机械重大装备寿命预测综述_张小丽

第47卷第11期2011年6月

机械工程学报

JOURNAL OF MECHANICAL ENGINEERING

Vol.47 No.11

Jun. 2011

DOI：10.3901/JME.2011.11.100

机械重大装备寿命预测综述*

张小丽陈雪峰李兵何正嘉

(西安交通大学机械制造系统工程国家重点实验室西安 710049)

摘要：寿命预测理论是机械零件与装备安全服役的关键基础，也是现代机械设计与制造必须涵盖的重要方面。机械重大装备寿命预测技术对国民经济发展和国防建设具有重要意义。在过去近一个世纪与失效事故的斗争中，人类通过对诸如飞行器、舰船、车辆、发电机组等机械重大装备的研究，建立了基于力学的寿命预测理论、基于概率统计的寿命预测理论以及基于信息新技术的寿命预测理论等学科分支。针对机械重大装备寿命预测研究方法的特点和应用状况，综述国内外相关文献的研究现状，总结当前机械重大装备寿命预测研究的热点与成就，归纳当前机械重大装备寿命预测研究在理论建模与试验中存在的若干问题，分析机械重大装备寿命预测具有理论建模难、试验验证难以及数据积累分析难的特点，为今后进行深入的寿命预测研究提供可以借鉴的研究方向。

关键词：寿命预测机械重大装备

中图分类号：TH12

Review of Life Prediction for Mechanical Major Equipments

ZHANG Xiaoli CHEN Xuefeng LI Bing HE Zhengjia (State Key Laboratory for Manufacturing Systems Engineering, Xi’an Jiaotong University, Xi’an 710049)

Abstract：The theory of life prediction is the key foundation of safety service of the machine parts and equipment, and it is also an important aspect of modern mechanical design and manufacture. Life prediction for major mechanical equipment has great significance to national economic development and national defense construction. In the struggle against failure accidents through the past nearly a century, several scientific branches such as life prediction theories based on mechanics, probability statistics, and new information technology are founded through researches on the aerocraft, ship, vehicle, generator set and other major mechanical major equipment. Aiming at the characteristics and applications of life prediction techniques for major mechanical equipment, the current research status of relevant literature is reviewed, the current hotspots and achievements of life prediction research on major mechanical equipment are summed up, problems existing in theoretical modeling and experiments in life prediction research are summarized, the difficulties of theoretical modeling, experimental verification, and data accumulation/analysis in life prediction research for major mechanical equipment are analyzed, so as to point out a helpful direction for further research.

Key words：Life prediction Mechanical major equipments

0 前言*

随着人类科技发展和文明进步，诸如飞行器、舰船、车辆、发电机组等机械重大装备与基础设施的安全服役对于国民经济发展和国防建设都具有重要意义[1]。然而机械重大装备运行条件复杂、环境

?国家自然科学基金(51035007，50875195)、霍英东基金(121052)和高校基本科研业务费资助项目。20100710收到初稿，20110321收到修改稿恶劣，在长期运行过程中会逐渐老化，剩余寿命会逐步下降，容易导致恶性事故发生，造成巨大的财产损失和人员伤亡；而如果盲目地进行维修更换则会带来巨大的浪费。所以正确预测机械重大装备的剩余寿命对于保证设备安全运行、提高经济效益有很大的意义。同时，对于诸如大型风力机主轴轴承等采购周期需要一年以上的典型重大装备，由于零部件及整机装备加工困难、制造周期长、价格昂贵、损坏后果严重，机械重大装备必须提前采购并预备

2011年6月张小丽等：机械重大装备寿命预测综述101

备件以确保正常持续的生产，避免停产事故损失。所以正确预测机械重大装备的剩余寿命又可以为制定合理有效的备件制作计划和检修计划提供可靠的依据。另外，由于大多数机械重大装备结构复杂、载荷作用形式多样、运行环境恶劣，并且同一类设备在相同的使用条件下寿命也有很大的分散度，因而可靠并可信地预测机械重大装备的寿命存在着较大困难。总之，机械重大装备剩余寿命预测是一项理论上有难度、实践性很强，同时又具有重要社会意义和经济价值的工作。因此，有效监测诊断机械、运载和能源等行业的典型重大装备的损伤并可靠预测其剩余寿命，是提高装备服役性能和控制失效事故发生的重要途径。国家中长期规划(2006～2020年)将“重大产品、复杂系统和重大设施的可靠性、安全性和寿命预测技术”列为重要研究方向。所以，机械重大装备的寿命预测一直是人们关注的焦点。

近年来，随着社会进步和科技发展，机械设备愈加趋向高性能、高速度、大负荷和复杂化，诸如飞行器、舰船、车辆、发电机组等机械重大装备在国民经济中起着举足轻重的作用。与此同时，投产的机械设备又都面临着逐渐老化失效的问题。例如：不论是工业发达的美、英、德、日等欧美国家，还是中国等发展中国家，在用的发电机组老龄化日益突出，且有不少老机机组参与调峰[2]。我国核电机组在20世纪90年代初投运(1991年、1994年秦山和大亚湾核电站先后并网发电)至今将近20年，常年受多种劣化因素的影响许多设备超过或即将要超过设计寿命期[2]。我国相当数量飞机的服役年限已达到或接近日历寿命(或日历首翻期)设计指标，目前面临着如何发挥这些老龄飞机潜力的问题[3]。所以预测机械重大装备的剩余寿命，最大限度地发挥机械重大装备的作用而又避免意外的事故和灾害，对于我国可持续经济发展和节约型社会建设是一个十分重要和紧迫的课题。

因此，本文主要针对机械重大装备寿命预测研究进行综述。介绍寿命预测的基本概念及其发展历程。分门别类地介绍寿命预测的主要研究对象。概括总结机械重大装备寿命预测研究方法，并对寿命预测研究方法进行比较分析。分析总结当前寿命预测研究的热点、难点以及存在的主要问题。最后展望机械重大装备寿命预测的研究前景。

1 寿命预测的基本概况

机械重大装备的寿命预测，也被称为剩余服役寿命预测或剩余使用寿命预测，顾名思义就是指在

规定的运行工况下，能够保证机器安全、经济运行

的剩余时间。它被定义为条件随机变量

{}

|,()

t t t t t Z t

′′

=?> (1) 式中，t′表示失效时间的随机变量，t是机器的当

前年龄，Z(t)是指当前时刻之前的有关该机器的所有

历史使用情况，r t是机器的剩余寿命。

寿命预测可分为早期预测和中晚期预测[4]。早

期预测是确定设备的设计寿命或计算寿命，主要以

理论和试验的方法进行。中期预测是为了避免设备

运行期间出现意外事故，通过对当前还处于设计寿

命之内的设备进行状态监测实现剩余寿命预测。由

于通常设计寿命偏于保守，设备寿命往往没有得到

充分利用就认为已经到寿从而造成很大的浪费，对

累计运行时间已经超过设计寿命的设备进行剩余寿

命预测就属于晚期预测。中晚期预测主要以分析设

备当前与历史运行状况，用无损探伤及金相检验等

多种方法检验鉴定损伤程度、以断裂力学等理论计

算及其他直接或间接的寿命预测技术作为科学依

据，评估设备还能够继续安全运行的时间。寿命预

测是建立在对大量积累寿命资料的分析、试验、实

地检验等技术基础之上。值得指出的是：寿命预测

应该建立在合理合适的破坏(失效)理论基础之上，

寿命预测与破坏(失效)理论既有联系又有区别。在

过去的一百余年里，人们针对不同材料与结构的破

坏(失效)规律建立了寿命预测理论。总体来看，寿

命预测的研究发展大致经历了以下几个过程。

(1) 技术开创期。1847年，德国WHLER用旋

转疲劳试验机首先对疲劳现象进行了系统的研究，

提出了著名的-

S N疲劳寿命曲线及疲劳极限的概

念，从而奠定了疲劳破坏的经典强度理论基础[5]。

在此后的很长一段时间里，人们逐步深入研究，形

成了目前工程中最为广泛应用的经典疲劳强度

理论。

(2) 技术发展期。19世纪末到20世纪初，人们

利用金相显微镜观察金属微观结构，发现了破坏的

过程可分为3个阶段：疲劳裂纹形成阶段、疲劳裂

纹扩展阶段、疲劳裂纹失稳扩展阶段[5]。在此后的

一个多世纪中，基于裂纹扩展规律的研究一直是人

们关注的焦点。1920年英国的GRIFFITH[6]提出了

裂纹扩展的能量理论。到20世纪50年代，诞生了

建立在裂纹尖端应力场强度理论基础上的断裂力

学[5]。1963年PARIS等[7]用断裂力学的方法表达裂

纹扩展规律，提出了著名的Paris公式。在Paris公

式的基础上，很多研究者针对不同的研究问题对

Paris公式进行了修正与发展。可以说，Paris公式的

机械工程学报第47卷第11期102

诞生揭开了寿命预测的新篇章，为裂纹扩展寿命的研究提供了新方法，在此基础上发展的“损伤容限设计”成为了20世纪疲劳强度设计的发展方向。

在此期间，1977年JANSON[8]提出了主要研究宏观可见缺陷或裂纹出现之前的力学过程即裂纹萌生过程的损伤力学。损伤力学通过定义损伤变量研究损伤演化规律来预测疲劳寿命。在此后的几十年里，从连续损伤力学到微观损伤力学以及基于微观的维象损伤理论(宏微观结合理论)，损伤力学获得了重要发展，作为断裂疲劳破坏的补充和拓展，损伤力学也成为工程结构疲劳破坏与寿命预测研究的重要的力学分析手段[5]。

