基于機器學(xué)習的結(jié)構(gòu)鋼疲勞壽命預(yù)測
1.研究背景結(jié)構(gòu)鋼的疲勞失效是機械工程領(lǐng)域的重大挑戰(zhàn),傳統(tǒng)方法(如基于S-N曲線的線性Palmgren-Miner模型)無法充分捕捉非線性疲勞行為與載荷序列效應(yīng)。近年來,人工智能(AI)與機器學(xué)習(ML)技術(shù)為疲勞壽命預(yù)測提供了新思路,但現(xiàn)有研究多聚焦單一材料或復(fù)雜深度學(xué)習模型,缺乏對多種鋼材的通用性模型及計算效率的對比分析。2.研究方法數(shù)據(jù)來源采用日本國立材料科學(xué)研究所(NIMS)數(shù)據(jù)庫及挪威斯塔萬格大學(xué)(UiS)實驗數(shù)據(jù),涵蓋5種結(jié)構(gòu)鋼(S25C-S55C)及NVD36鋼...