罗广恩 ，崔维成

（1江苏科技大学 船舶与海洋工程学院，江苏 镇江 212003；2中国船舶科学研究中心，江苏 无锡 214082）

1 引 言

船舶与海洋结构物绝大多数是由金属材料加工制造而成。由于其所处的工作环境载荷复杂、恶劣，结构物的疲劳问题受到广泛的关注。准确预报疲劳裂纹扩展寿命的关键因素之一就是确定疲劳裂纹扩展速率它直接影响到疲劳寿命预报结果的准确性。为描述疲劳裂纹扩展速率，通常将疲劳试验数据回归成公式，比较常用的有Paris-Erdogan公式、Forman公式等，这些公式各有特点。到目前为止，还没有一个可以适合所有金属材料的统一的疲劳裂纹扩展速率公式。

人工神经网络是20世纪40年代以来迅速发展起来的模拟人脑神经活动的一种新技术。适合处理复杂的线性和非线性关系，具有自主学习能力，能够建立难以用显示表达式表达的映射关系，并有较好的泛化能力。目前神经网络在智能控制、智能监测监控和智能故障诊断等方面应用较广，在疲劳领域也有很好的应用前景。Genel[1]通过建立BP网络用材料的拉伸性能数据预测了低周疲劳特性参数。Fotovati[2]用不同温度下的疲劳裂纹扩展速率实验数据训练BP网络，训练好的网络可以预测不同温度下的裂纹扩展速率。Haque[3]用BP网络预测了腐蚀环境下的疲劳裂纹扩展速率。国内，王珉[4]利用材料的常规力学性能训练BP网络来预测疲劳裂纹扩展公式（Paris公式）中的参数。顾玉钢[5]采用改进BP网络预测了疲劳裂纹扩展速率。……