CN110609052A - 圆柱形金属材料的疲劳寿命预测方法、装置及电子设备 - Google Patents
圆柱形金属材料的疲劳寿命预测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110609052A CN110609052A CN201910788104.6A CN201910788104A CN110609052A CN 110609052 A CN110609052 A CN 110609052A CN 201910788104 A CN201910788104 A CN 201910788104A CN 110609052 A CN110609052 A CN 110609052A
- Authority
- CN
- China
- Prior art keywords
- metal material
- predicted
- defect
- parameter
- fatigue life
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
- G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
- G01N23/2251—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion using incident electron beams, e.g. scanning electron microscopy [SEM]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/043—Analysing solids in the interior, e.g. by shear waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
- G01N29/0654—Imaging
- G01N29/069—Defect imaging, localisation and sizing using, e.g. time of flight diffraction [TOFD], synthetic aperture focusing technique [SAFT], Amplituden-Laufzeit-Ortskurven [ALOK] technique
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/20—Metals
- G01N33/204—Structure thereof, e.g. crystal structure
- G01N33/2045—Defects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/26—Scanned objects
- G01N2291/263—Surfaces
- G01N2291/2634—Surfaces cylindrical from outside
Landscapes
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Acoustics & Sound (AREA)
- Crystallography & Structural Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本申请公开了一种圆柱形金属材料的疲劳寿命预测方法、装置及电子设备,涉及材料寿命预测技术领域。其中,所述方法通过对大量圆柱形实验材料的直径、载荷信息、缺陷信息及疲劳寿命进行拟合,得到Z‑Nf曲线方程(Z为根据实验材料的直径、载荷信息及缺陷信息得到的第一参数,Nf为实验材料的疲劳寿命),然后将该Z‑Nf曲线方程配置在电子设备中,最后基于该Z‑Nf曲线方程以及待预测金属材料的直径、载荷信息及缺陷信息对待预测金属材料的疲劳寿命进行预测,得到待预测金属材料的疲劳寿命。通过该方法,可以同时结合直径、载荷信息、缺陷信息与疲劳寿命之间的关系规律对圆柱形金属材料的疲劳寿命进行预测,从而提高预测结果的准确性和可靠性。
Description
技术领域
本申请涉及材料寿命预测技术领域,具体而言,涉及一种圆柱形金属材料的疲劳寿命预测方法、装置及电子设备。
背景技术
根据权威数据统计,机械零件破坏中有50%~90%为疲劳破坏。因此,金属材料的疲劳性能研究,以及基于疲劳失效机理的疲劳寿命预测,对于关键零部件的安全使用至关重要。
对于圆柱形金属材料而言,由于其形状和应力特性决定了其疲劳寿命与内部缺陷的直接相关性,因此,可以通过材料内部的疲劳缺陷特征来预测其疲劳寿命,从而防止一些因疲劳破坏引起的安全事故,进一步还可以用于关键零部件材料的疲劳寿命设计。
然而,现有技术中在对圆柱形金属材料进行疲劳寿命预测时,仅考虑了材料内部疲劳缺陷的尺寸,或者只是定性的考虑了疲劳缺陷的位置,事实上,该疲劳缺陷的位置和形状对材料疲劳寿命的影响均较大,因此,现有技术中对圆柱形金属材料的疲劳寿命预测结果存在不准确的问题。
发明内容
