(19)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 202211152233.4 (22)申请日 2022.09.21 (71)申请人 温州大学 地址 325000 浙江省温州市瓯海区东方南 路38号温州市国家大 学科技园孵化器 (72)发明人 向家伟　姚剑春　 (74)专利代理 机构 温州名创知识产权代理有限 公司 33258 专利代理师 陈加利 (51)Int.Cl. G06F 30/23(2020.01) G06F 30/27(2020.01) G06N 3/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06N 20/00(2019.01) G06F 111/06(2020.01) G06F 119/14(2020.01) (54)发明名称 一种重载压力容器裂纹扩展路径的预测方 法及系统 (57)摘要 本发明提供一种重载压力容器裂纹扩展路 径的预测方法， 包括获取压力容器在重载工况下 的当前裂纹位置参数； 将当前裂纹位置参数导入 预设的有 限元仿真模型及预先训练好的机器学 习模型中进行交叉迭代计算， 预测出裂纹扩展路 径。 本发明还提供一种重载压力容器裂纹扩展路 径的预测系统。 实施本发明， 通过结合有限元仿 真准确度高和机器学习预测效率高的优点， 对压 力容器在重载工况下的裂纹扩展实现了快速、 准 确的预测。 权利要求书1页 说明书7页 附图6页 CN 115470675 A 2022.12.13 CN 115470675 A 1.一种重载压力容器 裂纹扩展路径的预测方法， 其特 征在于， 所述方法包括以下步骤： 获取压力容器在重载工况 下的当前裂纹位置参数； 将当前裂纹位置参数导入预设的有限元仿真模型及预先训练好的机器学习模型中进 行交叉迭代计算， 预测出裂纹扩展路径。 2.如权利要求1所述的重载压力容器裂纹扩展路径的预测方法， 其特征在于， 所述将当 前裂纹位置参数导入预设的有限元仿真模型及预先训练好的机器学习模型中进行交叉迭 代计算， 预测出裂纹扩展路径的步骤具体包括： 步骤S21、 初始化： 设置总迭代数为所述有限元仿真模型中预设的扩展步数， 以及设置 当前迭代次数为0； 步骤S22、 获取当前裂纹位置参数； 步骤S23、 判断当前迭代次数 是否大于所述总迭代数； 步骤S24、 若否， 则将当前裂纹位置参数导入所述有限元仿真模型中， 仿真输出裂纹扩 展数据， 并将仿真输出 的裂纹扩展数据导入所述预先训练好的机器学习模型中， 预测出下 一裂纹位置参数， 进一步将所预测的下一裂纹位置参数设为当前裂纹位置参数且将当前迭 代次数加1之后， 返回步骤S2 2； 步骤S25、 若是， 则结束迭代计算， 并将所有迭代预测的下一裂纹位置参数与迭代之前 的当前裂纹位置参数进行 结合， 连线画出裂纹扩展路径。 3.如权利要求1所述的重载压力容器裂纹扩展路径的预测方法， 其特征在于， 所述有限 元仿真模型 是在ABAQUS软件和Franc 3d软件中完成构建的； 其中， 在ABAQUS软件中， 构建压力容器的几何模型， 并确定压力容器的材料属性以及几何模 型的划分网格和边界条件， 以得到 压力容器的有限元模型； 在Franc3d软件中， 导入所述压力容器的有限元模型， 并基于裂纹位置参数为裂纹节 点， 构建出仿 真输出裂纹扩展 数据的有限元仿 真模型； 其中， 所述裂纹扩展数据包括裂尖中 点位置数据及其对应的应力强度因子 。 4.如权利要求3所述的重载压力容器裂纹扩展路径的预测方法， 其特征在于， 所述机器 学习模型是通过将所述有限元仿真模型输出的裂尖中点位置数据和应力强度因子分别作 为输入和输出来训练的。 5.如权利要求4所述的重载压力容器裂纹扩展路径的预测方法， 其特征在于， 所述机器 学习模型为基于混沌加 速果蝇优化算法 的广义回归神经网络Chaos ‑GRNN模型或基于遗传 算法的双向长短期记 忆网络GA ‑Bi‑LSTM模型。 