[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

说明书

本发明提供了一种疲劳耐久性评测方法、装置、电子设备和计算机可读介质，涉及机械传动构件疲劳测试的技术领域，包括获取被测对象的应力应变电子散斑图像，根据应力应变电子散斑图像读取疲劳过程特征信息；从而针对所述应力应变电子散斑图像采用预先训练好的目标神经网络模型进行分析处理；得到被测构件的数据预测结果，根据数据预测结果对被测构件的耐久性进行预估；本发明建立有效的疲劳失效预测方法、提高非接触式检测的精确度和实时性、扩展疲劳耐久性评测数据库和专家系统，能够适用于相对运动、内封装特点的传动构件场合，全面反映载荷历程、强度退化、结构特征等要素，较好地表征并描述工程实际中存在的不确定性因素。

技术领域

本发明涉及机械传动构件疲劳测试技术领域，尤其是涉及一种疲劳耐久性评测方法、装置、电子设备和计算机可读介质。

背景技术

传动构件往往是机械系统中的主要受力构件，疲劳失效在其中具有广泛性、普遍性、实时性和重要性，且由于相对运动、内封装等特点，增加了其疲劳耐久性检测和评估的复杂性和艰巨性，从而导致抗疲劳设计优化方向难以明确。

目前，在对机械传动构件的疲劳耐久性评测中，机械传动构件疲劳可靠性模型通常缺乏考虑失效模式的相关性、多部位损伤以及多构件之间的关联，未能全面反映载荷历程、强度退化、结构特征等要素，不能较好地表征并描述工程实际中存在的不确定性因素。

发明内容

本发明的目的在于提供一种疲劳耐久性评测方法、装置、电子设备和计算机可读介质，能够全面反映载荷历程、强度退化、结构特征等要素，较好地表征并描述工程实际中存在的不确定性因素。

第一方面，本发明提供的疲劳耐久性测试方法，应用于机械传动构件，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。

在可选的实施方式中，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。在可选的实施方式中，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。

在可选的实施方式中，获取被测构件的疲劳过程特征信息包括：

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。

在可选的实施方式中，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；