[發明專利]基于支持向量機算法的合金鋼疲勞極限檢測方法及其系統

在審

• 申請號: 201510650168.1
• 申請日: 2015-10-09
• 公開（公告）號: CN105300819A
• 公開（公告）日: 2016-02-03
• 發明（設計）人: 吳峰崎;劉龍;姚文慶
• 申請（專利權）人: 上海市特種設備監督檢驗技術研究院
• 主分類號: G01N3/32
• 分類號: G01N3/32
• 代理公司: 上海勝康律師事務所 31263
• 代理人: 張堅

技術領域

本發明材料疲勞極限檢測技術領域，尤其涉及一種基于支持向量機算法的合金鋼疲勞極限檢測方法及其系統。

背景技術

合金鋼在低于材料屈服極限的交變應力(或應變)的反復作用下，經過一定的循環次數以后,會在應力集中部位萌生裂紋。裂紋在一定條件下擴展，最終突然斷裂，這一失效過程稱為疲勞破壞。疲勞破壞是工程結構中常見的一種失效形式。

在疲勞試驗中，應力交變循環大至無限次而試樣仍不破損時的最大應力叫疲勞極限。一般當用循環次數達到10的7次方而試樣尚有90％不破壞情況下的應力表示疲勞極限。在疲勞問題的研究中，知道材料的疲勞極限，對于預防材料的疲勞斷裂至關重要。試驗是確切知道材料疲勞極限的主要途徑，但疲勞試驗設備昂貴，試驗周期冗長且花費巨大。

發明內容

基于此，針對上述技術問題，本發明提供一種基于支持向量機算法的合金鋼疲勞極限檢測方法及其系統。

為解決上述技術問題，本發明采用如下的技術方案：

一種基于支持向量機算法的合金鋼疲勞極限檢測方法，包括：

以多種合金鋼的常規機械性能參數作為訓練樣本集的輸入參數，以所述多種合金鋼對應的疲勞極限值作為輸出參數，建立訓練樣本集；

將所述訓練樣本集輸入到支持向量機算法中，建立基于支持向量機算法的疲勞極限計算模型；

將待測合金鋼的常規機械性能參數進行歸一化預處理；

將所述待測合金鋼歸一化預處理后的常規機械性能參數輸入所述疲勞極限計算模型，獲得該待測合金鋼的疲勞極限值。

所述常規機械性能參數包括彈性模量、屈服極限、抗拉強度、延伸率以及斷面收縮率。

所述支持向量機算法的核函數采用徑向基函數。

本方案還涉及一種基于支持向量機算法的合金鋼疲勞極限檢測系統，包括：

訓練樣本集建立單元，用于以多種合金鋼的常規機械性能參數作為訓練樣本集的輸入參數，以所述多種合金鋼對應的疲勞極限值作為輸出參數，建立訓練樣本集；

模型建立單元，用于將所述訓練樣本集輸入到支持向量機算法中，建立基于支持向量機算法的疲勞極限計算模型；

預處理單元，用于將待測合金鋼的常規機械性能參數進行歸一化預處理；

疲勞極限值計算單元，用于將所述待測合金鋼歸一化預處理后的常規機械性能參數輸入所述疲勞極限計算模型，獲得該待測合金鋼的疲勞極限值。

所述常規機械性能參數包括彈性模量、屈服極限、抗拉強度、延伸率以及斷面收縮率。

所述支持向量機算法的核函數采用徑向基函數。

本發明利用較少的合金鋼疲勞性能數據，不需進行材料疲勞實驗即可得到疲勞極限，能夠取得精度較高的效果，節省大量的試驗費用和時間，本發明對于計算合金鋼的疲勞壽命具有重要的理論意義和實際應用價值。

附圖說明

下面結合附圖和具體實施方式本發明進行詳細說明：

圖1為本發明的基于支持向量機算法的合金鋼疲勞極限檢測方法的流程圖；

圖2為本發明的基于支持向量機算法的合金鋼疲勞極限檢測系統的結構示意圖。

具體實施方式

如圖1所示，一種基于支持向量機算法的合金鋼疲勞極限檢測方法，包括：

S110、以多種合金鋼的常規機械性能參數作為訓練樣本集的輸入參數，以所述多種合金鋼對應的疲勞極限值作為輸出參數，建立訓練樣本集。

其中，常規機械性能參數包括彈性模量E、屈服極限σ_s、抗拉強度σ_b、延伸率δ以及斷面收縮率ψ。

本實施例根據《機械工程材料性能數據手冊》(機械工業出版社，1994)，選取34種合金鋼來建立訓練樣本集，合金鋼訓練樣本性能數據見表1：

表1

S120、將訓練樣本集輸入到支持向量機算法中，建立基于支持向量機算法的疲勞極限計算模型。

其中，支持向量機算法(SupportVcetorMachine，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化問題，所得到的解就是全局最優解，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。合金鋼疲勞極限的檢測作為典型的小樣本問題，很適合支持向量機算法的應用。