基于应变监控数据的金属结构疲劳裂纹量化模型研究

• Published in: 西北工业大学学报 Vol. 41; no. 5; pp. 932 - 941
• Main Authors: 李坤鹏, 李彪, 张彦军, 周颜, 张腾, 李亚智
• Format: Journal Article
• Language: Chinese
• Published: 航空工业第一飞机设计研究院强度设计研究所,陕西 西安 710089%空军工程大学 航空工程学院,陕西 西安 710038%西北工业大学 航空学院,陕西 西安 710072 01.10.2023
• Subjects: strain monitoring; deep learning; data driven model; 疲劳裂纹预测; 深度学习; 应变监测; fatigue crack prediction; 数据驱动模型; fatigue crack; 疲劳裂纹
• ISSN: 1000-2758
• DOI: 10.1051/jnwpu/20234150932

V214%TP18; 实时获取金属结构的疲劳裂纹长度是开展飞机单机寿命监控和剩余寿命估算的基础.采用深度学习方法,提出了一种基于应变监控数据的金属结构疲劳裂纹长度预测模型,通过构造循环对抗网络模型、裂纹尺寸的分类模型和裂纹长度的量化模型,分别实现了含裂纹结构的应变试验数据与有限元模型数据的映射、裂纹尺寸范围的准确分类、裂纹长度的精确量化.将上述方法应用于中心带孔金属板在随机载荷谱下的疲劳裂纹监测,有效实现了疲劳裂纹长度的实时预测.与试验结果对比表明,单孔板的孔边疲劳裂纹长度预测误差小于1 mm,满足工程实际的需求.