学院工程力学专业（国家拔尖计划）2021级学生杨洋以第一作者

在国际高水平期刊发表论文

近日，学院工程力学专业（国家拔尖计划）2021级学生杨洋以第一作者在断裂力学领域知名期刊“Engineering Fracture Mechanics”上发表题为“A deep learning approach for low-cycle fatigue life prediction under thermal-mechanical loading based on a novel neural network model”的学术论文。论文通讯作者为学院力学系王清远课题组张宏副研究员，该成果得到国家自然科学面上基金（12272245和11832007）和重点项目（12332012）资助。

疲劳破坏是机械结构部件和零件的主要失效形式，在实际工程中，部件通常要承受不同强度的周期性波动载荷。而建立疲劳寿命预测模型是保障重点产品和重大设施安全运行的关键技术，对于国民经济和国防建设等领域具有重要的经济价值和战略意义。论文提出一种基于深度学习的热机复合低周疲劳寿命预测方法。受能量法启发，从滞回曲线出发，将其转化为二值化图像，以定量关注其应力应变以及能量信息。将图像信息作为前端输入到所创建的神经网络框架ConTrans，该模型结合了卷积神经网络（CNN）以及Transformer的优势，能够高保真地利用滞回曲线图像的全局以及局部信息，实现端到端的映射函数，提高疲劳寿命预测的精度和通用性。

Engineering Fracture Mechanics 是断裂力学领域TOP学术期刊，工程技术领域，力学方面的老牌经典期刊。当前影响因子5.4，内容覆盖断裂、损伤以及疲劳力学等专业领域。该刊系JCR一区，中科院工程技术领域大类二区，力学小类一区TOP。

论文链接：https://doi.org/10.1016/j.engfracmech.2024.110239。