基于数据机理融合的重大工程材料服役安全评价研究进展

摘要

随着重大工程结构向大型化、复杂化及极端环境服役方向发展，材料服役安全评价面临着多因素耦合、跨尺度损伤演化、环境介质作用以及长周期性能退化等复杂挑战.传统依赖单一数据驱动模型或物理机理模型的方法，往往难以同时兼顾高精度、高可靠性和工程适用性，难以满足复杂结构材料在实际服役条件下的安全评估需求.因此，基于数据与机理融合的协同建模与评价方法逐渐成为研究热点.近年来，研究者提出了多种融合策略，包括统计学方法、机器学习与深度学习模型、物理机理约束模型以及数据–机理混合的优化预测模型，用于材料疲劳、断裂、腐蚀及磨损等多种失效模式的安全评价.通过融合模型可以充分利用实验数据、服役监测数据和理论机理知识，实现对材料寿命、失效概率及风险因素的精确预测.文献研究表明，数据驱动与机理模型的融合在复杂服役环境下的材料安全评价中具有显著优势，不仅能够提升寿命预测精度和可靠性分析的可信度，还能为重大工程结构的设计优化、维护决策及风险管理提供科学依据和工程指导.

关键词

重大工程 / 数据机理融合 / 机器学习 / 材料服役 / 安全评价

基金资助

国家重点研发计划资助项目（2023YFA1609204）