摘要
本发明提供一种基于加载载荷波动的高温合金螺栓蠕变特性预测方法,包括以下步骤:采集目标温度和载荷下螺栓试件的引伸数据和拉力数据,得到拉伸曲线和拉力曲线;对螺栓试件的引伸数据、拉力数据、拉伸曲线和拉力曲线进行处理,并确定载荷波动和用于计算损失的真值;将载荷波动、试件横截面积和设定的荷载输入预设的深度学习模型,输出预测结果,所述预测结果包括预测曲线,所述预测曲线用于表征螺栓蠕变特性趋势。本发明载荷波动能被更为廉价的设备快速测得,如此一来显著降低了模型在预测阶段时的使用成本,并且所需训练的数据较少,仅使用较少试件的蠕变测试数据训练就较为准确的预测螺纹试件的蠕变曲线,所预测曲线在长度和趋势上都与真值吻合。
技术关键词
高温合金螺栓
特性预测方法
载荷
曲线
深度学习模型
采样点
输入神经网络模型
数据
卷积神经网络模型
螺纹试件
力传感器
阶段
线性
参数
编码器
序列
误差
速率
系统为您推荐了相关专利信息
异常检测方法
泵体
重构模型
支持向量机回归模型
训练集
高维特征向量
臭氧
多源遥感数据
光谱探测仪
深度学习模型
计量终端
联邦学习技术
排放量
同态加密技术
计算方法
智能服务终端
智能监测方法
节点
因子
初始窗口大小
融合图像数据
图像识别模型
数据更新方法
电力通信网络设备
资产