亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

基于支持向量機的材料疲勞壽命預測方法

文檔序號:6088218閱讀:285來源:國知局
專利名稱:基于支持向量機的材料疲勞壽命預測方法
技術領域
本發(fā)明涉及材料疲勞壽命預測領域,特別涉及結構材料服役壽命支持向量機的估 算方法。
背景技術
疲勞破壞是工程結構中常見的一種失效形式。準確地進行疲勞壽命估算,對于消 除事故發(fā)生隱患、制訂有效的檢修計劃和延長使用壽命都具有重要的理論意義和工程實際 價值。疲勞壽命預測的一個重要難題是如何合理而有效地描述由于疲勞損傷引起的材 料性能的劣化過程。各國研究人員從不同角度提出了很多損傷累積理論模型,如Miner線 性損傷累積準則、Manson雙線性損傷累積理論、Corten-Dolan模型等。其中大多數模型只 適合于描述材料穩(wěn)態(tài)損傷過程壽命的估算,而實際疲勞載荷譜常常是非穩(wěn)態(tài)的,計算結果 與實驗數據之間會存在較大偏差。其主要原因在于疲勞損傷累積與載荷之間呈現復雜的非 線性關系,很難用特定的數學表達式來準確描述整個損傷過程。隨著人工智能技術的快速發(fā)展,目前已經開展了基于神經網絡等人工智能方法 的疲勞破壞研究,如擬合疲勞試驗曲線、計算疲勞概率密度函數和模擬仿真疲勞損傷過程 等。但如果要取得較好的預測效果,需要收集大量可靠的材料疲勞試驗數據充分訓練預測 模型,這在很大程度上限制了該方法的廣泛應用。近年來出現的支持向量機算法(Support Vcetor Machine, SVM),在樣本量較少的情況下亦能獲得很好的學習效果;同時,由于支持 向量機算法是一個二次優(yōu)化問題,所得到的解就是全局最優(yōu)解,避免了神經網絡等方法結 構難于確定、過學習以及局部極小化等問題。結構材料服役壽命預測研究,作為典型的小樣 本問題,很適合支持向量機算法的應用。在國內,已有多項專利技術應用于預測結構疲勞壽命,如專利CN10231222A “一種 剩余強度和剩余壽命的快速、無損預測方法”,利用表面硬度與剩余強度之間的對應關系進 行剩余服役壽命的預測;CN1614^4A “壓力容器疲勞壽命安全預測方法”,通過計算裂紋增 量來預測裂紋擴展情況;CN101042059A “一種汽輪機轉子低周疲勞壽命損耗在線監(jiān)控的 方法及系統”,采用神經網絡技術確定轉子等效應力的修正系數,然后根據材料疲勞曲線和 對稱循環(huán)法計算疲勞壽命。上述專利技術的疲勞壽命估算主要還是基于現有常用的損傷累 積模型,需要進行大量的材料疲勞性能試驗,不利于實際工程應用。

發(fā)明內容
本發(fā)明的目的是在現有材料疲勞壽命研究基礎上,利用較少的材料疲勞性能數 據,建立基于支持向量機的疲勞壽命預測模型,提高結構疲勞壽命預測精度。本發(fā)明將結構材料和疲勞載荷作為一個系統整體來研究,損傷隨著載荷歷程的推 進不斷累積,疲勞破壞就是材料性能在載荷作用下不斷劣化的過程。疲勞機理研究已表明 塑性變形是造成材料損傷的基本因素,且損傷的累積具有非線性特點,因此某時刻循環(huán)載荷造成的損傷應是載荷L與材料累積損傷的函數f,如公式(1)所示
權利要求
1.一種結構材料的疲勞壽命預測方法,其特征在于,利用支持向量機建立外部載荷與 疲勞損傷之間的非線性關系,對材料損傷進行非線性的累加,最終預測疲勞壽命,包括以下 步驟1)、收集材料疲勞性能數據;進行材料疲勞特性實驗,或通過查閱資料,收集相關數據, 獲取建立訓練樣本;2)、選擇合適的輸入輸出參數,建立訓練樣本集;對于不同的材料疲勞損傷機理,選取 不同的輸入輸出參數,應用不同的損傷公式計算單次循環(huán)載荷損傷;3)、建立基于支持向量機的疲勞壽命預測模型;4)、疲勞載荷譜預處理;5)、計算疲勞壽命。
2.根據權利要求1所述的疲勞壽命預測方法,其特征在于所述步驟1建立訓練樣本 包括材料常規(guī)機械性能參數、S-N曲線、循環(huán)應力-應變滯回環(huán)曲線等材料疲勞性能參數。
3.根據權利要求1所述的疲勞壽命預測方法,其特征在于所述步驟2對于以應力為 控制參量的疲勞模型,選取循環(huán)載荷應力、當前累積總損傷作為輸入參數,以單次循環(huán)載荷 造成的損傷作為輸出參數;單次循環(huán)損傷通過能量法來計算;以應變?yōu)榭刂茀⒘康钠谀?型,選取循環(huán)載荷應變、當前累積總損傷作為輸入參數,以單次循環(huán)載荷造成的損傷作為輸 出參數;單次循環(huán)損傷通過Landgraf公式來計算;根據步驟1中的所獲得的材料疲勞性能 數據,代入上述公式計算后,就可得到不同載荷級別、不同的疲勞累積總損傷與單次循環(huán)載 荷損傷的對應關系,構建訓練樣本。
4.根據權利要求1所述的疲勞壽命預測方法,其特征在于所述步驟3訓練樣本輸入 到支持向量機中,通過計算建立基于支持向量機的疲勞損傷計算模型;選擇徑向基函數作 為核函數,徑向基函數相關參數利用交叉檢驗方法自動尋優(yōu)確定。
5.根據權利要求1所述的疲勞壽命預測方法,其特征在于所述步驟4在輸入到壽命 預測模型前,須對結構所受疲勞載荷進行預處理;采用局部應力一應變法,將疲勞載荷譜轉 換為名義應力一時間歷程,利用材料的循環(huán)應力-應變滯回曲線和Neuber方程轉換為疲勞 壽命預測模型所需的載荷輸入參數類型。
6.根據權利要求1所述的疲勞壽命預測方法,其特征在于所述步驟5按載荷循環(huán)一 時間歷程,將輸入參數逐次代入基于支持向量機的疲勞損傷計算模型中,即可計算出對應 不同載荷、不同的累積總損傷下單次循環(huán)載荷造成的疲勞損傷;通過不斷的迭代計算,當累 積損傷達到臨界損傷值時,即判斷發(fā)生疲勞破壞,計算材料疲勞壽命。
全文摘要
本發(fā)明為基于支持向量機的材料疲勞壽命預測方法,本發(fā)明公開了一種預測結構材料疲勞服役壽命的方法,包括獲取材料疲勞性能數據、選擇合適輸入輸出參數構建訓練樣本集、建立基于支持向量機的疲勞壽命預測模型、疲勞載荷預處理、計算疲勞壽命。本發(fā)明的優(yōu)點是可利用較少的材料疲勞性能數據,實現疲勞損傷的非線性累積,提高壽命預測的精度。本發(fā)明所提出的方法適用于結構材料疲勞壽命估算和延壽分析。對于延長材料的使用壽命,制訂合理的檢修計劃具有重要的理論意義和實際應用價值。
文檔編號G01N3/00GK102081020SQ20101010130
公開日2011年6月1日 申請日期2010年1月26日 優(yōu)先權日2010年1月26日
發(fā)明者劉龍, 軒福貞 申請人:上海海事大學
網友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1