本申请实施例通过提供一种圆柱形金属材料的疲劳寿命预测方法、装置及电子设备,解决了现有技术中圆柱形金属材料的疲劳寿命预测结果不准确的问题。
为了实现上述目的,本申请较佳实施例采用的技术方案如下:
第一方面,本申请实施例提供一种圆柱形金属材料的疲劳寿命预测方法,应用于电子设备,所述电子设备配置有通过实验数据拟合得到的Z-Nf曲线方程,其中,Z为根据实验材料的直径、载荷信息及缺陷信息得到的第一参数,Nf为实验材料的疲劳寿命,所述方法包括:
获取待预测金属材料的直径、载荷信息及缺陷信息,所述缺陷信息包括缺陷形状、缺陷尺寸及缺陷相对于所述待预测金属材料表面的最小距离;
根据所述待预测金属材料的直径、载荷信息及缺陷信息计算所述待预测金属材料对应的第一参数;
基于所述待预测金属材料对应的第一参数及所述Z-Nf曲线方程进行处理,得到所述待预测金属材料的疲劳寿命。
在本申请的实施例中,在所述获取待预测金属材料的直径、载荷信息及缺陷信息的步骤之前,所述方法还包括对所述电子设备配置Z-Nf曲线方程的步骤,该步骤包括:
获取实验材料的直径、载荷信息、缺陷信息及疲劳寿命;
根据每一个实验材料的直径、载荷信息及缺陷信息得到每一个实验材料对应的第一参数;
计算使得每一个所述第一参数与其对应的疲劳寿命相关系数最大的第二参数,并根据该第二参数确定所述第一参数与所述疲劳寿命之间的关系系数;
根据所述关系系数得到Z-Nf曲线方程。
可选地,在本申请的一种实施例中,在所述获取待预测金属材料的载荷信息及缺陷信息的步骤之前,在对所述电子设备配置Z-Nf曲线方程的步骤之后,所述方法还包括:
获取待预测金属材料的缺陷图像;
对所述缺陷图像进行处理,得到所述待预测金属材料的缺陷形状、缺陷尺寸及缺陷相对于所述待预测金属材料表面的最小距离。
具体地,在本申请实施例中,所述根据所述待预测金属材料的直径、载荷信息及缺陷信息计算所述待预测金属材料对应的第一参数的步骤,包括:
根据所述待预测金属材料的直径及所述缺陷相对于所述待预测金属材料表面的最小距离,得到用于表征所述缺陷与所述待预测金属材料表面的相对位置的第三参数;
根据所述待预测金属材料的载荷信息、缺陷形状、缺陷尺寸及所述第二参数、第三参数进行计算,得到所述待预测金属材料对应的第一参数。
具体地,所述根据所述待预测金属材料的直径及所述缺陷相对于所述待预测金属材料表面的最小距离,得到用于表征所述缺陷与所述待预测金属材料表面的相对位置的第三参数的步骤,具体包括:
计算所述直径与所述缺陷相对于所述待预测金属材料表面的最小距离的差值;
将所述差值与所述直径的比值作为用于表征所述缺陷与所述待预测金属材料表面的相对位置的第三参数。
具体地,所述根据所述待预测金属材料的载荷信息、缺陷形状、缺陷尺寸及所述第二参数、第三参数进行计算,得到所述待预测金属材料对应的第一参数的步骤,具体包括:
根据所述待预测金属材料的缺陷形状确定第四参数;
根据所述待预测金属材料的载荷信息确定第五参数;
根据所述待预测金属材料的缺陷尺寸确定第六参数;
将所述第二参数作为所述第三参数的指数进行幂运算,并将幂运算结果与所述第四参数、第五参数及第六参数相乘,得到所述第一参数。
第二方面,本申请实施例还提供一种圆柱形金属材料的疲劳寿命预测装置,应用于电子设备,所述电子设备配置有通过实验数据拟合得到的Z-Nf曲线方程,其中,Z为根据实验材料的直径、载荷信息及缺陷信息得到的第一参数,Nf为实验材料的疲劳寿命,所述装置包括:
第一获取模块,用于获取待预测金属材料的直径、载荷信息及缺陷信息,所述缺陷信息包括缺陷形状、缺陷尺寸及缺陷相对于所述待预测金属材料表面的最小距离;
计算模块,用于根据所述待预测金属材料的直径、载荷信息及缺陷信息计算所述待预测金属材料对应的第一参数;
预测模块,用于基于所述待预测金属材料对应的第一参数及所述Z-Nf曲线方程进行处理,得到所述待预测金属材料的疲劳寿命。
在本申请实施例中,所述装置还包括配置模块,所述配置模块用于:
获取实验材料的直径、载荷信息、缺陷信息及疲劳寿命;
根据每一个实验材料的直径、载荷信息及缺陷信息得到每一个实验材料对应的第一参数;
计算使得每一个所述第一参数与其对应的疲劳寿命相关系数最大的第二参数,并根据该第二参数确定所述第一参数与所述疲劳寿命之间的关系系数;
根据所述关系系数得到Z-Nf曲线方程。
可选地,在本申请的一种实施例中,所述装置还包括:
第二获取模块,用于获取待预测金属材料的缺陷图像;
处理模块,用于对所述缺陷图像进行处理,得到所述待预测金属材料的缺陷形状、缺陷尺寸及缺陷相对于所述待预测金属材料表面的最小距离。
第三方面,本申请实施例还提供一种电子设备,所述电子设备包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器用于加载执行所述计算机程序,以使所述电子设备执行如上所述的方法。
相对于现有技术而言,本申请实施例中提供的圆柱形金属材料的疲劳寿命预测方法,至少具有如下技术效果或优点:
