1. 疲劳寿命数据概述
1.1 疲劳寿命的定义
疲劳寿命是指材料或构件在循环载荷作用下，从开始承受应力到发生疲劳失效所经历的循环次数（N）或时间。在工程实践中，疲劳寿命通常分为三个阶段：
- 裂纹萌生寿命（Ni）：从无裂纹状态到形成宏观可检裂纹（通常为 0.1~1 mm）所经历的循环数。
- 裂纹扩展寿命（Np）：从宏观裂纹萌生到临界裂纹尺寸、导致最终断裂所经历的循环数。
- 总寿命（Nf）：Nf = Ni + Np。
关键指标： 疲劳寿命通常以对数形式（lg N）进行分析，因为寿命数据往往跨越数个数量级，且对数变换后更接近正态分布。
1.2 疲劳失效的机理
疲劳失效是一个局部、渐进、不可逆的损伤累积过程，其微观机理可归纳为以下四个阶段：
| 阶段 | 名称 | 微观特征 | 主导因素 |
|---|---|---|---|
| Ⅰ | 循环滑移与驻留滑移带 | 表面晶粒产生不可逆滑移，形成挤出/侵入带 | 局部塑性应变、晶体取向 |
| Ⅱ | 微裂纹萌生 | 驻留滑移带处形成 1~10 μm 微裂纹 | 应力集中、夹杂物、表面缺陷 |
| Ⅲ | 短裂纹扩展 | 裂纹沿最大切应力方向扩展，受微观组织阻碍 | 晶界、相界、第二相粒子 |
| Ⅳ | 长裂纹扩展与失稳断裂 | 裂纹垂直主应力方向扩展，形成疲劳辉纹 | 应力强度因子幅 ΔK、断裂韧性 |
工程启示： 疲劳失效的随机性主要来源于阶段Ⅰ和Ⅱ中微观缺陷的随机分布，以及阶段Ⅲ中短裂纹与微观组织相互作用的随机性。这些随机性直接导致疲劳寿命数据呈现显著的离散性。
1.3 疲劳寿命数据的随机性特征
即使在严格控制的实验室条件下，相同材料、相同应力水平、相同试件几何的疲劳试验，其寿命数据也会表现出显著的离散性。这种随机性是疲劳分析中必须用统计方法处理的核心原因。
1.3.1 随机性的主要来源
- 材料内在随机性： 夹杂物尺寸与分布、晶粒取向、微孔洞、第二相粒子等微观缺陷的随机性。
- 加工与表面状态： 表面粗糙度、残余应力、加工刀痕、热处理不均匀性。
- 载荷与环境： 实际服役载荷的随机波动、腐蚀介质、温度变化。
- 测量与观测误差： 裂纹检测精度、循环计数误差、试件对中偏差。
1.3.2 疲劳寿命数据的统计特征
| 统计特征 | 描述 | 工程意义 |
|---|---|---|
| 右偏态分布 | 寿命数据在低寿命区集中，高寿命区拖尾 | 对数变换后接近对称分布，便于参数估计 |
| 异方差性 | 低应力水平下寿命离散度更大 | 加权回归或对数变换可稳定方差 |
| 截尾数据 | 试验中止时部分试件未失效（右截尾） | 需用极大似然估计处理截尾数据 |
| 多模态分布 | 不同失效机制并存时可能出现双峰 | 需用混合分布模型分析 |
常见误区： 初学者常直接对疲劳寿命 N 进行正态分布拟合，但 N 本身呈右偏态，直接使用正态分布会导致低寿命区概率被低估、高寿命区概率被高估，在安全评估中偏于危险。正确的做法是先取对数 lg N，再检验其正态性。
1.3.3 疲劳寿命数据的典型分布模型
工程中常用的疲劳寿命分布模型包括：
- 对数正态分布： lg N ~ N(μ, σ²)，适用于中高周疲劳，是航空、机械领域最常用的模型。
- 威布尔分布： 适用于描述“最弱环节”失效，在轴承、齿轮寿命分析中广泛应用。
- 正态分布： 仅适用于 lg N 变换后的数据，不直接用于原始寿命 N。
- 极值分布： 用于描述最小寿命或最大缺陷尺寸的分布。
1.4 疲劳试验数据获取与预处理
疲劳寿命数据的质量直接影响后续统计分析的可靠性。标准疲劳试验（如 ASTM E466、ISO 12106）通常采用以下流程：
- 试件制备： 同一批次材料、相同加工工艺、表面粗糙度 Ra ≤ 0.2 μm。
- 试验加载： 恒幅正弦波加载，应力比 R = σmin / σmax 保持恒定。
- 数据记录： 记录每个试件的失效循环数 Nf，以及失效模式（断口位置、裂纹源特征）。
- 数据筛选： 剔除异常值（如夹持端断裂、明显加工缺陷导致的过早失效）。
- 对数变换： 计算 xi = lg(Nfi)，作为后续统计分析的基本变量。
数据预处理要点： 对于截尾数据（run-out），不能简单剔除或当作失效数据，必须采用极大似然估计（MLE）或秩回归方法处理，否则会引入系统性偏差。