欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024111855647
申请人: 湖南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于神经网络的裂纹扩展参数识别与剩余寿命预测方法,其特征在于:所述基于神经网络的疲劳裂纹扩展材料参数识别和剩余寿命预测方法包括以下步骤:S1使用传感器监测构件的裂纹扩展长度及其对应的循环次数;

S2选择传统的基于物理的裂纹扩展速率模型和确定初始的材料参数;

S3对裂纹长度,循环次数,材料参数进行参数缩放;

S4构建通过裂纹长度预测其循环次数的神经网络;

S5根据裂纹扩展速率模型构建物理信息混合的损失函数,所述损失函数包含数据损失和物理损失两部分,并通过超参数进行平衡调整;其中所述数据损失部分采用均方根损失函数(MSELoss)来评估神经网络预测的裂纹长度所对应的循环次数(npred)与实际观测的循环次数(nobs)之间的误差,物理损失部分则用于衡量神经网络提取的裂纹扩展速率与物理模型之间的差异;

S6同时优化神经网络和裂纹扩展速率模型中的材料参数,针对所提出的物理诱导神经网络进行优化;

S7获得符合构件个体的裂纹扩展常数并利用调整好的神经网络预测裂纹扩展剩余寿命。

2.根据权利要求1所述的一种基于神经网络的裂纹扩展参数识别与剩余寿命预测方法,其特征在于:所述的S1中利用N组裂纹扩展试验件的裂纹扩展实验结果作为观测对象,其中1组实验数据作为验证集用于确定神经网络和训练过程中的超参数,其余N-1组实验数据用于测试本方法的有效性。

3.根据权利要求1所述的一种基于神经网络的裂纹扩展参数识别与剩余寿命预测方法,其特征在于:所述S2中针对数据集仅提供必要载荷信息而无更多裂纹扩展参数信息的情况,选择Paris公式作为后续物理信息融合的模型;其中,Paris公式包含材料参数,初始的材料参数通过验证集实验数据采用最小二乘法线性拟合所得。

4.根据权利要求1所述的一种基于神经网络的裂纹扩展参数识别与剩余寿命预测方法,其特征在于:所述的S3中包括对裂纹长度、初始裂纹长度、循环次数以及裂纹扩展寿命所处的数量级l进行缩放处理。

5.根据权利要求1所述的一种基于神经网络的裂纹扩展参数识别与剩余寿命预测方法,其特征在于:所述S4中的神经网络由三层感知机构成,包括两层均含64个节点的隐藏层和一个单节点的输出层。

6.根据权利要求1所述的一种基于神经网络的裂纹扩展参数识别与剩余寿命预测方法,其特征在于:所述S7中,通过S6调整后的神经网络,利用公式预测剩余寿命,其中考虑了临界裂纹长度、观测时的循环次数以及裂纹扩展剩余寿命;同时,裂纹扩展模型中的材料参数随模型的更新而得到,并通过S3中的参数缩放反向求解为原材料参数的数值尺度。