CN111369141A - 焊接结构疲劳寿命影响因素评价方法 - Google Patents
焊接结构疲劳寿命影响因素评价方法 Download PDFInfo
- Publication number
- CN111369141A CN111369141A CN202010141634.4A CN202010141634A CN111369141A CN 111369141 A CN111369141 A CN 111369141A CN 202010141634 A CN202010141634 A CN 202010141634A CN 111369141 A CN111369141 A CN 111369141A
- Authority
- CN
- China
- Prior art keywords
- neighborhood
- attribute
- fatigue
- fatigue life
- decision system
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及焊接技术领域,具体公开了一种焊接结构疲劳寿命影像因素评价方法,包括建立包括材料类型、焊接方法、板厚、应力比、载荷类型、接头类型、等效结构应力范围和疲劳循环次数这些属性的疲劳数据库,设定条件属性和决策属性,构建疲劳邻域决策系统,对疲劳邻域决策系统进行属性约简,计算各条件属性的权重,得到属性约简结果集,依据属性约简结果集确定焊接结构疲劳寿命关键影响因素。本发明构建了基于改进邻域粗糙集的焊接结构疲劳寿命影响因素评价模型,为焊接结构疲劳寿命影响因素分析和疲劳寿命预测提供了有效的技术支持。
Description
技术领域
本发明涉及焊接技术领域,尤其涉及一种基于改进邻域粗糙集的焊接结构 疲劳寿命影响因素评价方法。
背景技术
焊接结构是轨道交通装备制造业中最广泛应用的一种结构形式,疲劳断裂 是其在复杂服役过程中的最主要失效方式。由于焊接结构疲劳断裂具有很强的 隐蔽性,一旦发生,会酿成灾难性事故,造成严重经济损失。因此,分析焊接 结构疲劳寿命影响因素,准确预测其疲劳寿命,对确保轨道车辆安全运行意义 重大。
目前对于焊接结构疲劳寿命影响因素的分析,主要是通过试验的方法,得 到对某个单一影响因素的定性评价,缺乏对各影响因素的综合分析和定量评价。 因此,如何构建各影响因素评价模型,揭示疲劳寿命各影响因素间的隐性关系, 辨识关键影响因素,并定量计算各影响因素对于焊接结构疲劳寿命影响的贡献 度,是需要深入探讨的问题。
发明内容
本发明的目的是提供一种焊接结构疲劳寿命影响因素评价方法,以构建基 于改进邻域粗糙集的焊接结构疲劳寿命影响因素评价模型,为焊接结构疲劳寿 命影响因素分析和疲劳寿命预测提供了有效的技术支持。
为了解决上述技术问题,本发明提供了一种焊接结构疲劳寿命影像因素评 价方法,包括以下步骤:
S1.建立包括材料类型、焊接方法、板厚、应力比、载荷类型、接头类型、 等效结构应力范围和疲劳循环次数这些属性的疲劳数据库;
S2.设定疲劳数据库中材料类型、焊接方法、板厚、应力比、载荷类型、接 头类型和等效结构应力范围这些疲劳寿命的影响因素为条件属性C={材料类型(a1),焊接方法(a2),板厚(a3),应力比(a4),载荷类型(a5),接头类型(a6),等效结 构应力范围(a7)},设定疲劳循环次数为决策属性D={lg(N)},构建疲劳邻域决策 系统;
S3.对疲劳邻域决策系统进行属性约简,计算各条件属性的权重,
定义邻域决策系统,
邻域决策系统NDS=(U,C,D,V,f,N),其中,U={x1,x2,x3,...x|U|}是有限非空 集,称为论域,U中的元素称为对象,C为条件属性集合,D为决策属性集合, CI D=φ,对于a∈CUD,V=UVa,Va是属性a的值域,f:U×(CUD)→V是一 个信息函数,为每个对象的属性赋予一个值,即f(x,a)∈Va,N是由条件属性C 生成的邻域关系,
定义δ-邻域,
对于xi∈U,定义其δ-邻域为:
δ(xi)={x|x∈U,△(x,xi)≤δ} (1)
△(x1,x2)≥0,△(x1,x2)=0当且仅当x1=x2
△(x1,x2)=△(x2,x1)
△(x1,x3)≤△(x1,x2)+△(x2,x3)
给定n维欧几里德空间任意两点xi(x1i,x2i,x3i,…,xni),xj(x1j,x2j,x3j,…,xnj),两点 之间的距离为:
定义上近似、下近似和边界域,
定义邻域条件熵,
定义属性重要度,
SIG(a,B,D)=Eδ(D|BUa)-Eδ(D|B) (7)
定义约简,
基于邻域条件熵的邻域粗糙集属性约简算法,步骤如下:
Input:邻域决策系统NDS=(U,C,D,V,f,N)和邻域半径δ
Output:约简集合red
Step1初始化,令red=φ;
依据属性重要度计算公式(7)计算属性a的属性重要度,其中,邻域条件熵 Eδ(D|B)的计算包括如下子步骤:
i初始化,令Eδ(D|B)=0;
ii对于每个1≤i≤|U|,计算对象xi的邻域类δB(xi)和决策类[xi]D;
选择满足条件SIG(ai,red,D)=max{SIG(a,red,D)}的属性ai;
