Al meer dan een eeuw ontwikkelen onderzoekers modellen op basis van puur empirische observaties of daarvan afgeleide theorieën. Desondanks blijft het Miner model (1945), de norm voor het voorspellen van de vermoeiingslevensduur van componenten die blootgesteld zijn aan variabele belasting. Vermoeiing is een complex multi-schaal fenomeen bepaald door de microstructuur van het materiaal. Fundamentele kennis ontbreekt over hoe deze schademechanismen interageren. Recent is er wetenschappelijke interesse in fysisch geïnformeerde, data-gedreven methoden voor de modellering van complexe mechanismen, zoals vermoeiing.

Dit project heeft als doel een probabilistisch, fysisch-geïnformeerd neuraal netwerk te ontwikkelen voor de voorspelling van de vermoeiingslevensduur van componenten die worden blootgesteld aan belasting met variabele amplitude. Een nieuwe methodologie zal ontwikkeld worden voor microstructurele karakterisatie van vermoeiingsschade. Die zal gebruikt worden om kristalplasticiteitmodellen te valideren. Hiermee zal de microstructurele oorsprong van schade-initiatie bestudeerd worden. De resultaten daarvan zullen gebruikt worden om een microstructureel-geïnformeerd vermoeiingsschade-accumulatiemodel te ontwikkelen. Experimentele gegevens zullen worden gecombineerd met modelvoorspellingen om het neuraal netwerk te trainen. Ten slotte zal een gevoeligheidsanalyse van de kenmerken van het neuraal netwerk worden gebruikt om een dieper inzicht te krijgen in de schademechanismen.