(3) 技术完善期。通过一百多年对疲劳断裂的不断研究，以及日新月异的新技术与新发现，寿命预测技术研究理论在21世纪前后取得了极大的发展与丰富。首先研究者通过对疲劳断裂研究的不断补充与完善，提出了诸如非线性连续损伤力学模型[9]、金属全寿命模型[10]、等效应变能密度寿命预测方法[11]、基于小裂纹理论的疲劳全寿命预测方法[12-13]、基于指数模型的裂纹扩展速率与寿命预测技术[14-15]等模型方法。其次，考虑到温度、腐蚀等环境因素对寿命预测的综合影响，高温蠕变寿命预测[16]、腐蚀寿命预测技术[17]、疲劳蠕变寿命预测技术[18]、以及高温疲劳蠕变寿命预测技术[19]等针对复杂环境对寿命影响的研究不断深入。另外，考虑各种复杂载荷形式对寿命的综合影响，诸如多轴疲劳寿命模型[20-21]、多轴变幅载荷高周疲劳寿命模型[22]、多轴蠕变疲劳寿命预测技术[23]等研究也在不断深入发展。值得指出的是，近年来随着信息技术的发展，出现了诸如人工神经网络、专家系统等智能寿命预测技术[24-27]以及基于机械设备振动监测分析的寿命预测技术[28-31]。另外，新型材料的诞生一方面极大拓宽了传统寿命预测技术的研究领域，另一方面又促进了寿命预测技术的新发展(诸如针对复合材料等新型材料的寿命预测技术[32-34])。

由于磨损失效是除了断裂失效之外机械设备失效的另一种形态，有关磨损寿命预测的研究也在不断展开。如文献[35]讨论了接触式录音磁头的磨损寿命预测；文献[36]通过物理仿真和磨损预测模型讨论了大功率离合器系统的寿命预测方法。文献[37]研究了超声速发动机摩擦材料的磨损特性及寿命预测。

2 寿命预测研究对象概况

通过对寿命预测研究的对象进行归纳总结，可以得出如下结论：机械重大装备寿命预测研究对象几乎存在于诸如发电设备、航空航天、石油化工、汽车、铁路运输、数控加工、冶金工业、武器装备等行业与领域。具体如表1所示。从研究对象的归纳分析可以看出：当前寿命预测研究的对象虽然涉及到社会生产与生活的各个领域与针对各种机械设备，但是绝大多数寿命预测研究还是停留在各种材料试件或者机械装备的各种零部件；距离实现机械重大装备整体寿命预测还需要不断深入研究，这是值得未来探索的一个重要的研究内容。

表1机械重大装备寿命预测研究对象与研究方法

行业范畴研究对象研究手段与方法

发电设备

汽轮机转子[38]，汽轮机叶片[39]，发电设备[40]，

蒸汽轮机转子[21]，蒸汽机叶片[41]

Neuber准则和雨流计数法[39]，状态监测数据与可靠性方法[40]，

工程方法[41]

航空航天

涡轮叶片[42-44]，航空发动机[45]，卫星推力器[46]，飞机[47]，

航空发动机涡轮盘和叶片[48]，航空航天关键结构件[49]

ANSYS[43]，可靠性分析方法[46]，模糊理论[49]

石油化工

钻柱[50-51]，转化炉炉管[52]，蒸汽发生器炉管[53]，油气管

道[54-57]

Paris公式[50, 55-56]，Forman模型[51]，损伤力学方法(K-R理论)和

Larson-Miller方法[52]，可靠性理论[54]，ANSYS[57]

汽车汽车零部件[58]，运货车箱的端梁[59]，运货车箱[60]，汽车车轮[61]，汽车发动机[62]，汽车齿轮[63]

时域波形再现技术[58]，雨流计数法[59]，ANSYS [60]，名义应力法和局部应力—应变法[61]，神经网络[62]，灰色系统[63]

铁路运输

重载列车E级钢钩舌[64]，铁道货车[65]，提速货车[66]，曲

轴[67]，快速列车制动盘[68]，铁路钢桥[69-71]，铁路钢轨[72]，

铁路圆锥棍子轴承[73]

Paris公式[64, 68]，系统动力学模型[65]，疲劳测试、动力学仿真和

有限元分析[67]，名义应力法[70]，可靠性方法[71]，工况负载因素

法[73]

数控加工刀具[74]，端铣削刀具[75-76]，切削刀具[77]，冷锻刀具[78]

刀具剩余磨损寿命预测公式[74]，响应表面技术[75]，统计方法[76]，神经网络[77]

冶金工业铸轧辊套[79]，轧机轴承[80]物理模型[80]

武器装备火炮[81]，履带式自行火炮扭力轴[82]ADAMS与MSC.Fatigue软件分析[81]，Paris公式[82]通用零部件齿轮[83]，滚动轴承[84-86]时间序列分析[83]，基于振动的状态评估方法[84-85]

材料试件

铝合金[87-90]，钛合金[91,92]，铁镍合金[93]，镍基超耐热合

金[94-96]，铸造镍基高温合金[97]，铬钼钢合金[98]，复合钢[99]，

弹簧钢[100]，不锈钢[101-103]

声发射[88-89]，有限元分析[90]，物理模型与系统监测方法[93]，物

理模型方法[94-95]，多变量方程[98]，应力分析法[100]，断裂力学法[101]

2011年6月张小丽等：机械重大装备寿命预测综述

103

3 寿命预测方法概况

多年来，人们以不同行业领域内的机械重大装备为研究对象，分别从零部件和整体机械设备入手，并针对不同的金属材料，在理论上和试验上进行了深入、系统的研究，并形成了多种预测方法。归纳起来，寿命预测方法大致可以分为以下三大类：基于力学的寿命预测方法、基于概率统计的寿命预测方法、基于信息新技术的寿命预测方法。 3.1 基于力学的寿命预测方法

3.1.1 基于应力的寿命预测方法(S -N 曲线方法) 基于应力的方法是最早提出的用于寿命预测

的方法，却仍然是目前为止最常用的方法[104]

。图1是两种类型的S -N 曲线，即材料的应力(S )与寿命(N )的曲线。从图1上可以看出，每一个应力(S )都有一个相应的循环次数(即疲劳寿命)对应。随着S 的下降，所有材料的疲劳寿命都增大；但是当应力S 小于某疲劳极限值时，寿命趋于无限长。但是有关是否存在疲劳极限的问题是研究者不断深入讨

论的一个问题[105]

。描述S -N 曲线的最常用表达式是幂函数式

a S N C = (2) 式中，a 与C 是与材料、应力比、加载方式等有关的参数。或写成

()2m

F S N σ= (3) 式中，F σ是拉伸断裂真实应力，m 是与材料、应

力比、加载方式等有关的参数。式(2)、(3)被称为Basquin 公式。

在一个零件或结构中主要有两种类型的应力集中。一种是由于结构几何的变化或者结构的不连续而产生的应力集中，另一种是由于焊接等产生的应力集中。根据应力产生方式的不同，基于应力的寿命预测方法又可进一步分为：名义应力法、热点应力法和缺口应力法

[104]

等。

3.1.2 基于应变的寿命预测方法(-N ε曲线方法)

对于循环应力水平较低，寿命长的情况，用基于应力的方法(-S N 曲线)来描述其疲劳特性是恰当的。然而，有许多工程构件，在其整个使用寿命期间，所经历的载荷循环次数却并不多。因而应变寿命(-N ε)曲线用来描述载荷大(超过屈服应力)、

寿命短(一般小于410)的低周疲劳问题，

它也更能真实地模拟结构中局部塑性变形区域的受力状况。依

据描述寿命特性的应力比R ε的不同，-N ε曲线可

图 1 S -N 曲线

分为以下两种：-N ε曲线和-N ε?曲线。-N ε?曲线以应力比1R ε=?时的应变幅为参数，去描述寿命

特性，当1R ε≠?时再去修正-N ε?曲线。

在所有的-N ε曲线中，Manson-Conffin 公式使用最为广泛，见式(4) ()()22b c

f a ea pa f N N E σεεεε′′=+=+ (4)

式中，f σ′为疲劳强度系数，具有应力量纲；f ε′为

疲劳延性系数，与应变一样，量纲为一；b 为疲劳

强度指数；c 为疲劳延性指数；ea ε为疲劳应变幅；

pa ε为塑性应变幅。典型的-N ε曲线如图2所示。

当应力比1R ε≠?时，需要对Manson-Coffin 公式进行修正，如式(5)～(8)所示。

Morrow 弹性应力线性修正

()

()22b

f m

a f N N E

σσεε′?′=

+ (5)

Gerber 弹性应力曲率修正

()()22

22b c

f m a f f

N N E σσεεσ′?′=+′ (6) Marrow 总应变修正

()()22b c

f m a f f

N N E σσεεσ′?′=

+′ (7) Sachs 塑性修正

机械工程学报

第47卷第11期

104

()12b

f m a b N E σσεσ′??=?????

(8)

图2 应变—寿命曲线

3.1.3 累积疲劳损伤理论 1924年损伤累积的概念[106]

首次被提出，随后

在1945年，MINER [107]

首次用数学公式表达了线性

累积损伤理论。到目前为止，累积疲劳损伤理论日益引起人们的广泛关注，并在寿命预测领域起着重要的作用，因而诞生了很多损伤模型与方法。表2总结分析了一些累积损伤方法。除了表2中常用的累积损伤模型，研究者通过对疲劳损伤机理的分析，建立了很多各有特色的反映疲劳损伤发展规律的累积损伤模型，但是由于公式复杂没有得到广泛应用。另外，还有研究者通过对疲劳试验数据进行统计处理，建立了描述疲劳损伤发展规律的概率模型，如

概率Miner 累积损伤理论。文献[108-109]详细综述了累积疲劳损伤理论。

表2 常用累积损伤方法

方法名称

公式

优点

缺点

线性累积损伤理论

Palmgren-Miner 公式：i i n D N ??

???

