本方案屬于結(jié)構(gòu)疲勞損傷評估，特別涉及一種多級應力加載下結(jié)構(gòu)疲勞壽命的預測方法。

背景技術：

1、結(jié)構(gòu)的服役環(huán)境復雜，加載狀態(tài)通常為多級應力水平加載，因此結(jié)構(gòu)容易發(fā)生疲勞損傷累積、性能退化，最后導致斷裂。然而，由于受到材料性能、載荷條件和結(jié)構(gòu)幾何形狀等因素的影響，結(jié)構(gòu)疲勞損傷的累積過程呈現(xiàn)出非線性，增加了對結(jié)構(gòu)疲勞剩余壽命的預測的不確定性。因此，需要一種可靠疲勞剩余壽命預測方法有效評估結(jié)構(gòu)的疲勞損傷狀態(tài)，從而強化材料的服役安全性。

2、預測多級應力下結(jié)構(gòu)疲勞剩余壽命最常用的方法是基于manson-halford(m-h)非線性疲勞累積損傷模型。但現(xiàn)有的m-h非線性疲勞累積損傷模型均存在以下問題：首先，計算公式復雜，計算量增加，在工程實際應用中受限；其次，改進大多為經(jīng)驗性的，難以準確復現(xiàn)多級應力載荷間相互作用對疲勞損傷累積造成的影響,使得預測誤差具有波動性，預測精度不穩(wěn)定。

技術實現(xiàn)思路

1、本發(fā)明的目的在于克服現(xiàn)有技術中的不足之處，提出一種改進的多級應力加載下結(jié)構(gòu)疲勞壽命的預測方法。

2、為此，本申請的一些實施例提出了一種多級應力加載下結(jié)構(gòu)疲勞壽命的預測方法，包括步驟1：開展單軸多級應力結(jié)構(gòu)疲勞加載實驗，記錄加載應力(σi)，循環(huán)加載次數(shù)(ni)以及相應的疲勞壽命(ni)，其中，i表示一級；步驟2：選取不同材料試樣的任意相鄰兩級應力加載的實驗數(shù)據(jù)，基于改進的鯨魚優(yōu)化算法分別確定所述兩級應力高低加載的權重因子(γ1)和低高加載的權重因子(γ2)的數(shù)值；其中，將優(yōu)化目標函數(shù)定為預測值與實驗值的平均絕對誤差最?。徊襟E3：基于所述高低加載的權重因子(γ1)和低高加載的權重因子(γ2)、所述兩級加載應力以及相應的疲勞壽命帶入到改進m-h模型的壽命比特征參數(shù)中進行修正，得到改進的壽命比特征，其表達式為以及步驟4：將改進的壽命比特征參數(shù)帶入m-h模型替換經(jīng)典m-h模型中的壽命比特征參數(shù)得到多級應力加載下疲勞壽命的預測模型，表達式為其中ni為對應等級應力加載水平下的疲勞壽命。

3、在一些實施例中，所述改進的鯨魚優(yōu)化算法包括：步驟s21，基于改進的circle混沌映射理論改進種群初始化，式中n為種群規(guī)模，xn為目標原位置，xn+1為混沌映射后的新位置；步驟s22，在鯨魚優(yōu)化算法中引入動態(tài)變化的慣性權重ω，其計算方式為式中，b(1,2)表示服從貝塔分布的隨機數(shù)；將x*表示為當前最佳候選鯨魚位置向量，x表示為位置向量，xrand表示為強迫隨機選取的參考鯨魚位置向量，基于此可得到新的位置更新策略，所述位置更新策略包括更新策略1：x(t+1)＝ωx*(t)-ad，更新策略2：x(t+1)＝ωxrand-agdrand，和更新策略3：x(t+1)＝d′eblcos(2πl(wèi))+ωx*(t)，b為用于定義對數(shù)螺旋形狀的常數(shù)系數(shù)，l為[-1,1]上的隨機數(shù)，d為鯨魚個體向x*靠近的步長向量，可根據(jù)d＝|cx*(t)-x(t)|計算，式中，c為[0,2]上的隨機數(shù)，d′為鯨魚個體與x*的距離向量；步驟s23，采用小孔成像反向?qū)W習策略幫助算法跳出局部最優(yōu)。

