基于物理信息神经网络的复杂装备概率疲劳寿命预测方法

本发明公开了基于物理信息神经网络的复杂装备概率疲劳寿命预测方法，属于复杂装备疲劳分析领域，首先，对复杂装备材料的疲劳寿命数据按应力进行分组，使用非参数概率估计、线性回归和最大熵建模进行自适应混合不确定性量化，接着，基于拟合得到的标准差数据训练物理引导神经网络，补充缺失或有限数据应力下的标准差，然后，基于补充标准差数据和疲劳寿命数据训练贝叶斯物理信息神经网络，对预训练的贝叶斯神经网络进行多次采样得到PSN曲线，用于复杂装备的概率疲劳寿命预测。本发明显著提升了复杂装备概率疲劳寿命预测的准确性和稳定性，确保了预测结果的物理一致性。