一种基于数字孪生与深度学习联合的点蚀钢管剩余压溃力学性能预测方法

本发明公开了一种基于数字孪生与深度学习联合的点蚀钢管剩余压溃力学性能预测方法，包括：基于数值仿真方法建立含点蚀损伤的钢管数值模型，计算出一系列含不同随机点蚀凹坑特征的钢管的轴向压溃强度，生成基础数据集；采用深度学习模型对基础数据集进行训练扩充，训练出包含不同凹坑特征钢管的轴向压溃强度的大数据集合；对于待预测的点蚀损伤钢管，基于数字孪生技术将其映射成相应的虚拟模型，提取出其包含的随机点蚀凹坑特征；基于提取的随机点蚀凹坑特征，从大数据集合里匹配相关的轴向压溃强度。本发明能够为钢管结构在恶劣环境下的轴向压溃力学性能评估提供准确预测分析。