一种机器学习超小样本结构疲劳寿命的预测方法

本发明公开了一种机器学习超小样本结构疲劳寿命的预测方法，属于材料科学与工程应用技术领域。该技术基于极少量的样品疲劳寿命试验数据，发展了高精度的疲劳寿命智能预测技术。首先，采用等效疲劳寿命模型，将测定的疲劳寿命试验数据扩增到大量的混合疲劳寿命数据；然后，通过随机森林回归、梯度增强回归、分布式梯度增强回归、人工神经网络回归的共四种常用的机器学习回归方法，分别针对混合数据进行训练，并根据测试结果择优回归方法；进而，获得疲劳寿命预测的最优机器学习模型。该技术解决了极少量疲劳试验数据无法获得多变量疲劳寿命预测模型的问题。新技术具有精度高、应用简单的优点，可广泛应用于不同金属材料疲劳性能的预测。