摘要:针对异质结构金属材料(heterostructured metallic materials, HMMs)设计中强度-韧性倒置关系难题,文章提出一种融合深度学习与多目标进化算法的智能设计框架,即基于微观结构参数与力学响应的复杂映射关系,构建了结合双向长短期记忆网络(bidirectional long short-term memory, Bi-LSTM)、注意力机制与物理约束的混合神经网络模型。通过有限元模拟数据集训练验证,该模型对极限抗拉强度(ultimate tensile strength, UTS)和韧性的预测决定系数R2 分别为0.896 6 和0.967 2。进一步集成非支配排序遗传算法(non-dominated sorting genetic algorithm II, NSGA-II),建立了以微观结构参数为变量的多目标优化框架。研究结果表明,该模型可切实捕捉微观结构与性能的映射关系,为异质结构金属材料的智能预测找到了新途径。
新材料
2026年09月28日
1 点赞
0 评论
14 浏览