近日，机械工程学院张均富团队在航空领域国际知名期刊《Aerospace Science and Technology》（中科院SCI一区Top，影响因子为5.8）发表题为 “A novel PHDAL-MCDNN framework for reliability assessment of turbine blades under combined high and low cycle fatigue” 的研究论文。西华大学机械工程学院岳鹏老师为第一作者，2023级硕士研究生魏源为论文的第二作者，西华大学为论文第一完成单位。

论文截图

论文针对航空发动机涡轮叶片服役时的多源不确定性和多损伤机制耦合，提出了一种基于分阶段混合动态主动学习的深度神经网络框架，用于涡轮叶片在高低周复合载荷下的可靠性评估。该方法提出了一种分阶段混合动态主动学习机制，将其嵌入到深度学习框架中，并引入改进的粒子群优化算法来优化神经网络。通过涡轮叶片案例验证了所提方法的有效性。结果表明，在低周疲劳应力/应变和高周疲劳应力预测中，该方法大幅减少了所需训练样本数量，同时显著提升了预测精度和计算效率。

作者简介：

岳鹏，博士，副教授，硕士研究生导师。主要从事疲劳寿命预测、可靠性分析、优化设计及机器学习等科学研究工作。主持国家自然科学基金1项，四川省自然科学基金面上项目1项，参与多个国家级、省部级项目。在《International Journal of Fatigue》、《International Journal of Damage Mechanics》等国际知名期刊发表论文20余篇。