一种无焊缝建模的角焊缝疲劳寿命评估方法
本发明属于焊接疲劳,具体涉及一种无焊缝建模的角焊缝疲劳寿命评估方法。
背景技术:
1、在轨道交通、航空航天以及船舶制造等领域,焊接结构广泛存在,且焊缝数量庞大。例如,大型船舶的船体结构中焊缝数量可达数万条,核电站压力容器中的焊缝数量可达数千条,复兴号高速列车车头拥有超过数千条焊缝,而600公里磁悬浮列车则拥有上万条焊缝。角焊缝作为焊接结构中的一种重要类型,在这些结构中普遍存在,在焊缝数量占比至少一半以上。在复杂的工业焊接结构疲劳分析中,角焊缝的有限元模型建立相较于其他类型焊缝(如对接焊缝)更为耗时和劳动密集,成为焊接结构评估中最耗时的环节,严重影响了评估效率,构成了焊接结构疲劳寿命评估领域的一大挑战。
2、尽管角焊缝疲劳寿命评估和机器学习领域已有广泛研究,但无焊缝建模的角焊缝疲劳寿命评估研究却十分稀少。针对疲劳寿命评估中角焊缝建模的复杂性和耗时问题,本发明提出了一种创新的疲劳寿命评估方法,结合了机器学习算法与基于结构应力的焊缝疲劳寿命评估技术,通过从无焊缝建模角焊缝的有限元结构中预测含角焊缝结构的疲劳寿命,避免了建立角焊缝模型的需要,为预测焊接结构的寿命提供了一种新途径,对工程实践和理论研究均具有重要意义。
技术实现思路
1、本发明旨在提供一种无焊缝建模的角焊缝疲劳寿命评估方法,在保证计算结果精准的同时简化有限元模型处理的复杂性、减少计算时间。
2、为此,本发明所采用的技术方案为:一种无焊缝建模的角焊缝疲劳寿命评估方法,其特征在于,包括以下步骤:
3、步骤s1、建立无焊缝建模角焊缝和显式角焊缝的有限元模型;
4、步骤s2、通过结构应力法获取模型的疲劳数据:利用结构应力法计算出显式角焊缝有限元模型焊趾处的结构应力和疲劳寿命,计算出无焊缝建模角焊缝有限元模型焊根和焊趾处的结构应力和弯曲比;
5、步骤s3、提取疲劳数据制作训练数据集:将无焊缝建模角焊缝有限元模型焊根和焊趾处的结构应力和弯曲比作为训练模型的输入数据,显式角焊缝有限元模型焊趾处的结构应力、疲劳寿命作为训练模型的输出数据;
6、步骤s4、通过机器学习训练预测模型:使用制作好的训练数据集训练无焊缝建模角焊缝疲劳寿命预测模型;
7、步骤s5、确定好评价指标,进行预测准确率评估:通过提取无焊缝建模角焊缝模型焊根和焊趾处的结构应力和弯曲比,使用训练好的预测模型进行疲劳寿命的预测,通过指标定量验证模型预测的准确率;
8、步骤s6、将需疲劳寿命评估的焊接结构导入,预测结构应力和疲劳寿命。
9、作为上述方案的优选,所述步骤s1建立有限元模型的焊趾母材、母材板厚、母材焊脚尺寸、网格划分尺寸均相同。
10、进一步优选为,所述步骤s2模型的结构应力即为膜应力与弯曲应力之和,膜应力弯曲应力结构应力其中t为板厚、fy为线力、mx为线矩,线力和线矩指的是焊线单位长度上的力和力矩,由有限元分析过程中单元的节点力和节点矩计算得到,而焊线是因计算需求而在有限元分析过程中自定义的线,定义在较为薄弱的焊趾处,疲劳寿命的计算公式为其中cd和h为实验常数、δss为等效结构应力,m为载荷控制条件,弯曲比i(r)为弯曲比r的无量纲函数。
11、进一步优选为,所述步骤s3制作训练数据集,采用改变焊脚尺寸和母材板厚、改变载荷的大小和方向的方式来增加训练数据的广泛性,载荷的方向需要在整个空间中均匀分布,每a施加一个载荷,总计种载荷方向,载荷大小范围为f1至f2间隔为f′,焊脚尺寸范围为w1至w2,间隔为w′,板厚范围为m1至m2,间隔为m′,以达到能包含各种类型的输入数据的目的,并提高所训练出的机器学习模型的鲁棒性和普适性。
12、进一步优选为,所述步骤s4通过机器学习训练预测模型,数据预处理方法采用标准化处理方法对步骤s3制作的训练数据集进行标准化处理,而输出数据保留原始尺度,标准化处理其中n是样本数量、xi是输入数据第i个样本的特征值,疲劳寿命作为机器学习的输出过程中对输出数据进行对数化处理,分别为对数变换和对数反变换y为输出数据,ylog为对数变换后的数据。
13、进一步优选为,所述步骤s4通过机器学习训练预测模型,机器学习选择模拟生物神经网络进行信息处理的ann计算模型和通过结合多个决策树模型来提高分类、回归等任务预测性能的rf回归模型,ann模型中输入数据为无焊缝建模角焊缝焊根和焊趾处的结构应力以及弯曲比δσs、r和δσ′s、r′,神经元的输出为显式角焊缝焊趾处的结构应力和疲劳寿命rf回归模型通过bootstrap抽样方法输入和输出为xn=[(δσs,r,δσ′s,r′)1,…,(δσs,r,δσ′s,r′)n]和或
