摘 要：傳統(tǒng)方法在預(yù)測精度和適用性方面有局限性，因此本研究采用深度學(xué)習(xí)技術(shù)對起重機(jī)金屬結(jié)構(gòu)的疲勞壽命進(jìn)行分析與評估，通過構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)（CNN）和長短期記憶網(wǎng)絡(luò)（LSTM）的混合模型，處理顯微結(jié)構(gòu)圖像和應(yīng)力應(yīng)變時(shí)間序列數(shù)據(jù)，對疲勞裂紋特征進(jìn)行自動(dòng)提取和壽命預(yù)測。研究結(jié)果顯示，模型預(yù)測的相對誤差較小，驗(yàn)證了其在復(fù)雜應(yīng)力狀態(tài)下的高預(yù)測精度。本研究將深度學(xué)習(xí)應(yīng)用于特種設(shè)備領(lǐng)域，提高了預(yù)測的準(zhǔn)確性和可靠性，為起重機(jī)金屬結(jié)構(gòu)的設(shè)計(jì)優(yōu)化和維護(hù)策略提供了科學(xué)依據(jù)，具有重要的工程應(yīng)用價(jià)值和推廣前景。

關(guān)鍵詞：起重機(jī)；金屬結(jié)構(gòu)；疲勞壽命；深度學(xué)習(xí)

中圖分類號：TH 21 " 文獻(xiàn)標(biāo)志碼：A

隨著工業(yè)化進(jìn)程的不斷推進(jìn)，起重機(jī)在各類工程中的應(yīng)用越來越廣泛。在長期使用過程中，起重機(jī)金屬結(jié)構(gòu)會(huì)承受循環(huán)載荷，因此容易發(fā)生疲勞破壞。疲勞破壞是金屬結(jié)構(gòu)最常見的失效形式之一，對起重機(jī)的安全運(yùn)行和使用壽命有至關(guān)重要的影響[1]。因此，研究起重機(jī)金屬結(jié)構(gòu)的疲勞壽命具有重要的現(xiàn)實(shí)意義。

1 起重機(jī)金屬結(jié)構(gòu)疲勞破壞機(jī)理

起重機(jī)金屬結(jié)構(gòu)的疲勞破壞主要是金屬材料在循環(huán)載荷作用下逐漸積累損傷，最終導(dǎo)致斷裂的過程[2]。這個(gè)過程可以分為疲勞裂紋萌生、裂紋擴(kuò)展和最終的疲勞斷裂3個(gè)階段，具體見表1。

盡管疲勞破壞機(jī)理已有廣泛研究，但深度學(xué)習(xí)技術(shù)為進(jìn)一步揭示金屬結(jié)構(gòu)在微觀層面的疲勞行為提供了新的視角。通過分析大量顯微結(jié)構(gòu)圖像，深度學(xué)習(xí)模型能夠識別與疲勞裂紋萌生和擴(kuò)展相關(guān)的微觀特征，從而為理解疲勞破壞機(jī)理提供參考。

2 影響起重機(jī)金屬結(jié)構(gòu)疲勞壽命的因素

當(dāng)分析起重機(jī)金屬結(jié)構(gòu)的疲勞壽命時(shí)，必須深入探討影響其疲勞行為的主要因素。這些因素包括材料特性、結(jié)構(gòu)設(shè)計(jì)、制造工藝以及工作載荷[3]。

2.1 材料特性

材料的特性對金屬結(jié)構(gòu)的疲勞壽命有直接影響，主要包括材料的成分、微觀結(jié)構(gòu)、機(jī)械性能和表面狀態(tài)等。

材料成分：合金元素的種類和含量直接影響材料的疲勞性能。例如適量的鉻、鎳可以提高鋼材的疲勞強(qiáng)度，而碳含量過多可能使材料變脆。

微觀結(jié)構(gòu)：材料的晶粒大小和分布、相變等微觀結(jié)構(gòu)特征對疲勞壽命影響顯著。細(xì)小均勻的晶粒結(jié)構(gòu)通常能夠延長材料的疲勞壽命。

機(jī)械性能：抗拉強(qiáng)度、屈服強(qiáng)度、延展性等機(jī)械性能參數(shù)對疲勞壽命有直接關(guān)系。通常情況下，較高的抗拉強(qiáng)度和良好的延展性能夠增強(qiáng)材料的抗疲勞性能。

