基于机器学习的疲劳寿命预测方法

报告题目：基于机器学习的疲劳寿命预测方法

报告人：阚前华 西南交通大学 教授/博导国家级高层次人才

报告时间：9月29日（周日） 16：00-17：30

报告地点：明志楼A536

报告人简介：

阚前华，西南交通大学航天航空学院教授，博士生导师。国家级高层次人才入选者，全国徐芝纶优秀力学教师，申博sunbet现金网_菲律宾sunbet下载-【官方网站】学术技术带头人，申博sunbet现金网_菲律宾sunbet下载-【官方网站】杰青。担任中国力学学会青年工作委员会委员，第五届力学史与方法论专业委员会委员，中国复合材料力学学会智能复合材料专委会委员，南方计算力学联络委员会副主任委员，申博sunbet现金网_菲律宾sunbet下载-【官方网站】力学学会常务理事，申博sunbet现金网_菲律宾sunbet下载-【官方网站】公共基础课程教指委秘书长等兼职。研究领域为材料多场耦合循环本构关系及疲劳失效行为研究，在J Mech Phys Solids,Int J Plasticity,Int J Fatigue等力学主流期刊上发表SCI检索论文200余篇，授权发明专利和软件著作权25项，出版英文学术专著2部，中文专著3部，获国家级教学成果二等奖、申博sunbet现金网_菲律宾sunbet下载-【官方网站】教学成果特等奖、教育部自然科学二等奖、申博sunbet现金网_菲律宾sunbet下载-【官方网站】科技进步二等奖各1项。

报告内容概要：

建立精准度高、适用性广的疲劳寿命预测模型是研究者们一直以来追求的目标。然而，由于目前仍难厘清材料在复杂加载下的疲劳失效机理，现有的疲劳寿命预测模型大都依赖于对特定材料属性和加载条件的简化假设，不具备足够的适用性，预测精度也很有限。近年来，得益于计算能力的提高和数据科学的发展，以机器学习为主的数据驱动方法也在疲劳分析中得到了应用，为疲劳寿命预测模型的构建提供了新的思路。本报告重点讨论基于机器学习如何预测复杂加载路径、加载历史、环境因素耦合作用下的疲劳寿命，并讨论物理约束如何引入的问题。

主办单位：土木工程与测绘学院

科学技术发展研究院