∑ 式中，i n 是在应力i S 作用下的循环次数，一般由载荷谱给出；i N 是在i S 作用下循环到破坏的寿命，由S N ?曲线确定

简化了疲劳机理，计算方便，较多地用于设计阶段估算疲劳寿命

载荷水平的独立性；载荷作用

先后次序的独立性；缺少载荷交互作用的衡算性[108]

寿命预测结果一般都不是很令人满意[108]

双线性累积损伤理论

Grover-Manson 公式：裂纹扩展寿命 0.614N N ?= 裂纹形成寿命 00N = (730N <周) 0.6

014N N N =?(730N ≥周)

式中，N 为裂纹总寿命将疲劳损伤过程中的两个不同阶段“形成”和“扩展”分开讨论，符合损伤在不同阶段发展规律的情况

保持了形式简单的特点

理论模型还不能准确表达实际的损伤过程

裂纹“形成”和“扩展”两个阶段的“拐点”不易确定，不便直接应用于工程中

3.1.4 基于断裂力学的疲劳裂纹扩展理论

断裂力学以材料或构件存在着缺陷(称为裂纹)为前提。当有载荷作用时，裂纹尖端附近，将产生弹性力场，它可用应力强度因子K 描述。当应力强度因子达到临界值时，构件就会发生断裂。疲劳裂纹扩展速率d a /d N 或d a /d t 用来描述疲劳载荷作用下

裂纹长度a 随着循环周次N (或循环载荷作用时间t )的变化率，即表示裂纹扩展的快慢。考虑各有关因素对疲劳寿命的影响，d a /d N 可以一般地表达为

()d ,,d a

f K R N

"=? (9) 只要确定了上述关系，就可以估计疲劳裂纹扩展寿

2011年6月张小丽等：机械重大装备寿命预测综述

105

命。显然，式(9)积分后给出

()00d d ,,c c N a c a a N N f K R "==?∫∫ (10) 式中，c N 是裂纹从0a 到c a 的寿命。然而由于疲劳裂纹扩展机理复杂，影响因素很

多，疲劳寿命至今没有准确的定量解析表达式。因此，基于断裂力学的裂纹扩展公式直到今天一直是

人们研究的热点。几种比较常用的裂纹扩展公式如

表3所示。基于疲劳裂纹扩展理论的寿命预测存在的困难表现在以下几个方面。

(1) 初始裂纹尺寸分布不确定，初始裂纹尺寸

难以测量。 (2) 公式中材料系数C 、m 的不确定性。 (3) 载荷的随机性。

表3 d a /d N 表达式

方法名称

修正的

d d a

表达式特点

Paris 公式

()d =d m

a C K N

? 它建立了应力强度因子和裂纹扩展速率之间的关系，是疲劳扩展理论的基础。此公式适用于长裂纹稳定扩展行为。但是没有考虑不同应力比(即平均载荷因素) 的影响，用同一应力比下的参数计算载荷谱作用下的裂纹扩展寿命具有很大的误差

Forman 公式

()()d =

d 1m

c C K a

N R K K

???? 同时考虑了应力比R 和材料断裂韧性c K 的影响；适用于长裂纹稳定扩展和失稳扩展。由于高韧性材料的断裂韧性c K 不易测得，所以该公式适合于高硬度合金材料有效 Walker 公式

()()

()(

)

max 1 0d =d 1 0n

m n

m C K R R a N C K R R ???≥?????

考虑了应力比R 和峰值载荷时的应力强度因子max K 的影响；但是没有考虑应力强度变程门槛值对裂纹扩展的影响

W.Elber 公式 ()eff d =d m

a C K N

? 考虑有效应力强度因子幅eff K 的影响；用该公式描述了裂纹闭合现象，对裂纹扩展加速和迟滞现象做出了初步解释

Willenberg 公式 ()()eff eff eff

d =

d 1m

c C K a

N R K K ???? 考虑了裂纹高载迟滞效应，可以估计迟滞期间的裂纹扩展速率，进而预测裂纹疲劳扩

展寿命

LABG 公式 ()()()th d =d 1m m c C K K a N R K K

????????? 考虑了应力比R 和门槛应力强度因子幅th K ?

弹塑性断裂力学的修正公式

()d =d J m

J a C J N

? 线弹性断裂力学给出的裂尖附近的应力趋于无穷大，而实际上裂尖附近的材料必然要进入塑性发生屈服。随着塑性变形量的增加，裂尖塑性区增大，疲劳裂纹扩展速率也不断增加，采用K ?计算已经不合适了，所以采用弹塑性断裂参量J ?来描述

注：c K 是断裂韧度；K ?为应力强度因子幅；C 、m 、J C 、J m 为材料系数；R 为应力比；eff R 是实际循环应力比。

3.1.5 基于损伤力学的寿命预测技术

自从KACHANOV 首先提出连续损伤概念以来，连续损伤力学已经发展成为一门新的学科。它以连续尺度处理一个不断退化对象的力学特性[108]

。在外载荷作用下材料内部发生的损伤(微裂纹或微孔洞等)可以认为是连续分布的，所引起的材料和结构性能劣化可用损伤变量表示。损伤变量可能是标量、矢量或者张量，它们有一定的物理意义，因而便于测量。由于金属的疲劳损伤一般是各向同性的，所以损伤变量通常用弹性模量的降低来表示，是标

量。在等幅应变疲劳情况下，金属材料的连续损伤模型可表示为

1D σ

σ?=?? (11) 式中，0σ?是初始无损伤时循环应力差；σ?是疲

劳损伤过程中不断降低的循环应力差。

Chaboche [110]

建立了非线性连续损伤模型 1(1)1(1)11D r βα+???=????

(12) 式中，α是应力状态的函数，β是材料常数，r 是

损伤状态。文献[108]总结了该模型的优势。

从连续损伤力学的角度也可以立足于Paris 公式来描述裂纹扩展过程。损伤力学认为裂纹的扩展实际上是裂纹尖端在高梯度应力和应变作用下不断损伤的过程，主要体现于裂纹尖端塑性区和损伤区

的演化和运动[111]

()d =d r

d L C K N

? (13) 且

d c

C D ??= (14) 式中，L 为表面裂纹在某一方向上的尺寸，是空间坐标的函数；c D 为损伤临界值；c r 为裂纹尖端的细观损伤特征尺寸；2C 、r 为疲劳损伤演化常数。

3.1.6 基于能量的寿命预测方法

基于能量的损伤参数可以统一由不同的载荷类型造成的损伤，如：热循环、蠕变、疲劳等[108]。

近年来，FATEMI 等[108]

提出了如下的疲劳应变能量

机械工程学报第47卷第11期

106 密度参数来预测在多轴载荷下的各种材料的疲劳寿命

*12122222122222W k k σγεσ????=+ (15) 12 f f f f

k k γσετ′′==′′ (16) 式中，12σ?和22σ?分别代表切应力和正应力；12

γ?和22ε?分别是切应变和正应变；1k 和2k 是两个权重

常数；f τ′是抗扭疲劳系数；f γ′是扭转疲劳延展性

系数。 20世纪20年代，GRIFFITH 首先提出在裂纹扩展过程中是由于物体内部能量的释放所产生的裂纹驱动力导致了裂纹的增长。裂纹驱动力与裂纹尺寸及外加载荷有关，也称之为能量释放率G 。若能求得能量释放率变化负的G ?，则可求得裂纹扩展寿命

()d =d m

a C G N ? (17) 在实际工程计算中，基于数值分析与仿真的有限元技术，如ANSYS 、NASTRAN 等已经成为一种不可缺少的重要工具，根据有限元获得的应力应变结果进行进一步的疲劳寿命估算已经得到广泛应用[112]。基于数值分析与仿真可以减少试验样机的数量，缩短产品的开发周期，进而降低开发成本，提

高企业的市场竞争力。用有限元估算疲劳寿命通常分两步，第1步是根据载荷和几何结构计算应力应变历史，这是有限元分析的主要任务；第2步是根

据得到的应力应变响应，结合材料的性能参数，应用所选的损伤模型进行寿命估算[112]

。基于有限元的疲劳设计分析系统MSC /FATIGUE 就为实现此技术提供了软件平台。它支持3种目前最常用的疲劳寿

命分析方法：

总寿命或名义应力寿命分析(包括焊接结构分析)、

裂纹初始化或应变寿命分析以及基于线弹性断裂力学的裂纹扩展寿命分析[112]。ADAMS 软

件是机械系统动力学仿真分析软件，该软件可以组建系统虚拟样机，在虚拟环境中真实地模拟系统的运动，并对其在各种工况下的运动和受力情况进行仿真分析，研究重要机构在运行过程中动态特

性[113]。通过动力学仿真，该软件可以输出虚拟样机

工作过程中的各种力学参数(如速度、加速度、位移

和力等)的时变规律，利用输出结果实现寿命预测。综上所述，基于力学的寿命预测方法在机械重

大装备寿命预测技术中占有举足轻重的地位。针对

研究对象与工程应用中的具体问题，研究者们展开

了深入研究，取得了巨大的成就。表4针对上文中提到的各种基于力学的寿命预测方法概括并比较了各种基于力学寿命预测方法的优缺点及应用情况。

表4 基于力学的寿命预测方法比较

方法名称

优点

缺点

应用

基于应力的寿命预测方法

材料参数少，易于获取分析方法简单有大量的数据积累

经验性，不考虑裂纹

材料参数与试件几何形状、载荷形式有关，通用性较差缺口效应难于分析长寿命构件，如传动轴弹簧，齿轮等

高强材料f S S <，c a 小初步设计估算与线弹性断裂力学一起作全寿命分析基于应变的寿命预测方法

能描述循环应力—应变响应

可考查载荷次序影响利于缺口疲劳分析利于疲劳—蠕变混合分析

分析计算较复杂只考虑裂纹萌生缺口分析较保守

载荷循环次数少，塑性应变大的构件，如

低强结构钢缺口件高温、大应变情况高应力集中情况

与线弹性断裂力学一起作全寿命分析

基于累积疲劳损伤的寿命预测方法

考虑循环载荷(包括载荷大小、载荷先后次序)对寿命的影响研究时间长，方法较为成熟，应用广泛

由于寿命预测的复杂性，每个累积损伤模型都只考虑了部分影响因素，有优势也有不足，缺乏普遍实用性承受循环载荷的材料试件与机械零部件工程应用对象广泛

基于断裂力学的寿命预测方法

可考虑裂纹扩展

对裂纹扩展机理有较好的物理解释

可控制初始损伤，检查周期，使用载荷等，以保证安全

不研究裂纹起始

初始裂纹尺寸难于估计与测量构件几何复杂时应力强度因子难计算

线弹性断裂力学不满足时要用弹塑

性断裂力学

大型、重要结构件，如飞机结构，核反应

堆，压力容器等

预先有裂纹存在的结构，如大型焊、铸件；尖缺口寿命(近似裂纹)