本申请实施例提供的圆柱形金属材料的疲劳寿命预测方法,通过对大量圆柱形实验材料的直径、载荷信息、缺陷信息及疲劳寿命进行拟合,得到Z-Nf曲线方程(其中,Z为根据实验材料的直径、载荷信息及缺陷信息得到的第一参数,Nf为实验材料的疲劳寿命),然后将该Z-Nf曲线方程配置在电子设备中,最后基于该Z-Nf曲线方程以及待预测金属材料的直径、载荷信息及缺陷信息对待预测金属材料的疲劳寿命进行预测,得到待预测金属材料的疲劳寿命。通过该方法,可以同时结合直径、载荷信息、缺陷信息与疲劳寿命之间的关系规律对圆柱形金属材料的疲劳寿命进行预测,从而提高预测结果的准确性和可靠性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1-图2为圆柱形金属材料的超高周疲劳缺陷的结构示意图;
图3为本申请实施例提供的电子设备的结构示意图;
图4为本申请实施例提供的圆柱形金属材料的疲劳寿命预测方法的步骤流程示意图;
图5为本申请实施例提供的圆柱形金属材料的疲劳寿命预测方法中对电子设备配置Z-Nf曲线方程的步骤流程示意图;
图6-图8为本申请实施例提供的缺陷形状的结构示意图;
图9为本申请实施例提供的实验材料所对应的实验数据;
图10为本申请实施例提供的圆柱形金属材料的疲劳寿命预测方法中第二参数的求解方法示意图;
图11为本申请实施例提供的圆柱形金属材料的疲劳寿命预测方法中根据实验数据拟合得到的Z-Nf曲线示意图;
图12为本申请实施例提供的圆柱形金属材料的疲劳寿命预测装置的模块示意图。
图标:20-电子设备;21-存储器;22-存储控制器;23-处理器;70-圆柱形金属材料的疲劳寿命预测装置;701-第一获取模块;702-计算模块;703-预测模块;704-配置模块;705-第二获取模块;706-处理模块。
具体实施方式
本申请实施例通过提供一种圆柱形金属材料的疲劳寿命预测方法、装置及电子设备,解决了现有技术中圆柱形金属材料的疲劳寿命预测结果不准确的问题。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。在不冲突的情况下,下述实施例及实施例中的特征可以相互组合。
需要说明的是,在本申请的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
传统疲劳强度设计中一般采用107周次作为疲劳强度设计准则,然而,对于一些工程中的部件(如:发动机部件、汽车承载部件、铁路轮轴和轨道、飞机、桥梁和特殊医疗设备等),往往要求其疲劳寿命超过107周次,甚至高达109,1010周次(例如,轨道车辆关键零部件的服役寿命一般为200~300万公里,而107周次对应的列车里程最多为3万公里)。
当疲劳周次由不高于107周次延伸到了超高周次(>108周次)之后,疲劳的起源点将从试样材料的表面转移到试样的内部,此时结构的疲劳起裂将表现的极为隐蔽,肉眼从外观上无法察觉,常用的磁粉检测等方法也难以探测到这些内部微小缺陷。并且,超高周疲劳90%以上的时间都消耗在裂纹的形成阶段,而裂纹的扩展和瞬断几乎在很短的时间内同时完成。因此,不同于低周和高周疲劳,即便采用超声波探伤等内部缺陷探伤方法,超高周疲劳裂纹一旦形成也难以及时探测到。因此,超高周疲劳危害极大。
开展超高周疲劳研究的目的是为了工程设计服务,因此尝试定量描述超高周疲劳行为并建立相关预测模型是工程超长寿命设计的必然要求,也是保证材料结构在超长寿命下安全服役的前提。
申请人在研究过程中发现,超高周疲劳断口特征较为明显,从宏观上看,断口整体形貌表现为鱼眼状,从微观上看,有一个明显的裂纹起源点,裂纹起源点附近有一小片粒状亮面区,一般称之为Fine Granular Area(FGA),之后是一片较为光滑的裂纹扩展区域,直到鱼眼的边界(如图1和图2所示)。这种独特的断口特征的形成归因于超长疲劳载荷作用下的裂纹萌生机理。
由于圆柱形金属材料的超长疲劳寿命试样断口特征与寿命有直接的相关性。因此,可以通过这种疲劳断口特征信息来预测其超长疲劳寿命,从而对一些因疲劳破坏引起的安全事故进行评定,防止因疲劳破坏而引起的安全事故,进一步还可以用于关键零部件材料的超长疲劳寿命设计。
然而,目前使用的预测方法仅考虑了缺陷的尺寸,或者只是定性的考虑了缺陷的位置,并没有定量考虑缺陷的位置以及形状。事实上,缺陷的位置和形状对寿命的影响均较大,因此,在预测过程中如果仅考虑缺陷的尺寸,得到的结果则会产生较大的误差。
针对上述问题,本申请实施例提供一种圆柱形金属材料的疲劳寿命预测方法,以提高圆柱形金属材料的疲劳寿命预测结果的准确性和可靠性。在本申请实施例中,该方法可以应用于电子设备,以为电子设备提供圆柱形金属材料的疲劳寿命预测功能。
具体地,请参照图3,为本申请实施例提供的电子设备20的结构示意图。该电子设备20包括圆柱形金属材料的疲劳寿命预测装置70、存储器21、存储控制器22及处理器23。
所述存储器21、存储控制器22及处理器23各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述圆柱形金属材料的疲劳寿命预测装置70可以包括至少一个可以软件或固件(firmware)的形式存储于所述存储器21中或固化在所述电子设备20的操作系统(operating system,OS)中的软件功能模块。所述处理器23用于执行所述存储器21中存储的可执行模块,例如所述圆柱形金属材料的疲劳寿命预测装置70所包括的软件功能模块及计算机程序等,以使该电子设备20执行如下所述的圆柱形金属材料的疲劳寿命预测方法。
下面结合图4-图11对本申请实施例提供的圆柱形金属材料的疲劳寿命预测方法进行详细说明。
