摘要
本发明公开了一种基于多源异构信息融合的焊接节点剩余疲劳寿命评估方法,包括以裂纹长度作判断量对疲劳裂纹萌生和扩展过程中的不确定性因素进行敏感度分析;根据分析结果,基于贝叶斯理论,建立铁路钢桥焊接节点退化模型;然后采集裂纹长度图像、声发射信号和应变信号;输入至深度学习神经网络,得到裂纹长度;并将所述裂纹长度输入至铁路钢桥焊接节点退化模型中,得到焊点剩余疲劳寿命。本发明能够综合考虑监测数据、材料力学性能和理论的模型的不确定性,从而显著提高钢桥焊点剩余寿命的预测精度。
技术关键词
剩余疲劳寿命
特征提取模块
多源异构信息融合
铁路钢桥
深度学习神经网络
疲劳裂纹
退化模型
局部应力应变法
焊点
节点
曲线
声发射
动态贝叶斯网络
分支
粒子滤波算法
因子
裂纹尺寸
焊缝
系统为您推荐了相关专利信息
数据挖掘方法
可视化工具
数据挖掘装置
统计特征
交互式数据
防暴枪
机器学习模型
电子围栏
特征工程技术
管理方法
多模态传感器
交互系统
融合多模态特征
静态特征提取
动态特征提取
厚度检测系统
多层材料
频谱特征
数据
超声波检测模块