【技术实现步骤摘要】
本专利技术属于海洋工程，尤其涉及随机荷载作用下x80管道钢疲劳裂纹扩展预测方法及系统。
技术介绍
1、深水立管在服役过程中长期承受随机性海洋环境荷载作用，疲劳破坏是海洋油气管道最为常见的一种失效形式，而随机荷载作用下管线钢内部疲劳裂纹扩展会出现迟滞或加速等瞬态行为，这就使得目前海洋立管疲劳寿命校核常用的s-n曲线方法预报的结构疲劳寿命通常存在3～10倍的误差，有时甚至连量级都无法准确预测。尽管目前很多学者基于疲劳裂纹扩展理论建立了一些变幅荷载作用下疲劳裂纹扩展速率模型，但这些模型中均通过在常幅荷载中加入单个或块状超载/低载，使变幅载荷序列得到简化后进行建模，因此难以实现对实际工程中随机荷载作用下深水立管疲劳裂纹扩展进行预测。
2、通过上述分析，现有技术存在的问题及缺陷为：
3、(1)目前海洋立管疲劳寿命校核常用的s-n曲线方法由于无法考虑随机荷载中的载荷比和载荷次序效应，预报的结构疲劳寿命通常存在3～10倍的误差，有时甚至连量级都无法准确预测。
4、(2)现有变幅荷载作用下疲劳裂纹扩展速率模型通过在常幅荷载中加入单个或块状超载/低载，使变幅载荷序列得到简化后进行建模，无法实现对实际工程中随机荷载作用下深水立管疲劳裂纹扩展进行预测。
技术实现思路
1、为克服相关技术中存在的问题，本专利技术公开实施例提供了随机荷载作用下x80管道钢疲劳裂纹扩展预测方法及系统。
2、所述技术方案如下：随机荷载作用下x80管道钢疲劳裂纹扩展预测方法，包括以下
3、s1，将不同应力比下疲劳裂纹扩展试验数据导入深度学习模型中进行训练，得到预测任意应力比作用下裂纹扩展速率的改进深度学习模型；
4、s2，采用逐周数值积分方法构建随机加载下深水立管疲劳裂纹扩展程序，将深水立管力学特性参数、结构几何尺寸、初始裂纹长度及模型参数输入深水立管疲劳裂纹扩展程序，同时按照实际加载次序输入随机载荷谱；
5、s3，在每次加载循环中，调用预测裂纹扩展速率的改进深度学习模型得到应力比作用下疲劳裂纹扩展速率；分析上一次加载循环引起的超载迟滞效应，基于修正wheeler模型对本次加载循环下疲劳裂纹扩展速率进行修正；
6、s4，调用预测任意应力比作用下裂纹扩展速率的改进深度学习模型，根据应力比和应力强度因子范围并结合超载迟滞系数计算本次加载循环下裂纹长度增量，根据随机加载谱计算全部加载循环下深水立管疲劳裂纹长度变化。
7、在步骤s1中，将不同应力比下疲劳裂纹扩展试验数据导入深度学习模型中进行训练，包括引入delaunay数据增强和模拟退火算法改进传统深度学习模型，实现任意应力比下疲劳裂纹扩展速率预测，利用模拟退火算法优化隐藏层神经元数量和激活函数。
8、进一步，引入delaunay数据增强包括：
9、当三维空间内有n个待插值数据点如下：
10、{(x1,y1,z1),(x2,y2,z2)…(xn,yn,zn)}
11、式中，(xn,yn)是数据点的空间坐标，zn是对应的函数值；
12、确定待插值点(xi,yi)所在的delaunay三角形，当三角形的三个顶点为(p1,p2,p3)，则对应的函数值为：f1,f2,f3；
13、利用重心插值方法计算待插值点(xi,yi)处的插值结果f(xi,yi)为：
14、f(xi,yi)＝w1f1+w2f2+w3f3
15、式中，w1,w2,w3分别是待插值点(xi,yi)到三角形顶点p1,p2,p3的距离的倒数的归一化系数，则：
16、
17、
18、
19、式中，d1,d2,d2分别是待插值点(xi,yi)到三角形顶点p1,p2,p3的距离。
20、进一步，模拟退火算法包括：以隐藏层神经元数量和激活函数之间的均方误差之间的差δmse判断新解的接受方式，计算公式如下：
21、δmse＝mse(g′)-mse(g)
22、式中，g为当前解，g′为新解；
23、当δmse<0时，将新解作为当前解；当δmse≥0，则通过boltzmann概率分布公式计算新解的接受概率，计算公式如下：
24、p(δmse,t)＝esp(-δmse/(kt))
25、式中，t为当前温度，k为玻尔兹曼常数。
26、在步骤s3中，分析上一次加载循环引起的超载迟滞效应，包括：基于wheeler模型引入超载迟滞系数，模拟随机荷载作用下疲劳裂纹扩展过程中的超载迟滞效应，表达式为：
27、dak/dn＝deep learning net(r,δk)
28、式中，dak/dn为第k次加载循环下疲劳裂纹扩展速率，deep learning net为改进深度学习模型，r为应力比，δk为裂纹尖端应力强度因子幅。
29、进一步，基于修正wheeler模型对本次加载循环下疲劳裂纹扩展速率进行修正，表达式为：
30、δak＝da/dn×mp＝deep learning net(r,δk)×mp
31、式中，δak为第k次加载循环下疲劳裂纹扩展速率，mp为载荷次序修正因子。
32、进一步，wheeler模型中裂纹扩展速率的计算公式为：
33、
