关键词：汽车零部件;疲劳耐久;数字图像相关法;卷积神经网络
摘 要：传统的汽车底盘零部件的疲劳耐久性能台架试验需要进行长时间的反复循环加载，不仅对设备要求和人力的依赖度都非常高，而且效率低下。提出一种汽车底盘零部件疲劳耐久性能测试新方法。该方法主要技术特点是在疲劳耐久台架试验的结果分析中引入数字图像相关法和卷积神经网络算法。通过数字图像相关法获取测试样件的等效特征应变云图，并以此作为卷积神经网络的图像输入数据。随后基于ResNet-152卷积神经网络模型对试件的疲劳耐久状态进行识别，经过两个阶段的训练和测试后，该疲劳失效识别模型的预测准确率达到91%以上，并形成零部件的疲劳失效智能识别模型，从而实现判断汽车零部件是否产生疲劳失效裂纹的功能。该测试新方法可以实现汽车底盘零部件疲劳耐久性能的在线监测功能，极大地提升了检测效率，为汽车结构件的疲劳可靠性预测方法提供了新的思路。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取