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。