[發明專利]一種基于機器學習的疲勞性能預測方法

在審

• 申請號: 202011123975.5
• 申請日: 2020-10-20
• 公開（公告）號: CN112214933A
• 公開（公告）日: 2021-01-12
• 發明（設計）人: 黃理;趙海龍;劉如學;方宇東;吳賽楠;劉釗;李鉬石;李大永;韓維建
• 申請（專利權）人: 集萃新材料研發有限公司;長三角先進材料研究院
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G06N20/10;G16C60/00;G06F111/06;G06F119/04;G06F119/18
• 代理公司: 南京智造力知識產權代理有限公司 32382
• 代理人: 汪芬

本發明公開了一種基于機器學習的疲勞性能預測方法，首先收集材料數據形成初始樣本數據，采用Sobol全局靈敏度分析方法評估各特征變量對輸出變量方差的貢獻度，并對特征變量的重要性進行排序，進而篩選出關鍵特征變量，形成訓練樣本數據；將訓練樣本數據劃分為訓練集、驗證集和測試集用于訓練模型；基于訓練集與驗證集數據進行模型訓練學習，獲取對應模型參數，輸出基于現有訓練集/驗證集學習訓練的模型，采用決定系數R²來定量評估模型預測表現，完成模型的建立，利用訓練好的模型進行疲勞性能預測。本發明利用更加全面的材料信息建立其與疲勞性能的非線性對應關系并應用于更高精度和泛化環境的疲勞性能預測中。

技術領域

本發明屬于疲勞性能評估技術領域，尤其涉及一種基于機器學習的疲勞性能預測方法。

背景技術

在汽車、航空航天等工業領域中，疲勞失效是關鍵結構零件失效的主要模式。中國《機械工程手冊》“結構疲勞強度設計”章節中指出：機械零構件80％以上為疲勞破壞。材料疲勞性能數據是產品研發的重要設計信息，然而材料耐久性試驗的成本高、周期長(單條疲勞曲線測試周期為1個月以上，測試成本在10萬人民幣以上(不含材料費和加工費))。自1870年以來，金屬材料疲勞強度與拉伸性能之間的聯系被廣泛探索，主要目的是利用測試成本較低的拉伸測試快速預測材料的疲勞強度，但是這種技術路線存在明顯的缺陷。首先，拉伸變形的變形均勻性明顯高于疲勞變形，事實上，大部分的疲勞變形源于局部缺陷或者應力集中，對于應力幅較小的疲勞變形尤為顯著；其次，疲勞變形和拉伸變形的變形機理存在復雜關聯，僅在特定情況下二者性能存在關聯，一般需要用除拉伸性能外更多的參數來預測疲勞性能；第三，成分和工藝參數的改變對于拉伸性能和疲勞性能的影響以及影響程度不一定相同或相近。

隨著計算機技術與數據分析技術的迅猛發展以及材料試驗和仿真數據規模的高速增長，“材料信息學(Materials Informatics)”概念備受關注。其中，先進的現代數據分析統計和建模方法逐漸走入傳統的材料研發領域，在降低開發成本、縮短開發周期等方面開始初顯價值。探索一種基于材料基礎信息(成分、工藝、硬度、組織等信息)并完全依托數據驅動的方法準確和快速地預估材料疲勞壽命，對于新材料研發、材料試驗加速和工業產品的正向優化設計意義重大。

公開號為CN109855959A的專利公開了一種金屬材料疲勞強度的預測方法，其實施步驟如下：1.選擇同系列材料進行拉伸性能測試；2.疲勞性能測試；3.參數擬合：利用測得的拉伸與疲勞數據，求得材料的σ_y/σ_b與σ_w/σ_y值(注：σ_y是屈服強度，σ_b是抗拉強度，σ_w是疲勞強度)，然后以σ_y/σ_b值為橫坐標、以σ_w/σ_y值為縱坐標繪制σ_w/σ_y—σ_y/σ_b關系圖，并通過線性擬合求得參數ω與C(分別為斜率和截距)；4.通過待預測材料的拉伸性能確定材料的σy/σb值，通過所擬合的直線可進一步確定材料的σ_w/σ_y值，從而求得相應材料的疲勞強度σ_w預測值。該方法通過建立疲勞強度與屈服強度和拉伸強度之間的對應關系模型實現利用拉伸測試和少量疲勞測試預測同系列金屬材料疲勞強度目的。然而，該技術僅僅建立了疲勞強度與拉伸性能的對應關系，且其關系模型采用最為簡單的線性擬合，受制造工藝、宏觀偏析、成分調整等因素影響，該方法往往不能得到令人滿意的預測結果、模型的泛化能力也較差。

發明內容

為了解決現有技術中存在的不足，本發明提出了一種基于機器學習的疲勞性能預測方法，利用更加全面的材料信息建立其與疲勞性能的非線性對應關系并應用于更高精度和泛化環境的疲勞性能預測中。

本發明所采用的技術方案如下：

一種基于機器學習的疲勞性能預測方法，包括如下步驟，