(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211001661.7 (22)申请日 2022.08.19 (71)申请人 郑州轻工业大 学 地址 450000 河南省郑州市高新 技术产业 开发区科 学大道136号 (72)发明人 谢贵重　贾杭奇　李浩　钟玉东　 杜文辽　王良文　何文斌　邬昌军　 孙春亚　李客　高艺源　王昊琪　 李晓科　汪曙光　刘林　 (74)专利代理 机构 北京哌智科创知识产权代理 事务所(普通 合伙) 11745 专利代理师 张元媛 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01)G06N 3/08(2006.01) G06F 119/04(2020.01) G06F 119/14(2020.01) (54)发明名称 基于相场法和BP神经网络的机械结构剩余 寿命预测方法 (57)摘要 本发明提出一种基于相场法和BP神经网络 的机械结构剩余寿命预测方法， 首先， 建立机械 结构的物理模 型， 基于物理模型采用相场法构建 出机械结构的相场断裂模型， 并对模 型进行裂纹 扩展分析； 其次， 在机械结构中选取易于测量的 观测点， 获取在裂纹扩展 过程中观测点处的应变 值和相对应的结构剩余寿命值， 组成应变和结构 剩余寿命的数据集； 然后， 将得到的数据集输入 到BP神经网络中进行训练， 获得应变和结构剩余 寿命之间的预测模型； 最后， 只用连续采集机械 结构观测点处的应变值， 并将应变值输入到训练 好的网络 预测模型中， 就能够预测出机械结构的 剩余寿命信息。 本发明只需要获得观测点处相应 的响应值就可以预测出机械结构的剩余寿命信 息。 权利要求书2页 说明书8页 附图3页 CN 115292849 A 2022.11.04 CN 115292849 A 1.一种基于神经网络和相场法结合的机械结构剩余寿命的预测方法， 其特征在于， 包 括如下步骤： S1： 构建机械结构的CAD模型， 包括裂纹的位置、 尺寸； 利用超声波探测技术， 获得机械 结构的裂纹的位置、 尺寸， 借助于激光扫描仪获取机械结构形状、 几何和位置信息， 创建出 高精度CAD模型， 为构建相场断裂模型提供物理模型； S2： 构建出机 械结构的相场断裂模型； S3： 在机械结构上面选择合 适观测点并获取相应的样本数据； S4： 构建神经网络模型 预测机械结构的剩余寿命。 2.如权利要求1所述的一种基于神经网络和相场法结合的机械结构剩余寿命的预测方 法， 其特征在于， 步骤S2具体为： S2.1： 引入序参量φ来描述裂纹的损伤演化， 裂纹从萌生、 扩展到断裂是通过辅助损伤 标量φ来表示， φ＝0表示材料完好， φ＝1表示材料完全断裂， 引入连续光滑性函数φ(x) 来近似裂纹的扩展； S2.2： 由断裂 变分原理得机 械结构的总能量泛函； S2.3： 计算机 械结构的弹性应 变能； S2.4： 由虚 功原理计算机 械结构的外力虚 功和内力虚 功。 3.如权利要求1所述的一种基于神经网络和相场法结合的机械结构剩余寿命的预测方 法， 其特征在于， 步骤S3具体为： S3.1： 通过建立机械结构的相场断裂模型， 输入机械结构的物理、 材料属性参数， 包括 杨氏模量E， 泊松比ν； S3.2： 设置增量 步； 其中位移的增量是Δu， 扩展时间步长是Δt， 设置的增量 步数为NN； S3.3： 划分网格； 网格的划分数量 为N1， N2， N3， ...， Nm其中N1＜N2＜...＜Nm； S3.4： 选取观测点， 观测点的位置用来 放置应变片； S3.5： 提取模型数据； 通过建立的相场断裂模型将观测点处的应变值和位移值提取出 来， 得到的样本总数为 NM， 结构的剩余寿命值t可以表示 为： t＝(xNM‑xi)/Δu*Δt 公式中x表示的位移， NM是原始样本集的总 个数， i表示的是第几个样本点， xN是机械结 构完全断裂时的最大位移值， xi是第i个样本点对应的位移值； 机械结构应变值和寿命之间 的函数关系表示 为F( ε,t)， 其中ε是 结构的应 变值， t是机 械结构的剩余寿命。 4.如权利要求1所述的一种基于神经网络和相场法结合的机械结构剩余寿命的预测方 法， 其特征在于， 步骤S4具体为： S4.1： 构建神经网络模型； 首先明确模型结构的输入层的数据和输出层的数据， 而输入 层的数据采用的是观测点的应 变值数据， 输出层的数据是机 械结构的寿命值； S4.2： 训练神经网络； 应变值样本从输入层输入经过神经网络结构的传递计算出输出 值， 通过与期望值进行比较并获取其之间的误差， 判断是否满足终止条件， 不满足时， 误差 经过输出层到中间层再到输入层， 进行反向传播并修改各层之间的权值和阈值， 通过这样 循环往复以其获得较小的误差并且还要满足迭代终止条件； 迭代的终止条件是满足设定的 训练精度， 通过不断减小训练的误差， 使 得神经网络逐渐逼近目标函数， 使其达到训练的目 的即提高网络模型 预测的精准度；权　利　要　求　书 1/2 页 2 CN 115292849 A 2S4.3： 将相场法和BP神经网络相结合， 实现机械结构的应变值和寿命值之间的函数关 系并预测 其寿命值； 利用相场法对机械结构的裂纹扩展进行有效的跟踪， 将机械结构 中便 于测量的观测点处的应 变值和位移值的数据导出并保存下来； S4.4： 将原始的数据集按照顺序排列并以每6个数据为一组样本， 然后按照此方法依次 进行处理， 然后， 构建出适合本数据集的BP神经网络模型结构， 将处理后的数据按照7:3的 比例划分为训练集和测试集， 通过训练集的数据来不断优化和改进BP神经网络的相关系数 以降低误差提高预测的精准度， 测试集的数据来验证训练模型的性能， 实现预测机械结构 的剩余寿命。权　利　要　求　书 2/2 页 3 CN 115292849 A 3