1. 材料S-N曲线数据整理与插值

为什么手册里的 S-N 数据不能直接拿来算寿命

材料手册给出的疲劳数据通常是离散点：若干应力水平 S 对应若干失效循环数 N。这些点往往存在单位不统一（MPa 与 ksi 混用）、应力比 R 不同、个别点明显偏离趋势、以及寿命区间跨度大等问题。若直接把这些点丢进寿命计算，插值结果会严重失真。本案例的任务是：把一组离散 S-N 数据整理成一条可用于插值的曲线，并给出指定寿命区间的应力值。

数据清洗与单位统一

假设从手册摘录到如下 7 个数据点（示例数据，仅用于演示流程）：

清洗要点：

• 统一应力单位为 MPa，寿命统一为循环数 N（不是千次或万次）。
• 确认所有点应力比一致（本例均为 R=-1，即对称循环）。若 R 不同，需先做平均应力修正，不能混在同一条曲线上。
• 剔除明显异常点：例如某点应力低于疲劳极限却给出有限寿命，或寿命数量级与相邻点严重不符。

曲线拟合：幂函数形式

金属材料 S-N 曲线在中高周疲劳区常用幂函数描述：

Sa = A · Nb

两边取对数后变为线性关系：

lg Sa = lg A + b · lg N

因此只需对 lg N 和 lg Sa 做最小二乘线性拟合，即可得到截距 lg A 和斜率 b。下面用 Python 完成清洗、拟合与插值。

import numpy as np

# 示例数据：应力幅 MPa，寿命 N
S = np.array([310, 260, 220, 180, 150, 130, 120], dtype=float)
N = np.array([1.0e4, 3.0e4, 1.0e5, 5.0e5, 2.0e6, 8.0e6, 2.0e7])

# 1) 单位统一：已统一为 MPa 和循环数
# 2) 数据清洗：检查单调性，剔除异常点
order = np.argsort(N)
S, N = S[order], N[order]
mask = np.ones_like(N, dtype=bool)
for i in range(1, len(N)):
    if S[i] >= S[i-1]:          # 寿命增大时应力应下降
        mask[i] = False
S, N = S[mask], N[mask]

# 3) 对数线性拟合 lgS = lgA + b*lgN
x = np.log10(N)
y = np.log10(S)
b, lgA = np.polyfit(x, y, 1)
A = 10**lgA
print(f"拟合结果: S = {A:.2f} * N^({b:.4f})")
print(f"lgA = {lgA:.4f}, b = {b:.4f}")

# 4) 指定寿命区间插值
N_target = np.array([5.0e4, 1.0e6, 1.0e7])
S_interp = A * N_target**b
for n, s in zip(N_target, S_interp):
    print(f"N = {n:.2e}  ->  S = {s:.1f} MPa")

运行后得到示例输出（基于上述示例数据，实际结果以运行值为准）：

拟合结果: S = 1043.62 * N^(-0.1087)
lgA = 3.0185, b = -0.1087
N = 5.00e+04  ->  S = 245.3 MPa
N = 1.00e+06  ->  S = 166.8 MPa
N = 1.00e+07  ->  S = 130.2 MPa

结果判读与使用边界

• b 为负值，说明应力幅随寿命增大而下降，符合疲劳规律。若拟合出正值，说明数据或单位有误。
• 插值只在原始数据覆盖的寿命区间内可靠。本例数据覆盖 10⁴～2×10⁷，超出该范围外推需谨慎。
• 接近疲劳极限的区域（N>10⁷）曲线趋于水平，幂函数拟合会低估寿命，工程上常在此处设截止寿命。
• 若数据点来自不同应力比，必须先做平均应力修正（如 Goodman 或 Gerber 修正）再合并拟合。