参照图4,为本申请实施例提供的圆柱形金属材料的疲劳寿命预测方法的步骤流程示意图,该方法可以应用于如图3所示的电子设备20。在本申请实施例中,该电子设备20预先配置有通过实验数据拟合得到的Z-Nf曲线方程,其中,Z为根据实验材料的直径、载荷信息及缺陷信息得到的第一参数,Nf为实验材料的疲劳寿命。该方法包括:
步骤S10,获取待预测金属材料的直径、载荷信息及缺陷信息。
步骤S20,根据所述待预测金属材料的直径、载荷信息及缺陷信息计算所述待预测金属材料对应的第一参数。
步骤S30,基于所述待预测金属材料对应的第一参数及预先配置的Z-Nf曲线方程进行处理,得到所述待预测金属材料的疲劳寿命。
需要说明的是,在本实施例中,对待预测金属材料进行疲劳寿命预测的原理为:通过大量实验数据得到圆柱形金属材料的直径、载荷信息及缺陷信息与金属材料疲劳寿命之间的关系规律,然后基于该关系规律对待预测金属的疲劳寿命进行预测。因此,在本实施例中,在进行圆柱形金属材料的疲劳寿命预测之前,需要先配置上述Z-Nf曲线方程(即圆柱形金属材料的直径、载荷信息及缺陷信息与金属材料疲劳寿命之间的关系规律方程。其中,圆柱形金属材料包括圆柱形钢条、铁丝等)。
参照图5,为本申请实施例提供的对电子设备进行Z-Nf曲线方程配置的步骤流程示意图。该步骤包括:
子步骤S01,获取实验材料的直径、载荷信息、缺陷信息及疲劳寿命。
子步骤S02,根据每一个实验材料的直径、载荷信息及缺陷信息得到每一个实验材料对应的第一参数。
子步骤S03,计算使得每一个所述第一参数与其对应的疲劳寿命相关系数最大的第二参数,并根据该第二参数确定所述第一参数与所述疲劳寿命之间的关系系数。
子步骤S04,根据所述关系系数得到Z-Nf曲线方程。
在本申请实施例中,所述缺陷信息为金属材料内部缺陷起源点(即图1和图2中所示的夹杂物)的相关信息,包括缺陷形状、缺陷尺寸及缺陷相对于待预测金属材料表面的最小距离。
具体地,本实施例中,上述缺陷形状、缺陷尺寸及缺陷相对于待预测金属材料表面的最小距离可以通过扫描电镜或超声波探伤设备的扫描图像得到。其中,缺陷形状包括3D形状(如图6所示)、团簇形状(如图7所示)及2D形状(如图8所示),所述缺陷尺寸为通过扫描电镜或超声波探伤设备得到的扫描图像中缺陷起源点所对应的3D形状、2D形状或团簇形状的面积。
需要说明的是,在本申请实施例中,上述缺陷尺寸、以及缺陷相对于待预测金属材料表面的最小距离可以通过图形处理软件(如Photoshop等)对扫描电镜或超声波探伤设备的扫描图像进行处理得到。因此,在本申请的一种实施例中,在获取待预测金属材料的载荷信息及缺陷信息的步骤之前,在对Z-Nf曲线方程进行配置的步骤之后,所述方法还可以通过获取待预测金属材料的缺陷图像,然后对所述缺陷图像进行图像处理,得到待预测金属材料的缺陷形状、缺陷尺寸及缺陷相对于所述待预测金属材料表面的最小距离。
进一步地,在本实施例中,所述载荷信息为圆柱形金属材料的应力幅值,具体而言,即圆柱形金属材料在服役过程中所承受的最大应力与最小应力的差值的一半。该应力幅值可以根据金属材料的实际应用场景得到。
在得到实验材料的直径、载荷信息、缺陷信息及疲劳寿命之后,根据每一个实验材料的直径、载荷信息及缺陷信息即可得到每一个实验材料对应的第一参数。该过程可以表示为:
其中,Zi为第i个实验材料所对应的第一参数;Yi为第i个实验材料的缺陷形状所对应的第四参数;为第i个实验材料的载荷信息所对应的第五参数(即上述应力幅值);为第i个实验材料的缺陷尺寸;d为实验材料的直径;为第i个实验材料中的缺陷相对于材料表面的最小距离;Di为用于表征第i个实验材料中缺陷与材料表面的相对位置为第三参数;β为使每一个实验材料对应的第一参数与其对应的疲劳寿命相关系数最大的第二参数。
具体地,在本申请实施例中,在计算上述第一参数时,若材料内部的缺陷形状为3D形状,则上述第四参数取值为1,若材料内部的缺陷形状为2D形状或团簇形状,则上述第四参数取值为0.9。
参照图9,为本申请实施例提供的实验材料所对应的实验数据(包含每一个实验材料分别对应的第一参数和疲劳寿命),其中,第一参数与疲劳寿命之间的关系可以表示为:
Z=a×(Nf)b
式中,Z为圆柱形金属材料所对应的第一参数;Nf为圆柱形金属材料的疲劳寿命;a、b为第一参数与疲劳寿命之间的关系系数。
在本申请实施例中,为了使拟合得到的Z-Nf曲线方程相关系数最大,可以通过对上述的第二参数(即β值)列举不同的值。如图10所示,在本实施例中,当β为0.23时Z与Nf之间的相关系数为0.935,因此,在本申请实施例中,上述第二参数可以取值为0.23。此时,第一参数与疲劳寿命之间的关系系数a=7374.7,b=-0.127。
进一步地,参照图11,在得到上述关系系数之后,即可得到圆柱形金属材料的Z-Nf曲线方程,该Z-Nf曲线方程可以表示为:Z=7374.7×(Nf)-0.127。
进一步地,再次参照图4,在得到圆柱形金属材料所对应的Z-Nf曲线方程之后,通过步骤S10获取带预测金属材料的直径、载荷信息(即应力幅值)及缺陷信息,然后通过步骤S20计算带预测金属材料所对应的第一参数,最后通过步骤S30基于该第一参数以及上述Z-Nf曲线方程进行计算,即可得到带预测金属材料的疲劳寿命。
