[发明专利]一种铆接结构的疲劳预测方法、装置及设备、存储介质

权利要求书

1.一种铆接结构的疲劳预测方法，包括：

获取第一激励信号通过铆接结构后产生的接收信号，以及对应的裂纹长度数据；根据所述接收信号获取第一疲劳特征参数；利用所述第一疲劳特征参数及对应的裂纹长度数据，训练神经网络模型，并在获取新的疲劳特征参数及对应的裂纹长度数据后更新所述神经网络模型；

以预设加载周期在待预测的铆接结构施加载荷后，获取第二激励信号通过所述待预测铆接结构后产生的监测信号；根据所述监测信号获取第二疲劳特征参数；将所述第二疲劳特征参数输入到所述神经网络模型，得到裂纹长度；

根据不同加载周期下所得的所述裂纹长度以及施加的载荷确定裂纹扩展的物理机理模型；

根据所述物理机理模型进行疲劳预测。

2.根据权利要求1所述的疲劳预测方法，其特征在于，根据所述接收信号获取第一疲劳特征参数，或者，根据所述监测信号获取第二疲劳特征参数，包括：

对所述第一激励信号和所述接收信号进行预处理后，获取第一疲劳特征参数，所述预处理包括获取所述第一激励信号的中心频率，以及，对所述接收信号进行降噪；

或者，对所述第二激励信号和所述监测信号进行预处理后，获取第二疲劳特征参数，所述预处理包括获取所述第二激励信号的中心频率，以及，对所述监测信号进行降噪。

3.根据权利要求1所述的疲劳预测方法，其特征在于，所述第一疲劳特征参数或第二疲劳特征参数包括n_j，还包括以下至少之一：

其中，n_j为第j次观测时在所述铆接结构上加载载荷的加载周期数，x_1.j，x_2.j为第j次观测的特征量，为加载周期为n_ω时所述激励信号首个波峰传播至接收传感器时所对应的幅值，为加载周期为n_ω时所述激励信号首个波峰传播至接收传感器时所对应的时刻，当加载周期为n₁时，x_1.1＝0并且x_2.1＝0，所述接收传感器为接收所述监测信号的传感器。

4.根据权利要求1所述的疲劳预测方法，其特征在于，所述神经网络模型为贝叶斯正则化前馈神经网络模型。

5.根据权利要求1至4任一所述的疲劳预测方法，其特征在于，所述根据不同加载周期下所得的所述裂纹长度以及施加的载荷确定裂纹扩展的物理机理模型包括：

将物理机理模型取对数，得到：

log(da/dN)＝log[C×(1-R)²]+m×log[ΔK/(1-R)]

根据不同加载周期下所得的所述裂纹长度以及施加的载荷确定log(da/dN)和log[ΔK/(1-R)]，拟合得到所述C，m；

其中，为裂纹扩展速率，K_max为载荷峰值应力强度因子，ΔK为应力强度因子幅值，C，m为拟合参数；其中，ΔK＝K_max-K_min，R＝σ_max/σ_min，σ_max为载荷峰值，σ_min为载荷谷值，a为裂纹长度，Y为已知的几何因子。

6.根据权利要求5所述的疲劳预测方法，其特征在于，根据所述物理机理模型进行疲劳预测包括以下至少之一：

根据所述物理机理模型预测裂纹扩展趋势；

根据所述物理机理模型预测所述待预测的铆接结构的剩余寿命：

其中，N_RUL(n)表示加载周期为n时的疲劳剩余寿命，a₀为所述待预测的铆接结构的初始裂纹长度，a_c为所述待预测的铆接结构的裂纹长度阈值。