本发明专利技术属于金属材料的小样本疲劳寿命数据质量优化，剔除实验异常数据技术，涉及一种优化疲劳寿命数据的方法。本发明专利技术基于一致性原理实现小样本数据扩充，并假设在数据质量一致时，不同疲劳寿命数据融合到同一应力级下的疲劳寿命具有相同分布。因此可以通过计算基于不同小样本疲劳寿命数据融合得到的大样本数据分布差异，检验数据质量优劣。通过反复剔除不同数据并进行疲劳寿命数据融合，结果发现剔除部分数据可以使得不同条件下同一应力级的融合数据更加接近，这表明剔除该数据后，数据质量得到提升，达到了数据质量优化的效果。
【技术实现步骤摘要】
本专利技术属于金属材料的小样本疲劳寿命数据质量优化，剔除实验异常数据技术，涉及一种优化疲劳寿命数据的方法。
技术介绍
1、金属材料在作为实际工程应用中，疲劳是一种以为常见的损伤行为。为预防这种损伤行为造成的重大经济损失，需要进行大量的疲劳实验测试，但是由于疲劳实验成本较高，常常仅进行少量的实验，然后通过模型预测或其他数据处理手段实现疲劳寿命的预测，要实现高质量的疲劳寿命预测，不仅需要效果良好的预测模型，好需要质量良好的疲劳寿命实验数据。但是由于疲劳寿命存在极大的离散性，使得疲劳寿命数据质量的判断变得较为困难，并且，仅通过少量的实验数据难以确定是否存在实验异常数据，而且在少量的实验数据基础上进行数据扩充或者预测时，仅一个实验数据异常就可能造成极大的预测误差。因此，为避免实验产生较大的实验误差，需要对疲劳寿命实验数据进行检验，从而能够实现高质量的疲劳寿命数据预测。
2、本数据优化方法利用谢里阳等人提出的不同应力条件下的数据融合方法，将小样本数据通过一致性原理转换为大样本数据。并且基于一致性原理可以发现，当疲劳寿命数据满足正态分布时，在数据质量相同的条件下，利用不同小样本数据得到的同一应力级下的不同大样本数据将具有相同的分布情况，因此可以根据同一应力下的不同当大样本数据之间的差异性判断数据质量，当存在较大的差异性时即表明小样本数据中存在偏离总体规律的数据，通过剔除该类数据即可达到数据优化的效果，本方法通过反复迭代测试，搜索误差较大的实验数据并剔除，实现数据质量优化。
技术实现思路
1、本专利技术的目的是提供一种可行性高的，优化金属材料疲劳寿命数据质量方法。该方法基于一致性原理实现小样本数据扩充，并假设在数据质量一致时，不同疲劳寿命数据融合到同一应力级下的疲劳寿命具有相同分布。因此可以通过计算基于不同小样本疲劳寿命数据融合得到的大样本数据分布差异，检验数据质量优劣。通过反复剔除不同数据并进行疲劳寿命数据融合，结果发现剔除部分数据可以使得不同条件下同一应力级的融合数据更加接近，这表明剔除该数据后，数据质量得到提升，达到了数据质量优化的效果。
2、本专利技术通过下列技术方案实现：一种优化疲劳寿命数据的方法，包括以下步骤：
3、步骤1：选择疲劳极限以上的至少3个应力级进行金属材料疲劳试验，每组应力级下至少获取3组疲劳寿命数据；
4、步骤2：对每组疲劳寿命数据进行初步数据质量评价，剔除明显实验异常数据；
5、步骤3：对步骤2得到的疲劳寿命数据进行数据融合，确定融合数据的应力级；
6、步骤4：将步骤3确定的应力级分别与步骤1确定的应力级组合，每个组合三个应力级，组成2组，对每组进行不同应力级下疲劳寿命数据融合；并计算均值μ1，μ2与标准差σ1，σ2；
7、步骤5：检验一致性原理下，对输出融合数据的融合数据质量进行检验；
8、步骤6：重复步骤3至5；实现不同应力级下的疲劳数据融合；
9、步骤7：剔除步骤4中参与数据融合的任意一个实验数据，重复步骤4至步骤6形成新融合数据，分别计算新融合数据与原始融合数据的均值和标准差，判断新融合数据与原始融合数据之间的均值和标准差之间误差是否大于预设定误差d，是，则剔除该数据，否则，重复步骤7。
10、所述步骤4具体为：
11、步骤4-1：提出金属疲劳寿命分布与应力关系如下：
12、σi＝σ1+k(s1-si) (1)
