力学季刊

作者：汤可可, 张鹏, 张锐正, 王谙斌, 仲政

关键词：金属疲劳；疲劳寿命预测；机器学习；可解释人工智能；后处理解释；内置可解释设计

疲劳寿命预测对金属材料与结构的安全至关重要．机器学习(Machine Learning, ML)模型在此领域展现出强大的预测能力，但其“黑箱”特性限制了模型的可靠性、可信度以及在工程实践中的应用．可解释机器学习(Explainable Artificial Intelligence, XAI)为打开ML“黑箱”提供了关键技术．本文旨在系统梳理XAI在金属疲劳寿命预测领域的应用现状，针对当前研究中解释性方法应用多样但缺乏系统分类的问题，提出将现有方法归纳为“后处理解释”和“内置可解释设计”两大类．本文概述了这两类方法的关键技术及其在疲劳寿命预测中的具体应用实例，探讨了模型解释方法的局限性及当前面临的技术挑战，并对后续研究中的机遇与挑战进行了展望．

来源：2025年第2期

《力学季刊》期刊编辑部

查看力学季刊杂志2025年第2期