一种基于纳米压痕和机器学习的材料拉伸性能预测方法

本发明涉及材料拉伸性能预测技术领域，具体地说，涉及一种基于纳米压痕和机器学习的材料拉伸性能预测方法。其包括以下步骤：S1、使用金相显微镜拍摄微观组织金相照片，并对金相照片进行预处理；S2、对预处理后的金相照片进行基于组织的有限元模拟，得到应力应变数据；S3、基于金相照片和应力应变数据构建微观组织‑应力应变场数据库；S4、基于微观组织‑应力应变场数据库，对U‑Net深度学习框架进行架构调整和优化来预测材料拉伸性能，并提供应力应变云图及曲线。本发明设计借助训练完成的U‑Net深度学习模型，可以对材料的构效关系做出高度自动化的预测结果，在极短时间内给预测曲线及云图，大大减少了人力成本和时间成本。