本發(fā)明涉及材料拉伸性能預(yù)測，具體地說，涉及一種基于納米壓痕和機器學(xué)習(xí)的材料拉伸性能預(yù)測方法。

背景技術(shù)：

1、傳統(tǒng)本構(gòu)模型未能在預(yù)測應(yīng)力應(yīng)變曲線的同時考慮到與曲線對應(yīng)的應(yīng)力應(yīng)變云圖分布，預(yù)測結(jié)果單一且不能有效反應(yīng)材料內(nèi)部的應(yīng)力應(yīng)變分布情況及變化過程，現(xiàn)有金屬材料獲取應(yīng)力應(yīng)變曲線及序列化云圖耗材費時的問題；傳統(tǒng)的材料力學(xué)性能測試，如拉伸試驗，通常需要制備大量的試樣，并且每次測試只能得到有限的數(shù)據(jù)點。這不僅耗費大量時間和資源，而且對于新開發(fā)的材料或特殊應(yīng)用場景下的材料測試尤為昂貴；材料的宏觀力學(xué)性能與其微觀結(jié)構(gòu)（如晶粒大小、相分布、缺陷等）密切相關(guān)。然而，傳統(tǒng)方法很難直接將微觀組織特征與宏觀力學(xué)性能聯(lián)系起來，使得對材料行為的理解不夠深入；因此，提供一種基于納米壓痕和機器學(xué)習(xí)的材料拉伸性能預(yù)測方法。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于納米壓痕和機器學(xué)習(xí)的材料拉伸性能預(yù)測方法，以解決上述背景技術(shù)中提出的傳統(tǒng)本構(gòu)模型預(yù)測結(jié)果單一、現(xiàn)有金屬材料獲取應(yīng)力應(yīng)變曲線及序列化云圖耗材費時的的問題。

2、為實現(xiàn)上述目的，本發(fā)明目的在于提供了一種基于納米壓痕和機器學(xué)習(xí)的材料拉伸性能預(yù)測方法，包括以下步驟：

3、s1、使用金相顯微鏡拍攝微觀組織金相照片，并對金相照片進行預(yù)處理；

4、s2、對預(yù)處理后的金相照片進行基于組織的有限元模擬，得到應(yīng)力應(yīng)變數(shù)據(jù)；

5、s3、基于金相照片和應(yīng)力應(yīng)變數(shù)據(jù)構(gòu)建微觀組織-應(yīng)力應(yīng)變場數(shù)據(jù)庫；

6、s4、基于微觀組織-應(yīng)力應(yīng)變場數(shù)據(jù)庫，對u-net深度學(xué)習(xí)框架進行架構(gòu)調(diào)整和優(yōu)化來預(yù)測材料拉伸性能，并提供應(yīng)力應(yīng)變云圖及曲線。

7、作為本技術(shù)方案的進一步改進，所述s2中，對預(yù)處理后的金相照片進行基于組織的有限元模擬，得到應(yīng)力應(yīng)變數(shù)據(jù)，包括以下步驟：

8、s2.1、從預(yù)處理后的金相照片中選取多個位置，使用納米壓痕儀施加一系列已知載荷，記錄相應(yīng)的位移響應(yīng)；

9、s2.2、將預(yù)處理后的金相照片導(dǎo)入到有限元軟件中，根據(jù)金相照片中的微觀結(jié)構(gòu)特征，將圖像劃分為細密的網(wǎng)格，每個網(wǎng)格單元對應(yīng)金相照片中的一個像素點；

10、s2.3、對有限元模型施加周期性邊界條件；

11、s2.4、根據(jù)納米壓痕的結(jié)果，在有限元模型中指定不同區(qū)域的材料屬性；

12、s2.5、設(shè)定模擬條件，根據(jù)設(shè)定的條件啟動有限元分析軟件執(zhí)行模擬計算，計算過程中將輸出數(shù)據(jù)按照等應(yīng)變間隔輸出；

13、s2.6、模擬計算完成后，逐幀提取每一時刻微觀組織圖像對應(yīng)的應(yīng)力應(yīng)變數(shù)據(jù)，每幀均依次提取每個網(wǎng)格單元的應(yīng)力應(yīng)變值；

14、s2.7、利用提取的應(yīng)力應(yīng)變值數(shù)據(jù)繪制應(yīng)力應(yīng)變云圖，并計算所有網(wǎng)格單元應(yīng)力應(yīng)變值的平均值，作為整體材料的應(yīng)力應(yīng)變曲線數(shù)據(jù)。

15、作為本技術(shù)方案的進一步改進，所述s3中，基于金相照片和應(yīng)力應(yīng)變數(shù)據(jù)構(gòu)建微觀組織-應(yīng)力應(yīng)變場數(shù)據(jù)庫，包括以下步驟：

