研究论文开放获取
Fatigue Performance Prediction Study of Al-Li Alloy-based on Experimental and “Shallow” + “Deep” Hybrid Neural Network Methods
ZHAO Dewang, JIANG Chao, ZHAO Yanguang, YANG Wenping, FAN Junling
Harbin Engineering University Anhui University of Science and Technology Dalian University of Technology Aircraft Strength Research Institute (China)
来源Journal of Mechanical Engineering
年份2024
阅读操作
确认中在文库中上传 PDF 后可生成中文音频讲解。
摘要与影响
摘要 · 完整
铝锂合金以其优异的力学性能在航空航天领域有着愈发重要的应用，是目前发展最为迅速的轻量化材料之一。疲劳与断裂是引起航空航天结构件失效的主要原因之一，且疲劳破坏具有很强的不确定性和突发性，因此针对铝锂合金疲劳性能评估及预测成为研究热点。开展考虑取样方向、缺口等因素的2A97铝锂合金疲劳试验，获得8组完整S-N曲线，分析相关因素对铝锂合金疲劳性能的影响；提出一种基于浅层网络＋深度学习的混合神经网络模型，首先利用浅层算法对低周疲劳试验数据进行训练，实现了数据衍生，进而通过深度学习精准预测出不同工况下的铝锂合金疲劳极限。该方法为快速精确评估材料疲劳性能研究提供新的解决思路。
逐年被引趋势
110
126
关键指标
1
被引次数 · OpenAlex
0.15
领域内被引倍数
同类平均 = 1
同类平均 = 1
前 62%
引用位次
同领域 · 同年份 · 同类型
同领域 · 同年份 · 同类型
0
参考文献
Google Scholar 与 OpenAlex 的被引统计范围不同，数值存在差异属正常。
AI 辅助阅读
依据：摘要
论文问答
当前基于摘要回答
可就本文提问；依据不足时会说明。
学术脉络
学科主题
工程Fatigue and fracture mechanics
Machine Learning in Materials Science · Mechanical Behavior of Composites
参考文献 0
暂无参考文献明细
引用本文 1
Machine Learning-Driven Lightweight Design of Materials for Police Protective Equipment: A Methodological Framework and Validation Study
被引 0Xiang Xin, Rui Li, Fucheng Liu · Research Square · 2026
按被引量排序，此处列出前 3 条