[發明專利]設備材料力學性能測試方法、系統、介質、計算機設備

在審

• 申請號: 202010767200.5
• 申請日: 2020-08-03
• 公開（公告）號: CN111950099A
• 公開（公告）日: 2020-11-17
• 發明（設計）人: 曹宇光;宋明;李旭陽;馬帥;吳瓊;甄瑩
• 申請（專利權）人: 中國石油大學（華東)
• 主分類號: G06F30/17
• 分類號: G06F30/17;G06F30/23;G06F30/27;G06N3/08;G06N3/12;G06F119/14
• 代理公司: 北京匯捷知識產權代理事務所(普通合伙) 11531
• 代理人: 盛君梅

1.一種設備材料力學性能測試方法，其特征在于，所述設備材料力學性能測試方法包括：

對管道鋼材料進行小沖桿試驗，并建立小沖桿試驗的二維軸對稱有限元模型；將試驗結果與模擬結果進行對比，確定有限元模型的準確性；

改變Hollomon公式中的參數K與n，獲得大量假想材料的真應力-應變曲線；將每一條真應力-應變曲線代入經試驗驗證的小沖桿試驗有限元模型中得到其對應的小沖桿載荷-位移曲線；歸一化預處理后得到BP神經網絡所需的訓練樣本數據；

設計輸入層、隱含層、輸出層的層數構建最佳的BP神經網絡結構，選擇合適的激活函數、目標誤差；

將BP神經網絡的權值和閾值作為遺傳算法中的一個種群，并將其初始化；

利用遺傳算法計算其適應度函數，選擇適應度高的染色體進行復制，使其交叉、變異得到新的種群，根據約束條件確定最優個體，并將其作為BP神經網絡的權值和閾值；

使用經過優化的BP神經網絡對樣本數據進行訓練，在同種材料小沖桿載荷-位移曲線與真應力-應變曲線之間建立關聯關系；

對于訓練好的BP神經網絡，應用于在役設備材料的力學性能預測，實現在役設備不停機便可對其材料的力學性能進行微損測試的目的。

2.如權利要求1所述的設備材料力學性能測試方法，其特征在于，所述設備材料力學性能測試方法的有限元軟件為ABAQUS。

3.如權利要求1所述的設備材料力學性能測試方法，其特征在于，所述設備材料力學性能測試方法Hollomon公式中的參數變化范圍均在合理范圍內，共得到457組假想材料的材料參數。

4.如權利要求1所述的設備材料力學性能測試方法，其特征在于，所述設備材料力學性能測試方法最佳的BP神經網絡結構包括：輸入層神經元個數為120個，隱含層神經元個數為241個，輸出層神經元個數為100個，激活函數分別為logsig和purelin，目標誤差為1×10^-5。

5.如權利要求1所述的設備材料力學性能測試方法，其特征在于，所述設備材料力學性能測試方法的約束條件為已經達到的迭代次數或者網絡誤差滿足最小誤差要求；網絡誤差計算過程包括如下步驟：

(1)將遺傳算法優化后的權值和閥值賦予BP網絡；

(2)計算每個訓練樣本按照BP網絡前向方向的輸出值，通過與期望值進行比較，得出每個訓練樣本的誤差；

(3)計算所有訓練樣本的誤差均方根值，即得網絡誤差。

6.如權利要求1所述的設備材料力學性能測試方法，其特征在于，所述設備材料力學性能測試方法通過訓練好的BP神經網絡可得到在役設備材料的真應力-應變曲線，得到該材料的屈服強度與抗拉強度。

7.一種計算機設備，其特征在于，所述計算機設備包括存儲器和處理器，所述存儲器存儲有計算機程序，所述計算機程序被所述處理器執行時，使得所述處理器執行如下步驟：

對管道鋼材料進行小沖桿試驗，并建立小沖桿試驗的二維軸對稱有限元模型；將試驗結果與模擬結果進行對比，確定有限元模型的準確性；

改變Hollomon公式中的參數K與n，獲得大量假想材料的真應力-應變曲線；將每一條真應力-應變曲線代入經試驗驗證的小沖桿試驗有限元模型中得到其對應的小沖桿載荷-位移曲線；歸一化預處理后得到BP神經網絡所需的訓練樣本數據；

設計輸入層、隱含層、輸出層的層數構建最佳的BP神經網絡結構，選擇合適的激活函數、目標誤差；

將BP神經網絡的權值和閾值作為遺傳算法中的一個種群，并將其初始化；

利用遺傳算法計算其適應度函數，選擇適應度高的染色體進行復制，使其交叉、變異得到新的種群，根據約束條件確定最優個體，并將其作為BP神經網絡的權值和閾值；

使用經過優化的BP神經網絡對樣本數據進行訓練，在同種材料小沖桿載荷-位移曲線與真應力-應變曲線之間建立關聯關系；

對于訓練好的BP神經網絡，應用于在役設備材料的力學性能預測，實現在役設備不停機便可對其材料的力學性能進行微損測試的目的。