一种栓钉低周疲劳寿命预测方法

本发明公开了一种栓钉低周疲劳寿命预测方法，通过机器学习算法，解决传统试验耗时长、劳动强度大、预测精度低等问题，节约试验成本，缩短研发周期；XGBoost和RF集成，显著提升预测精度，同时仍保持在小样本量的准确性；SHAP的出现满足了对模型解释的需求，解决由于模型的复杂性和黑箱性质使得理解其决策过程变得困难的问题；通过精准预测，避免过度设计，节约材料从而实现降低能耗，同时对高风险栓钉提前预警，避免灾难性事故的发生。