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 PDF

Info

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
Application number
CN202010141634.4A
Other languages
English (en)
Other versions
CN111369141B (zh
Inventor
杨鑫华
邹丽
孙屹博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Wonderroad Magnesium Technology Co Ltd
Original Assignee
Beijing Wonderroad Magnesium Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Wonderroad Magnesium Technology Co Ltd filed Critical Beijing Wonderroad Magnesium Technology Co Ltd
Priority to CN202010141634.4A priority Critical patent/CN111369141B/zh
Publication of CN111369141A publication Critical patent/CN111369141A/zh
Application granted granted Critical
Publication of CN111369141B publication Critical patent/CN111369141B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393Score-carding, benchmarking or key performance indicator [KPI] analysis
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing 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

焊接结构疲劳寿命影响因素评价方法
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)
其中,δ≥0,△是一个距离函数,对于
Figure BDA0002399273600000021
△满足:
△(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:
Figure BDA0002399273600000022
定义上近似、下近似和边界域,
邻域决策系统NDS=(U,C,D,V,f,N),若由
Figure BDA0002399273600000023
生成U上的邻域关系为NB, 则对
Figure BDA0002399273600000024
X关于B的上近似、下近似和边界域分别定义为:
Figure BDA0002399273600000025
Figure BDA0002399273600000026
Figure BDA0002399273600000027
定义邻域条件熵,
给定邻域决策系统NDS=(U,C,D,V,f,N),若
Figure BDA0002399273600000028
为条件属性子集,U/D={[x1]D,[x2]D,...,[xn]D},则决策属性D关于条件属性子集B的条件熵定义为:
Figure BDA0002399273600000031
定义属性重要度,
给定邻域决策系统NDS=(U,C,D,V,f,N),和条件属性子集
Figure BDA0002399273600000032
则条件属性
Figure BDA0002399273600000033
相对于B的属性重要度定义为:
SIG(a,B,D)=Eδ(D|BUa)-Eδ(D|B) (7)
定义约简,
给定邻域决策系统NDS=(U,C,D,V,f,N),和条件属性子集
Figure BDA0002399273600000039
称B是C的约 简,如果B满足:
Figure BDA0002399273600000034
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;
Step2对于
Figure BDA0002399273600000035
计算邻域关系Na
Step3对于
Figure BDA0002399273600000036
循环执行:
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
iii计算邻域条件熵
Figure BDA0002399273600000037
iv计算邻域条件熵
Figure BDA0002399273600000038
并返回;
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:
Figure BDA0002399273600000051
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:
Figure BDA0002399273600000052
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)
其中,δ≥0,△是一个距离函数,对于
Figure BDA0002399273600000061
△满足:
△(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:
Figure BDA0002399273600000062
定义上近似、下近似和边界域
邻域决策系统NDS=(U,C,D,V,f,N),若由
Figure BDA0002399273600000063
生成U上的邻域关系为NB, 则对
Figure BDA0002399273600000064
X关于B的上近似、下近似和边界域分别定义为:
Figure BDA0002399273600000065
Figure BDA0002399273600000066
Figure BDA0002399273600000067
定义邻域条件熵
给定邻域决策系统NDS=(U,C,D,V,f,N),若
Figure BDA0002399273600000068
为条件属性子集, U/D={[x1]D,[x2]D,...,[xn]D},则决策属性D关于条件属性子集B的条件熵定义为:
Figure BDA0002399273600000069
定义属性重要度
给定邻域决策系统NDS=(U,C,D,V,f,N),和条件属性子集
Figure BDA00023992736000000610
则条件属性
Figure BDA0002399273600000071
相对于B的属性重要度定义为:
SIG(a,B,D)=Eδ(D|BUa)-Eδ(D|B) (7)
定义 约简
给定邻域决策系统NDS=(U,C,D,V,f,N),和条件属性子集
Figure BDA0002399273600000072
称B是C的约简,如果B满足:
Figure BDA0002399273600000073
(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;
Step2对于
Figure BDA0002399273600000074
计算邻域关系Na
Step3对于
Figure BDA0002399273600000075
循环执行:
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
iii计算邻域条件熵
Figure BDA0002399273600000076
iv计算邻域条件熵
Figure BDA0002399273600000077
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)
其中,δ≥0,△是一个距离函数,对于
Figure FDA0002399273590000011
△满足:
△(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:
Figure FDA0002399273590000012
定义上近似、下近似和边界域,
邻域决策系统NDS=(U,C,D,V,f,N),若由
Figure FDA0002399273590000013
生成U上的邻域关系为NB,则对
Figure FDA0002399273590000021
X关于B的上近似、下近似和边界域分别定义为:
Figure FDA0002399273590000022
Figure FDA0002399273590000023
Figure FDA0002399273590000024
定义邻域条件熵,
给定邻域决策系统NDS=(U,C,D,V,f,N),若
Figure FDA0002399273590000025
为条件属性子集,U/D={[x1]D,[x2]D,...,[xn]D},则决策属性D关于条件属性子集B的条件熵定义为:
Figure FDA0002399273590000026
定义属性重要度,
给定邻域决策系统NDS=(U,C,D,V,f,N),和条件属性子集
Figure FDA0002399273590000027
则条件属性
Figure FDA0002399273590000028
相对于B的属性重要度定义为:
SIG(a,B,D)=Eδ(D|B Ua)-Eδ(D|B) (7)
定义约简,
给定邻域决策系统NDS=(U,C,D,V,f,N),和条件属性子集
Figure FDA0002399273590000029
称B是C的约简,如果B满足:
Figure FDA00023992735900000210
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;
Step2对于
Figure FDA00023992735900000211
计算邻域关系Na
Step3对于
Figure FDA00023992735900000212
循环执行:
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
iii计算邻域条件熵
Figure FDA0002399273590000031
iv计算邻域条件熵
Figure FDA0002399273590000032
并返回;
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。
CN202010141634.4A 2020-03-04 2020-03-04 焊接结构疲劳寿命影响因素评价方法 Active CN111369141B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (1)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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