Step 4 if SIG(ai,red,D)>0,令red=redUai,go to Step3,else go to Step 5;
Step5 return red;
最后,得到属性约简结果集;
S4.依据属性约简结果集确定焊接结构疲劳寿命关键影响因素,约简结果集 中各属性的重要度值即为疲劳寿命各影响因素的定量表示。
优选的,所述步骤S1中,针对多组疲劳试验数据建立疲劳数据库,对疲劳 试验数据进行预处理,手工去除不完整、有缺失信息的数据记录。
优选的,所述步骤S2中,以等效结构应力范围作为应力影响因素,构建疲 劳寿命影响因素分析邻域决策系统。
优选的,所述步骤S4之后,进一步扩展考虑不同焊接结构疲劳寿命影响因 素,构建疲劳影响因素分析邻域决策系统,并进行属性约简和分析,获取对不 同焊接结构疲劳寿命影响因素的定量评定。
本发明的焊接结构疲劳寿命影响因素评价方法以焊接结构疲劳寿命影响因 素定量评价为目标,结合已有疲劳试验数据,提出一种基于条件熵的邻域粗糙 集属性约简算法,构建了基于改进邻域粗糙集的焊接结构疲劳寿命影响因素评 价模型,为焊接结构疲劳寿命影响因素分析和疲劳寿命预测提供了有效的技术 支持。
附图说明
图1为本发明实施例的焊接结构疲劳寿命影响因素评价方法的流程图。
图2为本发明实施例的焊接接头疲劳寿命影响因素权重表示图。
具体实施方式
下面结合附图和实施例对本发明的实施方式作进一步详细描述。以下实施 例用于说明本发明,但不能用来限制本发明的范围。
如图1所示,本实施例的焊接结构疲劳寿命影响因素评价方法,包括以下 步骤:
S1.建立疲劳数据库
建立包括材料类型、焊接方法、板厚、应力比、载荷类型、接头类型、等 效结构应力范围和疲劳循环次数这些属性的疲劳数据库;针对多组疲劳试验数 据建立疲劳数据库,对疲劳试验数据进行预处理,手工去除不完整、有缺失信 息的数据记录。
铝合金焊接接头疲劳数据库(部分),如下表所示:
S2.构建疲劳邻域决策系统
设定疲劳数据库中材料类型、焊接方法、板厚、应力比、载荷类型、接头 类型和等效结构应力范围这些疲劳寿命的影响因素为条件属性C={材料类型 (a1),焊接方法(a2),板厚(a3),应力比(a4),载荷类型(a5),接头类型(a6),等效结 构应力范围(a7)},设定疲劳循环次数为决策属性D={lg(N)},构建疲劳邻域决策 系统;以等效结构应力范围作为应力影响因素,构建疲劳寿命影响因素分析邻 域决策系统。
铝合金焊接接头疲劳寿命影响因素分析邻域决策系统,如下表:
S3.提出一种基于邻域条件熵的邻域粗糙集属性约简算法,对疲劳邻域决策 系统进行属性约简,计算各条件属性的权重。
(1)邻域粗糙集相关理论
定义邻域决策系统
邻域决策系统NDS=(U,C,D,V,f,N),其中,U={x1,x2,x3,...x|U|}是有限非空 集,称为论域,U中的元素称为对象,C为条件属性集合,D为决策属性集合, CI D=φ,对于a∈CUD,V=UVa,Va是属性a的值域,f:U×(CUD)→V是一 个信息函数,为每个对象的属性赋予一个值,即f(x,a)∈Va,N是由条件属性C 生成的邻域关系;
定义δ-邻域
对于xi∈U,定义其δ-邻域为:
δ(xi)={x|x∈U,△(x,xi)≤δ} (1)
△(x1,x2)≥0,△(x1,x2)=0当且仅当x1=x2
△(x1,x2)=△(x2,x1)
△(x1,x3)≤△(x1,x2)+△(x2,x3)
给定n维欧几里德空间任意两点xi(x1i,x2i,x3i,…,xni),xj(x1j,x2j,x3j,…,xnj),两点 之间的距离为:
定义上近似、下近似和边界域
定义邻域条件熵
定义属性重要度
SIG(a,B,D)=Eδ(D|BUa)-Eδ(D|B) (7)
定义 约简
(2)基于邻域条件熵的邻域粗糙集属性约简算法,步骤如下:
Input:邻域决策系统NDS=(U,C,D,V,f,N)和邻域半径δ
Output:约简集合red
Step1初始化,令red=φ;
①依据属性重要度计算公式(7)计算属性a的属性重要度,其中,邻域条件 熵Eδ(D|B)的计算包括如下子步骤:
i初始化,令Eδ(D|B)=0;
ii对于每个1≤i≤|U|,计算对象xi的邻域类δB(xi)和决策类[xi]D;
②选择满足条件SIG(ai,red,D)=max{SIG(a,red,D)}的属性ai;
Step 4 if SIG(ai,red,D)>0,令red=redUai,go to Step3,else go to Step 5;
Step5 return red;
最后,得到属性约简结果集。
S4.依据属性约简结果集确定焊接结构疲劳寿命关键影响因素,约简结果集 中各属性的重要度值即为疲劳寿命各影响因素的定量表示。
使用基于邻域条件熵的属性约简算法对步骤S2中的表所示的铝合金焊接接 头疲劳寿命决策系统进行属性约简,得到属性约简结果集合为:{材料类型(a1), 载荷类型(a5),接头类型(a6),等效结构应力范围(a7)},得到焊接接头疲劳寿命影 响因素权重表示,如图2所示。
所述步骤S4之后,进一步扩展考虑不同焊接结构疲劳寿命影响因素,构建 疲劳影响因素分析邻域决策系统,并进行属性约简和分析,获取对不同焊接结 构疲劳寿命影响因素的定量评定。
