一种基于软约束神经网络模型预测高温合金蠕变性能的方法

摘要

本发明公开了一种基于软约束神经网络模型预测高温合金蠕变性能的方法，包括步骤：通过设定神经网络结构、输入、输出参数构建贝叶斯正则化神经网络模型；添加对蠕变强度蠕变寿命曲线一次导数和二次导数要求的约束条件，建立软约束贝叶斯正则化神经网络模型；利用软约束贝叶斯正则化神经网络模型拟合短期蠕变实验数据，寻找并得到符合约束条件要求的方案；利用得到的方案外推模型结果，并预测材料的长期蠕变性能；将模型预测结果与实验数据进行对比，验证模型准确性。本发明的方法可实现简单高效的拟合和外推，并可以用于预测大多数商用不锈钢，及目前正处于研发阶段的新材料等高温合金的长期蠕变性能，且结果稳定可靠。