摘要
本发明公开了一种基于物理信息的多轴疲劳寿命预测方法,针对材料的多轴疲劳破坏问题,本发明所提出的MLP‑Attention模型采用了多层感知器MLP,实现了对复杂非线性关系的处理,同时针对多轴疲劳实验数据复杂且非线性强的特点,引入了自注意力机制Attention,通过自适应特征加权来提高模型预测结果的准确性;针对多轴疲劳寿命具有较大的离散性这一难点,选择融合高斯过程回归对预测结果进行不确定性分析,以预测疲劳寿命区间,极大地提高了预测模型的实用性和预测精度,解决了传统技术中无法量化不确定性的问题。
技术关键词
疲劳寿命预测方法
K折交叉验证法
样本
GPR模型
数据
物理
多层感知器
Sigmoid函数
效应
注意力机制
幅值
训练集
超参数
应力
非线性
传播算法
泊松比
系统为您推荐了相关专利信息
土地利用数据
重构方法
均衡算法
单元划分方法
非易失性存储介质
联动控制方法
约束优化模型
混合预测模型
生成电力
载波通信方式
配料控制方法
三维结构特征
金属氧化物半导体气体传感器
多模态数据采集
发酵罐