基于小冲杆试验与 Seq2Seq 及交叉注意力增强的应力-应变预测
机器学习
2025-06-24 v1 材料科学
人工智能
摘要
本文引入了一种新颖的深度学习方法，用于从小冲杆试验（SPT）载荷-位移数据预测高强钢的真实应力-应变曲线。该方法使用格拉姆角场（GAF）将载荷-位移序列转换为图像，以捕获时空特征，并采用基于 LSTM 编解码器架构的序列到序列（Seq2Seq）模型，通过多头交叉注意力增强以提高精度。实验结果表明，该方法实现了卓越的预测精度，其最小和最大平均绝对误差分别为 0.15 MPa 和 5.58 MPa。所提出的方法为材料科学中的传统实验技术提供了一种有前景的替代方案，提高了真实应力-应变关系预测的准确性和效率。
引用
@article{arxiv.2506.17680,
title = {Enhancing Stress-Strain Predictions with Seq2Seq and Cross-Attention based on Small Punch Test},
author = {Zhengni Yang and Rui Yang and Weijian Han and Qixin Liu},
journal= {arXiv preprint arXiv:2506.17680},
year = {2025}
}
备注
accepted by IJCNN2025