基于机器学习的复合燃料自适应建模与力学性能预测方法

本申请涉及材料性能预测技术领域，特别涉及一种基于机器学习的复合燃料自适应建模和力学性能预测方法，包括以下步骤：首先，基于复合燃料的实验表征数据，获取金相关键特征；然后，构建结构评价算法，并基于金相关键特征和结构评价算法，进行金相结构自适应建模，构建有限元仿真结构‑性能数据集；最后，基于有限元仿真结构‑性能数据集，通过机器学习训练预测模型，建立从金相结构到力学性能的精准预测。本申请从复合燃料实验数据出发，开发了一种新的自适应建模方法，并将其应用于结构‑性能数据集的创建，同时通过机器学习实现了以金相结构为输入，力学性能为输出的复合燃料芯块力学性能预测模型。