基于LSTM与MLP特征融合的物理信息神经网络材料疲劳寿命预测方法及介质

本发明涉及一种基于LSTM与MLP特征融合的物理信息神经网络材料疲劳寿命预测方法及介质，该方法包括：获取待预测材料的材料性能数据和应变数据，进行预处理，并输入物理信息神经网络模型中进行预测，得到材料疲劳寿命预测结果，其中，物理信息神经网络模型包括LSTM神经网络、第一MLP神经网络和第二MLP神经网络，LSTM神经网络和第一MLP神经网络分别对时序信息和静态信息进行特征提取，第二MLP神经网络中输入层的输入为LSTM神经网络最后一个时间步的隐状态和第一MLP神经网络的隐藏层输出的结合，以将时序特征和静态特征进行特征融合，输出预测结果。与现有技术相比，本发明具有高效特征融合和准确预测等优点。