基于物理信息神经网络的机械结构裂纹扩展数字孪生预测模型设计.docx

PAGE2

基于物理信息神经网络的机械结构裂纹扩展数字孪生预测模型设计

摘要

机械结构在循环载荷作用下的疲劳裂纹扩展是导致工程装备失效的主要模式之一，传统基于断裂力学的寿命评估方法依赖简化假设与离线分析，难以实现服役状态下的实时预测。

本课题针对这一痛点，设计了一种融合物理信息神经网络与数字孪生技术的裂纹扩展预测模型。该模型以Paris公式等断裂力学规律作为物理约束嵌入神经网络损失函数，利用传感器实时数据驱动孪生体更新，实现裂纹长度的在线推演与剩余寿命的动态评估。

论文遵循工程设计的递进逻辑展开。首先从机械装备健康管理的现实需求出发，分析了现有裂纹监测技术在实时性与精度方面的不足，明确了