缺陷诱导失效下的多保真物理信息神经网络疲劳寿命预测方法

本发明公开一种缺陷诱导失效下的多保真物理信息神经网络疲劳寿命预测方法，应用于疲劳可靠性领域，针对现有技术对缺陷诱导失效下金属疲劳寿命预测存在的局限性，本发明通过物理引导的Wasserstein生成对抗网络实现疲劳性能的不确定性量化及具有物理一致性的低保真疲劳数据的拟合。引入迁移学习的概念，允许在训练过程中使用多保真疲劳数据训练物理信息神经网络。将制造缺陷对疲劳性能的影响作为物理约束嵌入，保证了多保真物理信息神经网络预测结果的物理一致性。