6.一种重载压力容器 裂纹扩展路径的预测系统， 其特 征在于， 包括： 裂纹位置参数获取 单元， 用于获取压力容器在重载工况 下的当前裂纹位置参数； 裂纹扩展路径预测单元， 用于将当前裂纹位置参数导入预设的有限元仿真模型及预先 训练好的机器学习模型中进行交叉迭代计算， 预测出裂纹扩展路径。 7.如权利要求6所述的重载压力容器裂纹扩展路径的预测系统， 其特征在于， 所述有限 元仿真模型 是在ABAQUS软件和Franc 3d软件中完成构建。 8.如权利要求6所述的重载压力容器裂纹扩展路径的预测系统， 其特征在于， 所述机器 学习模型为基于混沌加 速果蝇优化算法 的广义回归神经网络Chaos ‑GRNN模型或基于遗传 算法的双向长短期记 忆网络GA ‑Bi‑LSTM模型。权　利　要　求　书 1/1 页 2 CN 115470675 A 2一种重载压力容器裂纹扩展路径的预测方 法及系统 技术领域 [0001]本发明涉及机械设备故障诊断技术领域， 尤其涉及一种重载压力容器裂 纹扩展路 径的预测方法及系统。 背景技术 [0002]从神舟系列飞船到天宫二号飞船的不断发展， 为保证飞船整体 的可靠性， 需要对 其在受到不同压力载荷情况下的疲劳裂纹问题进 行研究与分析。 对于内壁压力高于外壁压 力的容器通常称之为压力容器， 而太空飞船就是一种大 型的压力容器。 [0003]当压力容器在工作过程中受到非均匀载荷的反复作用时， 会导致其内部机械部件 发生失效， 其中绝大多数失效原因是因为构件在受到反复应力作用而导致的疲劳与断裂。 例如， 2017年胶州市发生的一起压力容器爆炸事故， 造成1人死亡， 经济损失达70多万。 2018 年四川航空公司的4388航班在飞行至万米高空时， 前挡风玻璃突然萌生裂纹并迅速扩展， 在内外大气压的压强差作用下， 挡风 玻璃爆裂。 从我国对压力容器事故的调查中发现， 百分 之八十以上 的事故皆是 由裂纹缺陷引起的。 因此， 开展对压力容器裂纹的研究无论是对经 济还是科学技术领域都有着重要的意 义。 [0004]目前， 用来模拟裂纹扩展的分析软件较多， 典型有ABAQUS和Franc3d等， 其中前者 为商业软件， ABAQUS本身也带有二维裂纹扩展分析的功能， 但裂纹只能沿着预定的路径扩 展， 而不能作任意扩展分析。 然而通过ABAQUS和Franc3d结合使用可以很好的有限元仿真裂 纹扩展路径并获取裂纹扩展的信息， 但是仿真效率低。 [0005]自20世纪80年代以来， 机器学习作为实现人工智能的途径， 在人工智能界引起了 广泛的兴趣， 特别是近十几年来， 机器学习领域的研究工作发展很快， 它已成为人工智能的 重要课题之一。 但是， 目前很少有机器学习法用于裂纹扩展路径研究， 即便有也是预测的裂 纹扩展路径准确度偏低。 [0006]为此， 为了解决有限元仿真效率低、 机器学习准确 度偏低的问题， 提出一种交叉预 测方法， 通过结合有限元仿真准确度高和机器学习 预测效率高的优点， 对压力容器在重载 工况下的裂纹扩展实现了快速、 准确的预测。 发明内容 [0007]本发明实施例所要解决的技术问题在于， 提供一种重载压力容器裂 纹扩展路径的 预测方法及系统， 通过结合有限元仿真准确度高和机器学习 预测效率高的优点， 对压力容 器在重载工况 下的裂纹扩展实现了快速、 准确的预测。 [0008]为了解决上述技术问题， 本发明实施例提供了一种重载压力容器裂 纹扩展路径的 预测方法， 所述方法包括以下步骤： [0009]获取压力容器在重载工况 下的当前裂纹位置参数； [0010]将当前裂纹位置参数导入预设的有限元仿真模型及预先训练好的机器学习模型 中进行交叉迭代计算， 预测出裂纹扩展路径。说　明　书 1/7 页 3 CN 115470675 A 3