表面狀態(tài)：表面粗糙度、殘余應(yīng)力和表面缺陷都會(huì)影響疲勞壽命。表面光滑、無缺陷且有壓應(yīng)力殘余的材料，通常疲勞壽命更長。

2.2 結(jié)構(gòu)設(shè)計(jì)

結(jié)構(gòu)設(shè)計(jì)對疲勞壽命的影響主要體現(xiàn)在應(yīng)力集中、結(jié)構(gòu)形狀和連接方式等方面。

應(yīng)力集中：設(shè)計(jì)中存在的應(yīng)力集中部位，例如孔洞、焊縫、突變截面等，往往是疲勞裂紋的萌生點(diǎn)。采取圓滑過渡和合理地加強(qiáng)措施，可以減少應(yīng)力集中效應(yīng)。

結(jié)構(gòu)形狀：復(fù)雜的結(jié)構(gòu)形狀會(huì)導(dǎo)致應(yīng)力分布不均，進(jìn)而影響疲勞壽命。優(yōu)化結(jié)構(gòu)形狀，均勻分布應(yīng)力，有助于延長疲勞壽命。

連接方式：不同的連接方式，例如焊接、鉚接、螺栓連接等，會(huì)產(chǎn)生不同的應(yīng)力分布和殘余應(yīng)力，影響疲勞壽命。優(yōu)化連接方式和工藝，可以改善疲勞性能。

2.3 制造工藝

制造工藝對金屬結(jié)構(gòu)的疲勞壽命有重要影響，主要包括焊接、熱處理和加工方法等。

焊接工藝：焊接過程中產(chǎn)生的熱影響區(qū)和殘余應(yīng)力會(huì)顯著影響疲勞壽命。采用合理的焊接參數(shù)和后續(xù)處理（例如焊后熱處理、噴丸處理等），可以改善焊接接頭的疲勞性能。

熱處理工藝：適當(dāng)?shù)臒崽幚砉に嚕ɡ绱慊稹⒒鼗?、退火等）可以?yōu)化材料的微觀結(jié)構(gòu)，提高其抗疲勞性能。

加工方法：機(jī)械加工中的切削參數(shù)、冷加工方式等會(huì)影響表面粗糙度和殘余應(yīng)力，從而影響疲勞壽命?？梢詢?yōu)化加工參數(shù)，采用高精度加工方法，可以提高疲勞性能。

3 疲勞壽命分析方法

傳統(tǒng)疲勞壽命分析方法，例如應(yīng)力壽命法（S-N曲線法）和應(yīng)變壽命法，依賴于經(jīng)驗(yàn)公式和試驗(yàn)數(shù)據(jù)，可能在復(fù)雜或未知的工作條件下準(zhǔn)確性受限。相比之下，深度學(xué)習(xí)方法能夠通過學(xué)習(xí)大量數(shù)據(jù)，自動(dòng)提取特征并建立更為精確的預(yù)測模型。特別是在處理多變量、非線性和高維數(shù)據(jù)方面，深度學(xué)習(xí)展現(xiàn)出了卓越的能力，顯著提高了預(yù)測的適用性和準(zhǔn)確性[4]。

3.1 應(yīng)力壽命法

應(yīng)力壽命法是疲勞分析中最常用的一種方法，主要通過試驗(yàn)得到S-N曲線（應(yīng)力-壽命曲線）來描述材料在不同應(yīng)力幅值下的疲勞壽命。S-N曲線是基于試驗(yàn)數(shù)據(jù)繪制的雙對數(shù)坐標(biāo)圖，其中，橫坐標(biāo)為疲勞壽命（循環(huán)次數(shù)），縱坐標(biāo)為應(yīng)力幅值。在實(shí)際應(yīng)用中，可以通過S-N曲線預(yù)測結(jié)構(gòu)在特定應(yīng)力幅值下的疲勞壽命，如公式（1）所示。

σa=σ'f（2Nf）b （1）

式中：σa為應(yīng)力幅值；σ'f為疲勞強(qiáng)度系數(shù)；Nf為疲勞壽命（循環(huán)次數(shù)）；b為疲勞強(qiáng)度指數(shù)。

在試驗(yàn)中，須對材料進(jìn)行疲勞測試，測定不同應(yīng)力幅值下的疲勞壽命，試驗(yàn)結(jié)果見表2。

將這些數(shù)據(jù)點(diǎn)繪制在雙對數(shù)坐標(biāo)系中，并擬合S-N曲線。以鋼材為例，假設(shè)通過試驗(yàn)得到數(shù)據(jù)點(diǎn)，將這些數(shù)據(jù)點(diǎn)繪制在雙對數(shù)坐標(biāo)系中，并進(jìn)行線性擬合，得到擬合直線的方程，如公式（2）所示。

logσa=logσ'f+blog（2Nf） " （2）

通過擬合得到疲勞強(qiáng)度系數(shù)σ'f和疲勞強(qiáng)度指數(shù)b。擬合結(jié)果σ'f=500 MPa，b=-0.12。則S-N曲線方程：σa=500（2Nf）-0.12。

