一种基于CNN学习轮廓变形数据以预测热源参数的方法

本发明公开了一种基于CNN学习轮廓变形数据以预测热源参数的方法，包括以下步骤：S1、使用有限元模型对激光熔覆进行热力耦合仿真，模拟不同热源参数下的温度场、残余应力场以及轮廓法所得的切割面轮廓变形场；S2、对获得的热力耦合仿真数据经过归一化和增强的前处理，形成用于训练HSPNet的数据集；该预测热源参数方法通过有限元分析构建，精确匹配了不同热源参数输入与生成的温度场和轮廓变形场数据，为HSPNet提供了一组高质量的数据集，涵盖了多种热源形状参数的组合，经过充分训练的HSPNet在训练集、验证集和测试集上均表现出极高的预测精度，在解析复杂场数据方面具有准确性和泛化能力。