基于支持矢量机的疲劳应力集中系数预测模型研究

摘要：

疲劳应力集中系数作为材料疲劳抗力指标的疲劳极限,不仅反映了疲劳应力集中的程度,还反映了材料对缺口的敏感程度,将近年来飞速发展的支持矢量机(Support vector machine,SVM)应用于疲劳应力集中系数的研究.介绍支持矢量机的基本原理,利用LIBSVM,选择高斯型径向基函数(Radial basis function,RBF)作为核函数,建立以材料的抗拉强度、屈服强度、光棒疲劳强度、理论应力集中系数、缺口根部半径、试样尺寸及缺口疲劳极限作为输入值,疲劳应力集中系数为输出值的模型,从而对疲劳应力集中系数进行分析和预测.同时,SVM模型与经验公式Neuber式和Peterson式的计算值进行比较.结果表明,在小样本条件下,应用SVM技术构建的数学模型,模型的拟合相对误差小于7.4％,从而证明该SVM模型的准确性和适用性.

关键词：疲劳应力集中系数、支持矢量机、力学性能、预测

所属期刊栏目：48

分类号：TG156(金属学与热处理)

资助基金：国家高技术研究发展计划资助项目863计划,2009AA11Z212

在线出版日期：2012-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：40-43