机械工程学报

作者：赵德望, 姜超, 赵延广, 杨文平, 樊俊铃

单位：1. 安徽理工大学机电工程学院 淮南 232000;2. 大连理工大学工程力学系 大连 116024;3. 哈尔滨工程大学航天与建筑工程学院 哈尔滨 150001;4. 中国飞机强度研究所强度与结构完整性全国重点实验室 西安 710065

关键词：铝锂合金,疲劳性能,浅层网络,深度学习；

基金：安徽省自然科学基金(2308085ME166)、安徽省高校科学研究重点(KJ2021A0417)、航空科学基金(20200009023004)和中国博士后科学基金面上(2020M680947)资助项目。

铝锂合金以其优异的力学性能在航空航天领域有着愈发重要的应用，是目前发展最为迅速的轻量化材料之一。疲劳与断裂是引起航空航天结构件失效的主要原因之一，且疲劳破坏具有很强的不确定性和突发性，因此针对铝锂合金疲劳性能评估及预测成为研究热点。开展考虑取样方向、缺口等因素的2A97铝锂合金疲劳试验，获得8组完整S-N曲线，分析相关因素对铝锂合金疲劳性能的影响；提出一种基于浅层网络＋深度学习的混合神经网络模型，首先利用浅层算法对低周疲劳试验数据进行训练，实现了数据衍生，进而通过深度学习精准预测出不同工况下的铝锂合金疲劳极限。该方法为快速精确评估材料疲劳性能研究提供新的解决思路。

来源：2024年第16期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2024年第16期