基于物理先验残差高斯过程回归模型的焊接显微组织预测方法
本发明涉及焊接金属凝固组织预测、计算材料学和工业数据处理,尤其涉及一种基于物理先验残差高斯过程回归模型的焊接显微组织预测方法。
背景技术:
1、现有焊接金属显微组织评价通常依赖金相观察、磁性测量、化学分析和力学试验等实验方法。该类方法能够直接获得特定样品的组织或工程表征量,但试样制备、焊接试验和组织表征耗时较长,且难以在多成分、多工艺参数组合下进行高通量筛选。对于热循环差异显著的焊接过程,单一实验结果亦难以直接外推至未测试成分或工艺条件。
2、为便于工程应用,已有技术还采用schaeffler图、delong图和wrc类组织图等经验组织图,利用铬当量、镍当量等合金元素等效参数估计组织形成倾向。该类方法直观、计算速度快,但其建立基础为有限实验数据和经验边界;对于复杂合金体系、不同热输入、快速凝固或冷却速度变化明显的条件,经验组织图难以显式反映凝固热力学路径及动态热历史影响。
3、calphad方法可基于热力学数据库计算给定成分和温度条件下的平衡相组成、相分数及相稳定性;scheil-gulliver非平衡凝固计算可在忽略固相扩散、液相充分混合的近似下表征凝固过程中溶质偏析和相形成趋势。因此,上述方法为焊接金属显微组织预测提供了可解释的物理信息。然而,实际焊接凝固常伴随复杂的非平衡效应、热流动和工艺扰动,热力学计算结果与实际组织测量结果之间可能存在系统偏差,因而不宜将相分数型计算结果直接等同于最终组织工程表征量。
4、近年来,机器学习方法被用于建立合金成分、工艺参数与组织响应之间的非线性映射,其中高斯过程回归能够在给出预测均值的同时给出预测不确定性。然而,纯数据驱动模型仍面临训练样本有限、物理约束不足和外推可靠性难以判定的问题;由于焊接金属显微组织演化受到合金成分、凝固过程及热历史等多因素影响,仅依靠样本数据学习输入与组织响应之间的映射关系,难以充分体现材料凝固过程中的物理约束。
5、同时,焊接金属凝固过程中的组织形成与冷却条件密切相关,仅利用合金成分信息难以准确描述不同热历史条件下的组织变化。
技术实现思路
1、本发明的目的在于提供一种基于物理先验残差高斯过程回归模型的焊接显微组织预测方法,解决现有技术中热力学计算结果与实际组织测量结果之间存在偏差、纯数据驱动模型物理约束不足以及预测可靠性难以量化的问题。
2、实现本发明目的的技术方案为:一种基于物理先验残差高斯过程回归模型的焊接显微组织预测方法,包括以下步骤:
3、步骤1:获取焊接金属样本数据,所述焊接金属样本数据包括合金元素组成、组织测量结果以及冷却速度;并构建由合金元素组成特征和冷却速度特征组成的输入特征向量;
4、步骤2:基于热力学计算方法获得焊接金属显微组织预测的热力学物理先验;所述热力学物理先验包括第一热力学物理先验和第二热力学物理先验;
5、步骤3:利用实验组织数据对所述热力学物理先验进行校准,并根据冷却速度变化构建冷却速率修正项,将所述第一热力学物理先验、第二热力学物理先验和冷却速率修正项进行组合,获得物理先验均值函数;
6、步骤4:计算实际组织响应与所述物理先验均值函数之间的残差,并利用高斯过程回归学习输入特征与所述残差之间的映射关系,获得待预测样本的残差后验预测均值及后验预测方差;
7、步骤5:将所述残差后验预测均值与所述物理先验均值函数进行融合,获得焊接金属显微组织预测均值;
8、步骤6:根据所述焊接金属显微组织预测均值及所述残差高斯过程的后验预测方差,输出焊接金属显微组织预测结果及对应的不确定性。
9、本发明与现有技术相比,其显著优点为:
10、本发明将calphad平衡计算信息、scheil-gulliver非平衡凝固计算信息以及基于elmer-allen-eagar实验数据获得的冷却速率修正项作为可校准的热力学物理先验,通过实验组织数据建立确定性均值函数,并利用残差高斯过程回归模型学习所述确定性均值函数与实际组织响应之间的非线性偏差,在保留凝固热力学规律的基础上有助于提高焊接金属显微组织预测精度,同时输出预测结果及对应不确定性,为焊接金属显微组织预测提供具有物理解释性和可信度评价能力的方法,下面结合附图对本发明做进一步详细的描述。
1.一种基于物理先验残差高斯过程回归模型的焊接显微组织预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于物理先验残差高斯过程回归模型的焊接显微组织预测方法,其特征在于,采用calphad平衡热力学计算获得第一热力学物理先验,包括:
3.根据权利要求1所述的基于物理先验残差高斯过程回归模型的焊接显微组织预测方法,其特征在于,采用scheil-gulliver非平衡凝固计算获得第二热力学物理先验,包括:
4.根据权利要求1所述的基于物理先验残差高斯过程回归模型的焊接显微组织预测方法,其特征在于,根据冷却速度变化构建冷却速率修正项,将所述第一热力学物理先验、第二热力学物理先验和冷却速率修正项进行组合,获得物理先验均值函数的具体方法为:
5.根据权利要求4所述的基于物理先验残差高斯过程回归模型的焊接显微组织预测方法,其特征在于,所述冷却响应代理模型表示为:
6.根据权利要求1所述的基于物理先验残差高斯过程回归模型的焊接显微组织预测方法,其特征在于,计算实际组织响应与所述物理先验均值函数之间的残差,并利用高斯过程回归学习输入特征与所述残差之间的映射关系,获得待预测样本的残差后验预测均值及后验预测方差的具体方法为:
7.根据权利要求1所述的基于物理先验残差高斯过程回归模型的焊接显微组织预测方法,其特征在于,协方差核函数具体为:
8.根据权利要求1所述的基于物理先验残差高斯过程回归模型的焊接显微组织预测方法,其特征在于,焊接金属显微组织预测均值具体为:
9.根据权利要求1所述的基于物理先验残差高斯过程回归模型的焊接显微组织预测方法,其特征在于,将所述焊接金属显微组织预测均值作为待预测样本的组织响应预测均值,并采用所述残差高斯过程的后验预测方差表征对应的预测不确定性;所述焊接金属显微组织预测结果的不确定性由所述残差高斯过程的后验预测不确定性进行表征。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com