一种考虑疲劳属性的铝合金疲劳寿命预测方法

本发明提出了一种整合图神经网络（GNN）、遗传算法优化的支持向量机（GA‑SVM）以及修正SWT参数方程的铝合金疲劳寿命预测方法，旨在获得准确可靠的铝合金疲劳寿命预测物理方程。该方法首先利用GNN对疲劳实验数据进行特征扩展，以构建更为完整的数据集。随后，基于遗传算法自动调整支持向量机的参数，从而优化其预测性能。通过模型的预测结果，能够确定疲劳寿命预测物理方程中的关键疲劳属性参数，包括疲劳强度指数b、疲劳延展性指数c和缺口敏感度系数q，并最终得到铝合金疲劳寿命的物理方程解析表达式。此方法适用于航空和轨道交通等领域轻量化材料疲劳寿命分析，能够为装备结构材料的抗疲劳设计提供理论指导，展现出较高的应用价值。