一种基于机器学习的高温合金蠕变/热暴露条件预测方法

本发明涉及一种基于机器学习的高温合金蠕变/热暴露条件预测方法，基于组织图像‑蠕变/热暴露时间‑蠕变/热暴露组织参量数据集，利用机器学习中构建的融合神经网络，实现对高温合金蠕变/热暴露条件的精准预测。本发明通过材料专家大量的研究经验总结和机器学习相关性分析法精确筛选出应用于预测的组织参量，并通过一定方法有效扩充了图像数据，这对材料科学领域一些复杂且数据量较少的机器学习问题具有借鉴意义。本发明的预测方法对涡轮叶片不同部位所用高温合金的服役条件进行综合、快速、有效的评估，从而对涡轮叶片用高温合金进行合理化设计，减小危害，降低成本，利于工业大规模生产和推广使用。