【技术实现步骤摘要】
本专利技术属于疲劳寿命预测领域，具体涉及一种考虑焊接制造工艺影响的焊缝多轴疲劳寿命预测方法。
技术介绍
1、随着制造业需求的提升和人工智能技术的飞速发展，智能制造在全球范围内广泛兴起。智能制造通过实现生产过程的全面互联和自动化，提升了生产效率和产品质量，满足了个性化定制的需求，推动制造业向高效、精准和智能化方向转型。在智能制造的背景下，传统焊接技术通过融合智能制造新方法实现创新与优化，显著提升焊接工艺的精度，在海洋工程、航空航天等多个高
展现出更高的应用潜力和技术优势。
2、在工程应用中，疲劳破坏是常见且危险的失效形式之一。作为结构的薄弱环节，焊缝部位尤其容易发生疲劳失效，因此针对焊缝的多轴疲劳性能研究具有重要意义。同时，焊接工艺参数对焊缝的疲劳性能有显著影响，然而，由于焊接过程涉及众多工艺参数，其相互作用复杂，难以确定最优组合形式。这为疲劳性能的分析带来了巨大挑战，也限制了最佳工艺参数组合的探索。综上所述，迫切需要建立一种能够适用于复杂工艺条件并准确预测焊缝疲劳寿命的方法，以促进新型焊接制造技术在工程中的广泛应用与发展。
3、传统的疲劳寿命预测模型大多基于断裂力学和连续损伤力学等经典理论，主要关注材料缺陷的尺寸、位置等组织形貌特征与疲劳寿命之间的关系。然而，这类模型难以充分考虑焊接工艺参数的变化对疲劳寿命的影响，导致在工况条件变化时预测精度和可靠性较低，限制了其在不同工艺场景下的泛用性，且无法为最优工艺参数的选择提供有效指导。在现有能够建立“工艺参数-疲劳寿命”关系的模型中，基于有限元数值仿真的方
技术实现思路
1、本专利技术的目的是为了克服以上的不足，提供一种考虑制造工艺影响的多参数焊缝疲劳寿命预测方法，利用特征分析减小不同工艺参数造成的焊缝疲劳性能变化对模型的影响，增强模型在复杂工艺条件下的泛化能力，进而利用已有多工况数据，辅助目标工况下的寿命预测，降低数据需求量；进一步地，该方法基于k均值聚类构造了超参数优化指标，通过参数寻优算法对特征分析进行优化，从而增强复杂工况间的协调效果，保证预测精度。
2、本专利技术的目的通过以下技术方案来实现：一种考虑制造工艺影响的多参数焊缝疲劳寿命预测方法，步骤包括，
3、s1、确定需要预测的焊接制造工艺参数和焊缝疲劳寿命数据，分别记作源域和目标域；
4、s2、基于目标域参数，借助焊接试样，开展盲孔法试验以获得目标域数据下材料的残余应力；
5、s3、基于步骤s2中的材料试样，开展少量疲劳试验，记录加载情况和试验寿命；
6、s4、将步骤s2中材料的工况参数、残余应力和步骤s3中的加载数据作为模型输入，步骤s3中的寿命数据作为模型输出，记作目标域含寿命数据；
7、s5、将步骤s2中材料的工况参数、残余应力和待预测的加载数据作为模型输入，记作目标域待预测数据；
8、s6、将步骤s1中已有的工艺参数源域数据和步骤s4中目标域含寿命数据融合，作为训练数据；
9、s7、将步骤s6中训练数据和步骤s5中目标域待预测数据的模型输入，输入到特征成分分析中，获得映射后的训练数据和映射后的预测数据,仅映射模型输入，不改变模型输出；
10、s8、使用步骤s7中映射后的训练数据训练神经网络模型；
11、s9、将步骤s7中映射后的预测数据输入步骤s8中训练的神经网络模型，获得输出的预测寿命。
12、本专利技术的进一步改进在于：步骤s7中特征成分分析优化的具体步骤包括，
13、s71、对训练数据和目标域待预测数据进行特征成分分析映射，得到映射后训练数据和映射后预测数据；
14、s72、基于k均值聚类，分别对步骤a中映射后训练数据和映射后预测数据进行聚类分析，得到训练数据聚类中心和预测数据聚类中心；
15、s73、计算步骤b中训练数据聚类中心和预测数据聚类中心的距离，若大于s，则更新特征分析中超参数后重复上述步骤，当距离小于s时，得到最优特征映射。
16、本专利技术的进一步改进在于：具体步骤包括，
17、 a、将已有的考虑不同工况下焊缝疲劳寿命试验数据记为源域ds={xs，ys}；其中，xs为模型输入，包含焊接工艺参数、残余应力和加载参数，ys为模型输出，即对应多轴加载工况下的疲劳寿命；