基于损伤力学的寿命预测法更符合试验观察到的疲劳过程的微观机理

损伤变量可以更直接地度量疲劳损伤过程，便于考虑疲劳损伤之间的耦合与相互影响

利用损伤力学进行损伤累积分析和寿命预测，计算量大而且比较复杂目前对于一些重要材料和构件的损伤力学研究还不够充分

局限于一些金属材料、复合材料和混凝土材料

基于能量的寿命预测方法基于能量的寿命预测可以统一表达由不同的载荷类型造成的损伤，如：热循环、蠕变、疲劳等可以考虑平均应力及多向载荷的影响

基于能量的寿命预测方法研究还不够充分

不同金属材料复合组合成的层合板，如镀层结构、包层结构、合金层压板压电材料复合材料

2011年6月张小丽等：机械重大装备寿命预测综述

107

3.2 基于概率统计的寿命预测方法

在常规寿命计算方法中是将与剩余寿命有关的参数，例如裂纹尺寸、载荷、材料特性等当作确定性的量来处理。然而工程实际中这些参数往往不是确定值。另外预测得到的寿命是很分散的，亦即具有一定分布特征的随机量。因此，要对构件的安全使用做出更符合实际的评价, 就迫切需要引入概率统计理论，以使构件的断裂和寿命预测有一个可靠的定量概念。如果已知各参数的分布规律，并采用概率方法考虑参数的随机性，就能得到具有一定可靠度的剩余寿命。

概率Miner 累积损伤理论是在原有Miner 公式基础上发展得来的，通过引入--p S N 曲线代替

-S N 曲线进行安全寿命估算[114]。在多级(k 级)应力水平下，其寿命估算的概率Miner 公式为

11k

i i pi n T N ==∑ (18) 式中，pi N 为第i 级应力水平单独作用下可靠度为p

的破坏循环次数；i n 是在应力i S 作用下的循环次

数；T 为周期总数。

概率Miner 累积损伤理论还可用于裂纹扩展情

况，其主要依据是d d p a N K ???。根据载荷谱和

构件类型，通过积分计算便可估算出在恒定载荷作

用下可靠度为p 的疲劳裂纹扩展寿命*p

N ，由此得

到构件疲劳裂纹扩展的*--p S N 曲线。于是，在多

级载荷谱或随机载荷谱作用下，构件疲劳裂纹扩展

寿命估算可利用以下断裂概率Miner 公式

**11k

i i pi

T N ==∑ (19) 式中，*pi N 为第i 级应力水平单独作用下可靠度为p 的由初始裂纹扩展至临界裂纹的循环次数；*T 为周期总数。 3.3 基于信息新技术的寿命预测方法 3.3.1 基于人工智能技术的寿命预测方法长期以来，国内外学者对寿命预测进行了大量的理论和试验研究，提出了一系列物理模型，对寿命进行了定性分析和近似定量计算。由于忽略了工程实际中存在的随机、突变和非线性等因素，削弱了物理模型的预测精度[115]

。被称为是21世纪世界三大尖端技术之一的人工智能技术在很多学科领域都获得了广泛应用，并取得了丰硕的成果[116]

。人工智能技术通过使计算机来模拟人的复杂思维过程和

智能行为(如学习、推理、思考、规划等)而做出一

种新的与人类智能相似的反应。所以人工智能技术适合于解决物理规律复杂、不确定性影响因素较多等特点的机械重大装备寿命预测问题。人工智能技术主要包括：神经网络、专家系统、模糊计算、粗糙集理论、进化算法等。

在美国20世纪90年代早期制定的一体化高性

能涡轮发动机技术项目计划中，机载的发动机寿命测量和诊断系统的研制是其主要内容之一，而神经

网络则被认为是最具潜力的诊断工具[117]

。因此，近年来基于神经网络的寿命预测技术成为人们研究的热点。很多研究技术与文献都采用了神经网络技术。文献[118-129]讨论了基于神经网络的寿命预测方法；文献[26-27,130]讨论了基于专家系统的寿命预测方法；文献[25, 49, 131-133]讨论了基于模糊系统

的寿命预测方法；以及文献[134-135]讨论了基于进化算法的寿命预测方法。

3.3.2 基于机械设备状态监测的寿命预测方法由于机械设备信号可以反映出机械设备千变

万化的运行状态，通过连续监测机械设备运行过程可以获得表征机械设备从投入使用到报废的退化信号。通过传感技术可以获得反映机械设备使用状况的信号，通过特征提取技术及信号处理技术分析表征机械设备运行状况的退化信号就可以实现预测机械设备的剩余寿命。文献[28, 136]研究了基于振动信号的滚动轴承寿命预测方法，该方法主要分为3部分：首先通过连续采集轴承从投入使用到失效报

废的整个过程的振动信号从而建立轴承退化信号数

据库；其次通过信号分析获得表征轴承退化状态的

特征量；最后建立合适的智能退化模型(神经网络)进行寿命预测。概括地讲，基于力学的寿命预测方法是从失效与破坏机制的动力学特性来预测其剩余寿命，这是

工程上常用的方法之一[1]。当零件的失效是单一的

失效机制或由一种失效机制起主要控制作用时，其剩余寿命的预测显得较为简单易行，如疲劳寿命预测、蠕变寿命预测和磨损寿命预测等。但是由于机

械重大装备服役环境严酷，多种失效形式耦合出现的情况要求研究多种失效形式耦合的破坏理论并在此基础上发展机械重大装备的寿命预测技术。基于概率统计的寿命预测方法通过积累的试验数据和现

场数据建立统计模型，通过确定寿命特征值随时间的分布和失效概率，预测在要求可靠度下的寿命。

从概率统计的意义上来说，基于概率统计的寿命预

测结果更能反映机械产品寿命的一般规律和整体特性，但是需要大量试验和数据的积累。而近年来兴起的基于信息新技术的寿命预测方法相对基于力学

机械工程学报第47卷第11期108

的寿命预测方法和基于概率统计的寿命预测方法显得还不够成熟，有待于今后进一步的研究与发展。

4 机械重大装备寿命预测研究的热

点、难点及存在的主要问题

4.1机械重大装备寿命预测研究的热点

通过上文的分析可以看出，当前有关机械重大装备寿命预测的研究得到了国内外学者的广泛关注。其关注的研究对象包罗万象，几乎涉及到所有的工业产品，如航天卫星、航空飞机、高速列车、汽车、发电与冶金化工设备等；目前的研究水平还局限于机械重大装备的材料试件与局部构件，距离实现机械重大装备整体的寿命预测还有较大差距。由于基于恰当失效破坏理论的合适寿命预测模型一直是寿命预测研究的热点和难点，当前国内外学者在机械重大装备寿命预测理论研究方面主要聚焦于通过研究材料或结构的失效与破坏机理，建立基于力学模型与概率统计方程的寿命预测理论。与此同时，发展先进的寿命试验方法与数据分析技术也是当今寿命预测研究的另一个热点，通过研究复杂载荷、多种环境因素、以及多种失效形式下的寿命试验方案，为寿命预测理论与方法研究奠定强有力的试验基础。

4.2机械重大装备寿命预测研究的难点

由于寿命预测的研究涉及到金属材料学、材料力学、振动力学、疲劳理论、断裂力学和计算方法等多门学科，同时影响机械设备寿命的因素复杂多变，有关机械重大装备寿命预测研究一直是国内外学者关注的热点，但也面临诸多难点。

首先，由于多轴应力等复杂循环应力作用下机械结构的失效机理与破坏形式和简单载荷作用下的情形大有不同，复杂载荷下的寿命预测一直是寿命预测领域的难点问题。

其次，由于实际机械设备所处环境复杂，载荷形态多样，设备服役的动力学规律很难获得，因而建立准确的数学或物理模型来描述机械重大装备部件和整机的寿命规律存在较大的困难。

另外，随着现代测试技术的发展，通过先进的设备可以检测到多种反映机械设备运行状态的参数，但是检测到的运行参数和剩余寿命之间并无明确的定量关系，因而也是寿命预测方面的另一个困难：即如何根据各种测得的运行参数及其变化趋势建立机械设备寿命预测的物理模型与方程，实时、在线地预测出机械重大设备的剩余寿命。

有关机械重大装备的寿命试验研究也同样面临较大的困难：现有的试验技术一是采用实验室模拟或加速试验；二是采用真实现场试验。但这两种方法都是采用产品原型试验进行确定，适用于普通机械产品，而对于小批量生产的机械重大装备，由于价格昂贵，供货时间长，采用常规的大样本试验方法是非常不适宜的，甚至是不可能的[137]。另外，由于要揭示机械重大设备的寿命规律，通常需要较长时间内的反映寿命影响因素与寿命之间对应的数据积累，建立机械装备的样本数据，需要花费大量长期的时间与人力，因而机械重大装备的寿命预测研究是一项长期而艰苦的工作。

正如国家自然科学基金委员会工程与材料科学部在《机械工程学科发展战略报告》中指出的一样：当前机械重大装备运行环境的复杂化和当今设备与零件的极端化趋势对现有寿命预测理论和方法带来了新的困难和挑战：零件与结构的极大或极小化，导致其失效模式和破坏机理均有异于传统研究对象，复杂载荷和极端环境使得寿命预测问题更加具有挑战性[1]。

总而言之，剩余寿命预测的难点在于：理论建模难、试验验证难、数据积累漫长而难以分析。4.3机械重大装备寿命预测研究当前存在的主要

问题

虽然机械重大装备寿命预测研究面临诸多困难，但是可以欣喜地看到当前研究仍然呈现出一片欣欣向荣的繁荣景象。到目前为止，国内外的科学家与工程师们针对不同的研究对象提出了很多有效的寿命预测方法，展现出各自的优势和实用性。但是当前寿命预测研究中至少还存在以下问题。

