铁磁性材料的多磁参数融合与疲劳寿命预测方法研究.pdf

摘要

铁磁性材料在工程中应用广泛,如航空器材、铁路和大型桥梁设施等。在长期

的服役过程中常常受到各种复杂载荷和不确定因素的作用而产生疲劳甚至断裂。

磁巴克豪森噪声（MBN，MagneticBarkhausenNoise）技术作为一种方便和高效的

无损检测方法，能够对铁磁性材料的疲劳损伤进行定性的表征和检测，但MBN信

号的随机特性使得其磁特征参数的鲁棒性和普适性不高，进而影响对材料疲劳损

伤的检测精度。因此，研究铁磁性材料结构在复杂环境下的磁检测技术的多磁参数

融合和疲劳寿命预测对保证重大机械设备的安全性和可靠性运行具有重要意义。

由于疲劳破坏的复杂性、分散性和不确定性，以及MBN信号的随机性和敏感性的

特点，对磁巴克豪森信号的多磁参数融合和材料疲劳寿命预测中的不确定性问题

展开研究。本文主要研究内容和技术路线如下：

（1）针对铁磁性材料疲劳寿命预测中诸多不确定因素的存在，以及目前的确

定性寿命预测方法的不足，本文主要考虑由MBN信号随机性引起的观测不确定

性，和由模型类型、输入、模型参数设置及训练导致的模型不确定性对材料疲劳寿

命预测的影响。根据由数据到相关材料试验、疲劳循环测试等不同阶段的信息和知

识状态，构建基于贝叶斯学习综合不确定性分析的多磁参数融合和不确定性疲劳

寿命预测理论框架。

（2）研究基于观测不确定性分析的多磁参数融合方法。基于主成分分析（PCA）

和特征相关性分析（FCA），提出了一种最优权重组合特征选择法，为多参数融合

和建模提供了一种快速的数据库特征选择方法，用以选择考虑不同特征维数的前

提下包含原始数据信号主要信息的独立特征。将MBN信号随机性表征为观测不确

定性，采用贝叶斯变分自编码器对观测不确定性进行建模的基础上对MBN信号随

机性做出确定性定义及消除，达到了对MBN信号的多磁特征参数进行有效融合的

目的，融合后的磁特征参数能够提升对材料疲劳寿命预测的准确度。

（3）研究基于模型不确定性分析的疲劳寿命预测方法。采用贝叶斯神经网络

和贝叶斯线性回归对模型不确定性进行建模的基础上，实现了对疲劳寿命预测中

不确定性程度的定性描述和评估。同时，基于Bayes推理及信息更新的不确定性分

析方法和概率模型选择方法标准，对贝叶斯模型参数先验分布、似然函数、后验分

布的互相作用和影响关系通过实验设计进行了分析和验证。另外，考虑到贝叶斯模

型的有效性受限于先验知识和数据量，提出了一种在无先验信息及小数据集条件

下的参数后验分布训练方法，优化了先验概率的设置，进一步提高了贝叶斯模型预

测结果的准确性，并在疲劳寿命预测实验中验证了所提方法的优势。

关键词：疲劳寿命预测，磁巴克豪森噪声、观测不确定性，模型不确定性，贝叶斯

学习

ABSTRACT

Ferromagneticmetalmaterialsarewidelyusedinengineeringandareabasic

componentofmajormechanicalequipment,suchasaviationequipment,railways,and

large-scaleamusementfacilities.Duringthelong-termservice,ferromagneticmaterials

areoftensubjectedtovariouscomplexloadsanduncertainfactors,whichmaycause

fatigueorevenfracture.MagneticBarkhausenNoise(MBN)technologyisaconvenient

andeffectivenon-destructivetestingmethodanditcanqualitativelycharacterizeand

detectthemicrostructurechangesandfatiguedamageofferromagneticmaterials.

However,thestochasticchara