Page 42 - 《爆炸与冲击》2026年第5期

第 46 卷 刘传志，等： 基于深度学习的亚稳态高熵合金高应变率冲击响应预测 第 5 期

图 9(a) 和 (b) 的误差分布更为集中。在测试集中超过 85% 的样本屈服强度的误差小于 40 MPa，75% 样
本的峰值应力误差小于 70 MPa。图 9(c) 的误差分布相对分散，但 90% 以上的误差都保持在 4% 以内，这
也进一步印证了回归分析的结果。

1.0

0.55 Normalized yield strength Normalized ultimate strength
y=x 0.9 y=x
0.50 2
R =0.983 3 0.8 R =0.967 4
2
0.45 0.7
Ground truth 0.40 30 Ground truth 0.6 50
0.35
40
20
0.5
0.30
20
0.25 Frequency/% 10 0.4 Frequency/% 30
10
0.20 0 20 40 60 80 100 0.3
Error/MPa 0 80 160 240
Error/MPa
0.15 0.20 0.25 0.30 0.35 0.40 0.45 0.50 0.55 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
Pridiction Prediction
(a) Normalized yield strength (b) Normalized ultimate strength
0.60
Phase volume fraction
0.55 y=x
2
0.50 R =0.928 1
Ground truth 0.40 40
0.45
30
0.35
0.30 Frequency/% 20
10
0.25 0 2 4 6 8 10
Error
0.20 0.25 0.30 0.35 0.40 0.45 0.50 0.55 0.60
Prediction
(c) Phase volume fraction
图 9 测试集上的预测结果
Fig. 9 Prediction results on the test set
图 10 展示了卷积神经网络模型预测拉伸、压缩和剪切应力-应变曲线以及相体积分数演变的性
能。尽管预测值与真实值之间存在微小偏差，但模型整体表现出较高的准确性和可靠性。这些结果进
一步验证了卷积神经网络模型在模拟复杂力学行为和相变过程方面的有效性，并表明该模型能够对不
同载荷条件下的材料响应提供高质量的预测。

0.45 1.0 0.6
0.7
0.40
0.5
0.6
0.8
Normalized true stress 0.5 0.25 Phase volume fraction Normalized true stress 0.6 0.4 Phase volume fraction
0.35
0.30
0.4
0.3
0.20
0.3
0.4
0.15
0.2
0.2
Prediction 0.10 0.2 Prediction 0.1
0.1 0.05
Ground truth Ground truth
0 0 0 0
0 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0 0.05 0.10 0.15 0.20 0.25 0.30 0.35
True strain True strain
(a) True stress and phase volume fraction (b) True stress and phase volume fraction
curves for tension curves for compression
051422-10