因此，當(dāng)應(yīng)力幅值為220 MPa時(shí)，該材料的疲勞壽命約為875000次。

3.2 應(yīng)變壽命法

通常用應(yīng)變壽命法分析塑性變形占主導(dǎo)地位的疲勞問題。該方法通過應(yīng)變-壽命（ε-N）曲線來描述材料在不同應(yīng)變幅值下的疲勞壽命[5]。應(yīng)變壽命法考慮材料的彈性和塑性應(yīng)變，能夠更準(zhǔn)確地反映材料在高應(yīng)變幅值下的疲勞行為，如公式（3）所示。

εa=εe+εp " （3）

式中：εa為總應(yīng)變幅值；εe為彈性應(yīng)變幅值；εp為塑性應(yīng)變幅值?？刹捎霉剑?）描述應(yīng)變壽命關(guān)系。

（4）

式中：σ'為疲勞強(qiáng)度系數(shù)；E為彈性模量；ε'為疲勞延性系數(shù)；c為疲勞延性指數(shù)。

通過試驗(yàn)得到某種材料的疲勞強(qiáng)度系數(shù)σ'、疲勞強(qiáng)度指數(shù)b、疲勞延性系數(shù)ε'和疲勞延性指數(shù)c分別為700 MPa、-0.09、0.5、-0.5。則應(yīng)變壽命的計(jì)算過程如公式（5）所示。

（5）

彈性模量為210 GPa。當(dāng)應(yīng)變幅值為0.005時(shí)，代入公式（5），得到：。通過迭代法或數(shù)值求解方法，計(jì)算疲勞壽命Nf的值。假設(shè)通過數(shù)值求解，得出Nf≈10000，那么當(dāng)應(yīng)變幅值為0.005時(shí)，該材料的疲勞壽命約為10000次循環(huán)。

3.3 累積損傷模型

累積損傷模型基于Miner法則，可以假設(shè)材料在每個(gè)應(yīng)力循環(huán)中的損傷可以累積，并且當(dāng)累積損傷達(dá)到某一臨界值時(shí)，材料發(fā)生疲勞破壞，計(jì)算流程如圖1所示。Miner法則如公式（6）所示。

（6）

式中：D為累積損傷值；ni為在應(yīng)力幅值σi下經(jīng)歷的循環(huán)次數(shù)；Ni為在該應(yīng)力幅值下的疲勞壽命。當(dāng)D=1時(shí)，材料發(fā)生疲勞破壞。

3.4 基于深度學(xué)習(xí)的疲勞壽命預(yù)測

隨著深度學(xué)習(xí)技術(shù)的發(fā)展，基于深度學(xué)習(xí)的疲勞壽命預(yù)測方法展現(xiàn)出了極大的潛力和優(yōu)勢。采用構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)（CNN）和長短期記憶網(wǎng)絡(luò)（LSTM）的混合模型，可以處理顯微結(jié)構(gòu)圖像和應(yīng)力應(yīng)變時(shí)間序列數(shù)據(jù)，實(shí)現(xiàn)疲勞裂紋特征自動(dòng)提取和壽命預(yù)測[6]。

為了充分利用不同深度學(xué)習(xí)模型的優(yōu)勢，本研究設(shè)計(jì)了一個(gè)混合模型架構(gòu)，將卷積神經(jīng)網(wǎng)絡(luò)（CNN）與長短期記憶網(wǎng)絡(luò)（LSTM）結(jié)合起來。CNN擅長處理二維圖像數(shù)據(jù)，可以提取顯微結(jié)構(gòu)圖像中的局部特征，LSTM擅長處理時(shí)間序列數(shù)據(jù)，可以捕捉應(yīng)力和應(yīng)變數(shù)據(jù)中的時(shí)間依賴性特征。

