一种基于误差分布定量预测高温合金过早蠕变失效的方法技术

本发明专利技术公开了一种基于误差分布定量预测高温合金过早蠕变失效的方法，包括步骤：预测蠕变断裂性能，得到预测蠕变断裂时间和应力；利用预测蠕变断裂性能与实验数据得到预测时间误差和预测应力误差；利用对数

【技术实现步骤摘要】
constrained machine learning algorithms for creep rupture prediction of an austenitic heat resistant steel Sanicro 25”，
Journal ofMaterials Research and Technology 22(2023)923
‑
937。
[0014]步骤
S1
中，约束时间温度参数法基于论文“Error estimates in extrapolation of creep rupture data and its application to an austenitic stainless steel”，
Materials at High Temperatures 39(2)(2022)181
‑
191。
[0015]步骤
S1
中，采用五种软约束机器学习算法，包括软约束贝叶斯正则化神经网络
(SCBRNN)、
软约束莱文贝格
‑
马夸特神经网络
(SCLMNN)、
软约束
BFGNN(SCBFGNN)、
软约束有限内存
BFGNN
回归机
(SCLBFGSNNMR)、
软约束支持向量回归机
(SCSVMR)。
采用了五种约束时间温度参数法
(TTPs)。
分别是：
Larson
‑
>Miller(LM)TTP、Orr
‑
Sherby
‑
Dorn(OSD)TTP、Manson
‑
Succop(MS)TTP、Sud Aviation(SA)TTP、Goldhoff
‑
Sherby(GS)TTP。
有关这
10
种模型的参数设置在已发表论文中有具体介绍，本专利技术这里不做赘述
。
[0016]步骤
S1
中，本专利技术主要利用以上
10
种方法来预测材料的蠕变断裂性能，并得到预测蠕变断裂时间和蠕变断裂应力，以及与预测蠕变曲线一次导数有关的
m
值
。
[0017][0018]其中
m
为蠕变曲线一次导数的倒数的负值，
t
R
为蠕变断裂时间，
σ
为蠕变断裂应力
。
其中，所述蠕变曲线，是指横坐标为蠕变断裂时间，纵坐标为蠕变断裂应力的曲线
。
[0019]另一方面，本专利技术在上述步骤
S1
中采用的软约束机器学习算法，并不限于必须采用上述论文和专利中的拟合方法，还可以采用现有技术中的其他拟合方法得到包括预测蠕变断裂时间和蠕变断裂应力的预测蠕变断裂性能数据
。
[0020]步骤
S2
中，所述预测时间误差表示为：
[0021][0022]其中
r
p
为预测时间误差，
t
rpred
和
t
rexp
分别是预测蠕变断裂时间和实验蠕变断裂时间
。
[0023]所述预测应力误差表示为：
[0024][0025]或
[0026]其中
u
s
为预测应力误差，
σ
rpred
和
σ
rexp
分别是预测蠕变断裂应力和实验蠕变断裂应力；
r
p
为预测时间误差，
m
为蠕变曲线一次导数的倒数的负值
。
其中
m
值取为在
10000
小时时，不同温度条件下的平均值；其中预测应力误差表示为预测蠕变断裂应力与实验蠕变断裂应力的比值
(
公式
3)
，也可通过预测时间误差转换得到，即公式
4。
[0027]步骤
S3
中，按照以下方法获得改进的对数
‑
逻辑分布：
[0028]S31
，首先利用对数
‑
逻辑分布拟合预测时间误差，得到分布的宽度
(w
d0
)。
[0029]S32
，对预测时间误差落在
10
‑
1.5wd0
‑
10
1.5wd0
区间外的数据赋权重
3。
[0030]S33
，利用对数
‑
逻辑分布对所有预测时间误差数据重新进行拟合，得到改进的对
数
‑
逻辑分布
。
[0031]步骤
S4
中，利用步骤
S3
中获得的改进的对数
‑
逻辑分布拟合预测时间误差，并获得相应的误差分布的统计数据，包括分布宽度
(w
d
)、
离群值的概率及位置等