举例而言,在一种实施例中,待预测金属材料的应力幅值σa=575MPa(即第五参数),内部缺陷为3D形状(即第四参数Y取值为1),测量出其缺陷尺寸为然后,根据该缺陷尺寸得到第六参数为将该待预测金属材料的直径d与该缺陷距离材料表面的最小距离dinc做差,并将得到的差值除以该待预测金属材料的直径d,得到待预测金属材料所对应的第三参数D=0.833。接着,将第二参数β=0.23作为第三参数D的指数进行幂运算,并将幂运算结果与上述第四参数、第五参数以及第六参数相乘,得到待预测金属材料所对应的第一参数Z=882MPa,最后根据拟合得到的Z-Nf曲线方程(Z=7374.7×(Nf)-0.127)计算出待预测金属材料的疲劳寿命为Nf=1.82×107周次。
本实施例中,通过验证得到该金属材料的实际疲劳寿命为1.45×107周次,由此可见,通过上述方法预测得到的疲劳寿命与材料的实际疲劳寿命非常接近。
综上所述,本申请实施例中提供的圆柱形金属材料的疲劳寿命预测方法相对于现有技术而言,具有如下技术效果或优点:
本申请实施例提供的圆柱形金属材料的疲劳寿命预测方法,通过对大量圆柱形实验材料的直径、载荷信息、缺陷信息及疲劳寿命进行拟合,得到Z-Nf曲线方程,然后将该Z-Nf曲线方程配置在电子设备中,最后基于该Z-Nf曲线方程以及待预测金属材料的直径、载荷信息及缺陷信息对待预测金属材料的疲劳寿命进行预测,得到待预测金属材料的疲劳寿命。通过该方法,可以同时结合直径、载荷信息、缺陷信息与疲劳寿命之间的关系规律对圆柱形金属材料的疲劳寿命进行预测,从而提高预测结果的准确性和可靠性,进而确保圆柱形金属材料在实际应用中的使用寿命,避免一些因疲劳破坏而引起的安全事故。
参照图12,本申请实施例还提供一种圆柱形金属材料的疲劳寿命预测装置70,该装置可以应用于图3所示的电子设备20,以为该电子设备20提供圆柱形金属材料的疲劳寿命预测功能。
具体地,在本申请实施例中,该圆柱形金属材料的疲劳寿命预测装置70包括:第一获取模块701、计算模块702、预测模块703、配置模块704、第二获取模块705及处理模块706。
其中,所述第一获取模块701用于获取待预测金属材料的直径、载荷信息及缺陷信息,所述缺陷信息包括缺陷形状、缺陷尺寸及缺陷相对于所述待预测金属材料表面的最小距离。
所述计算模块702用于根据所述待预测金属材料的直径、载荷信息及缺陷信息计算所述待预测金属材料对应的第一参数。
所述预测模块703用于基于所述待预测金属材料对应的第一参数及所述Z-Nf曲线方程进行处理,得到所述待预测金属材料的疲劳寿命。
所述配置模块704用于:
获取实验材料的直径、载荷信息、缺陷信息及疲劳寿命;根据每一个实验材料的直径、载荷信息及缺陷信息得到每一个实验材料对应的第一参数;计算使得每一个所述第一参数与其对应的疲劳寿命相关系数最大的第二参数,并根据该第二参数确定所述第一参数与所述疲劳寿命之间的关系系数;根据所述关系系数得到Z-Nf曲线方程。
所述第二获取模块705用于获取待预测金属材料的缺陷图像;所述处理模块706,用于对所述缺陷图像进行处理,得到所述待预测金属材料的缺陷形状、缺陷尺寸及缺陷相对于所述待预测金属材料表面的最小距离。
在本申请实施例中,所述计算模块702具体用于:
计算所述直径与所述缺陷相对于所述待预测金属材料表面的最小距离的差值;将所述差值与所述直径的比值作为用于表征所述缺陷与所述待预测金属材料表面的相对位置的第三参数。以及,根据所述待预测金属材料的缺陷形状确定第四参数;根据所述待预测金属材料的载荷信息确定第五参数;根据所述待预测金属材料的缺陷尺寸确定第六参数;将所述第二参数作为所述第三参数的指数进行幂运算,并将幂运算结果与所述第四参数、第五参数及第六参数相乘,得到所述第一参数。
由于本实施例所介绍的圆柱形金属材料的疲劳寿命预测装置为实现本申请实施例中圆柱形金属材料的疲劳寿命预测方法所采用的装置,故而基于本申请实施例中所介绍的圆柱形金属材料的疲劳寿命预测方法,本领域所属技术人员能够了解本实施例的圆柱形金属材料的疲劳寿命预测装置的具体实施方式以及其各种变化形式,所以在此对于该圆柱形金属材料的疲劳寿命预测装置如何实现本申请实施例中的方法不再详细介绍。只要本领域所属技术人员实施本申请实施例中圆柱形金属材料的疲劳寿命预测方法所采用的圆柱形金属材料的疲劳寿命预测装置,都属于本申请所欲保护的范围。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种圆柱形金属材料的疲劳寿命预测方法,其特征在于,应用于电子设备,所述电子设备配置有通过实验数据拟合得到的Z-Nf曲线方程,其中,Z为根据实验材料的直径、载荷信息及缺陷信息得到的第一参数,Nf为实验材料的疲劳寿命,所述方法包括:
获取待预测金属材料的直径、载荷信息及缺陷信息,所述缺陷信息包括缺陷形状、缺陷尺寸及缺陷相对于所述待预测金属材料表面的最小距离;
根据所述待预测金属材料的直径、载荷信息及缺陷信息计算所述待预测金属材料对应的第一参数;
基于所述待预测金属材料对应的第一参数及所述Z-Nf曲线方程进行处理,得到所述待预测金属材料的疲劳寿命。
2.如权利要求1所述的方法,其特征在于,在所述获取待预测金属材料的直径、载荷信息及缺陷信息的步骤之前,所述方法还包括对所述电子设备配置Z-Nf曲线方程的步骤,该步骤包括:
获取实验材料的直径、载荷信息、缺陷信息及疲劳寿命;