在模型的實(shí)現(xiàn)過程中，將顯微結(jié)構(gòu)圖像數(shù)據(jù)輸入CNN中，并進(jìn)行處理。CNN由多個(gè)卷積層、池化層和全連接層組成，采用卷積層提取圖像中的局部特征，通過池化層減少特征維度并提高模型的魯棒性。卷積層使用ReLU激活函數(shù)，池化層使用最大池化操作。在經(jīng)過多個(gè)卷積和池化層后，將得到的高維特征向量輸入全連接層中，進(jìn)行進(jìn)一步處理，用最終輸出表示后續(xù)步驟的特征。與此同時(shí)，將應(yīng)力和應(yīng)變的時(shí)間序列數(shù)據(jù)輸入LSTM網(wǎng)絡(luò)進(jìn)行處理。LSTM網(wǎng)絡(luò)由多個(gè)LSTM單元組成，每個(gè)單元包括輸入門、遺忘門和輸出門，通過這些門控機(jī)制能夠捕捉時(shí)間序列數(shù)據(jù)中的長短期依賴關(guān)系。在經(jīng)過LSTM網(wǎng)絡(luò)處理輸入數(shù)據(jù)后，輸出一個(gè)時(shí)間序列的特征向量。將CNN和LSTM提取到的特征向量進(jìn)行拼接，形成一個(gè)綜合特征向量，輸入全連接層中，對疲勞壽命進(jìn)行預(yù)測。為了提高模型的預(yù)測能力，在模型訓(xùn)練過程中使用了Adam優(yōu)化器，并選擇均方誤差作為損失函數(shù)。通過網(wǎng)格搜索優(yōu)化模型的超參數(shù)，找到最佳的參數(shù)組合。為了提高模型的泛化能力，本文采用交叉驗(yàn)證技術(shù)，并采用數(shù)據(jù)增強(qiáng)方法擴(kuò)充訓(xùn)練數(shù)據(jù)集。在模型訓(xùn)練完成后，通過獨(dú)立的驗(yàn)證集評估其性能，結(jié)果表明模型的預(yù)測誤差較小，具有較高的預(yù)測精度。試驗(yàn)結(jié)果顯示，混合模型在疲勞壽命預(yù)測中的表現(xiàn)優(yōu)于單一的CNN或LSTM模型，結(jié)果見表3。

從表3可以看出，混合模型在各項(xiàng)評估指標(biāo)上均優(yōu)于單一模型，特別是在均方誤差和平均絕對誤差上表現(xiàn)突出，R2值也達(dá)到了0.95，表明其在復(fù)雜應(yīng)力狀態(tài)下具有較高的預(yù)測精度。

4 起重機(jī)金屬結(jié)構(gòu)的疲勞壽命評估

起重機(jī)金屬結(jié)構(gòu)的疲勞壽命評估是保障其安全運(yùn)行和延長使用壽命的關(guān)鍵步驟。為了提高評估的準(zhǔn)確性和可靠性，本文采用深度學(xué)習(xí)方法對起重機(jī)金屬結(jié)構(gòu)的疲勞壽命進(jìn)行分析。綜合利用試驗(yàn)數(shù)據(jù)和現(xiàn)場監(jiān)測數(shù)據(jù)，建立深度學(xué)習(xí)模型，預(yù)測疲勞壽命，并進(jìn)行試驗(yàn)驗(yàn)證和評估。

4.1 試驗(yàn)數(shù)據(jù)和監(jiān)測數(shù)據(jù)的獲取

在進(jìn)行疲勞壽命評估前，需要收集大量高質(zhì)量的試驗(yàn)數(shù)據(jù)和現(xiàn)場監(jiān)測數(shù)據(jù)。試驗(yàn)數(shù)據(jù)包括不同應(yīng)力水平下的疲勞試驗(yàn)數(shù)據(jù)、材料的機(jī)械性能參數(shù)以及顯微結(jié)構(gòu)圖像等。現(xiàn)場監(jiān)測數(shù)據(jù)則包括起重機(jī)在實(shí)際工作中的應(yīng)力、應(yīng)變、載荷循環(huán)次數(shù)等。

為了建立有效的深度學(xué)習(xí)模型，須對數(shù)據(jù)進(jìn)行預(yù)處理。將應(yīng)力和應(yīng)變數(shù)據(jù)標(biāo)準(zhǔn)化，去除噪聲和異常值，對顯微結(jié)構(gòu)圖像進(jìn)行圖像增強(qiáng)處理，提取裂紋、孔隙等微觀特征。這些預(yù)處理步驟可以提高模型的泛化能力和預(yù)測精度。