。
具体参数获得如下：
[0032]S41
，从改进的对数
‑
逻辑分布的拟合结果中可直接获得分布的宽度
(w
d
)。
[0033]S42
，预测时间误差
(r
p
)
的离群值的概率设置为
0.5
％
、2
％
、5
％，其相应的位置可从分布拟合曲线中直接获得
。
相应的预测应力误差
(u
s
)
的离群值可以通过步骤
S2
中的公式4计算得到
。
[0034]步骤
S5
中，主要包括以下步骤：
[0035]利用步骤
S4
中获得的预测时间误差的统计分布数据，绘制分布拟合图，绘制预测时间误差的概率密度分布，及利用改进的对数
‑
逻辑分布对预测误差进行拟合的分布图
。
观察拟合曲线是否可以表征预测误差的分布
。
[0036]利用步骤
S1
中获得的预测蠕变断裂时间和实验蠕变断裂时间绘制回归图，其横坐标为实验蠕变断裂时间，纵坐标为预测蠕变断裂时间
。
并在其中绘制预测误差为1的线作参考
。
在回归图中，利用步骤
S42
中获得的5％离群值的位置作为一半的散点带
。
[0037]通过观察步骤
S51
中的拟合曲线是否可以表征预测误差分布来定性评估拟合方法的有效性
。
通过对比步骤
S52
中5％的离群值是否与实验值一致来定量评估拟合方法的有效性
。
为有效表征预测误差分布，离本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于误差分布定量预测高温合金过早蠕变失效的方法，其特征在于，包括以下步骤：
S1
，利用软约束机器学习算法和约束时间温度参数法的拟合方法，获得预测蠕变断裂性能，得到至少包括预测蠕变断裂时间和预测蠕变断裂应力的预测蠕变断裂性能数据；
S2
，利用预测蠕变断裂性能与实验数据得到预测时间误差和预测应力误差；其中所述预测时间误差为预测蠕变断裂时间与实验蠕变断裂时间的比值；其中所述预测应力误差为预测蠕变断裂应力与实验蠕变断裂应力的比值，或通过预测时间误差转换获得；
S3
，利用对数
‑
逻辑分布拟合预测误差，并建立改进的对数
‑
逻辑分布；
S4
，利用改进的对数
‑
逻辑分布拟合预测误差，获得预测误差分布的统计数据，至少包括分布的宽度
、
离群值的概率及位置；
S5
，根据分布拟合图和回归图评估方法的有效性，根据分布的宽度确定最佳拟合方法，根据离群值位置预测材料过早蠕变失效概率；其中所述分布拟合图为预测误差的分布及利用改进的对数
‑
逻辑分布对预测误差进行拟合的分布图；其中所述回归图为预测蠕变断裂时间与实验蠕变断裂时间的线性回归图，其中横坐标为实验蠕变断裂时间，纵坐标为预测蠕变断裂时间
。2.
根据权利要求1所述的一种基于误差分布定量预测高温合金过早蠕变失效的方法，其特征在于：步骤
S1
中，根据预测蠕变断裂性能得到的预测蠕变断裂时间和预测蠕变断裂应力，得到与预测蠕变曲线一次导数有关的
m
值，其中
m
为蠕变曲线一次导数的倒数的负值，
t
R
为蠕变断裂时间，
σ
为蠕变断裂应力
。
其中，所述蠕变曲线，是指横坐标为蠕变断裂时间
、
纵坐标为蠕变断裂应力的曲线
。3.
根据权利要求1所述的一种基于误差分布定量预测高温合金过早蠕变失效的方法，其特征在于，步骤
S2
中，所述预测时间误差表示为：其中
r
p
为预测时间误差，
t
rpred
和
t
rexp
分别是预测蠕变断裂时间和实验蠕变断裂时间；所述预测应力误差表示为：或其中
u
s
为预测应力误差，
σ
rpred
和
σ
rexp
分别是预测蠕变断裂应力和实验蠕变断裂应力；
r
p
为预测时间误差，
m
为蠕变曲线一次导数的倒数的负值；其中
m
值取为在
10000
小时时，不同温度条件下的平均值
。4.
根据权利要求1所述的一种基于误差分布定量预测高温合金过早蠕变失效的方法，其特征在于，步骤
S3
中，按照以下方法获得改进的对数
‑
逻辑分布：
S31
，首先利用对数
‑
逻辑分布拟合预测时间误差，得到分布的宽度
(w
d0
)
；
S32
，对预测时间误差落在
10
‑
1...

【专利技术属性】
技术研发人员：贺君敬，吕帅睿，秦海英，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：