一种基于融合物理神经网络的蠕变疲劳寿命预测方法

摘要

本发明涉及一种基于融合物理神经网络的蠕变疲劳寿命预测方法，包括以下步骤：S1：获取目标部件材料的初始特征和蠕变疲劳寿命；S2：通过融合物理特征工程计算扩展特征；S3：对输入特征和输出特征进行敏感性分析；S4：对输入特征和输出特征进行预处理；S5：搭建深层神经网络模型；S6：搭建融合物理神经网络模型；S7：模型训练和参数优化；S8：蠕变疲劳寿命预测；S9：模型更新。本发明的基于融合物理神经网络的蠕变疲劳寿命预测方法，通过在深层神经网络模型中纳入融合物理损失函数，限定模型的输出值范围，从而对神经网络模型纳入物理约束，使得预测结果更准确。