[发明专利]疲劳耐久性评测方法、装置、电子设备和计算机可读介质

权利要求书

1.一种疲劳耐久性评测方法，应用于机械传动构件，其特征在于，包括：

获取被测构件的疲劳失效特性信息和疲劳过程特征信息，其中，所述疲劳失效特性信息用于表征所述被测构件的疲劳极限状态，所述疲劳过程特征信息用于表征所述被测构件在处于疲劳极限状态失效之前的运动过程状态；

获取所述被测构件的应力应变电子散斑图像；根据所述应力应变电子散斑图像得到疲劳失效特征信息和疲劳过程特征信息；

通过目标神经网络模型对所述疲劳失效特征信息、所述疲劳过程特征信息进行分析处理，得到所述被测构件的数据预测结果；以根据所述数据预测结果对所述被测构件的耐久性进行预估。

2.根据权利要求1所述的方法，其特征在于，获取被测构件的疲劳失效特性信息，包括：

构建所述被测构件的多影响参数疲劳失效关系模型；

根据所述多影响参数疲劳失效关系模型确定所述被测构件的疲劳极限状态的特征信息。

3.根据权利要求2所述的方法，其特征在于，多影响参数疲劳失效关系模型包括疲劳失效功能函数线性近似模型和疲劳失效功能函数非线性近似模型，构建所述被测构件的多影响参数疲劳失效关系模型包括：

确定被测对象的单一影响参数的定量关系和多个影响参数的耦合关联非线性关系；

根据所述单一影响参数的定量关系构建所述被测构件的疲劳失效功能函数线性近似模型；

根据所述多个影响参数的耦合关联非线性关系构建所述被测构件的疲劳失效功能函数非线性模型。

4.根据权利要求1所述的方法，其特征在于，获取被测构件的疲劳失效特性信息，包括：

构建所述被测构件的疲劳耐久性通用模型；

根据所述疲劳耐久性通用模型确定所述被测构件的疲劳过程特征信息。

5.根据权利要求1所述的方法，其特征在于，获取所述被测构件的应力应变电子散斑图像；根据所述应力应变电子散斑图像得到疲劳失效特征信息和疲劳过程特征信息包括：

利用基于神经网络的机器视觉模糊算法对所述应力应变电子散斑图像进行识别读取，得到应力和/或应变幅值；

对所述应力应变电子散斑图像进行图像畸变校准处理，修正因采集系统的透镜精度或组装工艺而造成的图像失真，得到校准后的应力应变电子散斑图像；

对所述校准后的应力应变电子散斑图像中的HSV和HLS进行颜色空间变换，采用加权平均法得到灰度化处理结果；并利用Canny算子对灰度化处理结果进行边缘提取，得到边缘提取结果；

基于所述灰度化处理结果和所述边缘提取结果在颜色空间中选择目标通道；并将所述目标通道确定为二值化的参考通道；以及基于所述二值化的参考通道对所述应力应变电子散斑图像进行二值化处理和透视变换，得到变换结果；

基于所述变换结果进行参数拟合，得到所述应力应变电子散斑图像的重构特征信息，并将所述重构特征信息确定为所述疲劳过程特征信息。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取训练样本；

基于所述训练样本对所述目标神经网络模型的初始阶段进行训练，通过损失函数对卷积核的权值和偏置项进行求导和更新，得到所述目标神经网络模型的全局最优权值。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

在基于所述训练样本对所述目标神经网络模型的初始阶段进行训练之后，对训练结果的查全率和/或查准率进行评价，介于两者中获得模型所需的最佳学习率。