本发明的焊接结构疲劳寿命影响因素评价方法以焊接结构疲劳寿命影响因 素定量评价为目标,结合已有疲劳试验数据,提出一种基于条件熵的邻域粗糙 集属性约简算法,构建了基于改进邻域粗糙集的焊接结构疲劳寿命影响因素评 价模型,为焊接结构疲劳寿命影响因素分析和疲劳寿命预测提供了有效的技术 支持。
引入邻域粗糙集理论,能够直接处理取值连续的条件属性,克服了传统粗 糙集在处理连续型属性时需要先进行离散化,难免会带来信息丢失的缺点,使 得其更贴近工程实际,更有研究意义与价值;建立了焊接结构疲劳寿命影响因 素评价的数学模型,获得了对焊接结构疲劳寿命各影响因素的定量评定;提出 一种基于邻域条件熵的属性约简算法,使得算法能在保证分类准确率的前提条 件下,得到更小的属性约简子集。
虽然国内外学者对焊接结构疲劳寿命影响因素评价做了很多的分析和研 究,但对于疲劳寿命各影响因素的定量评定方面的研究比较少,缺乏对各影响 因素重要度的比较和分析,本发明在焊接结构疲劳寿命影响因素评价过程中引 入邻域粗糙集理论,提出一种基于邻域条件熵的邻域粗糙集属性约简算法,建 立了焊接结构疲劳寿命影响因素评价的数学模型,可以为焊接结构疲劳寿命影 响因素评价和疲劳寿命预测提供依据,在总结已有成果的基础上,使得该焊接 结构疲劳寿命影响因素评价模型,能够直接处理连续型数据属性,误差较小, 试验结果更准确。
本发明的实施例是为了示例和描述起见而给出的,而并不是无遗漏的或者 将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言 是显而易见的。选择和描述实施例是为了更好说明本发明的原理和实际应用, 并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各 种修改的各种实施例。
Claims (4)
1.一种焊接结构疲劳寿命影像因素评价方法,其特征在于,包括以下步骤:
S1.建立包括材料类型、焊接方法、板厚、应力比、载荷类型、接头类型、等效结构应力范围和疲劳循环次数这些属性的疲劳数据库;
S2.设定疲劳数据库中材料类型、焊接方法、板厚、应力比、载荷类型、接头类型和等效结构应力范围这些疲劳寿命的影响因素为条件属性C={材料类型(a1),焊接方法(a2),板厚(a3),应力比(a4),载荷类型(a5),接头类型(a6),等效结构应力范围(a7)},设定疲劳循环次数为决策属性D={lg(N)},构建疲劳邻域决策系统;
S3.对疲劳邻域决策系统进行属性约简,计算各条件属性的权重,
定义邻域决策系统,
邻域决策系统NDS=(U,C,D,V,f,N),其中,U={x1,x2,x3,...x|U|}是有限非空集,称为论域,U中的元素称为对象,C为条件属性集合,D为决策属性集合,CI D=φ,对于a∈CUD,V=UVa,Va是属性a的值域,f:U×(CUD)→V是一个信息函数,为每个对象的属性赋予一个值,即f(x,a)∈Va,N是由条件属性C生成的邻域关系,
定义δ-邻域,
对于xi∈U,定义其δ-邻域为:
δ(xi)={x|x∈U,△(x,xi)≤δ} (1)
△(x1,x2)≥0,△(x1,x2)=0当且仅当x1=x2
△(x1,x2)=△(x2,x1)
△(x1,x3)≤△(x1,x2)+△(x2,x3)
给定n维欧几里德空间任意两点xi(x1i,x2i,x3i,…,xni),xj(x1j,x2j,x3j,…,xnj),两点之间的距离为:
定义上近似、下近似和边界域,
定义邻域条件熵,
定义属性重要度,
SIG(a,B,D)=Eδ(D|B Ua)-Eδ(D|B) (7)
定义约简,
基于邻域条件熵的邻域粗糙集属性约简算法,步骤如下:
Input:邻域决策系统NDS=(U,C,D,V,f,N)和邻域半径δ
Output:约简集合red
Step1初始化,令red=φ;
依据属性重要度计算公式(7)计算属性a的属性重要度,其中,邻域条件熵Eδ(D|B)的计算包括如下子步骤:
i初始化,令Eδ(D|B)=0;
ii对于每个1≤i≤|U|,计算对象xi的邻域类δB(xi)和决策类[xi]D;
选择满足条件SIG(ai,red,D)=max{SIG(a,red,D)}的属性ai;
Step 4 if SIG(ai,red,D)>0,令red=red Uai,go to Step3,else go to Step 5;
Step5 return red;
最后,得到属性约简结果集;
S4.依据属性约简结果集确定焊接结构疲劳寿命关键影响因素,约简结果集中各属性的重要度值即为疲劳寿命各影响因素的定量表示。
2.根据权利要求1所述的焊接结构疲劳寿命影像因素评价方法,其特征在于,所述步骤S1中,针对多组疲劳试验数据建立疲劳数据库,对疲劳试验数据进行预处理,手工去除不完整、有缺失信息的数据记录。
3.根据权利要求1所述的焊接结构疲劳寿命影像因素评价方法,其特征在于,所述步骤S2中,以等效结构应力范围作为应力影响因素,构建疲劳寿命影响因素分析邻域决策系统。
