镁合金焊接结构的高周疲劳寿命预测：一种基于经验公式和 XGBoost 的机器学习方法

《Welding in the World》：High-cycle fatigue life prediction of Mg alloy welded structures: a machine learning approach based on empirical formula and XGBoost

　　**摘要**镁合金焊接结构（MAWS）的疲劳失效受多种因素影响，使得跨不同接头规格的疲劳寿命预测极具挑战性。当前MAWS的预测方法往往缺乏对这些因素的综合考量，且其准确性受限于疲劳试验数据集规模有限和成本高昂的问题。为解决这些问题，本研究提出了一种基于经验公式与数据驱动的XGBoost框架，用于预测镁合金焊接接头的高周疲劳寿命。该模型评估了关键因素及其相互作用的相对重要性。结果表明，应力比*R*、材料类型和应力范围在决定疲劳寿命方面起主导作用。通过引入经验公式中的物理特征参数，增强了模型的可解释性和可靠性。在利用网格搜索优化模型参数后，预测点落在双重误差棒范围内的比例达到79.17%。SHAP分析进一步量化了单个特征的贡献，显示平均应力σ_*m*和等效应力σ_*a,eq*具有较高的SHAP值，且其效应在样本间存在显著变化。总体而言，所提出的方法展示了机器学习在MAWS疲劳寿命预测中的优势，并提供了一种可推广的方法，能够有效降低实验需求和预测成本。**图形摘要**