买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京航空航天大学申请的专利一种数据和物理双驱动的机械零件低周疲劳寿命预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119670499B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411805294.5，技术领域涉及：G06F30/23；该发明授权一种数据和物理双驱动的机械零件低周疲劳寿命预测方法是由刘茜;胡殿印;闫浩;陈欢欢;王荣桥;陈高翔设计研发完成，并于2024-12-10向国家知识产权局提交的专利申请。

本一种数据和物理双驱动的机械零件低周疲劳寿命预测方法在说明书摘要公布了：本发明涉及一种数据和物理双驱动的机械零件低周疲劳寿命预测方法，包括：步骤S1：开展机械零件有限元分析，确定危险部位的最大应力、应变值；步骤S2：获取低周疲劳失效的试验数据，以应力、应变为输入，设计并开展机械零件材料试验件低周疲劳试验，获取试验应力、应变和低周疲劳循环试验数据；步骤S3：获取低周疲劳失效的物理知识，结合存量数据开展材料低周疲劳物理知识分析，获取疲劳寿命和应力的物理知识；步骤S4：建立物理信息神经网络模型，输入包括试验数据和物理知识；步骤S5：开展机械零件多危险部位的低周疲劳寿命预测。以危险部位的最低寿命作为机械零件的寿命。本发明可显著提高寿命预测精度。

本发明授权一种数据和物理双驱动的机械零件低周疲劳寿命预测方法在权利要求书中公布了：1.一种数据和物理双驱动的机械零件低周疲劳寿命预测方法，其特征在于，包括步骤如下： 步骤S1：确定危险部位应力应变分布，包括：开展机械零件有限元分析获取应力、应变分布，确定危险部位应力、应变值； 步骤S2：获取数据，包括：以应力、应变为输入，设计并开展机械零件材料试验件低周疲劳试验，获取试验应力、应变和低周疲劳循环试验数据； 所述步骤S2的具体步骤为： 步骤S21：首先确定试验需要依据的试验标准和规范，由此制订试验方案； 步骤S22：根据确定的危险部位的应力和应变值，确定试验条件，试验模拟实际工作条件下的载荷与环境，选择合适的材料试样，试样形状是标准的拉伸试样、平板试样或专门加工的特征模拟件试样，试样的尺寸满足试验机的要求，并保证应力分布均匀，确定加载方式和载荷级别，低周疲劳试验施加循环载荷； 步骤S23：在试验机上对试样施加循环载荷，试验机配备应变片、应变计或位移传感器，以实时监测试样的应变响应，试验过程中，记录每次加载循环的应力、应变值，以及对应的循环次数，直至试样发生断裂或明显损伤，将试验中获得的原始数据进行采集，包括每个循环的应力-应变曲线、循环次数，对数据进行处理和整理，生成应力-应变曲线图、疲劳寿命曲线；对不同条件下的数据进行统计分析，提取出疲劳寿命的分布特征，包括平均寿命、标准差、置信区间； 步骤S3：获取低周疲劳失效的物理知识，包括：结合存量数据开展材料低周疲劳物理知识分析，获取疲劳寿命和应力的物理知识； 所述步骤S3的具体步骤为： 步骤S31：首先开展存量数据分析，收集与当前材料和工况相关的历史疲劳数据和文献资料，包括低周疲劳试验结果、疲劳曲线、材料本构模型，对数据进行分析，提取出机械零件的应力、应变范围下的疲劳行为； 步骤S32：结合试验数据和存量数据，分析材料的疲劳行为；通过拟合试验数据，确定物理模型中的材料常数和疲劳参数，使用物理模型预测不同应力水平下的疲劳寿命，形成应力-寿命曲线即S-N曲线、应变-寿命曲线即ε-N曲线； 步骤S33：将试验数据与物理模型的结果结合，形成一个低周疲劳寿命知识库，分析应力、应变、循环次数与疲劳寿命之间的关系，提取出关键的物理规律；包括：随着应力幅度的减小，疲劳寿命的方差增加；疲劳寿命随着应力幅度的增加而呈单调递减趋势；当应力幅度减小到疲劳极限时，S-N曲线的曲率随着应力的减小而减小； 步骤S4：建立物理信息神经网络模型，输入包括试验数据和物理知识； 步骤S5：开展机械零件多危险部位的低周疲劳寿命预测，以危险部位的最低寿命作为机械零件的寿命； 所述步骤S4的具体步骤为： 步骤S41：设置网络架构包含三个层：输入层，隐藏层和输出层，设置隐藏层个数为1，输出层有两个输出神经元：平均值和标准差，损失函数使用负对数似然函数，即： 1 式中，n为训练数据的个数，x和y分别是输入和输出变量，θ是神经网络参数的集合，，表示给定输入变量x和神经网络参数θ时，输出变量y的条件概率密度函数，，表示给定输入变量x和神经网络参数θ时，输出变量y的累积分布函数，是失效指标，表示为： 2 对于输入层，神经网络的定义没有使用激活函数，对隐藏层的神经元使用双曲正切激活函数tanh，tanh激活函数的表达式为： 3 式中，z是对应神经元的输出； 输出层的均值使用线性激活函数，线性激活函数的表达式为： 4 选择指数线性单位elu激活函数，elu激活函数的表达式为： 5 步骤S42：网络输入变量x是应力幅度，输出变量y是预测疲劳寿命的均值μ和标准差σ； 通过计算物理指标关于应力幅度的导数，并施加需要满足的条件，即物理约束，将步骤S3确定的物理知识表示为物理约束，具体如下： 1应力幅度减小，疲劳寿命的方差增加：标准差的一阶导数为负数： 6 2疲劳寿命随着应力幅度的增加而单调递减：均值一阶导数为负数： 7 3应力寿命曲线的曲率随着应力幅度的减小而减小：均值二阶导数为正数： 8 步骤S43：为了结合物理知识，将神经网络的训练表述为约束优化问题： 9 以上三个约束条件需要同时成立； 步骤S44：采用罚函数法求解式9中的优化问题，将有约束优化问题转化为无约束优化问题，因此将复合损失函数定义为： 10 式中，L0θ为式1中的负对数似然函数，L1θ为第一个物理约束对应的损失函数，表达式为： 11 L2θ为第二个物理约束对应的损失函数，表达式为： 12 L3θ为第三个物理约束对应的损失函数，表达式为： 13 其中，，，是惩罚因子； 步骤S45：按照上述网络设置训练物理信息神经网络，用于后续机械零件低周疲劳寿命的预测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。