一种基于卷积神经网络的双相钢加工硬化预测方法

本发明提供一种基于卷积神经网络的双相钢加工硬化预测方法，涉及材料力学性能分析技术领域。利用EBSD实验获得的BC图和材料力学属性建立高质量的数据集；深度学习模型用来学习BC图中显微组织形貌特征，建立BC图与加工硬化之间的映射关系。采用卷积神经网络以真实材料的微观结构为设计变量，采用先进的人工智能方法识别拉伸过程中材料成分和非线性微尺度特性的变化，同时实现对不同体系DP钢加工硬化的高效普适性预测。本发明实现简单，效率和普适性相比与传统方法得到提升，并且该深度学习方法可以应用到具有复杂显微组织的钢种中，可用于不同合金体系，具有扩展性。