申请/专利权人：中国石油大学(华东)

申请日：2023-09-27

公开（公告）日：2024-04-16

公开（公告）号：CN117332688B

主分类号：G06F30/27

分类号：G06F30/27;G06N3/048;G06F119/04;G06F119/14;G06F111/06

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2024.02.06#实质审查的生效;2024.01.02#公开

摘要：本发明属于海洋工程技术领域，公开了随机荷载作用下X80管道钢疲劳裂纹扩展预测方法及系统，采用逐周数值积分方法开发随机加载下深水立管疲劳裂纹扩展程序；将深水立管材料力学特性参数、结构几何尺寸、初始裂纹长度及模型参数输入程序，同时按照实际加载次序输入随机载荷谱；通过修正Wheeler模型计算上一加载循环导致的超载迟滞系数，再调用试验数据训练完成的改进深度学习模型，根据应力比和应力强度因子范围并结合超载迟滞系数计算本次加载循环下裂纹长度增量，循环上述步骤计算全部随机加载循环下疲劳裂纹长度变化。本发明克服现有深水立管疲劳裂纹扩展预测方法难以准确预测随机荷载作用下疲劳裂纹扩展缺陷，减少模型过拟合风险。

主权项：1.一种随机荷载作用下X80管道钢疲劳裂纹扩展预测方法，其特征在于，该方法包括以下步骤：S1，将不同应力比下疲劳裂纹扩展试验数据导入深度学习模型中进行训练，得到预测任意应力比作用下裂纹扩展速率的改进深度学习模型；S2，采用逐周数值积分方法构建随机加载下深水立管疲劳裂纹扩展程序，将深水立管力学特性参数、结构几何尺寸、初始裂纹长度及模型参数输入深水立管疲劳裂纹扩展程序，同时按照实际加载次序输入随机载荷谱；S3，在每次加载循环中，调用预测裂纹扩展速率的改进深度学习模型得到应力比作用下疲劳裂纹扩展速率；分析上一次加载循环引起的超载迟滞效应，基于修正Wheeler模型对本次加载循环下疲劳裂纹扩展速率进行修正；在步骤S3中，分析上一次加载循环引起的超载迟滞效应，包括：基于Wheeler模型引入超载迟滞系数，模拟随机荷载作用下疲劳裂纹扩展过程中的超载迟滞效应，表达式为：dakdN＝DeeplearningnetR,ΔK式中，dakdN为第k次加载循环下疲劳裂纹扩展速率，Deeplearningnet为改进深度学习模型，R为应力比，ΔK为裂纹尖端应力强度因子幅；基于修正Wheeler模型对本次加载循环下疲劳裂纹扩展速率进行修正，表达式为：Δak＝dadN×Mp＝DeeplearningnetR,ΔK×Mp式中，Δak为第k次加载循环下疲劳裂纹扩展速率，Mp为载荷次序修正因子；Wheeler模型中裂纹扩展速率的计算公式为： 式中，为疲劳裂纹扩展速率，ΔK为裂纹尖端应力强度因子幅，C为材料参数；N为载荷循环次数，m为实验数据拟合得到的常数； 式中，Cp为载荷次序修正系数，ry为当前疲劳循环载荷形成塑性区尺寸，aol为超载峰作用位置疲劳裂纹长度，rol为超载形成塑性区尺寸，a为疲劳裂纹长度，ap为塑性区尺寸因子，n1为超载形状系数，Kmax为常幅循环载荷应力强度因子峰值，σy为材料屈服应力，为超载应力强度因子峰值，n1为超载形状系数；S4，调用预测任意应力比作用下裂纹扩展速率的改进深度学习模型，根据应力比和应力强度因子范围并结合超载迟滞系数计算本次加载循环下裂纹长度增量，根据随机加载谱计算全部加载循环下深水立管疲劳裂纹长度变化；在步骤S4中，根据随机加载谱计算全部加载循环下深水立管疲劳裂纹长度变化，表达式为： 式中，ai为第i次加载循环时疲劳裂纹长度，a0为初始裂纹长度，Δak为第k次加载循环时疲劳裂纹扩展速率，i为随机加载循环次数。

全文数据：

权利要求：

百度查询： 中国石油大学(华东) 随机荷载作用下X80管道钢疲劳裂纹扩展预测方法及系统

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