一种船用止裂钢厚板止裂温度预测模型的建立方法与流程

本发明涉及材料断裂失效研究，特别涉及一种船用止裂钢厚板止裂温度预测模型的建立方法。

背景技术：

1、集装箱船结构具有大型化和超大型化的特点。为满足刚度和强度要求，船体结构所用钢板的强度等级和板厚规格也不断增大，最高强度水平已达460mpa，最大板厚规格趋近100mm。随着强度的升高和板厚规格的增大，钢板的抗断性能下降，安全可靠性问题突出。为保证结构的安全，要求大型集装箱船关键部位用高强度厚钢板必须具有止裂性能，即结构中一旦产生脆性裂纹，钢板能够将其止住，从而避免灾难性破坏。为此，iacs船体委员会专门成立了pt52工作组以制定50-100mm厚度的船用高强钢厚板安全应用的相关标准，提出了止裂性能评价试验方法和止裂性能的技术指标（板厚≤80mm，-10℃下kca≥6000n/mm3/2；板厚＞80mm，-10℃下kca≥8000n/mm3/2），kca为止裂韧性。此外，根据国际船级社规范，止裂性能表征参量除了止裂韧性，还有止裂温度，即一定应力水平下裂纹发生止裂时的温度，其本质上属于韧脆转变温度范畴，表征了在一定应力条件下裂纹发生止裂的最低温度。

2、针对止裂性能如何评价和止裂性能如何调控的问题，国内外开展了大量的研究，建立了多种止裂韧度/止裂温度与小尺寸试样表征参量之间的相关性模型。目前国内已建立了止裂温度和侧面无塑性转变温度的相关性模型、止裂温度和心部动态撕裂韧脆转变温度相关性模型等，其中止裂温度和侧面无塑性转变温度的相关性模型已纳入国际规范urw31，成为了国际认可的三种止裂性能小尺寸替代试验方法之一。国外相继提出了止裂温度与表面无塑性转变温度及1/4板厚冲击韧脆转变温度、止裂温度与压制缺口冲击试样特定吸收能量对应温度的相关性模型等两种止裂性能小尺寸替代试验方法。上述模型主要目的在于寻找一种操作性强、预测精度高的止裂性能小尺寸替代试验方法，其小尺寸试验取样位置较为单一，而对于高强度止裂厚板来说，由于成分、组织的不均匀导致沿板厚方向不可避免的存在性能梯度，单一位置的试样并不能完全反映高强度厚板的整体止裂性能。同时，除了板厚效应，止裂钢承受的载荷大小（即主应力）也是影响其止裂性能的重要因素。基于此，影响船用止裂钢厚板的止裂性能的因素众多而错综复杂，而以往的预测模型都是采用回归拟合的方式构建预测模型，回归公式虽然在特定范围内可以给出相对准确的预测结果，但仍不能避免回归公式的最大缺点，即不能体现多因素之间的交互作用。船用止裂钢厚板的止裂性能是多种因素相互作用的结果，具有高度非线性特征，采用传统的回归拟合方法难以得到较好的预测结果。随着计算机技术的飞速发展，计算能力得到大幅提高，人工智能技术兴起，数据积累越来越丰厚，一些研究者将具有自学习功能的神经网络、机器学习技术应用于钢材性能预测领域。如清华大学和哈尔滨工业大学等高校利用误差反向传播神经网络算法，建立了熔敷金属力学性能神经网络模型（文献：李连胜，魏艳红，杨于银.基于人工神经网络的焊缝熔敷金属力学性能预测[j].焊接，2001(7):3.doi:10.3969/j.issn.1001-1382.2001.07.006.）。

3、综上所述，止裂温度是影响船用止裂钢服役安全的关键性能，准确的止裂温度预测模型有利于开展船用止裂钢的止裂性能评估，有效减少试验成本和周期，优化舰船结构设计。虽然国内外学者们建立了一些预测公式，但均是采用回归拟合的方法建立相关模型，模型考虑的影响因素较为单一，且适用范围和预测精度有待提高。