(1) 环境问题：由于机械设备通常工作在高温、腐蚀的环境中，多种环境因素对机械重大装备寿命的影响不可忽视，研究机械重大装备服役环境因素对寿命预测的影响需要不断深入。

(2) 载荷问题：如多向变幅载荷等复杂载荷形态下的寿命预测研究需要进一步发展。

(3) 失效与破坏机理问题：有关磨损失效、蠕变失效、以及多种失效形式耦合的寿命预测方法还需要不断研究。

(4) 机械装备寿命预测问题：现有的寿命预测方法研究都只是针对材料或试件，还未能达到实现机械重大装备整机寿命预测的水平，所以如何针对机械重大装备的实际服役工况研究出实用有效的机械重大装备寿命预测技术还需要今后不断努力研究。

2011年6月张小丽等：机械重大装备寿命预测综述109

(5) 现有基于确定性方程的经典寿命预测方法朝着概率统计方向发展，但是传统基于大样本渐进学习理论的统计学习方法并不适合机械重大装备试验样本稀少的特点。因此，在当前研究基础上，利用信息新技术中的设备状态监测技术以及适合于小样本预测的信息新技术——支持矢量机，以小样本试验获得机械重大装备的剩余寿命预测是值得今后开展的一项研究内容。

5 结论

经过不断发展，有关寿命预测的研究从起步到逐步深入的发展为人类科技进步和社会发展做出了巨大贡献。在这浩瀚的研究成果中，着重通过在寿命预测研究对象与研究方法两个方面综述国内外相关研究文献所取得的成就，运用比较和总结的分析手段，提纲挈领地指出当前机械重大装备寿命预测研究的热点、难点以及存在的问题，为今后进行寿命预测研究提供可以借鉴的研究方向。

参考文献

[1] 国家自然科学基金委员会工程与材料科学部. 机械工

程学科发展战略报告(2011~2020)[M]. 北京：科学出

版社，2010.

National Natural Science Foundation of Engineering and

Materials Science Division. Mechanical engineering

discipline development strategy report (2011~2020) [M].

Beijing：Science Press，2010.

[2] 雷格. 电力设备诊断手册[M]. 北京：中国电力出版

社，2001.

LEI Ge. Diagnostic manual of electrical equipment[M].

Beijing：China Electric Power Press，2001.

[3] 陈跃良，段成美，吕国志. 飞机服役寿命预测技术进

展及若干问题[J]. 飞机设计，2001(3)：16-21.

CHEN

Yueliang，DUAN Chengmei，Lü Guozhi. The progress and problems of aircraft service life prediction

technology[J]. Aricraft Design，2001(3)：16-21.

[4] 周津慧. 重大设备状态检测与寿命预测方法研究[D].

西安：西安电子科技大学，2006.

ZHOU Jinhui. Study on the methods for detecting the

conditions of key devices and predicting their remaining

lives[D]. Xi’an：Xidian University，2006.

[5] 袁熙，李舜酩. 疲劳寿命预测方法的研究现状与发展

[J]. 航空制造技术，2005(12)：80-84.

YUAN

Xi，LI Shunming. Research status and development of forecast method of fatigue life[J].

Aeronautical Manufacturing Technology，2005(12)：

80-84.

[6] GRIFFITH A A. The phenomenon of rupture and flow in

solids[J]. Philosophical Transactions of the Royal

Society of London，Series A，1920(221)：163-198.

[7] PARIS P C，ERDOGAN F. A critical analysis of crack

propagation laws[J]. Journal of Basic Engineering，

1963，85(4)：528-534.

[8] JANSON J. Dugdale-crack in a material with continuous

damage formation[J]. Engineering Fracture Mechanics，

1977，9(4)：891-899.

[9] DATTOMA V，GIANCANE S，NOBILE R，et al.

Fatigue life prediction under variable loading based on a

new non-linear continuum damage mechanics model[J].

International Journal of Fatigue，2006，28(2)：89-95. [10] MAKKONEN M. Predicting the total fatigue life in

metals[J]. International Journal of Fatigue，2009，31(7)：

1163-1175.

[11] FAN Z C，CHEN X D，CHEN L，et al. An equivalent

strain energy density life prediction model[C]// 5th

Fracture Mechanics Symposium，October 31-November

5，2007，Changsha，China. Shanghai：East China

University Science and Technology Press，2007：

277-282.

[12] NEWAN J C，PHILLIPS E P，SWAIN M H. Fatigue-life

prediction methodology using small-crack theory[J].

International Journal of Fatigue，1999，21(2)：109-119.

[13] 吴学仁，刘建中. 基于小裂纹理论的航空材料疲劳全

寿命预测[J]. 航空学报，2006，27(2)：219-226.

Xueren，LIU Jianzhong. Total fatigue life prediction for aeronautical materials by using small-crack theory[J].

Acta Aeronautica et Astronautica Sinica，2006，27(2)：

219-226.

[14] MOHANTY J R，VERMA B B，RAY P K. Prediction of

fatigue crack growth and residual life using an

exponential model：Part I (constant amplitude

loading)[J]. International Journal of Fatigue，2009，

31(3)：418-424.

[15] MOHANTY J R，VERMA B B，RAY P K. Prediction of

fatigue crack growth and residual life using an

exponential model：Part II (mode-I overload induced

retardation)[J]. International Journal of Fatigue，2009，

31(3)：425-432.

[16] 涂善东，轩福贞，王卫泽. 高温蠕变与断裂评价的若

干关键问题[J]. 金属学报，2009，45(7)：781-787.

Shandong，XUAN Fuzhen，WANG Weize. Some

机械工程学报第47卷第11期110

critical issues in creep and fracture assessment at high

temperature[J]. Acta Mentallurgica Sinica，2009，45(7)：

781-787.

[17] PANASYUK V V，RATYCH L V，DMYTRAKH I N.

Fatigue crack-growth in corrosive environments[J].

Fatigue of Engineering Materials and Structures，1984，

7(1)：1-11.

[18] ANDREIKIV O E，LESIV R M，LEVYTS’KA N M.

Crack growth in structural materials under the combined

action of fatigue and creep (review)[J]. Materials

Science，2009，45(1)：1-17.

[19] SHIBLI I A，Al-ABED B，NIKBIN K. Scatter bands in

creep and fatigue crack. growth rates in high

temperature plant materials data[J]. Materials at High

Temperatures，1998，15(3-4)：143-149.

[20] CHEN X，KIM K S. Multiaxial fatigue life prediction of

weld joints[C]// Fracture Mechanics Symposium，

August 19-22，2003，Shanghai，China. Shanghai：East

China University Science and Technology Press，2003：

241-247.

[21] DAS J，SIV AKUMAR S M. Multiaxial fatigue life

prediction of a high temperature steam turbine rotor

using a critical plane approach[J]. Engineering Failure

Analysis，2000，7(5)：347-358.

[22] MOREL F. A critical plane approach for life prediction

of high cycle fatigue under multiaxial variable amplitude

loading[J]. International Journal of Fatigue，2000，

22(2)：101-119.

[23] ZHANG S，SAKANE M. Multiaxial creep-fatigue life

prediction for cruciform specimen[J]. International

Journal of Fatigue，2007，29(12)：2191-2199.

[24] BYINGTON C S. Data-driven neural network

methodology to remaining life predictions for aircraft

actuator components[C]// 2004 IEEE Aerospace

Conference Proceedings，March 6-13，2004，Big Sky，

MT，United States. Washington DC：IEEE Computer

Society，2004：3581-3589.

[25] PAWAR P M，GANGULI R. Fuzzy-logic-based health

monitoring and residual-life prediction for composite

helicopter rotor[J]. Journal of Aircraft，2007，44(3)：

981-995.

[26] LIU X，XUAN F Z，SI J，et al. Expert system for

remnant life prediction of defected components under

fatigue and creep-fatigue loadings[J]. Expert Systems

with Applications，2008，34(1)：222-230.

[27] KIM Y H，SONG J H，PARK J H. An expert system for

fatigue life prediction under variable loading[J]. Expert

Systems with Applications，2009，3：4996-5008.

[28] GEBRAEEL N，LAWLEY M，LIU R，et al. Residual

life，predictions from vibration-based degradation

signals： A neural network approach[J]. IEEE

Transactions on Industrial Electronics，2004，51(3)：

694-700.

[29] GOTO S，ADACHI Y，KATAFUCHI S，et al. On-line

deterioration prediction and residual life evaluation of

rotating equipment based on vibration measurement[C]//

2008 Proceedings of Sice Annual Conference，August

20-22，2008，Tokyo，Japan，Tokyo：Society of

Instrument and Control Engineers，2008：777-782. [30] HE Z X，SONG S W，LI F，et al. Vibration fatigue life

prediction of turbine disk based on BP neural

networks[C]// International Conference on

Heterogeneous Material Mechanics，June 3-8，2008，

Anhui，China. Lancaster：Destech Publications，2008：

1233-1236.

[31] 奚立峰，黄润青，李兴林，等. 基于神经网络的球轴

承剩余寿命预测[J]. 机械工程学报，2007，43(10)：

137-143.

Lifeng，HUANG Runqing，LI Xinglin，et al. Residual life predictions for ball bearing based on neural

networks[J]. Chinese Journal of Mechanical

Engineering，2007，43(10)：137-143.

[32] AL-ASSAF Y，EI Kadi H. Fatigue life prediction of

composite materials using polynomial classifiers and

recurrent neural networks[J]. Composite Structures，

2007，77(4)：561-569.

[33] NAGEM R J，SENG J M，WILLIAMS J H. Residual life

predictions of composite aircraft structures via

nondestructive testing，part 1：Prediction methodology

and nondestructive testing[J]. Materials Evaluation，

2000，58(9)：1065-1074.

[34] NAGEM R J，SENG J M，WILLIAMS J H. Residual life

predictions of composite aircraft structures via

nondestructive testing，part 2：Degradation modeling and

residual life prediction[J]. Materials Evaluation，2000，

58(11)：1310-1319.

