摘要
本发明涉及结构工程技术领域,提供基于机器学习的表面裂纹疲劳扩展形貌和寿命预测方法,包括建立含表面裂纹的有限元仿真模型,计算表面裂纹前缘的应力强度因子,生成有限元仿真数据集;对仿真数据集中的参数进行无量纲处理,生成机器学习数据集;通过混合优化算法优化反向传播神经网络,构建表面裂纹应力强度因子预测模型;表面裂纹应力强度因子预测模型结合疲劳裂纹扩展速率公式,循环预测承受载荷结构的表面裂纹扩展形貌及其寿命;基于所述表面裂纹应力强度因子预测模型和所述疲劳裂纹扩展速率公式,建立参数输入及输出和图像输出的可视化交互界面;用户无需进行数学分析和编写代码,即可快速地预测表面裂纹的扩展形貌和寿命计算。
技术关键词
表面裂纹疲劳扩展
寿命预测方法
疲劳裂纹扩展速率
扩展形貌
优化反向传播神经网络
载荷
可视化交互界面
混合优化算法
仿真数据
因子
仿真模型
应力
生成机器学习
半轴
强度
ABAQUS软件
粒子群算法
尺寸
裂纹扩展寿命
系统为您推荐了相关专利信息
剩余寿命预测算法
剩余寿命预测方法
特征提取网络
退化模型
无监督
剩余使用寿命预测方法
质子交换膜燃料电池
变异策略
表达式
双曲正切函数
轴承寿命预测方法
LSTM模型
数字孪生
剩余使用寿命
斜率数据
支撑电容
剩余寿命预测方法
剩余寿命预测模型
列车
工况
腐蚀疲劳裂纹扩展速率
特征值
样本
XGBoost模型
物理