基于有限元模型和机器学习的复合材料螺栓连接件疲劳寿命预测

摘要整理

本研究提出了一种复合材料螺栓连接件疲劳寿命预测方法，将算法优化的混合神经网络与有限元建模相结合。首先，基于Hashin失效准则的物理机制，建立了复合材料螺栓连接件疲劳寿命预测的有限元模型，并在各种初始条件下进行了仿真计算。其次，通过整合仿真和实验数据，建立了用于机器学习训练和预测的疲劳寿命数据库。最后，利用卷积神经网络（CNN）对数据进行深度特征提取，将提取的深度特征作为反向传播神经网络（BPNN）的输入进行疲劳寿命预测。结果表明，CNN与BPNN的协同组合显著提高了预测精度，在复合材料螺栓连接件疲劳寿命预测中具有显著优势。该方法有效融合了有限元仿真的物理基础和深度学习的特征学习能力，为复合材料连接结构的疲劳可靠性评估提供了新的技术途径。

相关论文