引文格式:
Teixeira M C, Brandão A L T, Parente A P, et al. Artificial Intelligence modeling of ultrasonic fatigue test to predict the temperature increase[J]. International Journal of Fatigue, 2022, 163: 106999.
Teixeira, M. C., et al. "Artificial Intelligence modeling of ultrasonic fatigue test to predict the temperature increase." International Journal of Fatigue 163 (2022): 106999.
Teixeira, M. C., Brandão, A. L. T., Parente, A. P., & Pereira, M. V. (2022). Artificial Intelligence modeling of ultrasonic fatigue test to predict the temperature increase. International Journal of Fatigue, 163, 106999.
背景简介
超声疲劳试验机的发展使得疲劳研究范围超过107周次循环从而进入超高周疲劳(VHCF)研究范围。Bathias是超声疲劳试验的先驱,在他的著作中收集了许多在VHCF条件下各种金属材料的试验结果。需要强调的是,超声波频率会导致试验温度升高,而温度是影响疲劳行为的因素之一,因此会影响材料性能。在文献综述的基础上,已发现有几篇相关论文讨论了试验频率和温升对钢VHCF特性的影响。
最近,机器学习(ML)在不同疲劳领域的应用越来越多。由于ML有学习模式的能力,因此可以节省时间并降低解决工程问题的成本。文献中关于疲劳寿命预测、疲劳裂纹扩展评估、钢疲劳强度预测、裂纹萌生和扩展以及夹杂物对疲劳行为的影响的方法,主要是适用于高周疲劳(HCF)行为。然而,应用于VHCF的ML已发表的研究数量有限,因此本文通过机器学习方法,建立了相关模型,预测超声振动疲劳试验中的温度变化。
成果介绍
(1)建立超声振动疲劳试验温度监测系统(图1),采用热成像摄像机采集温度数据,对试样进行无损监测。实验在岛津USF-2000A型超声疲劳试验机上进行。图2显示了本研究的工作流程,由此获得ML中使用的原始数据。将黑色涂层喷涂到试样上,使其发射率提高到0.93,这一步骤对于在监测温度时获得更好的精度是必要的。喷嘴具有耐高温 (600°C) 的特性,,且其发射率已得到了验证,并将获得的热成像数据与使用手动热电偶接触系统的测量结果进行了比较。
图1 热成像摄像机和超声疲劳试验机示意图
图2 获取原始数据的工作流程
(2)在这项研究中,来自VHCF测试的实验数据被用来开发一个基于树的机器学习模型,称为极端梯度提升模型(XGBoost)。(图3)作者训练了不同的模型,并使用SMBO/TPE/EI优化策略来选择最优XGBoost超参数。对于训练、验证和测试子集,最佳模型能够预测VHCF温度,R2值高于0.98(图4)。性能指标均方根误差(RMSE)表明,模型误差在数据标准差范围内,约为实验数据标准差的8倍,证实了模型的可靠性。基于学习曲线以及观察值和预测值的比较,可以说该模型具有很高的效率,即使在高度非线性的情况下也能概括数据。
图3 模型开发阶段的工作流程
图4 模型性能参数R2
(3)图5(a)和5(b)显示了训练数据集预测值与观察值的回归曲线和T-N曲线。比较了实验VHCF温度值与XGBoost模型估计的温度值。实验数据和模型输出数据之间的高度一致性表明,即使在非线性区域,模型也学习了数据的模式。根据图5(b)的结果,可以说该模型能够了解在107个循环之前失效的情况以及在整个试验过程中未冷却的样本。图6(a)和6(b)展示了关于测试数据集的类似轮廓,证明了模型不仅能够学习数据模式,而且在呈现给新数据时也能够泛化。
图5 训练模型散点图:(a)比较预测和观察到的T;(b)T-N曲线
图6 测试模型散点图:(a)比较预测和观察到的T;(b)T-N曲线
模型解释表明,应力幅值是预测VHCF温度的最重要特征,σa值越大,对温度升高的影响越大。除暂停时间(tpause)外,所有其他功能都会发生这种行为,其中较大的值会导致较低的温度值。
本研究有助于了解哪些试验特征对温升影响最大,因为在超声疲劳试验期间,仍然存在许多关于试样加热和加载条件对温度的影响的问题。此外,所提出的模型可以从VHCF中的测试条件估计温度(T-N曲线),而无需进行试验工作。利用所提出的模型,可以确定最佳工作条件,以最小化温度影响,避免VHCF试验期间试样过热。因此,该模型是避免获得可能影响材料疲劳性能的虚构结果的重要工具。
致谢
这项研究是在ANEEL监管的巴西电力能源部门项目的研究和技术开发范围内进行的,得到了Eneva公司的支持。这项工作还得到了SENAI ISI Inspection and Integrity的支持,以进行所有红外热成像测试。本文通讯作者:Teixeira M C(DEQM, Pontifical Catholic University of Rio de Janeiro, Rua Marques de São Vicente, 225, Rio de Janeiro, 22451-900 RJ, Brazil)。
本期小编:杨逸璠(整理)
闵 琳(校对)
舒 阳(审核)
闵 琳(发布)
|