摘要
本发明涉及一种表面强化材料疲劳寿命的预测方法及系统,方法包括:获取表面强化材料的多组样本疲劳数据及其对应的疲劳寿命,其中每组样本疲劳数据均包括疲劳试验的最大应力、频率、应力比,材料抗拉强度、表面强化后的塑性变形层深度、表面粗糙度、多个残余应力代表性深度处的残余应力和多个硬度代表性深度处的硬度;获取最佳神经网络模型;以样本疲劳数据为输入,其对应的疲劳寿命为输出,利用各组样本疲劳数据及其对应的疲劳寿命对最佳神经网络模型进行训练,得到训练好的神经网络模型;获取待预测表面强化材料的疲劳数据,并将待预测表面强化材料的疲劳数据输入训练好的神经网络模型中,以得到待预测表面强化材料的疲劳寿命。
技术关键词
神经网络模型
材料疲劳寿命
材料抗拉强度
应力
样本
预测系统
数据
粗糙度
训练集
频率
误差
模块
参数
系统为您推荐了相关专利信息
二维卷积神经网络
滚动轴承振动信号
LSSVM模型
故障特征提取
图像
融合时空特征
负荷预测方法
能耗预测模型
序列
交叉注意力机制
网络结构
图谱
时间卷积网络
节点特征
物流供应链技术