基于機器學習的結(jié)構(gòu)鋼疲勞壽命預測
1.研究背景結(jié)構(gòu)鋼的疲勞失效是機械工程領域的重大挑戰(zhàn)，傳統(tǒng)方法（如基于S-N曲線的線性Palmgren-Miner模型）無法充分捕捉非線性疲勞行為與載荷序列效應。近年來，人工智能（AI）與機器學習（ML）技術為疲勞壽命預測提供了新思路，但現(xiàn)有研究多聚焦單一材料或復雜深度學習模型，缺乏對多種鋼材的通用性模型及計算效率的對比分析。2.研究方法數(shù)據(jù)來源采用日本國立材料科學研究所（NIMS）數(shù)據(jù)庫及挪威斯塔萬格大學（UiS）實驗數(shù)據(jù)，涵蓋5種結(jié)構(gòu)鋼（S25C-S55C）及NVD36鋼...
