基于神经网络的奥氏体不锈钢力学性能计算方法及系统

本发明提供一种基于神经网络的奥氏体不锈钢力学性能计算方法及系统，涉及力学性能分析技术领域，本发明测量标准温度下奥氏体不锈钢的物理性质，并分析温度、湿度和腐蚀介质浓度对物理性质变化的影响，生成灵敏度参数。利用正交表确定各环境因素的影响权重，结合影响权重和灵敏度计算环境参数的贡献值和支配度。构建深度学习模型，以环境参数、标准物理性质及支配度标签为输入，训练物理性质预测模型和强度预测模型，最终输出待测奥氏体不锈钢的屈服强度。该方法通过量化环境因素的动态影响，显著提高了力学性能预测的准确性和适用性。