大型铸锻件

2026, No.233(05) 20-26

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Archive) | 高级检索(Advanced Search)

基于条件生成对抗网络的高强钢热变形微观组织预测
Microstructure Prediction of High-Strength Steel during Hot Deformation Based on Conditional Generative Adversarial Network

张焱城,肖贵乾,孙朝远,周杰,权国政

摘要(Abstract):

针对大型锻件热变形微观组织难以由传统模型直接预测的问题,提出一种以变形温度、应变速率和变形量为连续条件的二值晶界条件生成对抗网络预测方法。基于Gleeble热压缩试验建立包含8个温度、5个应变速率和6个变形量的240幅显微组织图像数据库;经图像变换得到720幅训练样本,并分别设置30幅验证图像和30幅独立测试图像。模型以96维随机噪声和3维工艺条件为输入,通过卷积生成器输出96×128晶界概率图,条件判别器同时学习晶界真实性与工艺条件一致性。结果表明,在840℃的16组工况下,预测平均晶粒尺寸的相对误差为-5.16%~8.34%,绝对相对误差均小于10%,其中13组不超过5%。预测组织在晶界密度、晶粒数量、平均尺度及其随应变速率和变形量的变化趋势方面与试验结果总体一致。结果表明,该方法能够建立热变形参数与晶界图像之间的映射,为高强钢热变形微观组织的快速图像化预测提供一种可行方法。

关键词(KeyWords): 高强钢;热变形;微观组织预测;条件生成对抗网络;晶界图像生成

Abstract:

Keywords:

基金项目(Foundation): 国家科技重大专项(2025ZD1605900/高性能锻造工艺智能生成模型与软件研发及验证);; 德阳市科技计划项目(2025CCZYYS007/梯度异质结构长寿命锻模关键技术及应用)

作者(Author): 张焱城,肖贵乾,孙朝远,周杰,权国政

DOI: 10.14147/j.cnki.51-1396/tg.2026.05.008

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享