卷积神经网络在合金耐蚀性预测中的应用研究

发布时间：2021-10-22 04:41

　　人工神经网络是是计算机应用领域中常使用的一种模型,其灵感来源于生物神经网络和大脑的结构及功能,卷积神经网络属于其中一种,因其适应性强、泛化性能好等优点成为了目前机器学习领域的一个研究热点。随着国家“海洋强国”战略的快速推进,对船舶主体材料B10铜镍合金在海水环境服役的过程中因容易发生腐蚀从而严重制约了其使用寿命的问题关注程度越来越高。材料的性能与其微观结构息息相关,为了更好的设计和更精确的控制晶界的结构,必不可少的需要对晶界微观结构进行更加详细可靠的分析。本文针对B10铜镍合金微观结构图像分析模型数量不足、提取特征单一的缺陷提出了基于图像分析的晶界连通性模型,并以此模型为指导,提出了基于优化卷积神经网络的B10铜镍合金抗腐蚀性能预测模型,同时针对传统神经网络的卷积操作计算量较大、池化操作特征丢失较多以及高层特征表现力不够的问题提出了三种改进策略。主要进行的工作有:（1）提出基于图像分析的B10铜镍合金耐蚀性预测模型。通过对晶界图像中晶界信息的分析和计算,采用连通频以及晶间夹角两种关键属性建立了晶界连通性的量化模型,为了得到两种属性的详细分布信息,依次给出了晶界细化、交点提取和分类、界角... 

【文章来源】：江西理工大学江西省

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

sigmoid函数示意图

tanh函数示意图

图 2.10 晶界图像色线条为晶间腐蚀抗力较差的随机晶界，而灰色线条和彩抗力较强的小角度晶界和其他类型的特殊晶界。小结要从图像分析出发依次介绍了卷积神经网络的相关理论途径。在图像分析小节中，不仅阐述了它的概念、起源和包含的传感器输入、图像分割、数据分析、解释四个过程一节中，从 CNN 的各层以及层间模块原理和作用的角度明。最后交代了本文第三章、第四章的晶界图像的数据集耐蚀实验、制图三个步骤对晶界图像的获取过程做了充分

【参考文献】：
期刊论文
[1]基于优化卷积神经网络的木材缺陷检测[J]. 刘英,周晓林,胡忠康,於亚斌,杨雨图,徐呈艺.  林业工程学报. 2019(01)
[2]基于集成卷积神经网络的遥感影像场景分类[J]. 张晓男,钟兴,朱瑞飞,高放,张作省,鲍松泽,李竺强.  光学学报. 2018(11)
[3]基于深度卷积神经网络的隧道衬砌裂缝识别算法[J]. 柴雪松,朱兴永,李健超,薛峰,辛学仕.  铁道建筑. 2018(06)
[4]Supplement卷积神经网络的图像分类方法[J]. 王强,李孝杰,陈俊.  计算机辅助设计与图形学学报. 2018(03)
[5]Effect of Sub-Tg Annealing on the Corrosion Resistance of the Cu–Zr Amorphous Alloys[J]. Sang-Soo Shin,Hong-Kyu Kim,Jae-Chul Lee,Ik-Min Park.  Acta Metallurgica Sinica（English Letters）. 2018(03)
[6]面向大规模图像分类的深度卷积神经网络优化[J]. 白琮,黄玲,陈佳楠,潘翔,陈胜勇.  软件学报. 2018(04)
[7]基于深度学习的语音识别技术现状与展望[J]. 戴礼荣,张仕良,黄智颖.  数据采集与处理. 2017(02)



本文编号：3450402