典型文献
基于机器学习的高强度螺栓疲劳寿命预测
文献摘要：
受多变量和接触非线性的影响,如何延长高强度螺栓疲劳寿命依然是亟待解决的难题.为准确预测螺栓的疲劳寿命,文章将经典参数分析方法与机器学习技术相结合,首先根据数值分析结果对螺栓疲劳寿命参数的影响因素进行降维处理,然后使用多项式回归(PR)和多层感知(MLP)回归的机器学习模型建立螺栓应力幅与影响因素间的映射关系,最后将机器学习模型与图形化编程语言LabVIEW相结合,设计一套能够准确分析高强度螺栓连接系统应力幅值并预测其疲劳寿命的窗口化分析工具.实验结果表明,PR模型得到的预测值与数值模拟计算值的误差低于2％,MLP回归模型得到的预测值与数值模拟计算值的误差低于4％.
文献关键词：
高强度螺栓;实时疲劳预测;机器学习;窗口化分析工具
中图分类号：
作者姓名：
张乐;马奔奔;何启源;苗虹;李辉
作者机构：
东方电气集团东方电机有限公司研究试验中心,四川德阳618000;东方电气风电有限公司研发中心,四川德阳618000;四川大学电气工程学院,四川成都610065
文献出处：
引用格式：
[1]张乐;马奔奔;何启源;苗虹;李辉-.基于机器学习的高强度螺栓疲劳寿命预测)[J].西华大学学报（自然科学版）,2022(06):68-74
A类：
窗口化分析工具,实时疲劳预测
B类：
基于机器学习,疲劳寿命预测,多变量,接触非线性,准确预测,参数分析,机器学习技术,技术相结合,降维处理,多项式回归,PR,多层感知,MLP,机器学习模型,螺栓应力,映射关系,图形化编程语言,LabVIEW,高强度螺栓连接,应力幅值,数值模拟计算,计算值
AB值：
0.24103
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