18、b、将待预测的焊接制造工况记作目标域，进行盲孔法试验后得到dt={xt}；
19、c、对目标域工况进行少量疲劳试验，记为dg={xg，yg}；
20、d、将ds与dg融合，得到训练数据dtrain={xsg，ysg}，目标域中未进行疲劳试验的待预测数据记为dtest={xtg}；
21、e、对训练数据和目标域待预测数据的模型输入（xsg和xtg）进行特征成分分析映射；
22、f、对特征成分分析中超参数进行参数寻优；
23、h、使用步骤e中最优特征成分映射得到的映射后训练数据训练神经网络ann模型；
24、i、将步骤e中最优特征成分映射得到的映射后预测数据输入步骤h中训练好的ann模型，得到预测寿命。
25、本专利技术的进一步改进在于：步骤e中特征分析映射的具体步骤包括，
26、e1、特征成分分析假设存在特征映射，使映射后的源域和目标域在新的特征空间中的边缘分布尽可能相似；
27、e2、为求解特征映射，特征分析采用神经正切核法(ntk)衡量源域与目标域的距离：
28、 (1)
29、其中，ns, nt, ng分别为源域、目标域和目标域含寿命数据的样本数量，，，ω为权重参量，ω0为算数平均，▽为雅可比矩阵，表示再生核希尔伯特空间范数；
30、e3、采用核函数矩阵k和系数矩阵l化简运算，得到ntk=tr(kl)：
31、 (2)
32、 (3)
33、tr(·)表示矩阵的迹；
34、e4、得到特征优化目标为：
35、 (4)
36、其中是正则化参数，用于防止过拟合；
37、e5、解式(4)得到映射矩阵w，与核函数矩阵相乘wtk，则映射后训练数据和映射后预测数据的模型输入（和）分别为wtk的前(ns +ng)行和后(nt-ng)行。
38、本专利技术的进一步改进在于：步骤f对特征成分分析中超参数l进行参数寻优，具体步骤包括，
39、f1、采用k均值聚类分别对和进行聚类，得到各自的聚类中心cs和ct；
40、f2、计算cs和ct的距离；
41、f3、比较设置了不同l值的特征分析映射后的cd值，通过超参数寻优算法，在给定的较大范围搜索出使cd值最小的l值。
42、本专利技术的进一步改进在于：步骤f3中，超参数寻本文档来自技高网...
【技术保护点】
1.一种考虑制造工艺影响的多参数焊缝疲劳寿命预测方法，其特征在于：步骤包括，
2.根据权利要求1所述一种考虑制造工艺影响的多参数焊缝疲劳寿命预测方法，其特征在于：所述步骤S7中特征成分分析优化的具体步骤包括，
3.根据权利要求2所述一种考虑制造工艺影响的多参数焊缝疲劳寿命预测方法，其特征在于：具体步骤包括，
4.根据权利要求3所述一种考虑制造工艺影响的多参数焊缝疲劳寿命预测方法，其特征在于：所述步骤E中特征分析映射的具体步骤包括，
5.根据权利要求4所述一种考虑制造工艺影响的多参数焊缝疲劳寿命预测方法，其特征在于：所述步骤F对特征成分分析中超参数l进行参数寻优，具体步骤包括，
6.根据权利要求5所述一种考虑制造工艺影响的多参数焊缝疲劳寿命预测方法，其特征在于：所述步骤F3中，超参数寻优算法为较稳定的网格搜索法，最终确定最优焊接工艺参数组合。
7.根据权利要求6所述一种考虑焊接制作工艺影响的多参数焊缝多轴疲劳寿命预测方法，其特征在于：所述步骤F3中，给定的较大范围为10-4~100。
【技术特征摘要】
1.一种考虑制造工艺影响的多参数焊缝疲劳寿命预测方法，其特征在于：步骤包括，
2.根据权利要求1所述一种考虑制造工艺影响的多参数焊缝疲劳寿命预测方法，其特征在于：所述步骤s7中特征成分分析优化的具体步骤包括，
3.根据权利要求2所述一种考虑制造工艺影响的多参数焊缝疲劳寿命预测方法，其特征在于：具体步骤包括，
4.根据权利要求3所述一种考虑制造工艺影响的多参数焊缝疲劳寿命预测方法，其特征在于：所述步骤e中特征分析映射的具体步骤包括，
...
【专利技术属性】
技术研发人员：吴昊，范志明，朱军，苏永辉，吴帅宇，
申请(专利权)人：南通泰胜蓝岛海洋工程有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。