多模态金属构件疲劳寿命预测深度学习模型产品系统

不同金属构件在不同的加载路径的影响下，其疲劳寿命总是不同的，这取决于具体的加载路径，材料属性，以及其尺寸等等影响因素。所以我们希望通过神经网络训练多组实测数据去逼近疲劳寿命的演化规律，以此作为一个预测系统指导设计工作

整个框架由三部分组成。加载路径的描述必须通过荷载大小和时间，所以为二阶张量，材料及其尺寸可以组合成一组一维张量用于表征。所以分别通过两个不同网络学习特征。一个FNN用于学习一阶张量，一个由GNN（学序列自身交互）,LSTM（加入时间约束），TCN（学单变量波形）。最后拼接特征，由另一个FNN计算结果，实现科学计算功能

整个模型的问题提出、idea、数据收集、算法逻辑、算法成型、最后的泛化实验设计均由我一人完成