首页/文章/ 详情

意大利都灵理工顶刊丨基于概率机器学习的增材制造SS316L不锈钢疲劳失效评估

1天前浏览17
       
           

图文摘要 基于概率机器学习的增材制造SS316L疲劳失效评估

                 图片                  

引用格式:

Alessio Centola, Alberto Ciampaglia, Davide Salvatore Paolino, Andrea Tridello. Probabilistic Machine Learning for preventing fatigue failures in Additively Manufactured SS316L. Engineering Failure Analysis, 2025, 168: 109081.

原文链接:https://doi.org/10.1016/j.engfailanal.2024.109081

             
             

1. 研究背景

不锈钢316LSS316L)因其通用性广、强度和耐腐蚀性强在增材制造中广受重视。该工作提出了一种概率机器学习方法来评估增材制造SS316L部件的疲劳性能。通过分析工艺参数、热处理和表面处理等关键制造参数,该模型提供了疲劳强度的统计估计,为评估疲劳寿命提供了有价值的参考。此外,采用贝叶斯神经网络(BNN)将模型不确定性与疲劳现象固有的不确定性分离,稳定地预测了概率应力寿命(PSN)曲线,分析了制造参数对疲劳强度的影响,进一步提供了可靠的疲劳失效评估。

2. 研究方法

该工作重点在建立模拟不确定性的神经网络模型,主要考虑了疲劳现象的固有散射及机器学习模型的不确定性,并分离它们的贡献。该工作收集了51个数据集的518个疲劳试验点用于模型训练,数据集特征包含了工艺参数、热处理和表面处理等关键制造参数,将疲劳寿命作为因变量,应力幅作为自变量。首先介绍了经验疲劳模型,即正态分布线性疲劳模型。并建立前馈神经网络模型(FFNN-L),用于预测给定制造结构下线性疲劳模型中的斜率、截距和标准差,模型结构见1。然而,在FFNN-L模型中,数据集的标准差需要事先计算,且无法利用所有数据点。因此,该工作提出了概率损失函数,并建立物理信息神经网络模型(PINN-L)。值得注意的是,在PINN-L模型中,应力幅和跳动度被称为模拟输入,它们不直接馈送到神经网络隐含层,而只传递给自损失函数,如2所示。

图片            

1 FFNN-L模型结构

图片            

2 PINN-L模型结构                

为了从疲劳响应的固有散射(即任意不确定性)中识别训练数据的影响(即模型不确定性),该工作建立了贝叶斯神经网络模型(BNN),见3BNN能轻松捕获机器学习模型的不确定性,并通过将贝叶斯统计作为模型的一部分来实现模型泛化。BNN通常由变分层构建,对先验和后验分布使用参数函数。每一层由神经元数量、激活函数、先验分布和后验分布来定义。在该工作所开发的BNN模型中,先验和后验分布都被定义为多元正态分布,用于在层连接中引入不确定性。先验是一个标准化的多元正态分布,而后验分布是一个完全填充的多元正态分布,其均值向量和对称协方差矩阵条目在训练过程中更新。此外,BNN的目标是在90%的可靠性(R90)和90%的置信度(C90)下预测疲劳寿命,将疲劳的固有散射(R90)和线性模型的不确定性(C90)限制在数据集上,同时用BNN模拟机器学习模型的不确定性。

图片            

3 BNN模型结构

3. 研究结论

1)该工作建立的FFNN模型依据制造参数预测线性疲劳模型的参数,显示出可接受的结果,但预测能力有限。带有损失函数的PINN模型能提高外推性能,但统计偏差同时受到实验散射和训练数据的影响。              

2)该工作开发的BNN用于估计机器学习模型的不确定性,所提供的预测结果为R90C90曲线,展现出机器学习预测的准确性和可信度。此外,BNN综合分析了增材制造中建筑方位、激光功率、扫描速度、舱口距离和层厚对疲劳性能的影响,揭示了它们对疲劳性能的单独和综合影响。              

3)该工作所提出的BNN模型极大提高了机器学习模型的可信度和解释性,通过工艺参数准确预测PSN曲线,同时引入置信度的概率度量,可提供安全可靠的疲劳设计。


来源:增材制造硕博联盟

ACTAdditive疲劳通用建筑增材试验
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2025-04-02
最近编辑:1天前
增材制造博硕联盟
硕士 聚焦增材制造科研与工程应用,致...
获赞 125粉丝 75文章 543课程 0
点赞
收藏
作者推荐

SpaceX首次跨国回收,“长征五号”激发航天增材热!3月18来航空航天论坛攻克航天制造痛点

近期,全球商业航天热潮席卷而来。2月19日,美国SpaceX成功发射并回收“星舰”火箭,这是人类首次从一个国家向太空发射火箭,然后在另一个国家完成火箭的跨国回收。中国长征五号系列火箭不断突破技术瓶颈,3D打印技术应用于航天液体火箭发动机新研型号研制,重点解决“急、难、险、重、新”的零部组件研制问题,同时承担成熟发动机型号复杂异形构件研制及批产。随着低空经济和商业航天的崛起,航空航天领域正进入一个全新的发展阶段。 *SpaceX发布的首台Raptor3(第三代猛禽)火箭引擎:关键组件采用3D打印的单晶超合金制造,提高耐用性和性能。与此同时,增材制造技术在航天领域的应用也迎来新的机遇:从航天器结构的轻量化设计到发动机部件的快速制造,增材制造正在解决行业长期以来的生产与成本痛点。应用驱动变革!TCT亚洲峰会——航空航天论坛将带来前沿的增材制造技术研究与实际应用案例,来自国内外顶尖专家将分享他们的经验与观点,帮助你把握行业发展趋势。为什么不能错过这场峰会?航天行业的技术痛点正在被解决,增材制造如何提升制造效率、降低成本,推动火箭、卫星等关键设备的快速研发?来自中国科学院宁波材料技术与工程研究所的李琳教授(英国皇家工程院院士)、同济大学的杨伟东教授、北京动力机械研究所的马瑞主任等行业领军人物的深入分析,他们将直面当前航空航天制造中面临的技术挑战,介绍如何通过增材制造提高航天器制造的精度、降低成本并提升可靠性。商业航天正处于快速发展期,如何利用增材制造技术在航天器制造中提升竞争力?东方空间、星际荣耀、深蓝航天等公司正通过3D打印技术加速航天器及其组件的研发周期。从理论到实践,本次论坛汇聚了行业大咖,深度探讨增材制造如何在航空航天中的多种应用,展示最实际的技术成果与发展趋势。 谁应该参加?航空航天行业的专家与工程师:深入了解增材制造技术在航天器设计、制造和测试中的实际应用。可以从演讲中获取关于材料选择、工艺优化以及技术难题解决方案的第一手信息,帮助在自身项目中应用这些技术,提高生产效率和质量控制水平。商业航天公司及相关企业的高层决策者:了解增材制造在航天领域的应用案例和趋势,从而为企业的未来发展做出更明智的技术和战略决策。增材制造行业的专家、工程师与企业代表:深入了解增材制造技术在航空航天领域的应用,将有助于扩展技术视野,发现潜在的行业需求。投资者与行业顾问:通过峰会中的技术分享与案例展示,识别增材制造技术在航天领域的应用潜力和未来发展趋势。 无论你是航天行业的技术专家、商业航天公司决策者、增材制造领域的从业者,还是行业投资者,这场峰会都为你提供了一个极佳的平台,帮助你了解最新的技术动态,发掘行业合作机会,推动个人或公司在航空航天和增材制造领域的前沿发展。 来源:增材制造硕博联盟

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