[发明专利]一种数据-模型互驱动的TiAl合金疲劳寿命预测方法

权利要求书

1.一种数据-模型互驱动的TiAl合金疲劳寿命预测方法，其特征在于，包括以下步骤：

步骤一：获取TiAl合金工况条件和疲劳寿命原始数据集；

步骤二：建立理论模型，根据理论模型对步骤一原始数据集进行数据处理得到标准数据集；

步骤三：构建随机森林模型，对步骤二所述标准数据集进行训练，测试最佳的参数组合，得到疲劳寿命预测模型；

步骤四：对步骤三所述疲劳寿命预测模型输入待预测的TiAl合金工况条件，得到TiAl合金疲劳寿命预测值。

2.如权利要求1所述的方法，其特征在于，步骤一中，获取TiAl合金工况条件，该工况条件包括加载角度，温度，应力。

3.如权利要求1所述的方法，其特征在于，步骤二中，建立理论模型，该理论模型为lgN＝a+bS，其中，a、b为常数，N为疲劳寿命，S为应力。

4.如权利要求1所述的方法，其特征在于，步骤二中，对原始数据集进行插值处理得到标准数据集。

5.如权利要求1所述的方法，其特征在于，步骤三中，构建的随机森林模型的参数组合包含决策树的数量、决策树最大深度和决策树最大特征数。

6.如权利要求1所述的方法，其特征在于，步骤三中，采用交叉验证法测试最佳的参数组合，具体步骤如下：

将标准数据集随机平均划分为十份，分别命名为D₁,D₂,…,D_i，i＝1,2,…,10，将D₁作为验证集，其余九份作为训练集训练随机森林模型，采用决定系数R₁²和均方根误差RMSE₁评估该模型准确率；将D₂作为验证集，其余九份作为训练集训练随机森林模型，采用决定系数R₂²和均方根误差RMSE₂评估该模型准确率；以此类推，按上述训练和评估步骤，分别得到D_i作为验证集时该模型准确率，平均后得到该模型的总准确率，

其中，D_i作为验证集时决定系数R_i²(i＝1,2,…,10)为：

其中，n_i为D_i验证集中TiAl合金疲劳寿命数据个数，y_ij为D_i验证集中TiAl合金疲劳寿命实验值，为D_i验证集中TiAl合金疲劳寿命预测值，为D_i验证集中TiAl合金疲劳寿命平均值；

D_i作为验证集时均方根误差RMSE_i(i＝1,2,…,10)为：

其中，n_i为D_i验证集中TiAl合金疲劳寿命数据个数，y_ij为D_i验证集中TiAl合金疲劳寿命实验值，为D_i验证集中TiAl合金疲劳寿命预测值。