[35] KAWAKUBO Y，MIYAZAWA S，NAGATA K，et al.

Wear-life prediction of contact recording head[J]. IEEE

Transactions on Magnetics，2003，39(2)：888-892.

[36] WATSON M，BYINGTON C，EDWARDS D，et al.

Dynamic modeling and wear-based remaining useful life

prediction of high power clutch systems[J]. Tribology

2011年6月张小丽等：机械重大装备寿命预测综述111

Transactions，2005，48(2)：208-217.

[37] ISHII T，UEHA S，NAKAMURA K，et al. Wear

properties and life prediction of frictional materials for

ultrasonic motors[J]. Japanese Journal of Applied

Physics Part 1-Regular Papers Short Notes & Review

Papers，1995，34(5B)：2765-2770.

[38] 吴文健. 125 MW机组转子寿命评估与预测在线监测

系统的试验研究[J]. 浙江电力，2000(6)：9-14.

WU Wenjian. Test and research for the on-line monitor

system of 125 MW turbine’s rotor life evaluation and

prediction[J]. Zhejiang Electric Power，2000(6)：9-14.

[39] 谢永慧，孟庆集. 汽轮机叶片疲劳寿命预测方法的研

究[J]. 西安交通大学学报，2002，36(9)：912-915.

XIE

Yonghui，MENG Qingji. Numerical model for steam turbine blade fatigue life[J]. Journal of Xi’an

Jiaotong University，2002，36(9)：912-915.

[40] GOODE K B，MOORE J，ROYLANCE B J. Plant

machinery working life prediction method utilizing

reliability and condition-monitoring data[J]. Proceedings

of the Institution of Mechanical Engineers Part

E-Journal of Process Mechanical Engineering，2000，

214(E2)：109-122.

[41] JIN H T，PISTOR R，LOWDEN P，et al. Prediction of

gas turbine blade life - An interdisciplinary engineering

approach for condition-based maintenance[C]//

Proceedings of the ASME Turbo Expo.，May 6-11，

2006，Barcelona，Spain. New York：ASME，2006：

519-524.

[42] 陈立杰，冮铁强，谢里阳. 涡轮叶片蠕变—疲劳交互

作用下寿命预测方法综述[J]. 航空制造技术，

2004(12)：61-64.

CHEN

Lijie，JIANG Tieqiang，XIE Liyang. Overview on life prediction methods of turbine blade for

creep/fatigue interaction[J]. Aeronautical Manufacturing

Technology，2004(12)：61-64.

[43] 陈立杰，谢里阳. 某低压涡轮工作叶片高温低循环疲

劳寿命预测[J]. 东北大学学报，2005，26(7)：673-676.

CHEN

Lijie，XIE Liyang. Prediction of high-temperature low-cycle fatigue life of aeroengine’s

turbine blades at low-pressure stage[J]. Journal of

Northeastern University，2005，26(7)：673-676.

[44] MINO K，IMAMURA R，KOIWAI H，et al. Residual life

prediction of turbine blades of aeroderivative gas

turbines[J]. Advanced Engineering Materials，2001，

3(11)：922-924.

[45] 富涛，许春生. 在翼航空发动机剩余寿命预测[J]. 中

国民航飞行学院学报，2006，17(3)：18-21.

Tao，XU Chunsheng. The remaining life prediction of wing aircraft engines[J]. Journal of Civil Aviation

Flight University of China，2006，17(3)：18-21.

[46] 王凭慧，范本尧，傅惠民. 卫星推力器可靠性评估和

寿命预测[J]. 航空动力学报，2004，19(6)：745-748.

WANG

Pinghui，FAN Benyao，FU Huimin. Reliability assessment and life prediction for satellite engine[J].

Journal of Aerospace Power，2004，19(6)：745-748.

[47] 冯蕴雯，薛小锋，冯元生. 老龄飞机机群与单机结构

剩余寿命分析方法[J]. 西北工业大学学报，2006，

24(2)：237-240.

FEN

Yunwen，XUE Xiaofeng，FENG Yuansheng.

Prolonging safely service life of old-age aircraft[J].

Journal of Northwestern Polytechnical University，

2006，24(2)：237-240.

[48] 付娜. 某航空发动机涡轮盘和叶片的强度分析与寿命

计算[D]. 西安：西北工业大学，2006.

FU Na. The analysis of the strength and the life of the

turbine disc and blade[D]. Xi’an：Northwestern

Polytechnical University，2006.

[49] WANG X L，NIE H. Fatigue life prediction of key

structural parts in aeronautics and astronautics based on

fuzzy theory[C]// 2nd International Symposium on

Systems and Control in Aerospace and Astronautics，

December 10-12，2008，Shenzhen，China. New York：

IEEE，2008：637-640.

[50] 林元华，罗宏志，邹波，等. 钻柱失效机理及其疲劳

寿命预测研究[J]. 石油钻采工艺，2004，26(1)：19-22. LIN

Yuanhua，LUO Hongzhi，ZOU Bo，et al. Research on the failure mechanism and fatigue life prediction of

drillpipe[J]. Oil Drilling & Production Technology，

2004，26(1)：19-22.

[51] 张德平，骆发前，林元华，等. 钻柱疲劳寿命预测研

究[J]. 断块油气田，2006，13(3)：57-60.

ZHANG

Deping，LUO Faqian，LIN Yuanhua，et al.

Research on fatigue life prediction of drill string[J].

Fault-Block Oil & Gas Field，2006，13(3)：57-60.

[52] 姜勇，巩建鸣，涂善东，等. 转化炉炉管剩余寿命预

测及快速维修策略[J]. 炼油技术与工程，2008，38(5)：

31-35.

JIANG

Yong，GONG Jianming，TU Shandong. Residual life prediction and rapid maintenance strategies of

reformer furnace tubes[J]. Petroleum Refinery

Engineering，2008，38(5)：31-35.

[53] 吕瑞典，余明建，郑悦明. 蒸汽发生器炉管剩余寿命

机械工程学报第47卷第11期112

预测模型对比分析[J]. 石油化工设备，2004，33(3)：

13-14.

Lü

Ruidian，YU Mingjian，ZHENG Yueming. Contrast analysis to estimative model of residual life of

steam-generator’s boiler pipe[J]. Petro-chemical

Equipment，2004，33(3)：13-14.

[54] 赵新伟，罗金恒，韩晓毅，等. 在役油气管道腐蚀剩

余寿命预测方法[J]. 压力容器，2001，18(2)：43，56-58. ZHAO

Xinwei，LUO Jinheng，HAN Xiaoyi，et al. The remaining life prediction method of corroded pipeline in

service based on reliability theory[J]. Pressure Vessel

Technology，2001，18(2)：43，56-58.

[55] 李云龙，庄传晶，冯耀荣，等. 油气输送管道疲

劳寿命分析及预测[J]. 油气储运，2004，23(12)：5，

41-43，60.

LI Yunlong，ZHUANG Chuanjing，FENG Yaorong，et al. Analysis and predication on fatigue life of oil and

gas pipelines[J]. Gas Storage and Transportation，2004，

23(12)：5，41-43，60.

[56] 郝芸，帅建，郭园. 油气管道疲劳寿命预测[J]. 石油

工业技术监督，2008，25(5)：58-59.

HAO

Yun，SHUAI Jian，GUO Yuan. Predictions for the fatigue lifetime of oil and gas pipelines[J]. Technology

Supervision in Petroleum Industry，2008，25(5)：58-59. [57] 刘墨山. 油气管道剩余强度有限元模拟分析及剩余寿

命预测[J]. 科技导报，2009，27(6)：34-37.

LIU Moshan. Finite element simulation and analysis of

residuel strength and residuel life for corroded

pipelines[J]. Science & Technology Review，2009，

27(6)：34-37.

[58] 张帆，靳晓雄. 时域波形再现技术在汽车零部件疲劳

寿命预测中的应用[J]. 汽车科技，2007(1)：21-23.

ZHANG

Fan，JIN Xiaoxiong. The application of time waveform replication technology in automobile

compocation technology in automobile component

fatigue life prediction[J]. Auto Mobile Science &

Technology，2007(1)：21-23.

[59] BAEK S H，CHO S S，JOO W S. Fatigue life prediction

based on the rainflow cycle counting method for the end

beam of a freight car bogie[J]. International Journal of

Automotive Technology，2008，9(1)：95-101.

[60] RICHMOND S. Finite element analysis of freight car

structures for fatigue life prediction[C]// Joint Rail

Conference on Restoring and Upgrading Rail

Infrastructure，Rolling Stock and Systems，April 4-6，

2006，Atlanta，GA. New York：ASME，2006：1-6. [61] 崔胜民，杨占春. 汽车车轮疲劳寿命预测方法的研究

[J]. 机械强度，2002，24(4)：617-619，631.

CUI

Shengmin，Y ANG Zhanchun. Research on the fatigue life prediction method of automobile wheel[J]. Journal

of Mechanical Strength，2002，24(4)：617-619，631.

[62] 苏春华，罗雷，海军，等. 基于BP神经网络的汽车

发动机寿命预测[J]. 军事交通学院学报，2009，11(4)：

49-51，70.

Chunhua，LUO Lei，HAI Jun，et al. The prediction of vehicle's service life with BP neural network[J].

Journal of Academy of Military Transportation，2009，

11(4)：49-51，70.

[63] 于雷. 灰色系统理论在汽车齿轮寿命预测中的应用[J].

汽车技术，2006(9)：24-26.

YU Lei. Application of gray system theory in predicting

life of automobile gear[J]. Automobile Technology，

2006(9)：24-26.

[64] 李晓慧，谢基龙. 重载列车E级钢钩舌疲劳裂纹扩展

条件及寿命预测[J]. 北京交通大学学报，2006，30(4)：

102-104，108.

Xiaohui，XIE Jilong. Prediction of fatigue crack growth condition and lifetime on coupler guard arm area

of E grade steel of burden strain[J]. Journal of Beijing

Jiaotong University，2006，30(4)：102-104，108.

[65] 任尊松，谢基龙. 采用等效载荷预测轴重对货车交叉

支撑装置疲劳寿命的影响[J]. 机械工程学报，2008，

44(3)：16-21.

