摘要：针对随机载荷下的疲劳可靠性,为能实现用小样本量的或大分散性的寿命数据获得较精确的寿命评估结果,基于样本集聚原理,改进应力-寿命关系曲线的获得方法,介绍逐渐缩小区间搜索方法和考虑材料分散性和随机载荷下的疲劳可靠性模型。逐渐缩小区间搜索方法的核心思想是区间逼近,每次搜索循环后均会缩减最优值的范围,至满足设定容差的结果停止搜索,并拟合应力-寿命关系曲线。基于此关系曲线,由确定应力到随机应力,再到服役工况种类的随机性,逐步建立疲劳可靠性模型。应用提出方法评估一服役后铝合金构件的疲劳寿命。结果表明,逐渐缩小区间搜索方法可在短时间内获得高精度的P-S-N曲线,提出的疲劳可靠性模型贴近工程,传统疲劳可靠性模型的结果偏于保守。

摘要：疲劳S-N曲线是高速动车组结构设计中最重要的基础数据。降低样本数据的离散性和提高寿命预测的准确性一直是铁路车辆结构长寿命安全可靠服役的热点研究课题,经典的样本信息聚集原理(Sample polymerization principle,SPP)能够确保小样本疲劳数据统计处理的准确性,但在寿命估算的可靠性上还有改进空间。通过参数搜索的优化建立应力与标准差之间的关系,实现不同应力水平下标准差的最优取值,从而提出一种新的基于SPP的概率疲劳S-N曲线拟合方法。研究结果表明,与成组法相比,基于(X-x-x-x)型数据的疲劳P-S-N曲线的斜率和截距的相对误差小于3%,估算寿命仅为成组法5%;在处理(x-x-x-x)型数据时,估算寿命约为传统方法的0.1%。在应用于高速列车焊接结构时,改进方法充分考虑了因焊接缺陷引入的离散性,预测的疲劳寿命更加可靠与合理。由此可见,改进的SPP以及标准差参数寻优技术不仅可以确保小样本数据的拟合精度,而且能够获得更加可靠的疲劳P-S-N曲线,工程应用中得到更保守的预测结果。