机械工程学报

作者：范志明, 甘磊, 淦志强, 王谙斌, 苏永辉, 吴昊

单位：1. 同济大学航空航天与力学学院 上海 200092;2. 哈尔滨工业大学(深圳)理学院 深圳 518055

关键词：增材制造,疲劳寿命预测,数据驱动,迁移学习,聚类；

基金：国家自然科学基金资助项目(12372081, 11972255)。

数据驱动模型因其强大的高维非线性建模能力而被广泛用于预测增材制造材料的疲劳寿命。然而，受限于增材疲劳中广泛存在的小样本工况，该类模型在实际应用中往往无法获得足量的训练数据，适用范围因此仍十分有限。针对这一问题，通过引入迁移学习，在迁移成分分析框架下开展源域数据融合及基于聚类指标的超参数优化，提出了一种小样本增材制造疲劳寿命预测模型。该模型可协同利用不同工况下的实验数据对疲劳寿命进行建模，因此能够有效弥补单一工况下数据不足和多工况下数据分布不一致等问题。基于激光粉末床熔融成形316L不锈钢实验数据，开展了模型验证。结果显示：相较于未配置迁移学习和聚类指标以及未进行源域数据融合的几类退化模型，所提模型兼具更优的预测性能和更低的数据需求，对于处理增材疲劳寿命显示出良好的应用潜力。

来源：2025年第17期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2025年第17期