REN

Zunsong，XIE Jilong. Influence on axle load to the service life of the crossbar set of railway freight car with

equivalent load[J]. Chinese Journal of Mechanical

Engineering，2008，44(3)：16-21.

[66] 邬平波，温松涛，王建斌，等. 提速货车转K2型转

向架侧架疲劳寿命预测[J]. 中国铁道科学，2009，

30(1)：91-95.

Pingbo，WEN Songtao，WANG Jianbin，et al.

Fatigue life prediction on the side frame of ZK2 bogie of

the speed-increased freight car[J]. China Railway

Science，2009，30(1)：91-95.

[67] ZHANG Guoqing，PU Gengqiang，WANG Chengtao.

Fatigue life prediction of crankshaft made of material

48MnV based on fatigue tests，dynamic simulation and

FEA[J]. Chinese Journal of Mechanical Engineering，

2006，19(2)：307-311.

[68] 徐济民，张海泉，陈强，等. 快速列车制动盘安全评

定与寿命预测模型[J]. 清华大学学报，2006，46(5)：

609-612.

2011年6月张小丽等：机械重大装备寿命预测综述113

Jimin，ZHANG Haiquan，CHEN Qiang，et al.

Modeling of safety assessment and useful life time of

high-speed passenger car brake discs[J]. Journal of

Tsinghua University，2006，46(5)：609-612.

[69] 淳庆，邱洪兴. 在役铁路钢桥疲劳损伤机理、检测技

术及疲劳寿命预测研究综述[J]. 特种结构，2005，

22(4)：80-84.

CHUN

Qing，QIU Hongxing. The review of the fatigue damage mechanisms，detection techniques and fatigue

life prediction for in-service railway steel bridge[J].

Special Structures，2005，22(4)：80-84.

[70] 淳庆，邱洪兴. 铁路钢桥基于名义应力法的疲劳寿命

预测研究[J]. 特种结构，2007，24(3)：98-101.

CHUN

Qing，QIU Hongxing. Research on fatigue life evaluating of railway steel bridge based on nominal

stress method[J]. Special Structures，2007，24(3)：

98-101.

[71] DISSANAYAKE P B R，KARUNANANDA P A K.

Remaining service life prediction of riveted wrought

iron railway bridges using system reliability approach[J].

Journal of the National Science Foundation of Sri

Lanka，2008，36(2)：151-156.

[72] 刘建锋，魏庆朝. 高速铁路钢轨疲劳寿命预测[J]. 铁

道工程学报，2000，66(2)：30-34.

LIU

Jianfeng，WEI Qingchao. Prediction of fatigue service life for rails of high-speed railway[J]. Journal of

Railway Engineering Society，2000，66(2)：30-34. [73] WILSON B M，DICK M G，MAGNER S H. Predicting

railway tapered roller bearing life using measured

residual stress and retained austenite data[C]//

JRC2008：Proceedings of the ASME/IEEE/ASCE Joint

Rail Conference，APR 22-24，2008，Williamstown，

DE. New York：ASME，2008：159-164.

[74] 张新聚，岳彦芳. 制造执行系统中刀具剩余磨损寿命

预测的研究[J]. 工具技术，2007，41(5)：32-33.

ZHANG

Xinju，YUE Yanfang. Study on forecast of cutting tool residual wear life in MES[J]. Tool

Engineering，2007，41(5)：32-33.

[75] ALAUDDIN M，ELBARADIE M A，HASHMI M S J.

Prediction of tool life in end milling by response surface

methodology[J]. Journal of Materials Processing

Technology，1997，71(3)：456-465.

[76] KADIRGAMA K，ABOU-EL-HOSSEIN K A，

MOHAMMAD B，et al. Prediction of tool life by

statistic method in end-milling operation[J]. Scientific

Research and Essays，2008，3(5)：180-186.

[77] CHAO P Y，HWANG Y D. An improved neural network

model for the prediction of cutting tool life[J]. Journal of

Intelligent Manufacturing，1997，8(2)：107-115.

[78] GEIGER M，FALK B. Prediction of service life and

failure probability of cold forging tools[J]. Cirp

Annals-Manufacturing Technology，2001，50(1)：

173-176.

[79] 段雄，李大云. 铸轧辊套的热结构耦合分析及疲劳寿

命预测研究[J]. 机械设计与制造，2009(1)：137-139. DUAN

Xiong，LI Dayun. The thermal-structural coupling analysis and fatigue life's prediction research of

roll shell in continuous roll casting[J]. Machinery

Design & Manufacture，2009(1)：137-139.

[80] 钟毓宁，王时任，陈继平. 轧机轴承寿命的预测[J]. 轴

承，1989，78(3)：47-52，64.

ZHONG

Yuning，WANG Shiren，CHEN Jiping.

Prediction of rolling mill bearing life[J]. Bearing，1989，

78(3)：47-52，64.

[81] 汤清洪，马吉胜，赵琦，等. 自行火炮履带板疲劳寿

命预测仿真研究[J]. 系统仿真学报，2007，19(9)：

1983-1986，2011.

TANG

Qinghong，MA Jisheng，ZHAO Qi，et al.

Research on simulation of predicting fatigue life to

creeper tread of self-propelled gun[J]. Journal of System

Simulation，2007，19(9)：1983-1986，2011.

[82] 冯勋欣，冯兵，张静萍. 履带式自行火炮扭力轴疲劳

寿命预测[J]. 火炮发射与控制学报，1999(4)：32-34. FEN

Xunxin，FEN Bing，ZHANG Jingpin. Fatigue life prediction for torsion shaft of creeper tread of

self-propelled gun[J]. Gun Launch&Control Journal，

1999(4)：32-34.

[83] MENG Jinxian，ZHU Xiaolu. Applying regression and

stochastic time series analysis to the prediction of pitting

fatigue life for gears[J]. Chinese Journal of Mechanical

Engineering，1995，8(4)：319-324.

[84] BARKOV A，BARKOV A N. Condition assessment and

life prediction of rolling element bearings[J]. Sound and

Vibration，1995，29(6)：10-17.

[85] BARKOV A，BARKOV A N，MITCHELL J S. Condition

assessment and life prediction of rolling element

bearings[J]. Sound and Vibration，1995，29(9)：27-31.

[86] SADA T. Rolling bearing life prediction and the research

trend[J]. Journal of Japanese Society of Tribologists，

2008，53(10)：659-664.

[87] KUJAWSKI D，STOYCHEV S. Fatigue crack growth

机械工程学报第47卷第11期114

behavior under spectrum loading[C]// 1st Conference on

Engineering Against Fracture，May 28-30，2008，Patras，

Greece. Netherlands：Springer，2009：215-233.

[88] BARAM J，ROSEN M. Prediction of low-cycle

fatigue-life by acoustic-emission 1. 2024-t3 aluminum-

alloy[J]. Engineering Fracture Mechanics，1981，

15(3-4)：477-486.

[89] BARAM J，ROSEN M. Prediction of low-cycle

fatigue-life by acoustic-emission 2. 7075-t6 aluminum-

alloy[J]. Engineering Fracture Mechanics，1981，

15(3-4)：487-494.

[90] BAXTER W J，WANG P C. Finite-element prediction of

high cycle fatigue life of aluminum-alloys[J]. Metallurg-

ical Transactions A-Physical Metallurgy and Materials

Science，1990，21(5)：1151-1159.

[91] BACHE M R，TASLEEM M. Fatigue life prediction

techniques for notch geometries in titanium alloys[J].

International Journal of Fatigue，1999，21：S187-S197.

[92] COWLES B A. Application and life prediction of

titanium alloys in military gas turbine engines[C]//

International Symposium on Fatigue Behavior of

Titanium Alloys at the 1998 TMS Fall Meeting，October

11-15，1998，Chigaco. Warrendale：Minerals，Metals

& Materials Society，1999：277-290.

[93] ANDRESEN P L，FORD F P. Life prediction by

mechanistic modeling and system monitoring of

environmental cracking of iron and nickel-alloys in

aqueous systems[J]. Materials Science and Engineering

A-Structural Materials Properties Microstructure and

Processing，1988，103(1)：167-184.

[94] BASOALTO H C，DYSON B F，MCLEAN M. A

quantitative physics-based approach to creep and LCF

life prediction：Application to nickel-base superall-

oys[C]// Symposium on Advanced Materials and

Processes for Gas Turbines，September 22-26，2002，

Copper MT. Warrendale：Minerals，Metals & Materials

Society，2003：53-61.

[95] CHAN K S，ENRIGHT M P. Physically-based models

for predicting fatigue life variability in NI-based

superalloys[C]// 3rd Symposium on Modeling the

Performance of Engineering Structural Materials，

October 7-10，2002，Columbus. Warrendale：Minerals，

Metals & Materials Society，2002：135-147.

[96] CHEN L J，WANG Z G，YAO G，et al. An assessment

of three creep-fatigue life prediction methods for

nickel-based superalloy GH4049[J]. Fatigue & Fracture

of Engineering Materials & Structures，2000，23(6)：

509-519.

[97] CASTILLO R，KOUL A K，TOSCANO E H. Lifetime

prediction under constant load creep conditions for a

cast Ni-base superalloy[J]. Journal of Engineering for

Gas Turbines and Power-Transactions of the ASME，

1987，109(1)：99-106.

[98] GOSWAMI T. Creep-fatigue life prediction of Cr-Mo

steel alloys[C]// Symposium on Materials Lifetime

Science and Engineering Held at the 2003 TMS Annual

Meeting，March 2-6，2003，San Diego，CA. Warrendale：

Minerals，Metals & Materials Society，2003：43-50.

[99] SOKOLKIN Y V，CHEKALKIN A A，BABUSHKIN A

V. Structure analysis，fatigue testing，and lifetime

prediction of composite steels[J]. Mechanics of

Composite Materials，1998，34(3)：269-278.

[100] GGARWAL M L，AGRAWAL V P，KHAN R A. A stress approach model for predictions of fatigue life by shot

peening of EN45A spring steel[J]. International Journal

of Fatigue，2006，28(12)：1845-1853.

