一种基于自注意力机制的深度学习小样本增量迭代训练的金属疲劳寿命预测方法及系统

一种基于自注意力机制的深度学习小样本增量迭代训练的金属疲劳寿命预测方法及系统，涉及金属疲劳寿命预测领域。解决了现有的疲劳数据样本偏小导致现有深度学习模型常存在模型过拟合、预测精度低、泛化性不足等问题。所述方法包括：利用浅层神经网络模型通过原始金属疲劳试验数据进行模型训练并实现数据衍生，得到CNN‑GRU‑Attention混合神经网络的初始数据集；构建自监督机制的所述神经网络，并设定参数，得到最优模型；对区域内的疲劳寿命的应力值进行预测，按序列添加到原始疲劳试验数据构建增强数据集，重复步骤二、三执行混合迭代训练策略，训练新的最优模型，当预测循环次数达到预定疲劳极限对应的循环次数时终止。