一种基于机器学习的多因素影响环境疲劳寿命预测方法.pdfVIP

下载本文档

0
0
约9.92千字
约 11页
2023-05-16 发布于四川
举报
版权申诉

一种基于机器学习的多因素影响环境疲劳寿命预测方法.pdf

1、本文档共11页，其中可免费阅读10页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明涉及材料疲劳寿命评估方法领域，尤其涉及一种基于机器学习的多因素影响环境疲劳寿命预测方法。本发明首先通过建立机器学习模型并优化参数。接着通过实验和文献资料收集数据，获取关键特征变量。再将数据随机划分训练集和测试集，将训练集数据进行特征缩放，并输入到机器学习模型中进行迭代训练。最后将测试集数据进行特征缩放并输入到训练好的机器学习模型中，计算预测得到的疲劳寿命，评估模型的预测精度。本发明的优点在于利用数据的驱动性和模型的外推扩展性，在保证实验数据足够的前提下极大的减少对于试验次数的依赖，同时满足

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114781250 A (43)申请公布日 2022.07.22 (21)申请号 202210370846.9 (22)申请日 2022.04.11 (71)申请人西南交通大学地址 610000