基于深度学习的亚稳态高熵合金高应变率冲击响应预测

1. 华中科技大学航空航天学院，武汉 430074, huazhong university of science and technology, Wuhan, 430074, 中国
2. 工程结构分析与安全评定湖北省重点实验室，武汉 430074, 中国

基金项目: 国家自然科学基金(12172144);

摘要: 亚稳态高熵合金因其在高应变率下优异的力学性能而受到越来越多的关注。然而，由于对微观结构与冲击响应关系的认识不足，限制了其在高应变率下的工程应用。本研究采用一种结合晶体塑性有限元方法和卷积神经网络的深度学习框架，阐明微观结构与冲击响应之间的关系。首先，基于晶体塑性模拟收集数据集，该数据集包含高应变率下亚稳态高熵合金在拉伸、压缩和剪切载荷条件下不同织构的完整应力应变响应和相变体积分数的演变。接下来，构建了一个双分支卷积神经网络模型，以织构和载荷条件作为输入。该模型的两个分支用于预测不同的输出：一个用于预测应力应变曲线，另一个用于预测马氏体体积分数的演变。最后，基于收集的数据集对卷积神经网络模型进行训练。结果表明，该模型能够准确预测高应变率条件下亚稳态高熵合金的冲击响应。该研究进一步证明了深度学习框架在保证预测精度的同时，相比晶体塑性有限元模拟具有显著的计算效率优势。为高效评估高应变率下亚稳态高熵合金的力学行为提供了一种新思路。
- 深度学习,冲击动力学,晶体塑性,亚稳态高熵合金