16、s3.1、從步驟s1和步驟s2中獲取所有預(yù)處理后的金相照片以及對應(yīng)的應(yīng)力應(yīng)變數(shù)據(jù)作為樣本；

17、s3.2、根據(jù)時間和空間位置，通過時空配準(zhǔn)算法將每張金相照片與其對應(yīng)的應(yīng)力應(yīng)變數(shù)據(jù)一一對應(yīng)；

18、s3.3、將金相照片轉(zhuǎn)換為機器學(xué)習(xí)使用的張量格式，并將應(yīng)力應(yīng)變數(shù)據(jù)也轉(zhuǎn)換為張量格式；

19、s3.4、將處理后的張量數(shù)據(jù)按所需比例劃分為訓(xùn)練集和測試集；

20、s3.5、選擇關(guān)系型數(shù)據(jù)庫管理系統(tǒng)，定義表結(jié)構(gòu)，并將轉(zhuǎn)換后的圖像張量和應(yīng)力應(yīng)變數(shù)據(jù)張量錄入到數(shù)據(jù)庫中形成微觀組織-應(yīng)力應(yīng)變場數(shù)據(jù)庫。

21、作為本技術(shù)方案的進一步改進，所述s3.2中，通過時空配準(zhǔn)算法將每張金相照片與其對應(yīng)的應(yīng)力應(yīng)變數(shù)據(jù)一一對應(yīng)起來，包括以下步驟：

22、s3.21、驗證每張金相照片和對應(yīng)的應(yīng)力應(yīng)變數(shù)據(jù)的時間戳是否準(zhǔn)確記錄，并相互同步；

23、s3.22、基于實驗設(shè)置，初步估計金相照片和應(yīng)力應(yīng)變云圖的空間位置關(guān)系；

24、s3.23、使用特征檢測算法sift從金相照片中提取穩(wěn)定特征點；

25、s3.24、將兩組特征點進行匹配，尋找最佳對應(yīng)關(guān)系；

26、s3.25、根據(jù)匹配的特征點，計算幾何變換模型；

27、s3.26、將計算出的變換應(yīng)用于應(yīng)力應(yīng)變云圖數(shù)據(jù)，使其與金相照片在空間上對齊；

28、s3.27、使用互信息作為度量標(biāo)準(zhǔn)，通過優(yōu)化算法調(diào)整變換參數(shù)，直到達到最佳匹配。

29、作為本技術(shù)方案的進一步改進，所述s3.27中，互信息為：

30、；

31、其中，表示金相照片中的像素值分布；表示應(yīng)力應(yīng)變云圖中的應(yīng)力值分布；表示金相照片中某個像素值出現(xiàn)的概率；表示應(yīng)力應(yīng)變云圖中某個應(yīng)力值出現(xiàn)的概率；表示金相照片和應(yīng)力應(yīng)變云圖在同一位置處的像素值和應(yīng)力值共同出現(xiàn)的概率；表示金相照片中所有可能的像素值；表示應(yīng)力應(yīng)變云圖中所有可能的應(yīng)力值；表示金相照片中的特定像素值；表示應(yīng)力應(yīng)變云圖中的特定應(yīng)力值。

32、作為本技術(shù)方案的進一步改進，所述s4中，基于微觀組織-應(yīng)力應(yīng)變場數(shù)據(jù)庫，對u-net深度學(xué)習(xí)框架進行架構(gòu)調(diào)整和優(yōu)化來預(yù)測材料拉伸性能，并提供應(yīng)力應(yīng)變云圖及曲線，包括以下步驟：

33、s4.1、從構(gòu)建好的微觀組織-應(yīng)力應(yīng)變場數(shù)據(jù)庫中加載訓(xùn)練集和測試集；

34、s4.2、選擇由編碼器和解碼器組成的u-net架構(gòu)作為起點，編碼器和解碼器兩端通過跳躍連接相連；

35、s4.3、進行編碼器和解碼器的調(diào)整；

36、s4.4、定義誤差函數(shù)來衡量預(yù)測應(yīng)力應(yīng)變值與真實值之間的差異；

37、s4.5、確定模型超參數(shù)，并基于訓(xùn)練集進行模型訓(xùn)練，監(jiān)控訓(xùn)練損失的變化趨勢，完成訓(xùn)練后保存參數(shù)；

38、s4.6、基于步驟s3中所構(gòu)建數(shù)據(jù)庫中的測試集進行模型評估；

39、s4.7、利用訓(xùn)練好的模型對新的金相照片進行預(yù)測，輸出對應(yīng)的預(yù)測應(yīng)力應(yīng)變云圖，并根據(jù)預(yù)測的應(yīng)力應(yīng)變值，繪制應(yīng)力應(yīng)變曲線。

