公开(公告)号：CN119066980A

公开(公告)日：2024-12-03

申请号：CN202411249781.8

申请日：2024-09-06

Applicant: 辽宁工程技术大学

Inventor： 戴卫兵 ,  周全龙 ,  李兆基 ,  岳海涛 ,  郭辰光 ,  李强 ,  张建卓

IPC: G06F30/27 ,  G06F18/25 ,  G06N3/126 ,  G06N3/006 ,  G06F111/06 ,  G06F119/02 ,  G06F119/04

Abstract: 本发明涉及一种结合图神经网络（GNN）、粒子群优化的极端梯度提升（PSO‑XGBoost）模型和物理模型参数优化的系统，用于提高铝合金疲劳寿命的预测精度和可靠性。系统流程包括：1.通过实验获取铝合金疲劳数据，并用图神经网络进行特征增强；2.利用粒子群算法优化XGBoost模型参数，确保最小预测误差；3.采用机器学习模型预测结果反馈调整物理模型关键参数；4.通过对比实验数据验证模型准确性。该系统通过自动化流程减少人为错误，适用于材料疲劳性能分析，有效降低研究和工程成本，具有广泛应用前景。