基于PHNN的宽幅温度和应力范围下蠕墨铸铁的蠕变速率预测模型研究

马天; 景国玺; 许红静; 陶帅; 董长龙; 黄立荣; 马腾

doi:10.16579/j.issn.1001.9669.2026.04.002

您当前的位置：

首页 >

文章列表页 >

基于PHNN的宽幅温度和应力范围下蠕墨铸铁的蠕变速率预测模型研究

·实验研究·测试技术· | 更新时间：2026-04-15

- 基于PHNN的宽幅温度和应力范围下蠕墨铸铁的蠕变速率预测模型研究
- Study on creep rate prediction model of compacted graphite cast iron under wide range of temperature and stress based on PHNN
- 机械强度 2026年48卷第4期页码：15-21
- 作者机构：
  
  1.河北工业大学机械工程学院，天津 300401
  2.天津市新能源汽车动力传动与安全技术重点实验室，天津 300401
  3.河北华北柴油机有限责任公司，石家庄 050081
- 作者简介：
  
  马天，男，2000年生，河北邢台人，硕士研究生；主要研究方向为发动机气缸盖疲劳可靠性；E-mail：matian200009@163.com。
- 基金信息：
  
  国家自然科学基金项目(52305257);天津市科技计划(22JCQNJC00110);河北省自然科学基金项目(E2023202168)
- DOI：10.16579/j.issn.1001.9669.2026.04.002
  中图分类号： TG143.49
- 收稿：2024-08-13，
  
  纸质出版：2026-04-15
- 稿件说明：
移动端阅览
马天，景国玺，许红静，等. 基于PHNN的宽幅温度和应力范围下蠕墨铸铁的蠕变速率预测模型研究［J］. 机械强度，2026，48（4）：15-21.

MA Tian，JING Guoxi，XU Hongjing，et al. Study on creep rate prediction model of compacted graphite cast iron under wide range of temperature and stress based on PHNN［J］. Journal of Mechanical Strength，2026，48（4）：15-21.
马天，景国玺，许红静，等. 基于PHNN的宽幅温度和应力范围下蠕墨铸铁的蠕变速率预测模型研究［J］. 机械强度，2026，48（4）：15-21. DOI： 10.16579/j.issn.1001.9669.2026.04.002.

MA Tian，JING Guoxi，XU Hongjing，et al. Study on creep rate prediction model of compacted graphite cast iron under wide range of temperature and stress based on PHNN［J］. Journal of Mechanical Strength，2026，48（4）：15-21. DOI： 10.16579/j.issn.1001.9669.2026.04.002.

摘要

目的

针对宽幅温度和应力范围下蠕墨铸铁最小蠕变速率预测现有模型仍存在较大误差的问题，开展预测方法优化研究，提升预测精度，拓展物理分层神经网络的适用场景。

方法

首先，基于450~550 ℃、100~300 MPa条件下蠕墨铸铁（Compacted Graphite Cast Iron

CGI）气缸盖材料的单向拉伸蠕变试验数据，分析温度与应力对最小蠕变速率的影响规律，明确核心影响因素；其次，搭建适配蠕变试验特性的物理分层神经网络（Physical Hierarchical Neural Network

PHNN）预测模型，构建复合层与应力层的分层结构；然后，采用加和形式蠕变本构模型作为对照，通过模拟退火算法完成模型参数识别；最后，完成两类模型的预测效果对比与精度量化评估。

结果

结果表明，宽幅工况下，蠕墨铸铁蠕变性能呈显著分散性，温度对其蠕变损伤的影响程度高于应力；所建模型可将最小蠕变速率预测值全部约束于试验值的2倍误差带内，相较对照模型的3倍误差带，预测精度大幅提升；该模型可有效适配宽幅工况下的蠕变速率预测，拓展了其适用范围，为蠕墨铸铁高温蠕变性能分析提供参考。

Abstract

Objective

Aiming at the problem that existing models for predicting the minimum creep rate of compacted graphite cast iron under wide temperature and stress ranges still have large errors

optimization research on the prediction method was carried out to improve prediction accuracy and expand the application scenarios of the physical hierarchical neural network.