14、进一步优选为,所述步骤s5的评价指标选择平均绝对误差(mae)和r-squared(r2)两项指标量化预测结果的准确定性,结构应力预测的误差范围为0 15、本发明的有益效果: 16、(1)本发明提出了一种无焊缝建模角焊缝疲劳寿命评估新方法,通过无焊缝建模的方式依旧能保持网格不敏感型,能够准确预测结构应力和疲劳寿命,具有较强的鲁棒性和精度,确保了在多种工况下的适用性和可靠性,有效地避免了传统评估方法中复杂结构的显式角焊缝几何形状生成过程,大大降低了计算成本和工作量。 17、(2)本发明通过对载荷方向、载荷大小、焊脚尺寸作为训练的输入参数,确保训练集能够覆盖潜在的变量和复杂的模式,从而有效提升模型的泛化能力和预测精度。还对数据的预处理过程进行了优化,减少了噪声和异常值的影响,以确保模型能够从干净、有效的数据中学习到有价值的特征。 18、(3)本发明明确了用于评估模型预测准确性的主要评价指标,既可以用于衡量模型预测值与实际值之间的绝对差异,也可以用于评估模型对数据变化的拟合程度。此外,为了确保预测模型的有效性设定了特定的预测准确性阈值,有助于确保模型的精度和鲁棒性,避免过拟合或欠拟合现象的发生。 19、综上所述,本发明具有泛化能力强、预测精度高、工作成本低、计算时间短等优点。 1.一种无焊缝建模的角焊缝疲劳寿命评估方法,其特征在于,包括以下步骤: 2.根据权利要求1所述的一种无焊缝建模的角焊缝疲劳寿命评估方法,其特征在于:所述步骤s1建立有限元模型的焊趾母材、母材板厚、母材焊脚尺寸、网格划分尺寸均相同。 3.根据权利要求1所述的一种无焊缝建模的角焊缝疲劳寿命评估方法,其特征在于:所述步骤s2模型的结构应力即为膜应力与弯曲应力之和,膜应力弯曲应力结构应力其中t为板厚、fy为线力、mx为线矩,线力和线矩指的是焊线单位长度上的力和力矩,由有限元分析过程中单元的节点力和节点矩计算得到,而焊线是因计算需求而在有限元分析过程中自定义的线,定义在较为薄弱的焊趾处,疲劳寿命的计算公式为其中cd和h为实验常数、δss为等效结构应力,m为载荷控制条件,弯曲比i(r)为弯曲比r的无量纲函数。 4.根据权利要求1所述的一种无焊缝建模的角焊缝疲劳寿命评估方法,其特征在于:所述步骤s3制作训练数据集,采用改变焊脚尺寸和母材板厚、改变载荷的大小和方向的方式来增加训练数据的广泛性,载荷的方向需要在整个空间中均匀分布,每a施加一个载荷,总计种载荷方向,载荷大小范围为f1至f2间隔为f′,焊脚尺寸范围为w1至w2,间隔为w′,板厚范围为m1至m2,间隔为m′,以达到能包含各种类型的输入数据的目的,并提高所训练出的机器学习模型的鲁棒性和普适性。 5.根据权利要求1所述的一种无焊缝建模的角焊缝疲劳寿命评估方法,其特征在于:所述步骤s4通过机器学习训练预测模型,数据预处理方法采用标准化处理方法对步骤s3制作的训练数据集进行标准化处理,而输出数据保留原始尺度,标准化处理其中n是样本数量、xi是输入数据第i个样本的特征值,疲劳寿命作为机器学习的输出过程中对输出数据进行对数化处理,分别为对数变换和对数反变换y为输出数据,ylog为对数变换后的数据。 6.根据权利要求1所述的一种无焊缝建模的角焊缝疲劳寿命评估方法,其特征在于:所述步骤s4通过机器学习训练预测模型,机器学习选择模拟生物神经网络进行信息处理的ann计算模型和通过结合多个决策树模型来提高分类、回归等任务预测性能的rf回归模型,ann模型中输入数据为无焊缝建模角焊缝焊根和焊趾处的结构应力以及弯曲比δσs、r和δσ′s、r′,神经元的输出为显式角焊缝焊趾处的结构应力和疲劳寿命rf回归模型通过bootstrap抽样方法输入和输出为xn=[(δσs,r,δσ′s,r′)1,…,(δσs,r,δσ′s,r′)n]和或 7.根据权利要求1所述的一种无焊缝建模的角焊缝疲劳寿命评估方法,其特征在于:所述步骤s5的评价指标选择平均绝对误差(mae)和r-squared(r2)两项指标量化预测结果的准确定性,结构应力预测的误差范围为0
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com