(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111417327.5 (22)申请日 2021.11.26 (71)申请人 中国海洋大学 地址 266000 山东省青岛市崂山区松岭路 238号 申请人 西南交通大 学 (72)发明人 房鑫　王泓晖　刘贵杰　谢迎春　 穆为磊　田晓洁　冷鼎鑫　马鹏磊　 丁国富　张海柱　 (74)专利代理 机构 青岛汇智海纳 知识产权代理 有限公司 373 35 代理人 王皎 (51)Int.Cl. G06Q 10/04(2012.01) G06F 17/18(2006.01)G06F 30/25(2020.01) (54)发明名称 基于数字孪生的结构件疲劳裂纹扩展预测 方法 (57)摘要 本发明提出一种基于数字孪生的结构件疲 劳裂纹扩展预测方法， 建立了基于局部样本密化 的应力强度因子—高斯过程代理模 型， 采用局部 样本密化的样本生成方法， 建立面向裂纹扩展的 复合型变幅载荷下的动态贝叶斯网络模型， 将裂 纹扩展过程中所存在的不确定性因素作为模型 的状态节 点， 同时也可以融合应力强度因子—高 斯过程代理模 型以及载荷次序效应模 型， 实现在 载荷变角度变幅值下的裂纹扩展寿命及路径的 预测； 建立起基于粒子滤波的不确定性参数推理 算法， 利用基于数字孪生的结构 件数据采集系统 所采集到的关键数据， 实现逐步的降低多种不确 定性因素共同作用时对于 裂纹扩展过程的影响。 权利要求书2页 说明书7页 附图5页 CN 114282709 A 2022.04.05 CN 114282709 A 1.一种基于数字 孪生的结构件疲劳裂纹扩展预测方法， 其特 征在于包括： 步骤A、 建立基于局部样本密化的应力强度因子—高斯过程代理模型 步骤A1、 针对复杂装备的物理结构和环境信息， 建立数字 孪生模型； 步骤A2、 针对可能出现的裂纹形状， 采用代理模型的方法实现裂纹尖端处应力强度因 子的计算， 以裂纹出现拐点作为特征点来建立样本空间格式， 采用局部样本密化的方法来 生成样本数据空间； 步骤A3、 基于高斯过程过程理论， 依据应力强度因子样本数据库建立起应力强度因 子—高斯过程代理模型； 步骤B建立向裂纹扩展的复合型变幅载荷下的动态贝叶斯网络模型； 步骤B1、 基于统一疲劳寿命预测模型， 采用控制变量法， 以裂纹扩展预测长度为判断量 对疲劳裂纹扩展过程中的不确定性因素进行 敏感度分析； 步骤B2、 基于敏感度分析结果， 将高敏感度参数设置为动态贝叶斯网络 中的状态节点， 将低敏感度参数设置为固定节点， 建立 起面向裂纹扩展的复杂装备性能退化模型。 步骤B3、 基于动态贝叶斯理论和统一疲劳寿命预测模型中不确定性因素的敏感度分析 结果， 建立 面向裂纹扩展的动态贝叶斯网络模型； 步骤C进行基于粒子滤波的不确定性 参数推理 步骤C1、 基于专家经验， 设置动态贝叶斯网络中的状态节点的概率分布， 将多种不确定 性参数根据随机组合法生成其分布粒子组； 步骤C2、 基于数字孪生的结构件数据采集系统所采集到的当前结构的裂纹信息， 对每 个粒子进行似然估计； 步骤C3、 对粒子进行权 重更新， 输出 更新后的动态贝叶斯网络中的状态 节点参数值。 2.根据权利要求1所述的基于数字孪生的结构件疲劳裂纹扩展预测方法， 其特征在于， 所述步骤A2中， 样本空间格式为： 其中F为载荷 大小， β 为载荷角度， A为当前加载角度下的裂纹扩展长度， α 为裂纹偏折角， n为裂纹角度变 化次数， j为裂纹样本数量， K为应力强度因子， i 为应力强度因子类型。 3.根据权利要求1所述的基于数字孪生的结构件疲劳裂纹扩展预测方法， 其特征在于， 所述步骤A3中， 为了提高代理模型的预测精度， 通过如下方法生成样本数据库： 根据上一时 间步下的裂纹路径生成相应的分布密度较大的粗样本点， 随后根据裂纹扩展路径的周围对 稀疏样本点进行加密。 4.根据权利要求1所述的基于数字孪生的结构件疲劳裂纹扩展预测方法， 其特征在于， 所述步骤B2中， 选取参数A、 m、 ΔKeffth、 γ和a0作为面向裂纹扩展的动态贝叶斯网络模型中 的高敏感性不确定参数状态节点， 其他的变量则视为一个确定性固定节点， A 为材料常数， m 是裂纹拓展速率曲线斜率系数， ΔKeffth为有效应力强度因子门槛值， γ为变幅载荷效应系权　利　要　求　书 1/2 页 2 CN 114282709 A 2数， a0为初始裂纹长度。 5.根据权利要求1所述的基于数字孪生的结构件疲劳裂纹扩展预测方法， 其特征在于， 所述步骤B3中贝叶斯网络模 型采用四种节点来构 造： (1)观测节 点为系统的输入部分， 即基 于数字孪生的结构件数据采集系统所采集到的载荷信息以及裂纹长度信息； (2)状态节点 表示变量对于父节点是随机的； (3)固定节点是对于裂纹扩展预测精度敏感度低的不确定 因素参量； (4)函数节点代 表着确定性 函数。 6.根据权利要求1所述的基于数字孪生的结构件疲劳裂纹扩展预测方法， 其特征在于， 所述步骤C1中， 在生 成分布粒子组 时， 首先将S 个不确定性因素每个都独立生成N个粒子， 将 各个不确定因素生成的粒子进行随机组合， 形成N个模型参数组合， 即X1:N＝{x1,x2,..., xs}， 其中xt(t＝1:S)为第t个不确定因素生成粒子的随机值。 7.根据权利要求4所述的基于数字孪生的结构件疲劳裂纹扩展预测方法， 其特征在于， 所述步骤C2中， 进行似然估计时， 当预测时间间隔ΔN很小， 则疲劳裂纹扩展过程的状态方 程为： 系统的测量方程为： yk＝hk(xk,nk)， 式中， k表 示时刻； y是真实测量到的裂纹信息； h是系统的测量方程， 即采用传感器测得的裂纹信息； n 是系统的测量噪声， Kmax为最大应力强度因子， fop为裂纹开口状态函数， KC为实际断裂韧 性， φ为载荷次序修 正因子。 8.根据权利要求1所述的基于数字孪生的结构件疲劳裂纹扩展预测方法， 其特征在于， 所述步骤C3中， 通过向模型中输入的观测信息来比较各个粒子计算的偏离程度， 迭代更新 粒子权重。权　利　要　求　书 2/2 页 3 CN 114282709 A 3