根据每一个实验材料的直径、载荷信息及缺陷信息得到每一个实验材料对应的第一参数;
计算使得每一个所述第一参数与其对应的疲劳寿命相关系数最大的第二参数,并根据该第二参数确定所述第一参数与所述疲劳寿命之间的关系系数;
根据所述关系系数得到Z-Nf曲线方程。
3.如权利要求2所述的方法,其特征在于,在所述获取待预测金属材料的载荷信息及缺陷信息的步骤之前,在对所述电子设备配置Z-Nf曲线方程的步骤之后,所述方法还包括:
获取待预测金属材料的缺陷图像;
对所述缺陷图像进行处理,得到所述待预测金属材料的缺陷形状、缺陷尺寸及缺陷相对于所述待预测金属材料表面的最小距离。
4.如权利要求2或3所述的方法,其特征在于,所述根据所述待预测金属材料的直径、载荷信息及缺陷信息计算所述待预测金属材料对应的第一参数的步骤,包括:
根据所述待预测金属材料的直径及所述缺陷相对于所述待预测金属材料表面的最小距离,得到用于表征所述缺陷与所述待预测金属材料表面的相对位置的第三参数;
根据所述待预测金属材料的载荷信息、缺陷形状、缺陷尺寸及所述第二参数、第三参数进行计算,得到所述待预测金属材料对应的第一参数。
5.如权利要求4所述的方法,其特征在于,所述根据所述待预测金属材料的直径及所述缺陷相对于所述待预测金属材料表面的最小距离,得到用于表征所述缺陷与所述待预测金属材料表面的相对位置的第三参数的步骤,具体包括:
计算所述直径与所述缺陷相对于所述待预测金属材料表面的最小距离的差值;
将所述差值与所述直径的比值作为用于表征所述缺陷与所述待预测金属材料表面的相对位置的第三参数。
6.如权利要求4所述的方法,其特征在于,所述根据所述待预测金属材料的载荷信息、缺陷形状、缺陷尺寸及所述第二参数、第三参数进行计算,得到所述待预测金属材料对应的第一参数的步骤,具体包括:
根据所述待预测金属材料的缺陷形状确定第四参数;
根据所述待预测金属材料的载荷信息确定第五参数;
根据所述待预测金属材料的缺陷尺寸确定第六参数;
将所述第二参数作为所述第三参数的指数进行幂运算,并将幂运算结果与所述第四参数、第五参数及第六参数相乘,得到所述第一参数。
7.一种圆柱形金属材料的疲劳寿命预测装置,其特征在于,应用于电子设备,所述电子设备配置有通过实验数据拟合得到的Z-Nf曲线方程,其中,Z为根据实验材料的直径、载荷信息及缺陷信息得到的第一参数,Nf为实验材料的疲劳寿命,所述装置包括:
第一获取模块,用于获取待预测金属材料的直径、载荷信息及缺陷信息,所述缺陷信息包括缺陷形状、缺陷尺寸及缺陷相对于所述待预测金属材料表面的最小距离;
计算模块,用于根据所述待预测金属材料的直径、载荷信息及缺陷信息计算所述待预测金属材料对应的第一参数;
预测模块,用于基于所述待预测金属材料对应的第一参数及所述Z-Nf曲线方程进行处理,得到所述待预测金属材料的疲劳寿命。
8.如权利要求7所述的装置,其特征在于,所述装置还包括配置模块,所述配置模块用于:
获取实验材料的直径、载荷信息、缺陷信息及疲劳寿命;
根据每一个实验材料的直径、载荷信息及缺陷信息得到每一个实验材料对应的第一参数;
计算使得每一个所述第一参数与其对应的疲劳寿命相关系数最大的第二参数,并根据该第二参数确定所述第一参数与所述疲劳寿命之间的关系系数;
根据所述关系系数得到Z-Nf曲线方程。
9.如权利要求8所述的装置,其特征在于,所述装置还包括:
第二获取模块,用于获取待预测金属材料的缺陷图像;
处理模块,用于对所述缺陷图像进行处理,得到所述待预测金属材料的缺陷形状、缺陷尺寸及缺陷相对于所述待预测金属材料表面的最小距离。
10.一种电子设备,其特征在于,所述电子设备包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器用于加载执行所述计算机程序,以使所述电子设备执行如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910788104.6A CN110609052B (zh) | 2019-08-26 | 2019-08-26 | 圆柱形金属材料的疲劳寿命预测方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910788104.6A CN110609052B (zh) | 2019-08-26 | 2019-08-26 | 圆柱形金属材料的疲劳寿命预测方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110609052A true CN110609052A (zh) | 2019-12-24 |
CN110609052B CN110609052B (zh) | 2022-06-07 |
Family
ID=68890697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910788104.6A Active CN110609052B (zh) | 2019-08-26 | 2019-08-26 | 圆柱形金属材料的疲劳寿命预测方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110609052B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111611687A (zh) * | 2020-04-15 | 2020-09-01 | 岭东核电有限公司 | 金属膨胀节的缺陷评估方法、装置和电子设备 |
