一种基于GCN-LSTM的双相钛合金晶粒级别应力预测方法

本发明涉及计算机算法与材料工程领域，具体为一种基于GCN‑LSTM的双相钛合金晶粒级别应力预测方法。先利用GCN模块从晶粒节点及其连接关系中提取高维空间特征；再采用LSTM模块对经过预处理拼接成时间序列的晶粒应力数据进行时序建模，以序列最后时间步的隐藏状态作为动态特征；随后将两部分特征逐元素融合，并通过全连接层映射为晶粒级应力预测值。对不同织构类型的微观组织所预测的应力数据不仅反向重构为三维可视化图像，与晶体塑性有限元计算结果高度一致，而且在计算速度上具有显著优势，同时提供更精确的局部信息。该方法为钛合金等材料的微观组织设计、合金性能及制备工艺优化以及结构安全性评估，提供高效、精确的技术支撑。