[发明专利]基于神经网络算法的材料变形及失效预测方法及系统

权利要求书

1.一种基于神经网络算法的材料变形及失效预测方法，其特征在于，包括：

步骤1：获取材料力学性能的实验数据，并将实验数据分为训练集与测试集；

步骤2：建立多层前馈神经网络；

步骤3：根据误差逆传播算法，利用训练集对多层前馈神经网络进行训练；

步骤4：利用测试集对训练结束的多层前馈神经网络进行测试；

步骤5：对材料变形及失效行为进行预测，并指导制造工艺。

2.根据权利要求1所述的基于神经网络算法的材料变形及失效预测方法，其特征在于，所述实验数据包括：不同温度、不同应变率、不同变形模式下三维应力、应变的演化规律，微观组织随材料变形的演化规律，成形极限图和断裂面。

3.根据权利要求1所述的基于神经网络算法的材料变形及失效预测方法，其特征在于，所述多层前馈神经网络包括：每层神经元与下一层神经元之间完全互连，神经元之间不存在同层连接，也不存在跨层连接。

4.根据权利要求1所述的基于神经网络算法的材料变形及失效预测方法，其特征在于，所述步骤3包括：根据实验数据调整神经元之间的连接权及每个神经元的阈值。

5.根据权利要求1所述的基于神经网络算法的材料变形及失效预测方法，其特征在于，所述步骤4包括：当测试结果通过时，将多层前馈神经网络用于材料多尺度变形及失效预测中；否则，返回步骤3，继续训练和测试。

6.一种基于神经网络算法的材料变形及失效预测系统，其特征在于，包括：

模块M1：获取材料力学性能的实验数据，并将实验数据分为训练集与测试集；

模块M2：建立多层前馈神经网络；

模块M3：根据误差逆传播算法，利用训练集对多层前馈神经网络进行训练；

模块M4：利用测试集对训练结束的多层前馈神经网络进行测试；

模块M5：对材料变形及失效行为进行预测，并指导制造工艺。

7.根据权利要求6所述的基于神经网络算法的材料变形及失效预测系统，其特征在于，所述实验数据包括：不同温度、不同应变率、不同变形模式下三维应力、应变的演化规律，微观组织随材料变形的演化规律，成形极限图和断裂面。

8.根据权利要求6所述的基于神经网络算法的材料变形及失效预测系统，其特征在于，所述多层前馈神经网络包括：每层神经元与下一层神经元之间完全互连，神经元之间不存在同层连接，也不存在跨层连接。

9.根据权利要求6所述的基于神经网络算法的材料变形及失效预测系统，其特征在于，所述模块M3包括：根据实验数据调整神经元之间的连接权及每个神经元的阈值。

10.根据权利要求6所述的基于神经网络算法的材料变形及失效预测系统，其特征在于，所述模块M4包括：当测试结果通过时，将多层前馈神经网络用于材料多尺度变形及失效预测中；否则，调回模块M3，继续训练和测试。