低周疲劳的存在一直都是工程实际中重点关注的对象,本文提出一种新的针对于低周疲劳寿命预测的方法,基于神经网络和局部应力应变法的模型,探究了对于低周疲劳寿命的预测方法的研究问题,并且提出了基于循环神经网络的低周疲劳寿命的预测模型。该模型针对过往理论应力集中系数计算的困难性,运用人工神经网络方法对常用标准件的理论应力集中系数进行预测,从对应力集中的影响因素开始分析得出输入特征,将理论应力集中系数处理成随尺寸比例变化的序列数据。选择BP神经网络,循环神经网络,长短期记忆神经网络等不同的神经网络算法,分析选用不同的超参数以及优化方法进行模拟实验对比,最终搭建一个对多种类型零件的应力集中系数进行预测模型,得出将不同标准件在多种载荷情况下的理论应力集中系数随尺寸比例的变化而转化成序列数据是可行的,并且长短期记忆神经网络对理论应力集中系数的预测可获得较好的预测效果。在这个基础上,结合低周疲劳寿命分析的局部应力应变法,对零部件的疲劳寿命进行预测。为进一步解决传统疲劳寿命中繁杂的数据查询和大量的人工计算耗时性的问题。本文依托于现代计算机技术,运用Python来搭建神经网络、Matlab对局部应力应变法进行后台分析程序外接My SQL建立金属材料疲劳性能数据库,使用Py Qt对用户界面进行设计,最后组成了具有一定精度和便于使用的疲劳寿命预测平台。经过实际实验的算例加以佐证,基于循环神经网络的低周疲劳寿命预测系统,对于特定可简化为标准件的局部应力过大所导致的疲劳损伤寿命的预测可以达到合理的预期范围内。由此极大程度的减少疲劳寿命估算与预测中的不必要的人工和耗时。