基于支持向量機(jī)算法的合金鋼疲勞極限檢測方法及其系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明材料疲勞極限檢測技術(shù)領(lǐng)域，尤其涉及一種基于支持向量機(jī)算法的合金鋼 疲勞極限檢測方法及其系統(tǒng)。
【背景技術(shù)】
[0002] 合金鋼在低于材料屈服極限的交變應(yīng)力（或應(yīng)變）的反復(fù)作用下，經(jīng)過一定的循 環(huán)次數(shù)以后，會(huì)在應(yīng)力集中部位萌生裂紋。裂紋在一定條件下擴(kuò)展，最終突然斷裂，這一失 效過程稱為疲勞破壞。疲勞破壞是工程結(jié)構(gòu)中常見的一種失效形式。
[0003] 在疲勞試驗(yàn)中，應(yīng)力交變循環(huán)大至無限次而試樣仍不破損時(shí)的最大應(yīng)力叫疲勞極 限。一般當(dāng)用循環(huán)次數(shù)達(dá)到10的7次方而試樣尚有90%不破壞情況下的應(yīng)力表示疲勞極 限。在疲勞問題的研究中，知道材料的疲勞極限，對于預(yù)防材料的疲勞斷裂至關(guān)重要。試驗(yàn) 是確切知道材料疲勞極限的主要途徑，但疲勞試驗(yàn)設(shè)備昂貴，試驗(yàn)周期冗長且花費(fèi)巨大。

【發(fā)明內(nèi)容】

[0004] 基于此，針對上述技術(shù)問題，本發(fā)明提供一種基于支持向量機(jī)算法的合金鋼疲勞 極限檢測方法及其系統(tǒng)。
[0005] 為解決上述技術(shù)問題，本發(fā)明采用如下的技術(shù)方案：
[0006] -種基于支持向量機(jī)算法的合金鋼疲勞極限檢測方法，包括：
[0007] 以多種合金鋼的常規(guī)機(jī)械性能參數(shù)作為訓(xùn)練樣本集的輸入?yún)?shù)，以所述多種合金 鋼對應(yīng)的疲勞極限值作為輸出參數(shù)，建立訓(xùn)練樣本集；
[0008] 將所述訓(xùn)練樣本集輸入到支持向量機(jī)算法中，建立基于支持向量機(jī)算法的疲勞極 限計(jì)算模型；
[0009] 將待測合金鋼的常規(guī)機(jī)械性能參數(shù)進(jìn)行歸一化預(yù)處理；
[0010] 將所述待測合金鋼歸一化預(yù)處理后的常規(guī)機(jī)械性能參數(shù)輸入所述疲勞極限計(jì)算 模型，獲得該待測合金鋼的疲勞極限值。
[0011] 所述常規(guī)機(jī)械性能參數(shù)包括彈性模量、屈服極限、抗拉強(qiáng)度、延伸率以及斷面收縮 率。
[0012] 所述支持向量機(jī)算法的核函數(shù)采用徑向基函數(shù)。
[0013] 本方案還涉及一種基于支持向量機(jī)算法的合金鋼疲勞極限檢測系統(tǒng)，包括：
[0014] 訓(xùn)練樣本集建立單元，用于以多種合金鋼的常規(guī)機(jī)械性能參數(shù)作為訓(xùn)練樣本集的 輸入?yún)?shù)，以所述多種合金鋼對應(yīng)的疲勞極限值作為輸出參數(shù)，建立訓(xùn)練樣本集；
[0015] 模型建立單元，用于將所述訓(xùn)練樣本集輸入到支持向量機(jī)算法中，建立基于支持 向量機(jī)算法的疲勞極限計(jì)算模型；
[0016] 預(yù)處理單元，用于將待測合金鋼的常規(guī)機(jī)械性能參數(shù)進(jìn)行歸一化預(yù)處理；
[0017] 疲勞極限值計(jì)算單元，用于將所述待測合金鋼歸一化預(yù)處理后的常規(guī)機(jī)械性能參 數(shù)輸入所述疲勞極限計(jì)算模型，獲得該待測合金鋼的疲勞極限值。
[0018] 所述常規(guī)機(jī)械性能參數(shù)包括彈性模量、屈服極限、抗拉強(qiáng)度、延伸率以及斷面收縮 率。
[0019] 所述支持向量機(jī)算法的核函數(shù)采用徑向基函數(shù)。
[0020] 本發(fā)明利用較少的合金鋼疲勞性能數(shù)據(jù)，不需進(jìn)行材料疲勞實(shí)驗(yàn)即可得到疲勞極 限，能夠取得精度較高的效果，節(jié)省大量的試驗(yàn)費(fèi)用和時(shí)間，本發(fā)明對于計(jì)算合金鋼的疲勞 壽命具有重要的理論意義和實(shí)際應(yīng)用價(jià)值。
【附圖說明】
[0021] 下面結(jié)合附圖和【具體實(shí)施方式】本發(fā)明進(jìn)行詳細(xì)說明：
[0022] 圖1為本發(fā)明的基于支持向量機(jī)算法的合金鋼疲勞極限檢測方法的流程圖；
[0023] 圖2為本發(fā)明的基于支持向量機(jī)算法的合金鋼疲勞極限檢測系統(tǒng)的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0024] 如圖1所示，一種基于支持向量機(jī)算法的合金鋼疲勞極限檢測方法，包括：
[0025] S110、以多種合金鋼的常規(guī)機(jī)械性能參數(shù)作為訓(xùn)練樣本集的輸入?yún)?shù)，以所述多 種合金鋼對應(yīng)的疲勞極限值作為輸出參數(shù)，建立訓(xùn)練樣本集。
[0026] 其中，常規(guī)機(jī)械性能參數(shù)包括彈性模量E、屈服極限〇 s、抗拉強(qiáng)度〇 b、延伸率δ以 及斷面收縮率Φ。
[0027] 本實(shí)施例根據(jù)《機(jī)械工程材料性能數(shù)據(jù)手冊》（機(jī)械工業(yè)出版社，1994)，選取34種 合金鋼來建立訓(xùn)練樣本集，合金鋼訓(xùn)練樣本性能數(shù)據(jù)見表1 :

