基于机器学习算法模型的焊接接头疲劳寿命预测

焊接接头具有非均匀的微观组织和梯度过渡的力学性能及随机分布的焊接缺陷等特征,相较于其他结构更容易产生疲劳断裂,特别是焊接接头的疲劳载荷下的强度和寿命问题已成为工程界和学术界的研究热点。为了研究焊接接头的疲劳行为,开展了基于随机森林（RF）模型的焊接接头疲劳寿命预测模型的全新研究。通过采用RF和轻梯度提升机（LightGBM）2种不同的机器学习算法模型对焊接接头的疲劳数据集进行分析和预测,从中选择预测性能更优的机器学习模型;通过比较在不同几何形状下疲劳寿命的预测结果,评估几何形状对机器学习模型预测性能的影响;利用RF算法对输入条件进行重要度排序,分析焊接接头疲劳寿命的影响因素;通过计算模型在不同材料下的疲劳寿命结果验证机器学习模型的泛化能力。结果表明：机器学习模型对不同几何形状的焊接接头疲劳寿命的预测效果较好,且可用于预测在不同材料下的焊接接头疲劳寿命。研究结果对焊接结构的强度设计与焊接工艺参数优化等具有重要意义。