【技术实现步骤摘要】
本专利技术属于疲劳可靠性领域，特别涉及一种缺陷诱导失效下金属疲劳寿命预测技术。
技术介绍
1、随着工业化进程的突飞猛进，重大装备正朝着精密化、复杂化及高可靠性、高安全性的方向发展。部件和结构的疲劳性能通常由制造过程中(铸造、锻造和增材制造技术)不可避免引入的缺陷控制，这些缺陷相对于给定微观结构的理论性能显著降低了疲劳强度和总体寿命同时也是寿命分散的主要来源之一。增材制造技术由于其在大型复杂构件成形制造中的显著优势，已成为推动航空、航天领域重大装备跨越式发展的前沿技术之一。然而，由增材制造技术所引入的随机制造缺陷使其在疲劳载荷工况下的采用仍是一个挑战。重大装备向高可靠性、高安全性发展的方向，对缺陷诱导失效下关键构件的疲劳性能退化进行全面评估对其工程应用至关重要。
2、迄今为止，在增材制造金属等缺陷诱导下的疲劳失效行为研究上已有较深的积累，研究者期望找到一种能合理可靠地预测缺陷诱导失效下金属疲劳寿命预测方法。得益于计算机断层扫描提供制造缺陷的精细化特征，缺陷对疲劳性能影响的研究表明，缺陷的尺寸、形状和位置是影响疲劳性能的主要因素...
【技术保护点】
1.缺陷诱导失效下的多保真物理信息神经网络疲劳寿命预测方法，其特征在于，包括：
2.根据权利要求1所述的缺陷诱导失效下的多保真物理信息神经网络疲劳寿命预测方法，其特征在于，所述试验条件包括应力范围△σ；
3.根据权利要求2所述的缺陷诱导失效下的多保真物理信息神经网络疲劳寿命预测方法，其特征在于，对疲劳数据库中的数据进行扩展的过程为：
4.根据权利要求3所述的缺陷诱导失效下的多保真物理信息神经网络疲劳寿命预测方法，其特征在于，扩展后的疲劳数据库中包括的扩展特征为△K、△σ/σw、Y。
5.根据权利要求4所述的缺陷诱导失效下...
【技术特征摘要】
1.缺陷诱导失效下的多保真物理信息神经网络疲劳寿命预测方法，其特征在于，包括：
2.根据权利要求1所述的缺陷诱导失效下的多保真物理信息神经网络疲劳寿命预测方法，其特征在于，所述试验条件包括应力范围△σ；
3.根据权利要求2所述的缺陷诱导失效下的多保真物理信息神经网络疲劳寿命预测方法，其特征在于，对疲劳数据库中的数据进行扩展的过程为：
4.根据权利要求3所述的缺陷诱导失效下的多保真物理信息神经网络疲劳寿命预测方法，其特征在于，扩展后的疲劳数据库中包括的扩展特征为△k、△σ/σw、y。
【专利技术属性】
技术研发人员：朱顺鹏，王蓝仪，罗昌齐，张甜甜，王清远，张廷杰，邹皓，孟德彪，
申请(专利权)人：电子科技大学，
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。