一种基于机器学习的抽油杆疲劳寿命预测方法

本发明公开了一种基于机器学习的抽油杆疲劳寿命预测方法，用以解决传统实验成本高、周期长的问题。本方法包括：通过有限元分析生成含多种环境输入参数的疲劳寿命数据集；数据预处理后，训练极端梯度提升树(XGBoost)模型。为提升性能，提供两种优化方案：其一，采用自定义损失函数，通过权重函数对大残差降权，增强模型对异常值的鲁棒性；其二，利用多头自注意力机制处理输入参数，生成能捕获参数间非线性及交互关系的增强特征，再输入模型。本发明涉及工程力学领域，该融合物理仿真与优化机器学习的疲劳寿命预测方法，能快速、准确预测抽油杆疲劳寿命，显著提高预测准确性与可靠性，具重要工程应用价值。