[發明專利]基于圖神經網絡的材料應力應變曲線預測模型及其構建方法和預測方法

在審

• 申請號: 202310146336.8
• 申請日: 2023-02-21
• 公開（公告）號: CN116108751A
• 公開（公告）日: 2023-05-12
• 發明（設計）人: 尹愛軍;宋磊
• 申請（專利權）人: 重慶大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06V10/764;G06V10/82;G06V10/778;G06N3/0464;G06N3/08;G06V10/766;G06F119/14
• 代理公司: 重慶航圖知識產權代理事務所(普通合伙) 50247
• 代理人: 胡小龍

本發明公開了一種基于圖神經網絡的材料應力應變曲線預測模型，包括微觀結構特征編碼器、圖構建模塊和GCN預測器，微觀結構特征編碼器用于將材料的SEM圖像編碼成微觀結構特征向量，圖構建模塊用于將屬于同一種配方的材料的SEM圖像的微觀結構特征向量構建為圖G；GCN預測器用于構建圖G與對應材料的應力應變曲線之間的關系。本發明還提出了一種基于圖神經網絡的材料應力應變曲線預測模型的構建方法和一種基于圖神經網絡的材料應力應變曲線預測方法。本發明基于圖神經網絡的材料應力應變曲線預測模型及其構建方法和預測方法，通過將SEM圖像與圖結構建模關聯，可以實現對真實材料數據的圖結構建模和應力應變曲線預測。

技術領域

本發明屬于材料力學性能測試技術領域，具體的為一種基于圖神經網絡的材料應力應變曲線預測模型及其構建方法和預測方法。

背景技術

應力應變曲線反映了材料本身的特性，記錄了在不同拉伸或壓縮加載下的形變。通過應力應變曲線，我們可以獲得材料的彈性模量、彈性極限、拉伸強度等力學參數，同時還可以判斷材料是脆性材料還是延展性材料。因此，應力應變曲線高效準確的獲取對于材料的研發設計和應用具有重要意義。目前獲取材料應力應變曲線的方法主要有制備樣件進行物理實驗或者制作有限元代理模型進行數值模擬，前者耗材多，后者計算周期長。隨著材料信息學的發展，各種AI技術被廣泛應用于材料研發領域，圖神經網絡由于其具有出色的非結構化數據特征提取能力獲得了極大的關注。復合材料的應力應變曲線很大程度上受到材料樣件內部的微觀結構(不同材料組分晶體顆粒的空間分布及粘結情況)的影響，將內部的晶體顆粒作為節點，將晶體顆粒與附近的晶體構建邊，即可完成圖的構建，該圖可以完整的表征各顆粒晶體的空間分布情況。圖神經網絡對圖這種非結構化數據具備出色的特征提取能力，基于圖神經網絡即可完成端到端的訓練和預測，具備高效性和經濟性。

然而，上述構造圖的方法只適合有限元仿真代理模型，在計算機中可以很容易的獲取材料內部的不同組分晶體顆粒的三維空間位置和晶體本身參數，從而較方便的完成圖的構建。但是對于真實的材料樣件來說，通過CT掃描重建材料樣件的內部空間結構成本很高，甚至有些材質不支持CT掃描，那么圖的構建便十分困難。

發明內容

目前，材料的微觀結構信息普遍采用SEM圖像進行表征，而圖結構具備天然的空間拓撲信息，有鑒于此，本發明的目的在于提供一種基于圖神經網絡的材料應力應變曲線預測模型及其構建方法和預測方法，通過將SEM圖像與圖結構建模關聯，可以實現對真實材料數據的圖結構建模和應力應變曲線預測。

為達到上述目的，本發明提供如下技術方案：

一種基于圖神經網絡的材料應力應變曲線預測模型，包括微觀結構特征編碼器、圖構建模塊和GCN預測器，所述微觀結構特征編碼器用于將材料的SEM圖像編碼成微觀結構特征向量，所述圖構建模塊用于將屬于同一種配方的材料的SEM圖像的微觀結構特征向量構建為圖G；所述GCN預測器用于構建圖G與對應材料的應力應變曲線之間的關系。

進一步，所述微觀結構特征編碼器包括5層卷積層，相鄰兩層卷積層之間連接有ReLU激活函數和最大池化層，最后一層卷積層連接ReLU激活函數、GAP層和全連接層，所述全連接層的神經元個數等于SEM圖像的類別數目。

進一步，所述圖構建模塊將屬于同一種配方的材料的s張SEM圖像編碼得到的微觀結構特征向量各自作為一個節點，將每個節點與另外其他所有節點之間全部建立連接邊，通過端到端的訓練學習不同節點之間的聯系，構建得到的圖G為：

G＝Graph(Encoder(x₁,…,x_k))

其中，Graph表示圖構建模塊；Encoder表示微觀結構特征編碼器；(x₁,…,x_k)表示屬于同一類的SEM圖像，該類SEM圖像的數量為k。