[0030]表1
[0031 ] S120、將訓(xùn)練樣本集輸入到支持向量機(jī)算法中，建立基于支持向量機(jī)算法的疲勞 極限計(jì)算模型。
[0032] 其中，支持向量機(jī)算法（Support Vcetor Machine，SVM)，在樣本量較少的情況下 亦能獲得很好的學(xué)習(xí)效果；同時(shí)，由于支持向量機(jī)算法是一個(gè)二次優(yōu)化問題，所得到的解就 是全局最優(yōu)解，避免了神經(jīng)網(wǎng)絡(luò)等方法結(jié)構(gòu)難于確定、過學(xué)習(xí)以及局部極小化等問題。合金 鋼疲勞極限的檢測作為典型的小樣本問題，很適合支持向量機(jī)算法的應(yīng)用。
[0033] 為了提高支持向量機(jī)算法的計(jì)算精度，需要選擇合適的核函數(shù)。一般常用的核函 數(shù)有線性核函數(shù)、多項(xiàng)式核函數(shù)以及徑向基核函數(shù)等，通過計(jì)算發(fā)現(xiàn)采取徑向基函數(shù)能夠 取得較好的預(yù)測效果。故本發(fā)明的支持向量機(jī)算法的核函數(shù)采用徑向基函數(shù)，徑向基函數(shù) 參數(shù)的選擇，利用交叉檢驗(yàn)方法自動(dòng)尋優(yōu)得到。
[0034] S130、將待測合金鋼的常規(guī)機(jī)械性能參數(shù)進(jìn)行歸一化預(yù)處理。
[0035] S140、將待測合金鋼歸一化預(yù)處理后的常規(guī)機(jī)械性能參數(shù)輸入疲勞極限計(jì)算模 型，獲得該待測合金鋼的疲勞極限值。
[0036] 如圖2所示，本發(fā)明還涉及一種基于支持向量機(jī)算法的合金鋼疲勞極限檢測系 統(tǒng)，包括訓(xùn)練樣本集建立單元110、模型建立單元120、預(yù)處理單元130以及疲勞極限值計(jì)算 單元140。
[0037] 其中，訓(xùn)練樣本集建立單元110,用于以多種合金鋼的常規(guī)機(jī)械性能參數(shù)作為訓(xùn)練 樣本集的輸入?yún)?shù)，以多種合金鋼對應(yīng)的疲勞極限值作為輸出參數(shù)，建立訓(xùn)練樣本集。
[0038] 其中，常規(guī)機(jī)械性能參數(shù)包括彈性模量E、屈服極限〇