航空发动机压气机叶片材料TC17超高周疲劳试验周期长、成本高,且疲劳寿命数据分散度大,导致其疲劳寿命预测较难,预测模型精度不高。机器学习(ML)具有强大的数据处理能力,采用了蒙特卡罗模拟(MCS)对TC17超高周疲劳寿命数据进行了有效的扩展和增强,提出了一种具有动态记忆建模能力的机器学习网络模型,可检验MCS的有效性和提高超高周疲劳寿命数据预测的准确性。研究结果表明,应力比R=0.1工况下经MCS数据增强作用后的网络模型预测精度最大可提高约63.05%,预测结果均在5.0倍分散带以内。
资料为PDF文档格式.
本文档关键词:合金,机器,预测,超高,学习
