本发明公开了一种基于SENet的透平叶片高周疲劳寿命预测方法,包括步骤:1、采集发生高周疲劳失效的透平叶片故障信号;2、采用SFI及FEM方法计算作业时透平叶片的受迫振动和自激振动时序信号,通过FFT转换为频域信号,计算作业时的前六阶振动响应;3、对所有采样叶片进行振动响应计算,将数据归一化,划分训练集和验证集;4、将SE块集成到ResNet神经网络中,形成SE‑ResNet为架构的SENet网络并训练;5、针对实际运行的透平叶片进行高周疲劳寿命预测;6、增添新数据、针对不同材料进行新的网络训练。本发明能够实现精准的高周疲劳寿命预测,避免了复杂的寿命预测机理分析,大幅减少了寿命预测的人工及实验测试成本,具有重要的工程意义及广阔的应用前景。
声明:
“基于SENet的透平叶片高周疲劳寿命预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)