摘要
本发明提供一种腐蚀疲劳预测模型的训练方法、系统、预测方法及设备,所述方法包括:获取铝合金腐蚀疲劳的多个初始样本数据,建立初始数据集,其中,所述初始样本数据包括多个特征值和对应的腐蚀疲劳裂纹扩展速率的真实值;将每个初始样本数据的部分特征值输入至预设的参数化物理模型中,生成对应的腐蚀疲劳裂纹扩展速率的预测值;基于所述初始数据集中每个初始样本数据的全部特征值、对应的腐蚀疲劳裂纹扩展速率的真实值与预测值之间的比值,构建样本数据集;使用所述样本数据集对初始预测模型进行训练,生成铝合金腐蚀腐蚀疲劳预测模型。本发明提高了铝合金腐蚀疲劳失效行为预测精度,可准确预测其服役寿命。
技术关键词
腐蚀疲劳裂纹扩展速率
特征值
样本
XGBoost模型
物理
力学
模型训练模块
超参数
数据获取模块
训练系统
应力
铝合金材料
电子设备
屈服
存储装置
强度
因子
处理器
系统为您推荐了相关专利信息
快速充电方法
深度强化学习
锂电池
SAC算法
脉冲工况
理化特征
参数预测方法
酒窖
指标
训练神经网络模型
降维观测器
电机调速控制方法
电机调速控制系统
动态前馈补偿
关键状态变量
故障预测模型
故障预测方法
故障预测系统
设备健康状态
数据标签