7050铝合金疲劳极限预测网络

小样本训练预测疲劳极限

一种浅深混合神经网络，仅用少量低周疲劳数据训练，就能推导出不同应力比和应力集中系数下的材料疲劳极限。

Yunze, Li · Chao, Dong · Chao, Jiang · 赵延广 · Zhao, Dewang

Engineering Failure Analysis 2025

参数信息

试验工况数

5

技术优势

省时

以相对低周疲劳试验数据训练，无需大量S-N曲线数据，就实现数据推导并预测疲劳极限。

适应多工况

模型针对不同应力比和应力集中系数进行训练，能快速评估多种工况下的疲劳性能。

应用场景

• 航空结构材料疲劳评估：用于航空结构材料疲劳评估，替代耗时的大量试验获取S-N曲线。
• 机械部件疲劳寿命预测：用少量低周数据训练模型，预测不同工况下疲劳极限，指导部件寿命设计。
• 材料性能快速表征：通过数据推导快速获得材料疲劳极限，加速性能表征过程。