4.根据权利要求1所述的焊接结构疲劳寿命影像因素评价方法,其特征在于,所述步骤S4之后,进一步扩展考虑不同焊接结构疲劳寿命影响因素,构建疲劳影响因素分析邻域决策系统,并进行属性约简和分析,获取对不同焊接结构疲劳寿命影响因素的定量评定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010141634.4A CN111369141B (zh) | 2020-03-04 | 2020-03-04 | 焊接结构疲劳寿命影响因素评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010141634.4A CN111369141B (zh) | 2020-03-04 | 2020-03-04 | 焊接结构疲劳寿命影响因素评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111369141A true CN111369141A (zh) | 2020-07-03 |
CN111369141B CN111369141B (zh) | 2023-04-07 |
Family
ID=71211749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010141634.4A Active CN111369141B (zh) | 2020-03-04 | 2020-03-04 | 焊接结构疲劳寿命影响因素评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111369141B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102241620B1 (ko) * | 2020-07-31 | 2021-04-19 | 주식회사 맥텍 | 구조물의 수명 평가 방법 및 평가 시스템 |
CN112699924A (zh) * | 2020-12-22 | 2021-04-23 | 安徽卡思普智能科技有限公司 | 一种车辆横向稳定性的识别方法 |
CN113434971A (zh) * | 2021-06-07 | 2021-09-24 | 天津大学 | 一种多尺度焊接疲劳寿命预测方法、装置及设备 |
CN114595625A (zh) * | 2022-01-25 | 2022-06-07 | 天津大学 | 一种基于数据驱动方法的焊接结构疲劳性能分析方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108153999A (zh) * | 2018-01-26 | 2018-06-12 | 大连交通大学 | 一种基于疲劳特征域的焊接接头疲劳寿命智能预测方法 |
-
2020
- 2020-03-04 CN CN202010141634.4A patent/CN111369141B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108153999A (zh) * | 2018-01-26 | 2018-06-12 | 大连交通大学 | 一种基于疲劳特征域的焊接接头疲劳寿命智能预测方法 |
Non-Patent Citations (2)
Title |
---|
LI ZOU: "S-N curve modeling method of Aluminum alloy welded joints based on the fatigue characteristics domain" * |
王春生;邹丽;杨鑫华;: "基于邻域粗糙集的铝合金焊接接头疲劳寿命影响因素分析" * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102241620B1 (ko) * | 2020-07-31 | 2021-04-19 | 주식회사 맥텍 | 구조물의 수명 평가 방법 및 평가 시스템 |
WO2022025618A1 (ko) * | 2020-07-31 | 2022-02-03 | 주식회사 맥텍 | 구조물의 수명 평가 방법 및 평가 시스템 |
CN114062421A (zh) * | 2020-07-31 | 2022-02-18 | 麦克汰股份有限公司 | 结构物的寿命诊断方法及诊断系统 |
JP2023536147A (ja) * | 2020-07-31 | 2023-08-23 | マックテック コーポレーション | 構造物の寿命評価方法及び評価システム |
JP7465037B2 (ja) | 2020-07-31 | 2024-04-10 | マックテック コーポレーション | 構造物の寿命評価方法及び評価システム |
CN112699924A (zh) * | 2020-12-22 | 2021-04-23 | 安徽卡思普智能科技有限公司 | 一种车辆横向稳定性的识别方法 |
CN113434971A (zh) * | 2021-06-07 | 2021-09-24 | 天津大学 | 一种多尺度焊接疲劳寿命预测方法、装置及设备 |