13、σi为第i应力级下对数疲劳寿命标准差，i＝1，2，..；
14、σ1为融合方向应力级下对数疲劳寿命标准差；
15、si为第i应力级大小；
16、s1为所选融合方向上的应力级大小；
17、k为待定系数，待定系数k值范围为0-1；
18、步骤4-2：提出疲劳寿命分布假设：各应力级下疲劳寿命对数，服从正态分布；
19、步骤4-3：提出不同应力级下的疲劳寿命关系；
20、步骤4-4：计算各应力级下试验疲劳寿命数据对数的平均值μ；
21、步骤4-5：设定步骤4-1中待定系数k值范围；
22、步骤4-6：设定数据融合过程中收敛条件：
23、步骤4-7：将待定系数k值范围区间划分为小区间，在各个k值情况下计算融合结果是否满足收敛条件；
24、步骤4-8：将满足收敛条件的融合数据输出。
25、所述不同应力级下的疲劳寿命关系即一致性原理。
26、所述4-5待定系数k值范围为0-1。
27、所述步骤4-3中不同应力级下的疲劳寿命关系为：
28、
29、nkj为转换到k应力级下的j试样的疲劳寿命；nij为i应力级下的j试样的疲劳寿命；σk为k应力级下的对数疲劳寿命标准差；σi为i应力级下的对数疲劳寿命标准差；μk为k应力级下的对数疲劳寿命均值；μi为i应力级下的对数疲劳寿命均值。
30、所述4-1融合方向为：确定疲劳极限以上的应力水平为融合方向。
31、所述骤4-6数融合过程中收敛条件为：
32、δ＝abs(σ1-σright)<1×10-6 (3)。
33、所述优化疲劳寿命数据的质量是根据判断新融合数据与原始融合数据之间的均值和标准差之间误差与预设定误差的关系，确定融合数据的质量。
34、本专利技术的技术效果：
35、本专利技术基于一致性原理对小样本数据进行数据融合，形成大样本数据，并通过迭代剔除小样本数据，实现小样本数据质量的优化。结果表明，通过该方法可以简单确定偏离总体数据分布的实验数据，从而剔除较差数据实现疲劳寿命数据优化，工程实际的疲劳寿命预测有重要意义。
本文档来自技高网...
【技术保护点】
1.一种优化疲劳寿命数据的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的优化疲劳寿命数据的方法，其特征在于，所述步骤4具体为：
3.据权利要求2所述的优化疲劳寿命数据的方法，其特征在于，所述不同应力级下的疲劳寿命关系即一致性原理。
4.根据权利要求2所述的优化疲劳寿命数据的方法，其特征在于：所述4-5待定系数k值范围为0-1。
5.据权利要求1所述的优化疲劳寿命数据的方法，其特征在于：所述步骤4-3中不同应力级下的疲劳寿命关系为：
6.根据权利要求1所述的优化疲劳寿命数据的方法，其特征在于：所述4-1融合方向为：确定疲劳极限以上的应力水平为融合方向。
7.据权利要求1所述的优化疲劳寿命数据的方法，其特征在于：所述骤4-6数融合过程中收敛条件为：
8.根据权利要求1所述的优化疲劳寿命数据的方法，其特征在于，所述优化疲劳寿命数据的质量是根据判断新融合数据与原始融合数据之间的均值和标准差之间误差与预设定误差的关系，确定融合数据的质量。
【技术特征摘要】
1.一种优化疲劳寿命数据的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的优化疲劳寿命数据的方法，其特征在于，所述步骤4具体为：
3.据权利要求2所述的优化疲劳寿命数据的方法，其特征在于，所述不同应力级下的疲劳寿命关系即一致性原理。
4.根据权利要求2所述的优化疲劳寿命数据的方法，其特征在于：所述4-5待定系数k值范围为0-1。
5.据权利要求1所述的优化疲劳寿命数据的方法，其特征在于：所述步骤4-3中不同...
【专利技术属性】
技术研发人员：李旭东，姚建尧，张仕朝，刘许旸，苏彬，
申请(专利权)人：中国航发北京航空材料研究院，
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。