物理信息神经网络在疲劳裂纹扩展参数辨识及剩余寿命预估中的应用
摘要准确预测疲劳裂纹扩展剩余寿命（FCGL）对制定设备维护策略、预防事故至关重要。传统预测方法存在明显局限：纯物理方法（如基于Paris定律）依赖精确的物理模型参数，却难以应对复杂工况下的个体差异；纯数据驱动方法（如神经网络）需大量标注数据，易出现“黑箱”问题和物理违背。为解决这些痛点，本文提出一种物理信息神经网络（PINN）方法，融合疲劳裂纹扩展的物理知识与监测数据，实现参数识别与剩余寿命的高精度预测，且在有限数据下仍能保持鲁棒性。研究内容与方法1、核心目标针对疲劳裂纹扩展...
