公开(公告)号：CN119004961A

公开(公告)日：2024-11-22

申请号：CN202411021070.5

申请日：2024-07-29

Applicant: 上海交通大学

Inventor： 庄新村 ,  张晨洋 ,  胡志文 ,  向华 ,  张稳

IPC: G06F30/27 ,  G06F30/23 ,  G06N3/0455 ,  G06F119/04 ,  G06F119/02 ,  G06F111/10 ,  G06F119/08 ,  G06F119/14

Abstract: 一种基于深度学习的疲劳裂纹扩展模型的参数标定方法，构造适应不同服役条件下疲劳裂纹扩展模型并通过基于数值模拟获得标定参数和疲劳裂纹扩展特征的关系数据库，经降维处理后用于训练构建得到的神经网络模型；通过训练后的神经网络模型生成一组满足局域最优的疲劳裂纹扩展模型参数，进而根据服役条件预测得到疲劳裂纹扩展情况。本发明能够实现模型参数快速且准确标定，该方法能够有效解决复杂模型应用难的工程问题，基于少量物理试验完成多参数的准确、高效标定的同时，随着训练数据库的持续完善，能够不断地提高标定效率和精度，实现材料服役性能数据的加速累积，提高金属结构材料疲劳寿命评价能力。