技术实现思路

1、有鉴于此，本发明旨在提出一种船用止裂钢厚板止裂温度预测模型的建立方法，以解决现有止裂温度预测模型使用不便，且预测精度低，无法合理、准确评估船用止裂钢止裂性能的问题。

2、为达到上述目的，本发明的技术方案是这样实现的：

3、一种船用止裂钢厚板止裂温度预测模型的建立方法，确定心部抗拉强度、侧面无塑性转变温度、板厚和主应力这四个参量作为输入特征参量，并采用机器学习极致梯度提升机开展模型构建。心部抗拉强度的影响系数最高，测试较为便捷且数值稳定，侧面无塑性转变温度的影响系数仅次于心部抗拉强度，且目前很多止裂韧性的计算模型都将其作为主要考虑因素，厚度是钢板的固有属性，主应力是测试止裂温度的一项试验条件，因此，应将厚度和主应力列为输入特征参量。通过这四个参量的选择和确定，不仅能使建立的止裂温度的预测模型具有高精度，能够精确反映止裂钢厚板的温度，而且具有低成本的优势，便于大规模推广使用。

4、进一步的，所述止裂温度预测模型的建立方法具体包括如下步骤：

5、步骤一：通过收集或测试获得船用止裂钢厚板的试验数据，建立样本数据库；

6、步骤二：特征筛选，确定心部抗拉强度、侧面无塑性转变温度、板厚和主应力这四个参量作为输入特征参量；

7、步骤三：标准化处理；

8、步骤四：采用极致梯度提升机开展模型构建；

9、步骤五：验证优化。

10、进一步的，步骤一中，所述试验数据包括来自小尺寸试验的不同板厚位置的屈服强度、抗拉强度、延伸率、断面收缩率、低温冲击功、动态撕裂性能和无塑性转变温度，以及不同主应力下的止裂钢的止裂温度试验数据。

11、进一步的，步骤三中，在建模前对样本数据进行标准化处理，通过变换处理将输入特征转化为标准正态分布。用于确保所有特征在后续建模中具有相同的重要性，避免某些特征因素数值范围过大或过小而主导模型的学习过程。

12、进一步的，采用以下公式进行标准化处理，将输入特征转化为标准正态分布，

13、z=（x-μ）/σ

14、其中，μ和σ分别表示特征参量的平均值和标准值，z表示所述特征参量处理后的值。

15、进一步的，步骤四中，将样本随机划分为训练集和测试集，机器学习模型在训练集上训练，在测试集上预测，采用五折交叉验证和网格搜索方法对模型进行调参，交叉验证的每次划分都计算获得精度值，对每种超参数设置计算平均验证精度，最后，选择平均验证精度最高的超参数作为模型超参数。

16、进一步的，步骤五中，对建立的预测模型采用决定系数r2、误差和标准差指标分析模型的预测精度，并采用未参与训练的测试集数据验证模型的预测性能，当符合决定系数r2＜0.9、平均误差百分比＞15%、标准差＞5℃任一条件时，说明模型的预测精度较差，重复步骤四中采用五折交叉验证和网格搜索的方法对模型超参数进行优化。

17、相对于现有技术，本发明所述的一种船用止裂钢厚板止裂温度预测模型的建立方法具有以下优势：

18、（1）从众多影响因素中选择心部抗拉强度、侧面无塑性转变温度、板厚和主应力这四个参量作为输入特征参量，综合考虑板厚效应以及主应力等因素，适用于船用止裂钢的止裂温度预测。

19、（2）通过对特征进行标准化处理，并结合极致梯度提升机开展模型构建，从而获得预测精度较高的止裂温度预测模型，克服了经验公式不能体现相互作用的缺点。

20、（3）针对性较强，所有试验数据来源于实测数据，建立的模型适用范围较广，强度级别跨度大，适用于强度为300mpa-600mpa的止裂钢厚板，可为船用高强度厚板止裂性能的提升提供指导。