[发明专利]一种基于疲劳特征域的焊接接头疲劳寿命智能预测方法

说明书

本发明提供一种基于疲劳特征域的焊接接头疲劳寿命智能预测方法，包括如下步骤：收集焊接接头疲劳试验样本数据，建立焊接接头疲劳试样数据库；对数据进行预处理，剔除不完整有缺失的数据；建立焊接接头疲劳决策系统；采用邻域粗糙集属性约简的前向贪心算法对疲劳决策系统进行约简，获得焊接接头疲劳寿命影响关键因素集；划定疲劳特征域；依据得到的等效结构应力范围‑寿命表征的试验结果数据，在划定的疲劳特征域内建立SVM模型；依据建立的SVM模型进行焊接接头疲劳寿命预测。本发明可以综合考虑焊接接头疲劳寿命各关键影响因素的影响，进一步降低疲劳试样分散度水平，提高焊接接头疲劳寿命预测精度。

技术领域

本发明涉及一种焊接疲劳分析方法，尤其涉及一种基于疲劳特征域的焊接接头疲劳寿命智能预测方法。

背景技术

焊接是一种重要的先进制造技术，在工业生产和国民经济建设中起着非常重要的作用。焊接结构具有强度高、密封性好、结构设计灵活性高、工艺简洁、易修复等技术优势，已广泛应用于许多工业部门的金属结构制造中。焊接工艺特点及接头的几何不连续性等致使其疲劳强度远低于母材的疲劳强度，已有的研究结果表明：由疲劳破坏所引起的焊接结构失效是产品使用期内失效的最主要方式。因此，焊接结构的疲劳设计及寿命预测的可靠性直接决定了其使用的安全性，特别对于高速轨道交通装备，随着车辆运行速度的不断提升，在轮轨振动激励、气动冲击等载荷的共同作用下，车辆焊接结构承受的载荷状况较常规铁道车辆变得更为复杂，这对焊接结构疲劳寿命分析的可靠性提出了更高的要求。

现有技术中，焊接结构疲劳分析及预测方法主要有名义应力法、热点应力法、断裂力学法和主S-N曲线法。如中国专利(授权公告号为CN103077320B)“一种基于粗糙集理论的焊接疲劳分析方法”中采用的是基于经典粗糙集进行焊接接头疲劳寿命影响因素分析，由于经典粗糙集是基于等价关系基础之上的，不能直接处理取值连续的属性，需要首先对各影响因素进行离散化，离散化的过程难免会造成信息丢失。

而本发明的方法是基于邻域粗糙集进行焊接接头疲劳寿命影响因素的分析，不需要进行离散化处理，可以直接处理取值连续的属性，避免了离散化带来的信息的丢失。而且，在本发明中首次提出了“疲劳特征域”的概念和划定方法。在划定疲劳特征域内建立焊接接头疲劳寿命预测的支持向量机(Support Vector Machine，SVM)模型，实现对焊接接头疲劳寿命预测。

发明内容

根据上述提出的技术问题，而提供一种基于疲劳特征域的焊接接头疲劳寿命智能预测方法。本发明主要以邻域粗糙集知识粒度理论属性约简得到的焊接接头疲劳寿命关键影响因素集为依据划定疲劳特征域，在各疲劳特征域内建立焊接接头疲劳寿命预测的支持向量机(Support Vector Machine,SVM)模型，从而综合考虑焊接接头疲劳寿命各关键影响因素的影响，进一步降低疲劳试样分散度水平，提高焊接接头疲劳寿命预测精度。

本发明采用的技术手段如下：

一种基于疲劳特征域的焊接接头疲劳寿命智能预测方法，其特征在于，包括如下步骤：

S1、收集焊接接头疲劳试验样本数据，建立焊接接头疲劳试样数据库；

S2、对数据进行预处理，人工剔除其中信息不完整、有缺失的数据；

S3、依据预处理之后的数据建立焊接接头疲劳决策系统；

S4、采用邻域粗糙集属性约简的前向贪心算法对疲劳决策系统进行约简，获得焊接接头疲劳寿命影响关键因素集；

S5、以获得的关键影响因素集为依据，划定疲劳特征域；

S6、依据得到的等效结构应力范围-寿命表征的试验结果数据，在划定的疲劳特征域内建立SVM模型；

S7、依据建立的SVM模型进行焊接接头疲劳寿命预测。