CN114595625A (zh) * | 2022-01-25 | 2022-06-07 | 天津大学 | 一种基于数据驱动方法的焊接结构疲劳性能分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111369141B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111369141B (zh) | 焊接结构疲劳寿命影响因素评价方法 | |
CN109783906B (zh) | 一种管道内检测漏磁数据智能分析系统及方法 | |
US20200210826A1 (en) | Intelligent analysis system using magnetic flux leakage data in pipeline inner inspection | |
CN111598448A (zh) | 一种基于混凝土t型梁火灾后损伤评估方法 | |
CN113591234B (zh) | 一种基于机器学习的自冲孔铆接工艺仿真模型参数分析与校核的方法 | |
CN107657121B (zh) | 基于腐蚀级别评定的飞机结构性能预测处理方法及系统 | |
Fang et al. | A framework for calibration of self-piercing riveting process simulation model | |
Etin-osa et al. | Analysis of optimum butt welded joint for mild steel components using FEM (ANSYS) | |
CN114897224A (zh) | 基于数学模型的城市碳排放预测方法 | |
Keprate et al. | Comparing different metamodelling approaches to predict stress intensity factor of a semi-elliptic crack | |
Izanloo et al. | Optimal design of automotive body B-pillar using simplified finite element model of body-in-prime combined with an optimization procedure | |
Benjamin et al. | Failure behavior of colonies of corrosion defects composed of symmetrically arranged defects | |
Keprate et al. | Data mining for estimating fatigue strength based on composition and process parameters | |
Woo et al. | Integrity analysis of dented pipelines using artificial neural networks | |
Shokr et al. | A common weight data envelopment analysis approach for material selection | |
CN112084598B (zh) | 一种离心泵叶轮可再制造性评估方法 | |
CN111191360B (zh) | 一种桥式起重机金属结构风险评估方法 | |
CN112906130A (zh) | 一种基于小样本数据的结构可靠性评估方法 | |
CN113159541A (zh) | 装甲车辆发动机缸盖螺栓综合性能信息分析方法及系统 | |
Lee et al. | A Machine Learning Program for Impact Fracture Analysis | |
Nonato | Multi-level uncertain fatigue analysis of a truss under incomplete available information | |
Yusuf-Awari et al. | Random Forest Regression Analysis for the Failure Prediction of Corrosion in Pipeline Infrastructure | |
Chen et al. | An adaptive method based on PC-Kriging for system reliability analysis of truss structures | |
Luo et al. | A Damage Accumulation Model Based on Load Interaction Effects | |
He et al. | Machine Learning Tools to Predict the Burst Capacity of Pipelines Containing Dent-Gouges |
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 |