寿命预测

2015-07-26 11:48:42   41  举报





AI智能生成

寿命预测，即通过科学方法对个体或物种的寿命进行预测和评估。这种预测通常基于大量的生物学数据，包括但不限于基因信息、生活习惯、环境因素等。通过对这些数据的分析和建模，可以预测出个体或物种可能的生存期限。然而，需要注意的是，寿命预测并非绝对准确，它只能提供一个大致的预期范围。此外，寿命预测的结果可能会受到许多不可预见因素的影响，如疾病、意外等。因此，虽然寿命预测可以为我们的生活提供一些参考，但我们仍然需要珍惜每一天，积极健康地生活。

作者其他创作

大纲/内容

发展历史

技术开创期1847

发展期189x-190x

技术完善期

发展趋势，热点，难点

现在都是单一寿命预测，距离整体寿命预测较远

研究意义

重大装备发生事故造成危害大

事故例子

维修难，过早更换零件容易造成浪费

维修难，零配件大多需要特制，准备时间长，价格贵

零件例子，火箭外壳，空间站

可靠性估计难，样本少，环境复杂且恶劣，载荷多变

研究对象

飞行器，舰船，火箭，大型工程机械，发电机组

领域

发电设备，航空航天，石油化工，汽车，铁路运输，数控加工，冶金，武器装备

汽车领域内容

汽车零部件，运货车箱的端梁，运货车厢，汽车车轮，汽车发动机，汽车齿轮

方法：时域波再现技术

张帆，靳晓雄．时域波形再现技术在汽车零部件疲劳寿命预测中的应用[J】．汽车科技，2007(1)：21-23． ZHANG Fan。fiN Xiaoxiong．The application of time waveform replication technology in automobile compocation technology in automobile component fatigue life prediction[J]．A

神经网络

】苏春华，罗雷，海军，等．基于BP神经网络的汽车发动机寿命预测【J丁．军事交通学院学报，2009，II(4)： 49-51，70．SU Chunhua，LU0 Lei，HAI Jtm，et a1．The predictionof vehicle’S service life with BP neural network[J]． Joumal ofAcademy ofMilitary Transportation，2009， 11(4)：49·51，70．

灰度系统

】于雷．灰色系统理论在汽车齿轮寿命预测中的应用[J】．汽车技术，2006(9)：24-26． YU Lci．Application of gray system theory in predicting li岛of automobile gear[J]．Automobile Technology， 2006(9)：24-26．

现有研究方法

力学方法

应力法

应变法

累积疲劳损伤理论

线性累积损伤理论

palmgren-miner

双线性累积损伤理论

grover-manson

非线性疲劳累积损伤理论

corten-dolan

marco-starky

henry

参考文献两篇

FATEMI A，YANG L．Cumulative fatigue damage and life prediction theories：A survey of the state of the art for homogeneous materials[J]．International Journal of Fatigue，1998，20(1)：9-34．

CH：ABOCHE J L，LESNE PM．A non-linear continous fatigue damage model[J]．Fatigue&Fracture of Engineering Materials&Structures，1988，1l(1)：1-17．

基于断裂力学的疲劳扩展理论

损伤力学

能量法

概率统计方法

信息技术

人工智能

神经网络

相关文献

】MOHANTY J R，VERMA B B，RAY P K，et a1． Application of artificial neural network for fatigue life prediction under interspersed mode一1 spike overload[J] Journal ofTesting andEvaluation，2010，38(2)：96-101．

BEZAZlA，PIERCE SG，WORDEN K，cta1．Fatigue life prediction of sandwich composite materials under flexural tests using a Bayesian trained artificial neural network[J]．International Journal of Fatigue，2007， 29(4)：738—747．

KWON Y I，LIM B S．A study of creep-fatigue life prediction using an artificial neural network[J]．Metals and Materials International，200l，7(4)：3 ll一3 17．

LI J W，PENG Z F．Artificial neural network prediction of creep rupture life of nickel base single crystal super'alloys[j]．Aeta Metallurgica Sinica，2004，40(3)： 257-262．

