简介： 本发明公开了一种基于SENet的透平叶片高周疲劳寿命预测方法，包括步骤：1、采集发生高周疲劳失效的透平叶片故障信号；2、采用SFI及FEM方法计算作业时透平叶片的受迫振动和自激振动时序信号，通过FFT转换为频域信号，计算作业时的前六阶振动响应；3、对所有采样叶片进行振动响应计算，将数据归一化，划分训练集和验证集；4、将SE块集成到ResNet神经网络中，形成SE‑ResNet为架构的SENet网络并训练；5、针对实际运行的透平叶片进行高周疲劳寿命预测；6、增添新数据、针对不同材料进行新的网络训练。本发明能够实现精准的高周疲劳寿命预测，避免了复杂的寿命预测机理分析，大幅减少了寿命预测的人工及实验测试成本，具有重要的工程意义及广阔的应用前景。