CN113191525A (zh) * | 2021-03-11 | 2021-07-30 | 上海工程技术大学 | 一种基于缺陷形态的高周疲劳寿命预测方法 |
CN113392504A (zh) * | 2021-05-18 | 2021-09-14 | 中国科学院力学研究所 | 一种预测缺陷对高周和超高周疲劳强度影响的方法 |
WO2024055271A1 (zh) * | 2022-09-16 | 2024-03-21 | 华东理工大学 | 一种极端环境下超长寿命服役结构抗疲劳及安全调控方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5079955A (en) * | 1990-06-25 | 1992-01-14 | Eberhardt Allen C | Method and apparatus for fatigue crack detection and propagation analysis |
CN102803922A (zh) * | 2010-03-16 | 2012-11-28 | Ntn株式会社 | 滚动接触金属材料的剪切疲劳特性的评价方法、采用它的疲劳极限面压力的推算方法和装置 |
CN104062196A (zh) * | 2014-01-08 | 2014-09-24 | 中国石油大学(华东) | 一种基于损伤演化的腐蚀疲劳寿命预测方法 |
CN106053608A (zh) * | 2016-05-20 | 2016-10-26 | 武汉钢铁股份有限公司 | 等截面圆柱形试样超声疲劳试验方法 |
CN107389471A (zh) * | 2017-07-13 | 2017-11-24 | 电子科技大学 | 裂纹失效模式判定方法及基于该方法的疲劳寿命预测方法 |
CN109142528A (zh) * | 2018-08-27 | 2019-01-04 | 佛山科学技术学院 | 一种高强度钛合金高温超高周疲劳寿命预测方法 |
CN109142529A (zh) * | 2018-08-27 | 2019-01-04 | 佛山科学技术学院 | 一种高强钛合金电子束焊接接头超高周疲劳寿命预测方法 |
CN109163990A (zh) * | 2018-08-28 | 2019-01-08 | 中国科学院金属研究所 | 一种轴向加载高周疲劳裂纹萌生寿命的测量方法 |
-
2019
- 2019-08-26 CN CN201910788104.6A patent/CN110609052B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5079955A (en) * | 1990-06-25 | 1992-01-14 | Eberhardt Allen C | Method and apparatus for fatigue crack detection and propagation analysis |
CN102803922A (zh) * | 2010-03-16 | 2012-11-28 | Ntn株式会社 | 滚动接触金属材料的剪切疲劳特性的评价方法、采用它的疲劳极限面压力的推算方法和装置 |
CN104062196A (zh) * | 2014-01-08 | 2014-09-24 | 中国石油大学(华东) | 一种基于损伤演化的腐蚀疲劳寿命预测方法 |
CN106053608A (zh) * | 2016-05-20 | 2016-10-26 | 武汉钢铁股份有限公司 | 等截面圆柱形试样超声疲劳试验方法 |
CN107389471A (zh) * | 2017-07-13 | 2017-11-24 | 电子科技大学 | 裂纹失效模式判定方法及基于该方法的疲劳寿命预测方法 |
CN109142528A (zh) * | 2018-08-27 | 2019-01-04 | 佛山科学技术学院 | 一种高强度钛合金高温超高周疲劳寿命预测方法 |
CN109142529A (zh) * | 2018-08-27 | 2019-01-04 | 佛山科学技术学院 | 一种高强钛合金电子束焊接接头超高周疲劳寿命预测方法 |
CN109163990A (zh) * | 2018-08-28 | 2019-01-08 | 中国科学院金属研究所 | 一种轴向加载高周疲劳裂纹萌生寿命的测量方法 |
Non-Patent Citations (1)
Title |
---|
吴正凯等: ""基于同步辐射X射线成像的选区激光融化Ti-6Al-4V合金缺陷致疲劳行为"", 《金属学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111611687A (zh) * | 2020-04-15 | 2020-09-01 | 岭东核电有限公司 | 金属膨胀节的缺陷评估方法、装置和电子设备 |