Methods

Firstly

based on uniaxial tensile creep test data of compacted graphite cast iron cylinder head material under 450-550 ℃ and 100-300 MPa

the influence law of temperature and stress on the minimum creep rate was analyzed

and the core influencing factors were clarified; secondly

a physical hierarchical neural network prediction model adapted to creep test characteristics was established

with a hierarchical structure of composite layer and stress layer constructed; thirdly

the summation form creep constitutive model was adopted as the control

and model parameter identification was completed by simulated annealing algorithm; finally

the prediction effect comparison and quantitative accuracy evaluation of the two models were completed.

Results

The results show that the creep properties of compacted graphite cast iron under wide working conditions show significant dispersion

and the influence of temperature on its creep damage is higher than that of stress. The established model can constrain all predicted values of the minimum creep rate within the 2-fold error band of the test values

and the prediction accuracy is greatly improved compared with the 3-fold error band of the control model. This model can effectively adapt to creep rate prediction under wide working conditions

expand its application scope

and provide reference for the analysis of high-temperature creep properties of compacted graphite cast iron.

关键词

Keywords

references

CHEN Y ， PANG J C ， ZOU C L ， et al . High-temperature fatigue damage mechanism and strength prediction of vermicular graphite iron ［J］. International Journal of Fatigue ， 2023 ， 168 ： 107477 .

JING G X ， ZHANG M X ， QU S ， et al . Investigation into diesel engine cylinder head failure ［J］. Engineering Failure Analysis ， 2018 ， 90 ： 36 - 46 .

景国玺，张树勇，付文清，等 . 高强化柴油机铸铁缸盖承载特性研究［J］. 车用发动机， 2017 （ 1 ）： 42 - 48 .

JING Guoxi ， ZHANG Shuyong ， FU Wenqing ， et al . Loading characteristics of cast iron cylinder head for high-strengthened diesel engine ［J］. Vehicle Engine ， 2017 （ 1 ）： 42 - 48 . （In Chinese）

WU X J ， QUAN G C ， MACNEIL R ， et al . Thermomechanical fatigue of ductile cast iron and its life prediction ［J］. Metallurgical and Materials Transactions A ， 2015 ， 46 （ 6 ）： 2530 - 2543 .

郭晓峰，刘本鑫，南宁宁，等 . Fe-Cr-Ni基奥氏体不锈钢蠕变损伤本构模型研究［J］. 机械强度， 2022 ， 44 （ 5 ）： 1201 - 1206 .

GUO Xiaofeng ， LIU Benxin ， NAN Ningning ， et al . Creep damage constitutive model of Fe-Cr-Ni based austenitic stainless steel ［J］. Journal of Mechanical Strength ， 2022 ， 44 （ 5 ）： 1201 - 1206 . （In Chinese）

ZHAO Y P ， GONG J M ， YONG J ， et al . Creep behaviours of Cr 25 Ni 35 Nb and Cr 35 Ni 45 Nb alloys predicted by modified theta method ［J］. Materials Science and Engineering：A ， 2016 ， 649 ： 1 - 8 .

尹旭妮，湛利华，赵俊 . 2219铝合金稳态蠕变本构方程的建立［J］. 中国有色金属学报， 2014 ， 24 （ 9 ）： 2250 - 2256 .

YIN Xuni ， ZHAN Lihua ， ZHAO Jun . Establishment of steady creep constitutive equation of 2219 aluminum alloy ［J］. The Chinese Journal of Nonferrous Metals ， 2014 ， 24 （ 9 ）： 2250 - 2256 . （In Chinese）

JIANG Y Q ， LIN Y C ， PHANIRAJ C ， et al . Creep and creep-rupture behavior of 2124-T851 aluminum alloy ［J］. High Temperature Materials and Processes ， 2013 ， 32 （ 6 ）： 533 - 540 .

