求：

百度查询： 合肥通用机械研究院有限公司 合肥通用机械研究院特种设备检验站有限公司 一种基于深度学习融合模型的耐热合金蠕变性能预测方法