← 返回列表
一种基于深度学习的低周疲劳寿命预测方法
摘要文本
本发明公开了一种基于深度学习的低周疲劳寿命预测方法，属于寿命预测技术领域，包括以下步骤：S1、获取金属材料的应力应变数据，并根据应力应变数据生成滞回曲线图像；S2、构建ConTrans模型；S3、将滞回曲线图像输入至ConTrans模型中，确定金属材料的寿命。本发明与现有的机器学习算法相比，能够高保真地利用滞回曲线图像的全局以及局部信息，实现端到端的映射函数，提高疲劳寿命预测的精度和通用性。。来自马-克-数-据-官网
申请人信息
- 申请人:四川大学
- 申请人地址:610000 四川省成都市武侯区一环路南一段24号
- 发明人: 四川大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于深度学习的低周疲劳寿命预测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410180390.9 |
| 申请日 | 2024/2/18 |
| 公告号 | CN117725846A |
| 公开日 | 2024/3/19 |
| IPC主分类号 | G06F30/27 |
| 权利人 | 四川大学 |
| 发明人 | 张宏; 杨洋; 张博; 胡正玮; 刘永杰; 王清远 |
| 地址 | 四川省成都市武侯区一环路南一段24号 |
专利主权项内容
1.一种基于深度学习的低周疲劳寿命预测方法，其特征在于，包括以下步骤：S1、获取金属材料的应力应变数据，并根据应力应变数据生成滞回曲线图像；S2、构建ConTrans模型；S3、将滞回曲线图像输入至ConTrans模型中，确定金属材料的寿命。