近日，昆明理工大学发布消息，该校建筑工程学院课题组在高端制造材料领域取得重要突破，研发出一种针对增材制造钛合金的疲劳寿命预测新方案。该研究为提升航空航天、医疗植入等关键领域装备的可靠性与安全性，提供了全新的理论工具与技术支撑。相关成果已发表于国际权威期刊《国际疲劳杂志》。
增材制造钛合金凭借强度高、重量轻且成型灵活的特点，已成为高端装备制造的关键材料。但在生产过程中容易产生内部缺陷，加上温度、应力等多种因素影响，这种材料长期使用中的疲劳寿命预测一直是行业难题。传统预测方法要么需要大量实验数据支撑，要么难以全面考虑各种影响因素，预测精度难以满足实际需求。
针对这一痛点，研究团队创新构建了“神经Basquin偏微分方程约束网络”模型，其核心优势在于将材料物理规律与机器学习技术相结合，一方面基于经典的材料疲劳理论构建网络基础，确保预测结果符合物理常识；另一方面将应力比、温度等8项关键影响因素转化为数学约束条件，引导模型更精准地学习材料疲劳规律。
为解决实验数据不足的问题，团队还开发了智能数据填补策略，结合856组钛合金疲劳数据，构建出包含工艺、几何、热处理等22个关键参数的综合数据集。通过独特的“寿命输入—应力输出”反向计算结构，模型成功解决了疲劳极限附近预测不准确的行业难题。
测试结果显示，这一模型仅需922个参数，就能实现高精度预测，训练集与测试集的平均误差分别低至29.6兆帕和35.0兆帕，预测可信度均超过95%。同时，模型还能清晰量化各因素对疲劳性能的影响程度，其中应力比、热处理参数和表面状态被证实为最关键的三个因素。据介绍，这一成果不仅为增材制造金属材料的疲劳性能预测提供了新范式，也将助力我国高端装备的可靠性设计水平进一步提升。
|
