一种基于参数影响的数据驱动下的疲劳寿命预测方法

金属构件的主要失效方式是在循环载荷作用下的疲劳破坏,因此金属构件的疲劳寿命预测对于保证结构安全性和可靠性十分必要。能量法是一种既能用于低周疲劳寿命预测,也能用于高周疲劳寿命预测的方法,其以寻找有效的显式能量损伤参量为手段,结合适当的损伤积累方式进行寿命评估。针对材料疲劳寿命预测问题,提出一个基于能量法和人工神经网络算法的疲劳寿命预测方法。为了达到反映不同加载路径影响的目的,从转动惯量的角度引入两个路径相关参量。使用基于应变控制的九种材料的疲劳试验数据对提出的神经网络模型进行训练、测试。结果显示模型对训练数据和测试数据均有良好的预测精度,并可对单轴加载、多轴加载、高周疲劳和低周疲劳寿命进行有效预测,表明本模型在多轴疲劳寿命预测方面具有较广泛的适用性。