基于集成数据驱动方法的焊接接头疲劳寿命预测模型

TG409; 文中基于集成数据驱动方法(临界合成少数过采样技术、极端梯度提升算法、深度卷积神经网络)建立了一种新型疲劳寿命智能预测模型.其中,临界合成少数过采样技术用于疲劳性能数据库的数据增强,极端梯度提升算法实现疲劳寿命影响因素的权重分析,深度卷积神经网络作为模型框架用于理解疲劳寿命及其影响因素之间的多重非线性关系.根据不同技术组合的分析,发现权重分析和数据增强均有利于预测精度的提高,前者效果优于后者.并通过与其他新颖预测模型的对比,验证了所提出的方法的预测准确度和稳定性....

Full description

Saved in:
Bibliographic Details
Published in焊接学报 Vol. 44; no. 11; pp. 8 - 51
Main Authors 冯超, 赵雷, 徐连勇, 韩永典
Format Journal Article
LanguageChinese
Published 天津大学,天津, 300350 01.11.2023
天津大学天津市现代连接技术重点实验室,天津, 300350
Subjects
数据驱动
寿命预测
疲劳寿命
焊接接头
Online AccessGet full text

Cover

More Information
Summary:TG409; 文中基于集成数据驱动方法(临界合成少数过采样技术、极端梯度提升算法、深度卷积神经网络)建立了一种新型疲劳寿命智能预测模型.其中,临界合成少数过采样技术用于疲劳性能数据库的数据增强,极端梯度提升算法实现疲劳寿命影响因素的权重分析,深度卷积神经网络作为模型框架用于理解疲劳寿命及其影响因素之间的多重非线性关系.根据不同技术组合的分析,发现权重分析和数据增强均有利于预测精度的提高,前者效果优于后者.并通过与其他新颖预测模型的对比,验证了所提出的方法的预测准确度和稳定性.
ISSN:0253-360X
DOI:10.12073/j.hjxb.20221116002