基于机器学习的合金铸造件微观组织力学性能预测方法

本发明提供一种基于机器学习的合金铸造件微观组织力学性能预测方法，涉及铸造件力学性能预测技术领域，包括：获取多组铝合金铸造电池包框架的微观组织特征参数及对应的力学参数，生成样本数据集，基于数据集构建神经网络模型，将微观组织特征作为输入，力学参数作为标签进行训练。将待预测铝合金铸造件各微观组织区域的微观组织特征参数输入训练好的模型，输出预测的力学参数，进而确定初始强韧度指数。根据组织非均匀性指数和缺陷敏感阈值计算强韧度修正因子，修正初始强韧度指数，得到综合强韧度指数，基于综合强韧度指数对各微观组织区域进行力学性能的预测，实现了对汽车铝合金铸造电池包框架的非均质力学性能精准评估。