买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉长安大学申请的专利一种基于物理信息的多轴疲劳寿命预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120063906B 。

龙图腾网通过国家知识产权局官网在2025-09-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510142525.7，技术领域涉及：G01N3/08；该发明授权一种基于物理信息的多轴疲劳寿命预测方法是由曹蕾蕾;牛寅;曹学鹏;王明辉;邓盛琳设计研发完成，并于2025-02-10向国家知识产权局提交的专利申请。

本一种基于物理信息的多轴疲劳寿命预测方法在说明书摘要公布了：本发明公开了一种基于物理信息的多轴疲劳寿命预测方法，针对材料的多轴疲劳破坏问题，本发明所提出的MLP‑Attention模型采用了多层感知器MLP，实现了对复杂非线性关系的处理，同时针对多轴疲劳实验数据复杂且非线性强的特点，引入了自注意力机制Attention，通过自适应特征加权来提高模型预测结果的准确性；针对多轴疲劳寿命具有较大的离散性这一难点，选择融合高斯过程回归对预测结果进行不确定性分析，以预测疲劳寿命区间，极大地提高了预测模型的实用性和预测精度，解决了传统技术中无法量化不确定性的问题。

本发明授权一种基于物理信息的多轴疲劳寿命预测方法在权利要求书中公布了：1.一种基于物理信息的多轴疲劳寿命预测方法，其特征在于，包括： 获取目标材料的多轴疲劳实验数据，包括：基于所述目标材料的类型选择对应的加载路径，得到多轴疲劳实验数据；其中，所述目标材料包括：纯钛、1Cr-Mo-V、LY12CZ、7075-T651、SS316L和TitaniumAlloyTC4；所述加载路径包括：单轴拉压、纯扭、45°多轴比例和多轴非比例加载；所述多轴疲劳实验数据包括：正应变幅值、剪应变幅值、正应力幅值、剪应力幅值和实验寿命，其中，表示幅值； 基于所述多轴疲劳实验数据，得到FS模型损伤参数、SWT模型损伤参数和等效应变模型损伤参数；将所述多轴疲劳实验数据、所述FS模型损伤参数、所述SWT模型损伤参数和所述等效应变模型损伤参数作为基于物理信息的样本数据；基于所述多轴疲劳实验数据，得到FS模型损伤参数、SWT模型损伤参数和等效应变模型损伤参数，包括： 基于所述多轴疲劳实验数据获取应变参数；所述应变参数，包括：最大剪切应变幅、法向正应变幅和临界面上的最大正应力； 根据所述应变参数得到FS模型损伤参数、SWT模型损伤参数和等效应变模型损伤参数，包括：基于所述最大剪切应变幅和所述临界面上的最大正应力，利用第一公式得到FS模型损伤参数； 所述第一公式如下： ； 其中，表示与材料相关的经验参数，表示屈服强度； 基于所述法向正应变幅和所述临界面上的最大正应力，利用第二公式得到SWT模型损伤参数； 所述第二公式如下： ； 基于所述正应变幅值、所述剪应变幅值、所述正应力幅值和所述剪应力幅值，利用第三公式和第四公式得到等效应变模型损伤参数；所述等效应变模型损伤参数包括：等效应力模型损伤参数和等效应变模型损伤参数； 所述第三公式如下： ； 所述第四公式如下： ； 其中，表示等效泊松比； 对所述基于物理信息的样本数据采用对数归一化处理和小数定标归一化处理，得到归一化后的样本数据； 对所述归一化后的样本数据中的每个特征使用SHAP工具进行敏感性分析，得到重要特征对应的样本数据； 基于多层感知器MLP和自注意力机制Attention构建MLP-Attention模型； 采用贝叶斯优化算法对所述MLP-Attention模型的超参数进行优化； 使用K折交叉验证法对所述重要特征对应的样本数据进行划分，将划分的样本数据输入优化后的MLP-Attention模型得到预测结果； 构建高斯过程回归GPR模型；利用所述高斯过程回归GPR模型对所述预测结果进行不确定性分析，预测出疲劳寿命区间。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人长安大学，其通讯地址为：710064 陕西省西安市雁塔区南二环中段长安大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。