专利名称: |
一种预测复合材料疲劳寿命的方法 |
摘要: |
本发明提供了一种预测复合材料疲劳寿命的方法,所述方法包括以下步骤:(1)对复合材料进行模态测试,得到频率值;将频率值代入疲劳寿命预测模型,得到预测的疲劳寿命,其中,所述疲劳寿命预测模型为关于交变循环次数与频率的疲劳寿命预测模型,所述交变循环次数与频率的数据通过交变疲劳载荷下同时进行疲劳试验和模态试验得到。本发明的方法只需采用简便易得的振动采集设备就能实现频率的采集,并进而预测疲劳寿命,简便易行且具有很好疲劳寿命预测的精度。 |
专利类型: |
发明专利 |
国家地区组织代码: |
广东;44 |
申请人: |
广州大学 |
发明人: |
张芝芳;梁智洪;廖兴升;傅继阳;刘爱荣;吴玖荣 |
专利状态: |
有效 |
申请日期: |
2019-01-16T00:00:00+0800 |
发布日期: |
2019-06-07T00:00:00+0800 |
申请号: |
CN201910046021.X |
公开号: |
CN109855991A |
代理机构: |
广州三环专利商标代理有限公司 |
代理人: |
颜希文;宋静娜 |
分类号: |
G01N3/32(2006.01);G;G01;G01N;G01N3 |
申请人地址: |
510000 广东省广州市番禺广州大学城外环西路230号 |
主权项: |
1.一种预测复合材料疲劳寿命的方法,其特征在于,所述方法包括以下步骤: (1)对复合材料进行模态测试,得到频率值; (2)将频率值代入疲劳寿命预测模型,得到预测的疲劳寿命,其中,所述疲劳寿命预测模型为关于交变循环次数与频率的疲劳寿命预测模型,所述交变循环次数与频率的数据通过交变疲劳载荷下同时进行疲劳试验和模态试验得到。 2.根据权利要求1所述的预测复合材料疲劳寿命的方法,其特征在于,所述交变疲劳载荷下进行疲劳试验得到由交变循环次数构成的集合A和由频率构成的集合B,所述集合A中的元素为交变循环次数,所述集合B中的元素为频率,所述疲劳寿命预测模型为所述集合A和集合B一一映射的模型。 3.根据权利要求2所述的预测复合材料疲劳寿命的方法,其特征在于,所述疲劳寿命预测模型为关于交变循环次数与频率的多项式函数模型,所述多项式函数模型通过最小二乘法拟合得到。 4.根据权利要求3所述的预测复合材料疲劳寿命的方法,其特征在于,所述多项式函数模型为以交变循环次数为因变量、频率为自变量的一元M次多项式,其中M为不小于1的整数。 5.根据权利要求3所述的预测复合材料疲劳寿命的方法,其特征在于,所述疲劳寿命预测模型为关于交变循环次数与频率的训练人工神经网络模型,频率F作为人工神经网络的输入,交变循环次数N作为输出,对人工神经网络进行训练,通过训练人工神经网络建立人工智能预测模型。 6.根据权利要求4或5所述的预测复合材料疲劳寿命的方法,其特征在于,所述进行疲劳试验和模态试验得到交变循环次数与频率数据的方法包括以下步骤: (1)确定复合材料的静拉伸/压缩应力; (2)对初始状态的复合材料试件进行振动测试,获得其初始频率; (3)根据步骤(1)测得的复合材料最大应力,设定疲劳试验的应力水平,在设定的应力水平下,将复合材料试件在交变疲劳载荷下进行疲劳试验,每隔一定的交变循环次数,停止疲劳试验,测试复合材料在该交变循环次数下的振动频率,重复此步骤至复合材料试件断裂,由此得到由交变循环次数作为元素构成的集合A和由频率作为元素构成的集合B,集合A与集合B一一映射。 7.根据权利要求6所述的预测复合材料疲劳寿命的方法,其特征在于,所述频率为1~N阶频率中随交变循环次数增加而衰减的趋势最显著的频率,其中,N为大于1的正整数。 8.根据权利要求6所述的预测复合材料疲劳寿命的方法,其特征在于,所述进行疲劳试验得到交变循环次数与频率的方法的步骤(3)中,每隔一定的交变循环次数,停止疲劳试验,测试复合材料在该交变循环次数下的振动频率,所述每隔一定的交变循环次数的间隔相同或者不同。 9.根据权利要求6所述的预测复合材料疲劳寿命的方法,其特征在于,集合A中的元素个数的范围为6-12个。 |
所属类别: |
发明专利 |