国产精品欧美激情第一页,日本中文字幕一区二区高清在线,91亚洲永久精品,在线,亚洲欧美在线综合一区

撥號18702200545
產品目錄
展開

你的位置:首頁 > 技術文章 > 【科研資訊】數據-物理模型驅動的超高周疲勞壽命預測方法

技術文章

【科研資訊】數據-物理模型驅動的超高周疲勞壽命預測方法

技術文章
現代工程裝備呈現長壽命服役的發展趨勢,結構超長壽命預測對安全可靠服役至關重要。超高周疲勞是結構超長壽命服役需要考慮的失效模式,人們通過研究疲勞裂紋萌生與擴展機理,建立了超高周疲勞壽命的物理模型;近年來,人工智能與疲勞研究的結合為壽命預測提供了新思路,但數據量不足、純數據驅動未有效融合物理模型仍是制約疲勞壽命預測的難題。


針對這些問題,華東理工大學朱明亮教授、軒福貞教授等人提出了數據-物理模型驅動的超高周疲勞壽命預測框架(圖1),通過選擇結構材料的小樣本疲勞壽命數據,使用Z參量壽命模型進行數據擴展,引入多種機器學習算法和物理模型,采用多種材料對數據-物理模型的預測能力進行比較與驗證。系列研究成果以“On micro-defect induced cracking in very high cycle fatigue regime"“A data-physics integrated approach to life prediction in very high cycle fatigue regime"“Data-driven approach to very high cycle fatigue life prediction"為題先后發表在Fatigue Fract. Eng. Mater. Struct. 2022; 45: 3393Int. J. Fatigue 2023; 176: 107917Eng. Fract. Mech. 2023; 292: 109630上。
研究發現,訓練集越大,機器學習方法預測材料疲勞壽命準確率越高,數據與物理模型的融合可顯著提升預測準確度,為小樣本數據下的超高周疲勞壽命預測提供了解決方案。基于Z參量模型和人工神經網絡搭建的Z-PINN模型對15Cr鋼、FV520B-I鋼和GCr15鋼的超高周疲勞壽命預測準確率分別為78.9%、89.3%94.3%(圖2)。


圖片


1  數據-物理模型驅動的疲勞裂紋擴展和超高周疲勞壽命預測框架
圖片
2  三種典型材料超高周疲勞壽命預測準確度比較


 

通訊作者簡介:


朱明亮,教授、博導,主要從事機械結構疲勞、損傷與斷裂研究,發表學術論文100余篇,出版專著1部,獲省部級科技一等獎3項。兼任中國材料研究學會疲勞分會理事、中國機械工程學會成組與智能集成技術分會常務委員。
軒福貞,教授、博導,主要從事機械結構強度、智能傳感與壽命可靠性、數字孿生技術等領域研究,發表學術論文300余篇,出版專著5部,獲國家科技進步一等獎、二等獎等獎勵。兼任中國機械工程學會壓力容器分會副理事長、中國化工學會副理事長等。



聯系我們

地址:天津市津南區泰康智達產業園 傳真:86-022-87081028 Email:sales@care-mc.com
24小時在線客服,為您服務!
凱爾測控試驗系統(天津)有限公司
關注微信

掃一掃,關注微信

版權所有 © 2024 凱爾測控試驗系統(天津)有限公司 備案號:津ICP備18003419號-2 技術支持:化工儀器網 管理登陸 GoogleSitemap

在線咨詢
QQ客服
QQ:2198388433
電話咨詢
02287081028
關注微信