近日，运筹学顶级期刊Reliability Engineering & System Safety（简称RESS，中科院一区TOP，IF：9.4）在线发表了题为Stacking ensemble surrogate modeling method based on decomposed-coordinated strategy for structural low-cycle fatigue life reliability estimation的研究成果。硕士研究生李振澳为论文第一作者，论文通讯作者为董晓威教授。
论文指出：传统的低周疲劳可靠性评估通常基于Manson-Coffin公式直接进行，而低周疲劳寿命预测的性能函数非线性程度过高，若是采用一步式建模的方式，会严重影响分析精度。因此，该研究创新性地将分解协调策略引入到代理建模过程中。具体而言，该策略将低周疲劳寿命预测问题分解为应力和应变两个子目标，分别构建高精度的子代理模型以降低极限状态函数的非线性特性。随后，通过协调机制将子代理模型的预测结果与疲劳参数相结合，构建基于M-C公式的低周疲劳寿命模型。分解协调策略的原理如图1所示。此外，考虑到建模过程中涉及多个模型的构建，若是采用同一种代理模型，可能会因模型结构的局限性而无法充分适应不同子问题的特性，从而导致建模精度和泛化能力的下降。单一模型在处理复杂非线性问题时，往往难以同时兼顾高精度和强鲁棒性，尤其是在低周疲劳寿命预测这种多尺度、多物理场耦合的问题中，容易出现过拟合或欠拟合现象。相比之下，混合模型通过整合多种代理模型的优势，能够更好地捕捉数据中的复杂特征和非线性关系。因此，研究进一步引入Stacking集成学习方法，融合多种训练规则下的数据特征，显著提升了代理模型的鲁棒性和泛化能力。Stacking集成学习的原理如图2所示。通过嵌套非线性函数近似与概率分析以及航发涡轮叶盘低周疲劳寿命预测与可靠性评估，验证了所提方法的有效性，为复杂机械结构的低周疲劳可靠性分析提供了一种新的解决方案。
图1分解协调策略示意图
图2 Stacking 集成学习原理图
该研究得到了国家重点研发计划（2024YFD2300104）支持。
董晓威教授团队长期专注于可靠性领域关键基础科学问题的研究，李振澳同学自硕士入学以来已发表6篇学术论文，其中4篇SCI论文和1篇CSCD论文均已检索，另有1篇处于审稿阶段。此外，课题组近三年在《Computer Methods in Applied Mechanics and Engineering》《Reliability engineering & System safety》及《航空工程进展》等国内外知名期刊发表了8篇高水平论文，累计影响因子37.8。
（图/文 李振澳）
-----------------------------------------------------------------------------
编辑/赵铁丰
校对/孙海宁
审核/姜玉美