[发明专利]多孔结构性能预测方法、电子设备及计算机可读存储介质

权利要求书

1.一种多孔结构性能预测方法，其特征在于，包括：

获取有限元模型基于多个多孔结构分层图片样本而分别输出的多个第一性能预测数据；

基于所述多个多孔结构分层图片样本和所述多个第一性能预测数据，建立特征数据库；

以所述特征数据库中的所述多孔结构分层图片样本为训练样本，以所述第一性能预测数据为训练目标，对性能预测模型进行训练；其中，所述性能预测模型采用卷积神经网络结构；以及

将待预测的多孔结构分层图片输入所述性能预测模型，以获得第二性能预测数据；其中，以所述第二性能预测数据来表征所述待预测的多孔结构的性能。

2.根据权利要求1所述的多孔结构性能预测方法，其特征在于，在获取有限元模型基于多个多孔结构分层图片样本而分别输出的多个第一性能预测数据之前，采用如下步骤获取所述有限元模型：

获取多孔结构模型；

对所述多孔结构模型进行性能实验，以获得性能实验数据；

获取所述多孔结构模型中与标准压缩试样所包括的多个标准分层扫描区域分别对应的多个分层扫描区域；

基于所述多个分层扫描区域建立初始有限元模型，并基于所述初始有限元模型获得第三性能预测数据；以及

基于所述性能实验数据和所述第三性能预测数据，对所述初始有限元模型进行修正。

3.根据权利要求2所述的多孔结构性能预测方法，其特征在于，所述获取多孔结构模型具体包括：

获取多孔结构的多个分层切片图像；其中，所述多个分层切片图像是对所述多孔结构在厚度方向上以固定步长进行逐层切片扫描获取的；

根据所述多个分层切片图像建立所述多孔结构模型。

4.根据权利要求3所述的多孔结构性能预测方法，其特征在于，根据所述多个分层切片图像建立所述多孔结构模型具体包括：

根据多个对应的分层切片图像来建立所述多孔结构的多个对应的局部模型；

将所述多个对应的局部模型进行叠加以建立所述多孔结构的整体模型。

5.根据权利要求4所述的多孔结构性能预测方法，其特征在于，基于所述多个分层扫描区域建立初始有限元模型，并基于所述初始有限元模型获得第三性能预测数据具体包括：

基于所述初始有限元模型模拟单轴压缩试样，以获取所述第三性能预测数据。

6.根据权利要求5所述的多孔结构性能预测方法，其特征在于，所述性能实验数据包括用于表征刚度的模拟等效模量，所述第三性能预测数据包括用于表征刚度实验等效模量。

7.根据权利要求1所述的多孔结构性能预测方法，其特征在于，所述以所述特征数据库中的多孔结构分层图片样本为训练样本，以第一性能预测数据为训练目标，对性能预测模型进行训练具体包括：

将所述训练样本输入神经网络模型中以输出性能预测数据；

基于所述第一性能预测数据与所述输出性能预测数据计算损失；以及

基于损失计算结果调整所述神经网络模型的参数。

8.根据权利要求1所述的多孔结构性能预测方法，其特征在于，将待预测的多孔结构分层图片输入所述性能预测模型，以获得第二性能预测数据具体包括：

对所述多孔结构分层图片进行处理以产生标准图片信息；

将所述标准图片信息输入所述性能预测模型，以获得第二性能预测数据。

9.一种电子设备，其特征在于，包括：

处理器；以及存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如权利要求1至9中任一所述的多孔结构性能预测方法。

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如权利要求1至9中任一所述的多孔结构性能预测方法。