4、在一些實施例中，所述權重因子(γ)數(shù)值具有預定的精確度。

5、在一些實施例中，高低應力加載的權重因子為0.00901，低高應力加載的權重因子為0.01011。

6、本發(fā)明的實施例的有益效果包括，在一些實施例總提出的基于改進m-h模型的多級應力加載下結(jié)構(gòu)疲勞壽命的預測方法，并非經(jīng)驗性的修正，而是基于優(yōu)化算法，能夠充分表征不同材料的加載順序效應和載荷間相互作用效應，使得預測精度穩(wěn)定提升，應用范圍更廣。在一些實施例中，優(yōu)化算法經(jīng)過改進，具備更高的尋優(yōu)速度和尋優(yōu)精度，有助于精確確定權重因子的數(shù)值，進而提高多級應力加載下結(jié)構(gòu)疲勞壽命的預測方法的預測精度。在一些實施例中，基于二級應力水平確定的權重因子能夠擴展應用至二級以上應力水平中，并且引入?yún)?shù)較少，簡化了m-h模型的計算過程，能夠以較簡便的方式獲得較高精度的預測結(jié)果，這在預測較多級應力水平加載下的疲勞壽命時具有顯著影響。

技術特征：

1.一種多級應力加載結(jié)構(gòu)疲勞剩余壽命的預測方法，其特征在于：包括以下步驟：

2.根據(jù)權利要求1所述的多級應力加載結(jié)構(gòu)疲勞剩余壽命的預測方法，其特征在于：所述改進的鯨魚優(yōu)化算法包括：步驟s21，基于改進的circle混沌映射理論改進種群初始化，式中n為種群規(guī)模，xn為目標原位置，xn+1為混沌映射后的新位置；步驟s22，在鯨魚優(yōu)化算法中引入動態(tài)變化的慣性權重ω，其計算方式為式中，b(1,2)表示服從貝塔分布的隨機數(shù)；將

3.根據(jù)權利要求1所述的多級應力加載結(jié)構(gòu)疲勞剩余壽命的預測方法，其特征在于：所述權重因子(γ)數(shù)值具有預定的精確度。

4.根據(jù)權利要求1所述的多級應力加載結(jié)構(gòu)疲勞剩余壽命的預測方法，其特征在于：高低應力加載的權重因子為0.00901，低高應力加載的權重因子為0.01011。

技術總結(jié)
本發(fā)明公開了一種多級應力加載結(jié)構(gòu)疲勞剩余壽命的預測方法，其包括以下步驟：基于改進的鯨魚優(yōu)化算法分別確定兩級應力高低加載的權重因子和低高加載的權重因子的數(shù)值；基于所述確定的數(shù)值、所述兩級加載應力以及相應的疲勞壽命帶入到改進M?H模型的壽命比特征參數(shù)中進行修正，得到改進的壽命比特征；將改進的壽命比特征參數(shù)帶入M?H模型替換經(jīng)典M?H模型中的壽命比特征參數(shù)得到多級應力加載下疲勞壽命的預測模型。本申請?zhí)岢龅幕诟倪MM?H模型的多級應力加載下結(jié)構(gòu)疲勞壽命的預測方法，并非經(jīng)驗性的修正，而是基于優(yōu)化算法，能夠充分表征不同材料的加載順序效應和載荷間相互作用效應，使得預測精度穩(wěn)定提升，應用范圍更廣。

技術研發(fā)人員：唐毓晗,王悅東,王功,安淇鈺,張程越,張佳奇
受保護的技術使用者：大連交通大學
技術研發(fā)日：
技術公布日：2025/5/15