CN111611687B (zh) * | 2020-04-15 | 2023-12-01 | 岭东核电有限公司 | 金属膨胀节的缺陷评估方法、装置和电子设备 |
CN113191525A (zh) * | 2021-03-11 | 2021-07-30 | 上海工程技术大学 | 一种基于缺陷形态的高周疲劳寿命预测方法 |
CN113392504A (zh) * | 2021-05-18 | 2021-09-14 | 中国科学院力学研究所 | 一种预测缺陷对高周和超高周疲劳强度影响的方法 |
CN113392504B (zh) * | 2021-05-18 | 2024-02-02 | 中国科学院力学研究所 | 一种预测缺陷对高周和超高周疲劳强度影响的方法 |
WO2024055271A1 (zh) * | 2022-09-16 | 2024-03-21 | 华东理工大学 | 一种极端环境下超长寿命服役结构抗疲劳及安全调控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110609052B (zh) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110609052B (zh) | 圆柱形金属材料的疲劳寿命预测方法、装置及电子设备 | |
US10371510B2 (en) | Structure status determination device, status determination system, and status determination method | |
US20140107948A1 (en) | Method and system for probabilistic fatigue crack life estimation | |
KR101526313B1 (ko) | 피로수명 예측방법 | |
US20180052117A1 (en) | Structure status determination device, status determination system, and status determination method | |
CN109677390B (zh) | 一种制动啸叫的快速定位方法与系统 | |
CN114429250B (zh) | 应用于工业互联网的故障预测方法、装置及电子设备 | |
Petracconi et al. | Fatigue life simulation of a rear tow hook assembly of a passenger car | |
CN113607580B (zh) | 一种金属构件疲劳试验方法及剩余寿命预测方法 | |
JP2008145414A (ja) | 打寿命打切り試験からの寿命見積もり方法・装置 | |
CN105424228B (zh) | 用于构件应力检测的有限元计算结果的验证方法 | |
CN104777169A (zh) | 曲轴再制造寿命评估试验方法 | |
Abdullah et al. | A review on finite element analysis approaches in durability assessment of automotive components | |
CN114139271A (zh) | 一种变速箱壳体可靠性确定方法及装置 | |
CN113704871A (zh) | 车轮弯曲疲劳的确定方法、装置、终端设备及介质 | |
CN113486444A (zh) | 一种转向器支架的寿命评价方法、装置和存储介质 | |
CN110309533B (zh) | 基于备件保障数据的正态型单元寿命分布参数估计方法 | |
US11402291B2 (en) | Method of assessing damage to composite members | |
CN112416748A (zh) | 用于遵照要求对系统进行测试的方法 | |
Radaelli et al. | A probabilistic model for forging flaw crack nucleation processes | |
Berger et al. | Influence analysis of joint attributes on the fatigue progress of SnAgCu solder joints under thermomechanical loading | |
CN113424191A (zh) | 分析来自对对象的测量的测量数据的计算机实现方法 | |
CN112464450B (zh) | 火箭试验参数的选择方法以及装置、存储介质、电子装置 | |
CN110736595A (zh) | 轨道交通舱室内电子设备寿命评估方法 | |
Hardman | Mechanical and propulsion systems prognostics: US navy strategy and demonstration |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |