机械工程材料

作者：唐明扬, 李建, 赵询, 孙涛, 葛峻铭, 李易坤

关键词：工业纯钛, 疲劳裂纹扩展速率, 遗传算法优化, 反向传播神经网络, 特征变量

对TA2工业纯钛开展不同载荷比（0.1～0.8）、载荷幅（1 441～1 882 N）和应力强度因子幅（7.3～50.2 MPa·m0.5）下的疲劳裂纹扩展试验；基于试验数据，采用基于遗传算法优化的反向传播神经网络（GA-BPNN）方法建立疲劳裂纹扩展速率模型，分析了应力强度因子幅单特征变量、载荷比和应力强度因子幅双特征变量以及载荷比、载荷幅，应力强度因子幅三特征变量下GA-BPNN模型对裂纹扩展速率的预测精度，并与BPNN模型和传统Forman方程预测结果进行对比。结果表明：疲劳裂纹扩展前期的扩展速率与应力强度因子幅呈线性特征，扩展后期则呈非线性特征；高载荷幅下的疲劳裂纹线性扩展阶段更短，裂纹扩展速率更低；随着载荷比的增加，高低载荷幅下的疲劳裂纹扩展速率差异变大。随着特征变量数量的增加，GA-BPNN模型对疲劳裂纹扩展速率的预测精度降低。GA-BPNN模型的预测精度高于BPNN模型和传统Forman公式，随着特征变量数量的增加，GA-BPNN模型的预测优势更加显著，且对0.1和0.5低载荷比下的预测效果更好。随着载荷比的增加，GA-BPNN模型的预测误差增大，在相同载荷比下，载荷幅高时预测误差更小。

来源：2025年第12期

《机械工程材料》期刊编辑部

查看机械工程材料杂志2025年第12期