40、作為本技術(shù)方案的進一步改進，所述s4.3中，進行編碼器和解碼器的調(diào)整，包括以下步驟：

41、s4.31、調(diào)整編碼器在卷積層的每一層使用3×3的卷積核，步長為1，使用相同填充的方法進行填充每一層的權(quán)重被初始化為均值為0、標(biāo)準(zhǔn)差為0.02的正態(tài)分布隨機值；

42、s4.32、在編碼器采用relu作為激活函數(shù)，并使用最大池化方法來逐步減小輸入的空間維度；

43、s4.33、調(diào)整解碼器在反卷積層的每一層使用2×2的卷積核，步長為2；

44、s4.34、將編碼器中的特征圖與解碼器中的相應(yīng)層級特征圖拼接，如果出現(xiàn)反卷積后的尺寸不匹配，則利用雙線性插值調(diào)整至合適尺寸大小。

45、作為本技術(shù)方案的進一步改進，所述s4.32中，使用最大池化方法來逐步減小輸入的空間維度，包括以下步驟：

46、s4.321、對預(yù)處理后的金相照片進行圖像分割；

47、s4.322、選擇池化窗口尺寸；

48、s4.323、確定池化窗口每次移動的距離；

49、s4.324、對于每一個通道遍歷整個輸入圖像，對于位置通過最大池化公式計算最大值，針對金相照片中晶粒邊界的方向性特征，對最大池化公式進行優(yōu)化；

50、s4.325、將最大值放置到新的輸出激活圖中相應(yīng)的位置上，形成降采樣后的圖像；

51、s4.326、經(jīng)過最大池化后，得到新的特征圖，新的特征圖空間維度小于原始輸入。

52、作為本技術(shù)方案的進一步改進，所述s4.324中，最大池化公式為：

53、；

54、其中，表示u-net模型中某一層池化操作輸出特征圖在位置和通道的值；表示池化窗口的高度；表示池化窗口的寬度；表示池化窗口的步長；表示通道索引；表示池化窗口內(nèi)的行偏移；表示池化窗口內(nèi)的列偏移；

55、針對金相照片中晶粒邊界的方向性特征，對最大池化公式進行優(yōu)化：

56、；

57、；

58、其中，表示優(yōu)化后輸出特征圖在位置和通道的值；表示晶粒邊界的方向敏感權(quán)重；表示方向權(quán)重的調(diào)節(jié)系數(shù)；表示池化窗口中第個像素的梯度方向；表示主方向角；表示梯度幅值的權(quán)重調(diào)節(jié)系數(shù)；表示金相照片中像素點在方向的梯度值；表示金相照片中像素點在方向的梯度值。

59、作為本技術(shù)方案的進一步改進，所述s4.4中，誤差函數(shù)為：

60、；

61、其中，表示所有樣本的平均均方誤差；表示樣本總數(shù)；表示每個樣本的幀數(shù)；表示第個樣本在第幀的真實應(yīng)力應(yīng)變值；表示第個樣本在第幀的預(yù)測應(yīng)力應(yīng)變值；表示樣本索引；表示幀數(shù)索引。

62、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果：

63、1、該基于納米壓痕和機器學(xué)習(xí)的材料拉伸性能預(yù)測方法中，借助訓(xùn)練完成的u-net深度學(xué)習(xí)模型，可以對材料的構(gòu)效關(guān)系做出高度自動化的預(yù)測結(jié)果，相較于試驗以及有限元模擬方法，該u-net深度學(xué)習(xí)模型可以在極短時間內(nèi)給預(yù)測曲線及云圖，大大減少了人力成本和時間成本，訓(xùn)練完成后的模型可以達到95%以上的預(yù)測準(zhǔn)確性，且針對不同的測試圖像均能保持穩(wěn)定預(yù)測。

64、2、該基于納米壓痕和機器學(xué)習(xí)的材料拉伸性能預(yù)測方法中，通過u-net深度學(xué)習(xí)模型輸出材料應(yīng)力應(yīng)變場的幀數(shù)據(jù)，因而可以基于輸出數(shù)據(jù)繪制應(yīng)力應(yīng)變云圖，并根據(jù)不同階段的應(yīng)力應(yīng)變云圖分析材料在受力時的內(nèi)部應(yīng)力狀態(tài)，通過材料微觀組織幾何形狀預(yù)測應(yīng)力和應(yīng)變物理場，彌合了材料的微觀結(jié)構(gòu)和物理性能之間的差距，通過預(yù)測復(fù)雜的材料行為（無論組件形狀、邊界條件和幾何層次結(jié)構(gòu)如何）來提供可擴展性。