基于机器学习的材料拉压模量演化规律反演方法

本发明公开了基于机器学习的材料拉压模量演化规律反演方法，包括以下步骤：对材料试样进行四点弯曲实验；将表面变形信息中变形场数据的位移数据构成二维数值矩阵，利用离散余弦变换对数值矩阵进行变换，得到变换后的频域数据矩阵；根据累计能量保留率原则确认主特征矩阵尺寸，并对变换后的频域数据矩阵进行裁剪得到主特征矩阵，用零将主特征矩阵填充至原始大小，再通过逆变换转回空间域，得到降噪后的位移矩阵；在预设材料试样在不同应力状态下的初始材料模量后，搭建神经网络模型；构建模型损失函数；优化神经网络模型参数。利用神经网络模型代替参数反演方法中有限元程序的角色，参数反演速度大幅提高，同时反演求解不同应力状态下的材料模量。