一种基于机器学习预测成形构件力学性能的方法和装置

本申请提供了一种基于机器学习预测成形构件力学性能的方法和装置，涉及机器学习模型领域。该方法包括：将沉淀相结构演化参数数据输入形核模型；将多组元热处理过程关联参数数据参数输入动力学模型，并基于模型输出，通过机器学习模型输出目标成形构件对应的屈服强度预测值；基于屈服强度预测值，通过多尺度实验表征获取沉淀相参数修正数据；通过沉淀相参数修正数据，并基于预设实验改进形核模型、动力学模型以及机器学习模型；通过改进后的形核模型、动力学模型以及机器学习模型对目标成形构件进行力学性能预测。本申请解决了传统模型在预测含多元复杂成分的铝合金的屈服强度时，存在预测精度低的问题。