[101] BAUER V，CHRIST H J. Application of a fracture mechanics concept to life prediction of austenitic

stainless steels under TMF loading conditions[J].

Transactions of the Indian Institute of Metals，2005，

58(2-3)：475-480.

[102] DONG J，CHEN X D，FAN Z C，et al. High temperature fatigue creep life prediction of 316L stainless steel under

2-step load[C]// Fracture Mechanics Symposium，

October 31-November 5，2008，Hangzhou，China.

Shanghai：East China University Science and

Technology Press，2008：299-302.

[103] CHEN X，JIN D，KIM K S. Fatigue life prediction of type 304 stainless steel under sequential biaxial

loading[J]. International Journal of Fatigue，2006，

28(3)：289-299.

[104] CUI W C. A state-of-the-art review on fatigue life prediction methods for metal structures[J]. Journal of

Marine Science and Technology，2002，7(1)：43-56. [105] BATHIAS C. There is no infinite fatigue life in metallic materials[J]. Fatigue & Fracture of Engineering

Materials & Structures，1999，22(7)：559-565. [106] PALMGREN A. Die lebensdauer von kugellagern[M].

Berlin：Verfahrenstechnik，1924.

PALMGREN A. The life of ball bearings[M]. Berlin：

Verfahrenstechnik，1924.

[107] MINER M A. Cumulative damage in fatigue[J]. Journal

2011年6月张小丽等：机械重大装备寿命预测综述115

of Applied Mechanics-Transactions of the ASME，1945，

12(3)：A159-A164.

[108] FATEMI A，YANG L. Cumulative fatigue damage and life prediction theories：A survey of the state of the art

for homogeneous materials[J]. International Journal of

Fatigue，1998，20(1)：9-34.

[109] YANG L，FATEMI A. Cumulative fatigue damage mechanisms and quantifying parameters：A literature

review[J]. Journal of Testing and Evaluation，1998，

26(2)：89-100.

[110] CHABOCHE J L，LESNE P M. A non-linear continous fatigue damage model[J]. Fatigue & Fracture of

Engineering Materials & Structures，1988，11(1)：1-17. [111] 倪向贵，李新亮，王秀喜. 疲劳裂纹扩展规律Paris 公式的一般修正及应用[J]. 压力容器，2006，23(12)：

8-15，19.

Xianggui，LI Xinliang，WANG Xiuxi. General modification and application of the paris law for fatigue

crack propagation[J]. Pressure Vessel Technology，

2006，23(12)：8-15，19.

[112] 吕凯波，刘混举. 基于有限元法的机械疲劳寿命预测方法的研究[J]. 机械工程与自动化，2008，121(6)：

113-114，117.

Lü

Kaibo，LIU Hunju. Study on the methods of predicting mechanical fatigue life based on finite

element method[J]. Mechanical Engineering &

Automation，2008，121(6)：113-114，117.

[113] 张景柱，徐诚，胡良明，等. 基于ADAMS的操纵摩擦件寿命仿真预测方法[J]. 机械科学与技术，2007，

26(6)：767-769.

ZHANG

Jinzhu，XU Cheng，HU Liangmin，et al.

Simulation and prediction of life of rubbing elements

using ADAMS[J]. Mechanical Science and Technology

for Aerospace Engineering，2007，26(6)：767-769. [114] 高镇同，熊峻江. 疲劳／断裂可靠性研究现状与展望[J]. 机械强度，1995，17(3)：61-82.

GAO

Zhentong，XIONG Junjiang. The present situation and prospects for the fatigue/fracture reliability study[J].

Journal of Mechanical Strength，1995，17(3)：61-82. [115] 李建国，江龙平，叶新农. 基于灰色神经网络的疲劳裂纹预测方法研究[J]. 海军航空工程学院学报，2008，

23(3)：281-284.

Jianguo，JIANG Longping，YE Xinnong. Research on prediction method of fatigue crack growth based on the

gray neural network[J]. Journal of Naval Aeronautical

and Astronautical University，2008，23(3)：281-284. [116] WANG X H，RONG M Z，QIU J，et al. Research on mechanical fault prediction algorithm for circuit breaker

based on sliding time window and ANN[J]. IEICE

Transactions on Electronics，2008，E91c(8)：1299-1305. [117] 郝英. 基于智能技术的民航发动机故障诊断和寿命预测研究[D]. 南京：南京航空航天大学，2006.

HAO Ying. The fault diagnosis and life prediction

research of the civil aeroengine based on intelligent

technology[D]. Nanjing：Nanjing University of

Aeronautics and Astronautics，2006.

[118] MOHANTY J R，VERMA B B，RAY P K，et al.

Application of artificial neural network for fatigue life

prediction under interspersed mode-1 spike overload[J]

Journal of Testing and Evaluation，2010，38(2)：96-101. [119] BEZAZI A，PIERCE S G，WORDEN K，et al. Fatigue life prediction of sandwich composite materials under

flexural tests using a Bayesian trained artificial neural

network[J]. International Journal of Fatigue，2007，

29(4)：738-747.

[120] KWON Y I，LIM B S. A study of creep-fatigue life prediction using an artificial neural network[J]. Metals

and Materials International，2001，7(4)：311-317. [121] LI J W，PENG Z F. Artificial neural network prediction of creep rupture life of nickel base single crystal

superalloys[J]. Acta Metallurgica Sinica，2004，40(3)：

257-262.

[122] LIAO X L，XU W F，GAO Z Q. Application of artificial neural network to forecast the tensile fatigue life of

carbon material[C]// 7th International Conference on

Fracture and Damage Mechanics，September 9-11，

2008，Seoul，Korea. Stafa-Zurich：Trans. Tech.

Publications LTD，2008：533-536.

[123] NATARAJAN U，PERIASAMY V M，SARA V ANAN R.

Application of particle swarm optimisation in artificial

neural network for the prediction of tool life[J].

International Journal of Advanced Manufacturing

Technology，2007，31(9-10)：871-876.

[124] PLEUNE T T，CHOPRA O K. Using artificial neural networks to predict the fatigue life of carbon and

low-alloy steels[J]. Nuclear Engineering and Design，

2000，197(1-2)：1-12.

[125] SEKERCIOGLU T，KOV AN V. Prediction of static shear force and fatigue life of adhesive joints by

artificial neural network[J]. Kovove Materialy-Metallic

Materials，2008，46(1)：51-57.

[126] SOHN I，BAE D. Fatigue life prediction of spot-welded

机械工程学报第47卷第11期116

joint by strain energy density factor using artificial

neural network[C]// 4th International Conference on

Fracture and Strength of Solids，August 16-18，2000，

Pohang，Korea. Stafa-Zurich：Trans. Tech. Publications

LTD，2000：957-962.

[127] SRINIV ASAN V S，NAGESHA A，V ALSAN M，et al.

Artificial neural network approach to low cycle fatigue

and creep-fatigue interaction life prediction of modified

9Cr-1Mo ferritic steel[J]. Transactions of the Indian

Institute of Metals，2005，58(2-3)：261-267.

[128] SRINIV ASAN V S，V ALSAN A，RAO K B S，et al. Low cycle fatigue and creep-fatigue interaction behavior of

316L(N) stainless steel and life prediction by artificial

neural network approach[J]. International Journal of

Fatigue，2003，25(12)：1327-1338.

[129] V ASSIOPOULOS A P，GEORGOPOULOS E F，DIONYSOPOULOS V. Artificial neural networks in

spectrum fatigue life prediction of composite

materials[J]. International Journal of Fatigue，2007，

29(1)：20-29.

[130] ESPASA M L，GAUDES J，PRUENCA N，et al. Expert system to life prediction of petroleum refinery piping.

High temperature[J]. Afinidad，1997，54(468)：98-102. [131] OHASHI T，MOTOMURA M. Tool life prediction for cup shaped cold forgings with fuzzy language risk

analysis and fuzzy inference[J]. Computers & Industrial

Engineering，1996，31(3-4)：791-795.

[132] YAN J H，ISOBE N，LEE J. Fuzzy logic combined logistic regression methodology for gas turbine

first-stage nozzle life prediction[C]// 6th International

Conference on e-Engineering and Digital Enterprise

Technology，August 26-29，2007，Harbin，China.

Stafa-Zurich：Trans. Tech. Publications LTD，2008：

583-587.

[133] ZIO E，DI MAIO F. A data-driven fuzzy approach for predicting the remaining useful life in dynamic failure

scenarios of a nuclear system[J]. Reliability Engineering

& System Safety，2010，95(1)：49-57.

[134] BUKKAPATNAM S T S，SADANANDA K. A genetic algorithm for unified approach-based predictive

modeling of fatigue crack growth[J]. International

Journal of Fatigue，2005，27(10-12)：1354-1359. [135] LI J，MU X D，ZHENG S，et al. Research on lifetime grey prediction of electronic equipment based on

improved genetic algorithm[C]// International

Conference on Advanced Computer Control，January

22-24，2009，Singapore. Los Alamitos：IEEE Computer

Society，2009：493-496.

[136] HUANG R Q，XI L F，LI X L，et al. Residual life predictions for ball bearings based on self-organizing

map and back propagation neural network methods[J].

Mechanical Systems and Signal Processing，2007，

21(1)：193-207.

[137] 廖卫献. 小样本核机械设备可靠性寿命预测方法综述[J]. 中国核科技报告，1999(S4)：305-328.

LIAO Weixian. A summary of methods of predicting

reliability life of nuclear equipment with small

samples[J]. China Nuclear Science and Technology

Report，1999(S4)：305-328.

作者简介：张小丽，女，1983年出生，博士研究生。主要研究方向为机

械装备故障诊断与寿命预测。

E-mail：lilyzhang@https://www.360docs.net/doc/313309255.html,

陈雪峰(通信作者)，男，1975年出生，教授，博士研究生导师。主要研

究方向为机械动态分析与监测诊断，发表论文40余篇。

E-mail：chenxf@https://www.360docs.net/doc/313309255.html,