基于自监督对抗训练算法的气缸盖铸铁材料热机械疲劳寿命预测研究
蒲博闻1
孙兴悦2
周田果2
卫军朝3
王根全4
陈旭2
1.天津大学 化工学院,天津 300350;中国北方发动机研究所 车用动力系统全国重点实验室,天津 3004002.天津大学 化工学院,天津 3003503.中国北方发动机研究所 结构技术部,天津 3004004.中国北方发动机研究所 车用动力系统全国重点实验室,天津 300400;中国北方发动机研究所 结构技术部,天津 300400
摘要：以气缸盖铸铁材料为研究对象,采用本体取样的方式进行了一系列不同温度范围下的热机械疲劳试验.结果表明,铸铁材料的疲劳试验表现出循环软化、循环稳定和快速失效3个阶段.此外,反相位加载下材料的疲劳寿命显著小于正相位加载.使用人工神经网络(Artificial Neural Network,ANN)、随机森林(Random Forest,RF)等6种典型有监督学习模型对试验数据进行疲劳寿命预测;结果表明,模型无法学习到材料的疲劳寿命分布趋势.针对该问题,利用基于生成对抗网络(Generative Adversarial Network,GAN)自监督算法,实现了对气缸盖铸铁材料热机械疲劳寿命的预测,在小样本条件下表现出了较好的预测效果.该研究对于开展气缸盖设计和疲劳分析有着极强的指导意义和参考价值.
关键词：自监督算法深度学习热机械疲劳脉冲疲劳寿命预测
分类号：TK417+.13(内燃机)
论文发表日期：2025-09-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：9( 241-249 )
英文信息