基于支持向量机的P91钢蠕变-疲劳寿命预测.pdf

基于支持向量机的P91钢蠕变 一疲劳 寿命预测 纪冬梅 。轩福贞 ，涂善东 ，姚秀平 (1．华东理工大学 机械与动力工程学院，上海 200237；2．上海 电力学院 能源与环境工程学院，上 海 200237) 摘 要：以相关文献中关于P91钢母材和焊材蠕变一疲劳试验数据为样本数据，利用支持 向量机方 法，以保载时间为模型的输入特征参数，蠕变寿命或疲劳寿命为模型的输出特征参数，通过训练试 验数据建立P91钢寿命预测模型，并用部分数据验证模型的预测能力。同时研究了不敏感系数对 于模型推广能力的影响。结果表明，SVM方法可以用于预测P91钢的蠕变 一疲劳寿命，且不敏感 系数越小，训练样本数据时误差较小，但是模型泛化能力较弱；不敏感系数越大，训练样本数据时误 差较大，但是模型泛化能力较强。 关键词：P91钢；支持向量机；蠕变一疲劳；寿命预测 中图分类号：o344．6；TG142 文献标识码：A 文章编号 ：1001—4837(2011)10—0015—07 doi：10．3969／j．issn．1001—4837．2011．10．003 LifePredictionofCreep——fatigueInteraction 0fP91SteelBasedonSVM jIDong—mei ，XUAN Fu—zhen ，TU Shan—dong ，YAO Xiu—ping。 (1．SchoolofMechanicalandPowerEegineering，EastChinaUniversityofScienceandTechnology， Shanghai200237，China；2．Eneryg SourcesandEnvironmentEngineering，ShanghaiUniversityofElec— tricPower，Shanghai200237，China) Abstract：Basedonthecreep—fatiguetestdataofP91basemeatlandweldingquotedfromrelatedlitera- tures，SVM(SuppoSedVectorMachine)wasusedtotrainsomeofthesedatawithloadholdingtimeregar— ded88inputcharacteristicparameterandcreeplifeorfatigueliferegardedasoutputcharacteristicparam— eter．A modelcanbeobtainedbytrainingsometestdata，andothertestdatawasusedtoverifythemod— e1．Atthesametimetheselectionoftheinsensitiveparameterwasstudied．Theresultsshow SVM canbe usedtoestablishthemodeltopredictthecreep—fatiguelifeofPglsteel，andtheinsensitiveparameter caninfluencethepredictionabilityofthemode1．When theinsensitive issmall，thetrainingerroris small，butthepredictionabilityisweak．Whentheinsensitiveislarge，thetrainingerrorislargetoo， butthepredictionba ilityisstrong． Keywords：Pglsteel；SuppoaedVectorMachine(SVM)；creep—fatiugeinteraction；lifeprediction 15 基于支持向量机的P91钢蠕变 一疲劳寿命预测 (SuppportedVectorMachine，简称SVM)方法建立 0 引言