基于機(jī)器學(xué)習(xí)方法的增材制造Ti-6Al-4V樣品疲勞壽命預(yù)測(cè)建模

來(lái)源：結(jié)構(gòu)完整性聯(lián)盟

對(duì)于增材制造（AM）部件中的缺陷，無(wú)損檢測(cè)可以在構(gòu)件破壞之前對(duì)材料內(nèi)部的缺陷進(jìn)行定量化的測(cè)量。其中X射線顯微計(jì)算機(jī)斷層掃描技術(shù)(X-ray micro-computed tomography)非常適用于評(píng)估致密的增材制造鈦合金部件，并提供內(nèi)部缺陷在材料體積中的三維空間分布。

針對(duì)材料內(nèi)部缺陷引起過(guò)早失效的問(wèn)題，已有不少學(xué)者將缺陷特征參數(shù)關(guān)聯(lián)鈦合金高周疲勞壽命，構(gòu)建出了一系列的半經(jīng)驗(yàn)壽命預(yù)測(cè)公式，以達(dá)到壽命預(yù)測(cè)的目的。并且還有部分學(xué)者通過(guò)擴(kuò)展有限元的方法，模擬含缺陷鈦合金的裂紋擴(kuò)展行為。但是這些半經(jīng)驗(yàn)壽命預(yù)測(cè)模型和方法無(wú)一例外都需要大量的數(shù)據(jù)和時(shí)間來(lái)完善它們的效果。在本文工作中，引入基于機(jī)器學(xué)習(xí)（ML）的方法來(lái)量化X射線顯微計(jì)算機(jī)斷層掃描技術(shù)檢測(cè)到的缺陷的影響，并對(duì)特定應(yīng)力幅下的增材制造Ti-6Al-4V的疲勞壽命進(jìn)行預(yù)測(cè)。同時(shí)對(duì)人工神經(jīng)網(wǎng)絡(luò)（ANN）、隨機(jī)森林回歸（RFR）和支持向量回歸（SVR）三種模型進(jìn)行了對(duì)比和優(yōu)化。通過(guò)使用留一法交叉驗(yàn)證（LOOCV）方式調(diào)整超參數(shù)來(lái)對(duì)訓(xùn)練集進(jìn)行優(yōu)化，并驗(yàn)證優(yōu)化后模型預(yù)測(cè)的準(zhǔn)確性。

成果介紹
（1）在偽隨機(jī)選擇的20個(gè)樣本上訓(xùn)練機(jī)器學(xué)習(xí)模型，然后在剩余的9個(gè)樣本上測(cè)試機(jī)器學(xué)習(xí)模型。通過(guò)Spearman秩相關(guān)性分析排除了不敏感的輸入特征，提高了機(jī)器學(xué)習(xí)模型的效率和準(zhǔn)確性。圖1為機(jī)器學(xué)習(xí)方法預(yù)測(cè)疲勞壽命的基本流程。式1為Spearman秩相關(guān)系數(shù)計(jì)算公式。

圖1 疲勞壽命預(yù)測(cè)機(jī)器學(xué)習(xí)建模流程框架

（2）為了實(shí)現(xiàn)ML模型的最高預(yù)測(cè)精度，使用LOOCV方法調(diào)整超參數(shù)。當(dāng)平均絕對(duì)百分比誤差(MAPE)最小時(shí)，假定此時(shí)模型為優(yōu)化后的模型。比較人工神經(jīng)網(wǎng)絡(luò)（ANN）、隨機(jī)森林回歸（RFR）和支持向量回歸（SVR）三種模型，其中人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)精度最高，預(yù)測(cè)結(jié)果的R2 = 0.848和平均絕對(duì)百分比誤差MAPE = 2.980%。圖2是優(yōu)化后的三種機(jī)器學(xué)習(xí)模型預(yù)測(cè)疲勞壽命效果對(duì)比。

圖2 三種機(jī)器學(xué)習(xí)模型預(yù)測(cè)疲勞壽命效果對(duì)比