摘要
本发明公开了一种激光熔覆修复轴类零件疲劳寿命预测方法和系统,包括:获取每根试件微小缺陷特征、表征熔覆层‑热影响区‑基体微观组织的非均质组织特征,开展旋转弯曲疲劳测试,获取微小缺陷特征、非均质组织特征对应的旋转弯曲疲劳寿命数据,并建立数据对应的疲劳寿命标签;建立包括熔覆层微小缺陷特征参量、非均质组织特征参量和车轴疲劳寿命数据的初始数据集;并对数据集进行预处理和降维处理;建立特征提取模型,采用随机森林回归模型进行特征重要性量化,识别关键特征;构建XGBoost算法的疲劳寿命预测模型,获取表征微小缺陷和非均质组织独立性高的特征参量,筛选出关键特征参量及权重,从而开展基于断裂力学框架开展剩余疲劳寿命预测。
技术关键词
特征参量
疲劳寿命预测方法
剩余疲劳寿命
XGBoost算法
轴类零件
激光熔覆修复工艺
弯曲疲劳寿命
车轴
正则化约束方法
特征提取模型
组织
数据
随机森林
扫描电子显微镜
覆层
疲劳寿命预测系统
XGBoost模型
系统为您推荐了相关专利信息
皮尔逊相关系数
XGBoost算法
特征提取方法
样本
变量
电化学阻抗谱
等效电路模型
电化学工作站
时序
待测电池
沥青混合料
疲劳寿命预测方法
斑点
坐标
数字图像处理方法
并行计算技术
硬件序列号
校验机制
XGBoost算法
解析设备