一种可认证的基于机器学习的飞机结构疲劳寿命预测流水线

疲劳寿命预测在任何飞机的设计和运营阶段都至关重要，因此航空航天工业中的安全性要求及早检测疲劳裂纹以防止飞行中发生故障。稳健且精确的疲劳寿命预测器对于确保安全必不可少。传统工程方法虽然可靠，但耗时且涉及复杂的工作流程，包括进行多次有限元方法（FEM）仿真、推导预期载荷谱以及应用如峰谷计数或雨流计数等循环计数技术。这些步骤通常需要多个团队和工具之间的协作，加上实现疲劳寿命预测所需的计算时间和精力。机器学习（ML）为传统疲劳寿命估计方法提供了一种有前景的补充，能够实现更快的迭代和泛化，提供快速估计以指导决策并辅助传统仿真。在本文中，我们提出了一种基于机器学习的流水线，旨在根据飞机在整个运营寿命期间执行的不同任务的飞行参数，估计飞机机翼不同位置的疲劳寿命。我们在一个真实的疲劳寿命估计用例中验证了该流水线，在提供准确预测的同时进行了全面的统计验证和不确定性量化。我们的流水线构成了对传统方法的补充，通过减少昂贵仿真的数量，从而降低了所需的计算和人力资源。