龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：本发明属于材料疲劳寿命预测技术领域，具体涉及一种基于简单试验数据的材料复杂疲劳寿命机器学习预测方法，包括：建立目标材料的简单载荷寿命数据集；提取复杂疲劳载荷下材料的典型损伤机制及相应的特征参量；对疲劳寿命‑损伤机制‑特征参量之间的物理约束进行编码；设计考虑物理损伤机制的非全连接物理信息‑神经网络；对输入特征和输出特征进行归一化处理，对非全连接物理信息‑神经网络进行训练；建立目标材料的复杂载荷寿命数据集；应用物理信息‑神经网络对复杂载荷寿命数据集进行寿命外推预测，并进行蠕变、疲劳、氧化三类损伤的识别与分析。本发明实现了由简单载荷试验数据训练模型而后直接外推预测复杂疲劳载荷寿命的目的。
主权项：1.基于简单试验数据的材料复杂疲劳寿命机器学习预测方法，其特征在于，包括以下步骤：S1：建立目标材料的简单载荷寿命数据集，包括多种温度和载荷下的纯蠕变试验数据与纯疲劳试验数据；S2：提取复杂疲劳载荷下材料的典型损伤机制及相应的特征参量，特征参量包括蠕变损伤控制参量、疲劳损伤控制参量与氧化损伤控制参量；S3：对疲劳寿命-损伤机制-特征参量之间的物理约束进行编码，物理约束包括损伤范围约束、寿命与损伤间的负相关约束和损伤与参量间的正相关约束；S4：设计考虑物理损伤机制的非全连接物理信息-神经网络，物理信息-神经网络由蠕变损伤网络块、疲劳损伤网络块、氧化损伤网络块和寿命预测网络块组成；S5：简单载荷寿命数据集包括物理信息-神经网络的输入特征和输出特征，对输入特征和输出特征进行归一化处理，并基于分层抽样切分简单载荷寿命数据集为训练集和测试集，使用训练集对非全连接物理信息-神经网络进行训练；S6：建立目标材料的复杂载荷寿命数据集，包括多种保载类型的蠕变-疲劳交互试验数据与多种相位的热机械疲劳试验数据；S7：应用训练完成的物理信息-神经网络对复杂载荷寿命数据集进行寿命外推预测，并进行蠕变、疲劳、氧化三类损伤的识别与分析。
全文数据：
权利要求：
百度查询： 北京航空航天大学 基于简单试验数据的材料复杂疲劳寿命机器学习预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号