25CrMo4合金疲劳寿命预测局部可解释性分析

蔡国栋

长沙理工大学汽车与机械工程学院

摘　要

在使用机器学习的方法对25Cr Mo4合金进行疲劳寿命预测时，特征变量对疲劳寿命的决策行为一直是关注的重点。基于此，以89组25Cr Mo4合金高周循环对称疲劳试验样本作为研究对象，使用XGBoost算法预测其疲劳寿命，再使用LIME(Local Interpretable Model-agnostic Explanations)及其改进方法（Elastic Net-LIME）分析各特征变量在不同数值范围内对疲劳寿命的正负增益。结果表明，经过微喷丸强化后25Cr Mo4合金表面残余应力减小，表面粗糙度增大，疲劳寿命增大，Elastic Net-LIME对此判断比LIME更为合理。研究结果可为25Cr Mo4合金疲劳性能优化提供依据。

关键词

25Cr Mo4；LIME；机器学习可解释性分析

分类号

TG142.33

栏　目

试验研究

出　处

《冶金与材料》2024年第7期，第 48-50 页（共 3 页）

出版日期

2024-07-26

知网数据

下载 191 次（截至 2026-09-29）

知网全文（电脑版） 知网公开页

“知网全文（电脑版）”需登录中国知网或在已订购知网的机构 IP 内访问；“知网公开页”无需登录即可查看摘要，并可按知网规定下载全文。