一种基于多模态Transformer金属疲劳寿命预测方法

本发明涉及材料科学和人工智能技术领域，尤其涉及一种基于多模态Transformer金属疲劳寿命预测方法，首先加载金属构件的材料属性数据和加载路径的时序数据并进行预处理，再输入模型并通过时序编码器和材料特征编码器分别提取载荷时序特征和材料特征，再输入交叉注意力融合模块生成融合特征，最后将融合特征输入预测输出层生成疲劳寿命预测结果。本发明突破传统物理模型精度受限、计算效率低下及工况适应性差的瓶颈。通过跨模态数据融合机制，将非平稳载荷时序数据与静态材料属性特征在统一框架中深度关联，实现对复杂服役环境下金属构件疲劳寿命的高精度、高效率预测。