基于小样本量的航空发动机材料高低周复合疲劳P-S-N曲线优化方法

作     者：蔡培 袁辉 徐鹤鸣 张屹尚 侯乃先 CAI Pei;YUAN Hui;XU Heming;ZHANG Yishang;HOU Naixian

作者机构：中国航发商用航空发动机有限责任公司先进技术研究部上海200241 

出 版 物：《材料工程》 (Journal of Materials Engineering)

年 卷 期：2024年第52卷第10期

页      面：117-126页

核心收录：

学科分类：07[理学] 08[工学] 070104[理学-应用数学] 0701[理学-数学] 080102[工学-固体力学] 0801[工学-力学（可授工学、理学学位）] 

基　　金：国家科技重大专项项目(J2019-Ⅳ-0016-0084,J2022-Ⅳ-0007-0023) 上海市科委青年科技启明星计划(21QB1406300) 

主　　题：疲劳 P-S-N曲线 小样本 数据处理 

摘      要：航空发动机材料的高低周复合疲劳P-S-N曲线是评估转子部件寿命的重要依据。然而,P-S-N曲线的确定对实验时间和材料成本均有较高的要求。基于物理信息机器学习方法,提出了基于小样本量的高低周复合疲劳P-S-N曲线的优化处理方法。该方法将等效寿命原理及寿命分布一致性判据通过损失函数引入极限学习机(ELM)模型,并考虑了上层输入变量和下层ELM模型参数的双层优化策略。随后通过应用疲劳实验数据,对比分析该方法与数据驱动机器学习方法以及传统P-S-N曲线拟合方法进行。结果表明:该方法不仅有效地解决了拟合过程中应力水平与高低周复合疲劳寿命标准差不呈线性关系的问题,且拟合得到的概率疲劳寿命分布与母体真值更为接近,具有较高的准确性。