WU Z L ， LI L Z ， WU R J ， et al . Determination of high-temperature creep and post-creep response of structural steels ［J］. Journal of Constructional Steel Research ， 2022 ， 193 ： 107287 .

李书博，刘茜，景国玺，等 . 宽幅温度和应力范围下蠕墨铸铁的蠕变试验及本构模型对比研究［J］. 机械强度， 2024 ， 46 （ 1 ）： 70 - 76 .

LI Shubo ， LIU Qian ， JING Guoxi ， et al . Research on creep test and constitutive model comparison of compacted graphite cast iron under wide temperature and stress range ［J］. Journal of Mechanical Strength ， 2024 ， 46 （ 1 ）： 70 - 76 . （In Chinese）

JING G X ， MA T ， MA T ， et al . Research on a creep constitutive model of compacted graphite cast iron and its parameter identification method ［J］. Fatigue & Fracture of Engineering Materials & Structures ， 2024 ， 47 （ 5 ）： 1546 - 1565 .

DUAN H Y ， YUE S Q ， LIU Y ， et al . A deep learning-based method for predicting the low-cycle fatigue life of austenitic stainless steel ［J］. Materials Research Express ， 2023 ， 10 （ 8 ）： 086506 .

MA B H ， WANG X T ， XU G ， et al . Prediction of creep curves based on back propagation neural networks for superalloys ［J］. Materials ， 2022 ， 15 （ 19 ）： 6523 .

GHATAK A ， ROBI P S . Prediction of creep curve of HP40Nb steel using artificial neural network ［J］. Neural Computing and Applications ， 2018 ， 30 （ 9 ）： 2953 - 2964 .

ZHANG X C ， GONG J G ， XUAN F Z . A physics-informed neural network for creep-fatigue life prediction of components at elevated temperatures ［J］. Engineering Fracture Mechanics ， 2021 ， 258 ： 108130 .

JING G X ， MA T ， WANG Z Q ， et al . Physical hierarchical neural network for low cycle fatigue life prediction of compacted graphite cast iron based on small data ［J］. International Journal of Fatigue ， 2024 ， 188 ： 108509 .

EL MEHTEDI M ， SPIGARELLI S ， GABRIELLI F ， et al . Comparison study of constitutive models in predicting the hot deformation behavior of AA6060 and AA6063 aluminium alloys ［J］. Materials Today：Proceedings ， 2015 ， 2 （ 10 ）： 4732 - 4739 .

宋春生，梁亚茹，鲁妮芳，等 . 基于SAVMD与CNN结合的轴承故障诊断方法［J］. 机械强度， 2024 ， 46 （ 3 ）： 509 - 517 .

SONG Chunsheng ， LIANG Yaru ， LU Nifang ， et al . Bearing fault diagnosis method based on SAVMD and CNN ［J］. Journal of Mechanical Strength ， 2024 ， 46 （ 3 ）： 509 - 517 . （In Chinese）

张秀华，刘怀举，朱才朝，等 . 基于数据驱动的零部件疲劳寿命预测研究现状与发展趋势［J］. 机械传动， 2021 ， 45 （ 10 ）： 1 - 14 .

ZHANG Xiuhua ， LIU Huaiju ， ZHU Caichao ， et al . Current situation and developing trend of fatigue life prediction of components based on data-driven ［J］. Journal of Mechanical Transmission ， 2021 ， 45 （ 10 ）： 1 - 14 . （In Chinese）

JING G X ， LI S B ， XIAO S ， et al . Research on fatigue reliability assessment of engine cylinder head based on neural network ［J］. International Journal of Fatigue ， 2023 ， 175 ： 107800 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

宽幅温度和应力范围下蠕墨铸铁的蠕变试验及本构模型对比研究