• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Mechanical Science and Technology >A Study on Fatigue Damage Modeling Using Neural Networks
【24h】

A Study on Fatigue Damage Modeling Using Neural Networks

机译：基于神经网络的疲劳损伤建模研究

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Fatigue crack growth and life have been estimated based on established empirical equations. In this paper, an alternative method using artificial neural network (ANN)-based model developed to predict fatigue damages simultaneously. To learn and generalize the ANN, fatigue crack growth rate and life data were built up using in-plane bending fatigue test results. Single fracture mechanical parameter or nondestructive parameter can't predict fatigue damage accurately but multiple fracture mechanical parameters or nondestructive parameters can. Existing fatigue damage modeling used this merit but limited real-time damage monitoring. Therefore, this study shows fatigue damage model using backpropagation neural networks on the basis of X-ray half breadth ratio B/B{sub}O, fractal dimension D{sub}f and fracture mechanical parameters can estimate fatigue crack growth rate da/dN and cycle ratio N/N{sub}f at the same time within engineering limit error (5%).
机译：疲劳裂纹的增长和寿命已基于已建立的经验方程式进行了估算。在本文中，开发了一种使用基于人工神经网络（ANN）的模型的替代方法来同时预测疲劳损伤。为了学习和推广人工神经网络，使用面内弯曲疲劳测试结果建立了疲劳裂纹扩展率和寿命数据。单个断裂力学参数或无损参数不能准确预测疲劳损伤，但多个断裂力学参数或无损参数可以。现有的疲劳损伤建模使用了该优点，但是实时的损伤监测有限。因此，本研究表明基于反向传播神经网络的疲劳损伤模型基于X射线半宽比B / B {sub} O，分形维数D {sub} f和断裂力学参数可以估算疲劳裂纹扩展率da / dN和循环比N / N {sub} f同时在工程极限误差（5％）之内。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号