】LIAO X L，XUW F，GAO Z Q．Application ofartificial neural network to forecast the tensile fatigue life of ·carbon material[C]H 7th International Conference on Fracture and Damage Mechanics，September 9-1 1， 2008，Seoul，Korea．Stafa-Zurich：Trans．Tcch． Publications L1rD，2008：533．536．

】NATARAJAN U，PER／ASAMY VM，SARAVANAN& Application of particle swarln optimisation in artificial neural network for the prediction of tool life[J]． International Journal of Advanced Manufacturing Technology，2007，31(9-10)：871-876．

】PLEUNE T T，CHOPRA O IC Using artificial neural networks to predict the fatigue life of carbon and low·alloy steels[J]．Nuclear Engineering and Design， 2000，197(1—2)：1-12．

】SEKERCIOGLU T，KOVAN v．Prediction of static shear force and fatigue life of adhesive joints by artificial neural network[J]．Kovove Materialy-Metallic Materials，2008，46(1)：51—57．

SOHN I，BAE D．Fatigue life prediction ofspot—weldedjoint by strain energy density factor using artificial neural network[C]／／4th International Conference Oll Fracture and Strength ofSolids，August 16-18，2000。 Pohang，Korea．Stafa-Zurich：Trans．Tech．Publications Ur】)，2000：957．962．

】Slu[NIVASAN VS，NAGESHAA，Ⅵ也SAN M，et a1． Artificial neural network approach to low cycle fatigue and creep-fatigue interaction life prediction of modified 9CrolMo ferritic steel[J]．Transactiom of the Indian Institute ofMetals，2005，58(2．31：261．267．

】SRNI、伪SANVS，Ⅵ虬SANA，RAO KB S，etal．Low cycle fatigue and creep-fatigue interaction behavior of 316L(N)stainless steel and life prediction by artificial neural network approach[J]．International Journal of Fatigue，2003，25(12)：1327-1338．

VAssl0POuLOS A P， GEORGoPOU】LoS E F。 DIONYSOPOULOS V Artificial neural networks in spectrmn fatigue life prediction of composite materials[J]．International Journal of Fatigue，2007， 29(1)：20—29．

分类

back propagation multi-layer network

radial basis functions network RBF

对比文献

Review and application of Artificial Neural Networks models in reliability analysis of steel structures

专家系统

相关文献

ESPASA M L，GAUDES J，PRUENCA N，et a1．Expert system to life prediction of petroleum refinery piping． High temperature[J]．Afinidad，1997，54(468)：98·102．

模糊系统

相关文献

YAN J H，ISOBE N，LEE J．Fuzzy logic combined logistic regression methodology for gas turbine first-stage nozzle life prediction[C]／／6th International Conference on e-Engineering and Digital Enterprise Technology，August 26-29。2007，Harbin，China． Stafa．Zurich：Trans．Tech．Publications LTD，2008：

ZIO E，DI MAIO E A data-driven fuzzy approach for predicting the remaining useful life in dynamic failure scenarios of a nuclear s3,stem[j]．Reliability Engineering &System Safety，2010，95(1)：49-57．

进化算法

相关文献

】BUKKAPATNAM ST S，SADANANDA IC A genetic algorithm for unified approach-based predictive modeling of fatigue crack growth[f1．International JournalofFatigue，2005，27(10·12)：1354—1359．

】LIJ，MU X D，ZHENG S，et a1．Research on lifetime grey prediction of electronic equipment based Oil improved genetic algorithm[C]／／ International Conference on Advanced Computer Control，January 22-24，2009，Singapore．Los Alamitos：IEEE Computer Society，2009：493-496．

状态监测

基于振动信号的滚动轴承监测

】m，ANG R Q，ⅪL F，LI X L，et a1．Residual life predictions for ball bearings based on self-organizing map and back propagation neural network methods[J]． Mechanical Systems and Signal Processing，2007， 2l(1)：193—207．

]GEBRAEEL N，LAWLEYM，LIU R，ct a1．Residual life，predictions from vibration-based degradation signals： A neural network approach[J]．IEEE ，Transactions on Indnstrial Electronics，2004，51(3)： 694．700．