金属材料的疲劳寿命预测方法、装置、设备及存储介质

本申请公开了一种金属材料的疲劳寿命预测方法、装置、设备及存储介质，涉及材料科学与工程领域，通过构建自定义的强化学习环境，将修正SWT方程转化为决策过程，状态包括当前疲劳寿命估计和疲劳寿命误差，动作为步长因子，然后采用深度确定性策略梯度算法训练智能体，智能体在每次迭代中选择步长因子，并结合牛顿拉夫森迭代法更新当前疲劳寿命估计，奖励函数综合考虑疲劳寿命误差值、疲劳寿命偏差及迭代次数，引导智能体逐步逼近真实解。通过动态调整步长因子，能显著提高求解效率和精度。通过强化学习智能体结合牛顿迭代法，能够根据环境反馈不断优化策略，实现高效的非线性方程求解，同时能够增强模型的收敛性和稳定性，减少对初始值的敏感性。