4.2 深度學(xué)習(xí)模型構(gòu)建與訓(xùn)練

在數(shù)據(jù)預(yù)處理完成后，構(gòu)建深度學(xué)習(xí)模型。本文采用卷積神經(jīng)網(wǎng)絡(luò)（CNN）和長短期記憶網(wǎng)絡(luò)（LSTM）相結(jié)合的方法，分別處理顯微結(jié)構(gòu)圖像和應(yīng)力應(yīng)變時(shí)間序列數(shù)據(jù)。

用CNN部分提取顯微結(jié)構(gòu)圖像中的特征，通過多層卷積和池化操作，獲取材料微觀結(jié)構(gòu)與疲勞壽命之間的關(guān)系。用LSTM部分處理應(yīng)力和應(yīng)變的時(shí)間序列數(shù)據(jù)，通過捕捉長時(shí)間依賴關(guān)系，預(yù)測未來的疲勞壽命。

在模型訓(xùn)練過程中，將均方誤差作為損失函數(shù)，使用Adam優(yōu)化器進(jìn)行優(yōu)化。訓(xùn)練數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集按照7∶3的比例進(jìn)行劃分，采用交叉驗(yàn)證的方法，評估模型的性能。

4.3 疲勞壽命預(yù)測與評估

在訓(xùn)練完成后，將實(shí)際的監(jiān)測數(shù)據(jù)輸入模型，對其進(jìn)行疲勞壽命預(yù)測。為了驗(yàn)證模型的準(zhǔn)確性和可靠性，選取一部分試驗(yàn)數(shù)據(jù)作為測試集，比較模型預(yù)測結(jié)果與實(shí)際測量值之間的誤差。表4展示了部分測試數(shù)據(jù)的實(shí)際疲勞壽命和模型預(yù)測值。

從表4可以看出，深度學(xué)習(xí)模型的預(yù)測值與實(shí)際值之間的相對誤差較小，說明模型具有較高的預(yù)測精度。通過預(yù)測結(jié)果進(jìn)行統(tǒng)計(jì)分析，可以評估起重機(jī)金屬結(jié)構(gòu)的疲勞壽命分布情況。

為了更直觀地展示疲勞壽命預(yù)測的效果，可以繪制實(shí)際值與預(yù)測值的散點(diǎn)圖，如圖2所示。

從散點(diǎn)圖中可以看出，大多數(shù)預(yù)測值與實(shí)際值接近，進(jìn)一步驗(yàn)證了模型的準(zhǔn)確性。

5 結(jié)語

采用深度學(xué)習(xí)方法對起重機(jī)金屬結(jié)構(gòu)的疲勞壽命進(jìn)行評估，能夠提高預(yù)測的準(zhǔn)確性和可靠性。本文結(jié)合試驗(yàn)數(shù)據(jù)和現(xiàn)場監(jiān)測數(shù)據(jù)建立的深度學(xué)習(xí)模型在復(fù)雜應(yīng)力狀態(tài)和多軸加載條件下表現(xiàn)出色。試驗(yàn)結(jié)果表明，該方法可以有效預(yù)測起重機(jī)金屬結(jié)構(gòu)的疲勞壽命，為設(shè)計(jì)優(yōu)化和維護(hù)策略提供了重要依據(jù)。未來的研究可以進(jìn)一步優(yōu)化模型結(jié)構(gòu)，增加更多特征數(shù)據(jù)，提高疲勞壽命預(yù)測的精度和適用性。

參考文獻(xiàn)

[1] 李磊. 國內(nèi)起重機(jī)的發(fā)展研究[J]. 中國設(shè)備工程，2017（15）：212-213.

[2] 張小麗，陳雪峰，李兵，等. 機(jī)械重大裝備壽命預(yù)測綜述[J].機(jī)械工程學(xué)報(bào)，2011，47（11）：100-116.

[3] 李婷婷.橋式起重機(jī)橋架結(jié)構(gòu)靜動(dòng)態(tài)分析及多目標(biāo)優(yōu)化[D].太原：中北大學(xué)，2016.

[4] 唐方雄，丁克勤，魏化中，等.基于 ANSYS/FE-safe 的橋式起重主梁疲勞壽命分析[J].重型機(jī)械，2015（3）：62-65.

[5] 葉南海.機(jī)械疲勞壽命預(yù)測與可靠性設(shè)計(jì)關(guān)鍵技術(shù)研究[D].長沙：湖南大學(xué)，2012.

[6] 孟飛，徐增丙，王志剛.基于Yu范數(shù)深度遷移度量學(xué)習(xí)的夾送輥剩余壽命預(yù)測[J].農(nóng)業(yè)裝備與車輛工程，2024，62（1）：157-161.