一种基于物理信息神经网络的多尺度疲劳裂纹扩展预测方法及系统

本发明公开了一种基于物理信息神经网络的多尺度疲劳裂纹扩展预测预测方法及系统，旨在提高裂纹扩展速率的预测精度。方法包括：步骤S1，利用显微镜获取金属材料在不同尺度下的裂纹长度与循环周次；步骤S2，基于获取的数据计算初始小裂纹扩展速率，采用Newman‑Wu模型进行拟合，构建初步裂纹扩展物理模型，进一步结合实验数据识别影响扩展行为的物理特征，引入PSC‑LC转折点划分小裂纹与长裂纹阶段，构建融合多特征的裂纹扩展速率模型；步骤S3，对扩展速率数据进行预处理；步骤S4，结合实验中的裂纹扩展规律构建物理损失函数，并与数据损失融合形成总损失函数，训练神经网络模型，实现金属材料多尺度疲劳裂纹扩展行为的精准预测。