34、式中，为疲劳裂纹扩展速率，δk为裂纹尖端应力强度因子幅，c为材料参数；n为载荷循环次数，m为实验数据拟合得到的常数；
35、
36、
37、
38、式中，cp为载荷次序修正系数，ry为当前疲劳循环载荷形成塑性区尺寸，aol为超载峰作用位置疲劳裂纹长度，rol为超载形成塑性区尺寸，a为疲劳裂纹长度，ap为塑性区尺寸因子，n1为超载形状系数，kmax为常幅循环载荷应力强度因子峰值，σy为材料屈服应力，为超载应力强度因子峰值，n1为超载形状系数。
39、进一步，载荷次序修正因子mp用于表征超载-低载组合中低载加速对超载迟滞效应的削弱作用，将迟滞因子cp被替换为载荷次序修正因子mp，则mp的计算公式为：
40、
41、式中，rδ为低载引起塑性区的减小量，n为实验数据拟合得到的常数；
42、低载引起塑性区的减小量rδ的计算公式为：
43、
44、式中，ap为塑性区尺寸因子，δkul为相邻两次低载引起应力强度因子幅值。
45、在步骤s4中，根据随机加载谱计算全部加载循环下深水立管疲劳裂纹长度变化，表达式为：
46、
47、式中，ai为第i次加载循环时疲劳裂纹长度，a0为初始裂纹长度，δak为第k次加载循环时疲劳裂纹扩展速率，i为随机加载循环次数。
48、本专利技术的另一目的在于提供一种随机荷载作用下x80管道钢疲劳裂纹扩展预测系统，该系统用于对所述随机荷载作用下本文档来自技高网...
【技术保护点】
1.一种随机荷载作用下X80管道钢疲劳裂纹扩展预测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述随机荷载作用下X80管道钢疲劳裂纹扩展预测方法，其特征在于，在步骤S1中，将不同应力比下疲劳裂纹扩展试验数据导入深度学习模型中进行训练，包括引入Delaunay数据增强和模拟退火算法改进传统深度学习模型，实现任意应力比下疲劳裂纹扩展速率预测，利用模拟退火算法优化隐藏层神经元数量和激活函数。
3.根据权利要求2所述随机荷载作用下X80管道钢疲劳裂纹扩展预测方法，其特征在于，引入Delaunay数据增强包括：
4.根据权利要求2所述随机荷载作用下X80管道钢疲劳裂纹扩展预测方法，其特征在于，模拟退火算法包括：以隐藏层神经元数量和激活函数之间的均方误差之间的差ΔMSE判断新解的接受方式，计算公式如下：
5.根据权利要求1所述随机荷载作用下X80管道钢疲劳裂纹扩展预测方法，其特征在于，在步骤S3中，分析上一次加载循环引起的超载迟滞效应，包括：基于Wheeler模型引入超载迟滞系数，模拟随机荷载作用下疲劳裂纹扩展过程中的超载迟滞效应
6.根据权利要求1所述随机荷载作用下X80管道钢疲劳裂纹扩展预测方法，其特征在于，基于修正Wheeler模型对本次加载循环下疲劳裂纹扩展速率进行修正，表达式为：
7.根据权利要求6所述随机荷载作用下X80管道钢疲劳裂纹扩展预测方法，其特征在于，Wheeler模型中裂纹扩展速率的计算公式为：
8.根据权利要求7所述随机荷载作用下X80管道钢疲劳裂纹扩展预测方法，其特征在于，载荷次序修正因子Mp用于表征超载-低载组合中低载加速对超载迟滞效应的削弱作用，将迟滞因子Cp被替换为载荷次序修正因子Mp，则Mp的计算公式为：
9.根据权利要求1所述随机荷载作用下X80管道钢疲劳裂纹扩展预测方法，其特征在于，在步骤S4中，根据随机加载谱计算全部加载循环下深水立管疲劳裂纹长度变化，表达式为：
10.一种随机荷载作用下X80管道钢疲劳裂纹扩展预测系统，其特征在于，该系统用于对权利要求1～9任意一项所述随机荷载作用下X80管道钢疲劳裂纹扩展预测方法进行调控，该系统包括：
...【技术特征摘要】
1.一种随机荷载作用下x80管道钢疲劳裂纹扩展预测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述随机荷载作用下x80管道钢疲劳裂纹扩展预测方法，其特征在于，在步骤s1中，将不同应力比下疲劳裂纹扩展试验数据导入深度学习模型中进行训练，包括引入delaunay数据增强和模拟退火算法改进传统深度学习模型，实现任意应力比下疲劳裂纹扩展速率预测，利用模拟退火算法优化隐藏层神经元数量和激活函数。
3.根据权利要求2所述随机荷载作用下x80管道钢疲劳裂纹扩展预测方法，其特征在于，引入delaunay数据增强包括：
4.根据权利要求2所述随机荷载作用下x80管道钢疲劳裂纹扩展预测方法，其特征在于，模拟退火算法包括：以隐藏层神经元数量和激活函数之间的均方误差之间的差δmse判断新解的接受方式，计算公式如下：
5.根据权利要求1所述随机荷载作用下x80管道钢疲劳裂纹扩展预测方法，其特征在于，在步骤s3中，分析上一次加载循环引起的超载迟滞效应，包括：基于wheeler模型引入超载迟滞系数，模拟随机荷载作用下疲...
【专利技术属性】
技术研发人员：娄敏，梁维兴，秦会阳，王阳阳，王宇，张晨，陈圣文，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。