[发明专利]一种应用于高端装备材料设计优化的通用逆向计算方法

说明书

本发明具体涉及一种应用于高端装备材料设计优化的通用逆向计算方法，包括以下步骤：获取研究材料的材料数据信息；根据所述材料数据信息构建工业机理模型，分析研究材料在不同运行环境下的变化数据；基于所述工业机理模型输出的材料变化数据，通过AI机器学习算法对不同运行环境下研究材料的使用寿命进行预测；定义研究材料所需要达到的性能目标及适配目标，通过遗传算法和多目标启发式算法确定同时满足性能目标及适配目标的材料的设计参数。克服了现有技术的不足，开发基于工业机理模型算法来评估和表征材料的性能，大幅度降低了实验成本和提高材料表征效率；同时可以在设备设计阶段就对加工与装配后的寿命与性能进行预测。

技术领域

本发明属于高端装备开发技术领域，具体涉及一种应用于高端装备材料设计优化的通用逆向计算方法。

背景技术

材料相关的研究和寻优是世界级难题，其中一个原因是无法建立有效的现有材料和设备性能的关联性，另外一个原因是没有有效的算法根据设备的性能要求对其材料进行分析和调优。不论是通过实验还是通过传统的机理模型计算分析，都基本上不可能找到最佳的高端装备零部件材料组合，其中最重要的原因是零部件的数量可能高达数千甚至上万个，因此通过组合测试或者计算都无法穷举所有的可能性。本专利开发的基于机理模型的通用逆向计算算法是解决这些困难的有效方法，通过少量的材料机理模型计算，结合逆向算法可有效的通过现有数据分析的手段迅速找到最优的材料组合，满足高端装备设计的性能目标。

2018年哈佛大学联合了22个国家启动了通过机器学习的方法来研发和测试新材料的项目，但是由于新材料研发需要大量的材料数据，而建立大型材料数据库的成本和周期是非常漫长的，因此该项目仍然处于前期规划的阶段。同时，目前通过逆向算法来对高端装备制造所需材料的性能与适配性的研究在全球还基本处于空白，本专利开发的通用逆向计算算法在高端装备材料的设计优化领域将处于国际领先地位。

发明内容

本发明的目的在于提供一种应用于高端装备材料设计优化的通用逆向计算方法，克服了现有技术的不足，开发基于工业机理模型算法来评估和表征材料的性能，大幅度降低了实验成本和提高材料表征效率；提出与开发了虚拟装备变形与装配AI模型，有效的提高变形设计与装配设计效率；提出与开发了基于机理模型库的设备寿命预测算法，可以在设备设计阶段就对加工与装配后的寿命与性能进行预测。

为解决上述问题，本发明所采取的技术方案如下：

一种应用于高端装备材料设计优化的通用逆向计算方法，所述方法包括以下步骤：

步骤一、获取研究材料的材料数据信息；

步骤二、根据所述材料数据信息构建工业机理模型，分析研究材料在不同运行环境下的变化数据；

步骤三、基于所述工业机理模型输出的材料变化数据，通过AI机器学习算法对不同运行环境下研究材料的使用寿命进行预测；

步骤四、定义研究材料所需要达到的性能目标及适配目标，通过遗传算法和多目标启发式算法确定同时满足性能目标及适配目标的材料的设计参数。

进一步，步骤一中所述材料数据信息包括数据源收集到的材料数据以及老化实验得到的性能数据，所述老化试验为自然老化实验、自然加速老化实验或人工加速老化实验。

进一步，步骤二中所述运行环境包括压力、温度、湿度或受力。

进一步，步骤二中所述分析研究材料在不同运行环境下的变化数据，具体包括：

(1)基于材料数据信息建立原始样本集，将原始样本集中的各个样本进行去噪处理；

(2)将不同环境的材料数据信息进行分组，将运行环境的变化以及材料数据信息的变化作为输入参数，材料的变化数据作为输出参数，利用Python 软件构建工业机理模型；

(3)输入测试环境数据并利用工业机理模型对不同运行环境的变化数据进行预测；