申请/专利权人：四川大学

申请日：2024-02-18

公开（公告）日：2024-03-19

公开（公告）号：CN117725846A

主分类号：G06F30/27

分类号：G06F30/27;G06N3/0464;G06N3/084;G16C60/00;G06N3/0455;G06F119/04

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：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。

主权项：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。

全文数据：

权利要求：

百度查询： 四川大学 一种基于深度学习的低周疲劳寿命预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD