[發(fā)明專利]一種基于貝葉斯校準(zhǔn)的渦輪盤(pán)非局部概率壽命評(píng)估方法有效
| 申請(qǐng)?zhí)枺?/td> | 201910846133.3 | 申請(qǐng)日: | 2019-09-09 |
| 公開(kāi)(公告)號(hào): | CN110532726B | 公開(kāi)(公告)日: | 2021-05-07 |
| 發(fā)明(設(shè)計(jì))人: | 胡殿印;王榮橋;胡如意;劉茜 | 申請(qǐng)(專利權(quán))人: | 北京航空航天大學(xué) |
| 主分類(lèi)號(hào): | G06F30/23 | 分類(lèi)號(hào): | G06F30/23;G06F30/17;G06F119/04;G06F111/10 |
| 代理公司: | 北京科迪生專利代理有限責(zé)任公司 11251 | 代理人: | 安麗;楊學(xué)明 |
| 地址: | 100191*** | 國(guó)省代碼: | 北京;11 |
| 權(quán)利要求書(shū): | 查看更多 | 說(shuō)明書(shū): | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 貝葉斯 校準(zhǔn) 渦輪 局部 概率 壽命 評(píng)估 方法 | ||
1.一種基于貝葉斯校準(zhǔn)的渦輪盤(pán)最弱環(huán)非局部概率壽命評(píng)估方法,其特征在于,包括以下步驟:
(1)針對(duì)渦輪盤(pán)不同部位盤(pán)緣、輻板和盤(pán)心材料性能差異和結(jié)構(gòu)特征部位應(yīng)力集中,分別設(shè)計(jì)光滑圓棒試樣和渦輪盤(pán)特征部位結(jié)構(gòu)模擬件,并對(duì)渦輪盤(pán)盤(pán)坯取樣,通過(guò)光滑圓棒應(yīng)變控制低循環(huán)疲勞試驗(yàn),獲得材料的低循環(huán)疲勞試驗(yàn)數(shù)據(jù);通過(guò)開(kāi)展不同尺寸比例的結(jié)構(gòu)模擬件應(yīng)力控制試驗(yàn),獲得渦輪盤(pán)結(jié)構(gòu)特征部位低循環(huán)疲勞壽命試驗(yàn)數(shù)據(jù);
(2)基于步驟(1)獲得的材料低循環(huán)疲勞試驗(yàn)數(shù)據(jù),采用最小二乘法回歸分析建立反映能量密度參數(shù)和壽命關(guān)系的三參數(shù)冪函數(shù)壽命模型;
(3)結(jié)合步驟(1)獲得的材料低循環(huán)疲勞試驗(yàn)數(shù)據(jù)和渦輪盤(pán)結(jié)構(gòu)特征部位低循環(huán)疲勞壽命試驗(yàn)數(shù)據(jù),基于結(jié)構(gòu)最弱環(huán)法建立渦輪盤(pán)結(jié)構(gòu)模擬件疲勞壽命Weibull可靠度函數(shù),采用Weibull分布參數(shù)估計(jì)法確定Weibull可靠度函數(shù)的壽命分布指數(shù)bN及其分布;
(4)對(duì)渦輪盤(pán)結(jié)構(gòu)模擬件進(jìn)行有限元分析,結(jié)合步驟(3)獲得的壽命分布指數(shù)bN計(jì)算渦輪盤(pán)結(jié)構(gòu)模擬件有效體積VEW上的等效能量密度參數(shù)進(jìn)而根據(jù)步驟(2)建立的三參數(shù)冪函數(shù)壽命模型得到渦輪盤(pán)結(jié)構(gòu)模擬件的疲勞壽命Weibull可靠度函數(shù),當(dāng)可靠度或失效概率取0.5時(shí),得到渦輪盤(pán)結(jié)構(gòu)模擬件的預(yù)測(cè)中值壽命NP;
(5)結(jié)合步驟(1)獲得的渦輪盤(pán)特征部位低循環(huán)疲勞壽命試驗(yàn)數(shù)據(jù),采用貝葉斯校準(zhǔn)對(duì)bN進(jìn)行校準(zhǔn),基于MCMC抽樣方法獲得校準(zhǔn)的bN后驗(yàn)分布,采用校準(zhǔn)后的bN重復(fù)步驟(4)獲得渦輪盤(pán)結(jié)構(gòu)模擬件的疲勞壽命Weibull可靠度函數(shù),當(dāng)可靠度或失效概率取0.5時(shí),得到渦輪盤(pán)結(jié)構(gòu)模擬件的預(yù)測(cè)中值壽命NP;當(dāng)可靠度分別取0.9987和0.0013時(shí),得到渦輪盤(pán)結(jié)構(gòu)模擬件的±3σ壽命曲線;
所述步驟(4)中,等效能量密度參數(shù)表示為:
式中,V0表示光滑圓棒試樣的考核段體積,V表示渦輪盤(pán)結(jié)構(gòu)模擬件體積,ΔW表示能量密度參數(shù),bW表示能量密度參數(shù)分布指數(shù),bW=m·bN;
等效能量密度參數(shù)通過(guò)以下方法獲得:對(duì)渦輪盤(pán)結(jié)構(gòu)模擬件進(jìn)行有限元分析,將所有體積的離散化單元按體積大小從小到大排序,第i個(gè)單元的體積為Vi,能量密度參數(shù)為ΔWi,設(shè)每個(gè)有限元單元中應(yīng)力從最小應(yīng)力到最大應(yīng)力線性變化,應(yīng)變也滿足類(lèi)似規(guī)律,即:
式中,V表示渦輪盤(pán)結(jié)構(gòu)模擬件體積,下標(biāo)i表示第i個(gè)單元,在單元內(nèi)變量從小到大的取值分別用上標(biāo)min和max標(biāo)記;通過(guò)對(duì)有效體積內(nèi)離散單元的等效能量密度參數(shù)求和得到等效能量密度參數(shù)表示為:
式中,V0表示光滑圓棒試樣的考核段體積,V表示渦輪盤(pán)結(jié)構(gòu)模擬件體積,表示第i個(gè)單元的等效能量密度參數(shù),bW表示能量密度參數(shù)分布指數(shù),bW=m·bN;
所述步驟(5)中,采用貝葉斯校準(zhǔn)對(duì)bN進(jìn)行校準(zhǔn),通過(guò)對(duì)失效概率為50%下的均值壽命:
兩邊取對(duì)數(shù)獲得貝葉斯校準(zhǔn)模型:
式中,Nf0表示失效概率為50%下的均值壽命,表示光滑圓棒試樣特征疲勞壽命,bN表示疲勞壽命分布指數(shù),由步驟(3)確定,并選擇擬合結(jié)果中相關(guān)系數(shù)大于0.9的值擬合得到bN分布作為先驗(yàn)分布,ε表示擬合誤差,服從正態(tài)分布,記為
將步驟(1)獲得的m組渦輪盤(pán)結(jié)構(gòu)模擬件低循環(huán)疲勞壽命試驗(yàn)數(shù)據(jù)代入貝葉斯校準(zhǔn)模型并相乘,取對(duì)數(shù)后得到對(duì)數(shù)似然函數(shù):
式中,Nf表示渦輪盤(pán)結(jié)構(gòu)模擬件低循環(huán)疲勞壽命試驗(yàn)數(shù)據(jù),σ表示壽命分布指數(shù)bN先驗(yàn)分布標(biāo)準(zhǔn)差,Ni表示第i件渦輪盤(pán)結(jié)構(gòu)模擬件低循環(huán)疲勞壽命。
2.根據(jù)權(quán)利要求1所述的一種基于貝葉斯校準(zhǔn)的渦輪盤(pán)最弱環(huán)非局部概率壽命評(píng)估方法,其特征在于:所述步驟(4)中,有效體積VEW采用以下方法確定:假設(shè)存在系數(shù)K,K取0.9或0.95,能量密度參數(shù)ΔW大于K倍最大能量密度參數(shù)ΔWmax的體積為有效體積:
式中,[ΔW]表示有效體積VEW上的能量密度參數(shù),ΔW表示能量密度參數(shù),ΔWmax表示最大能量密度參數(shù),K表示有效體積系數(shù)。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京航空航天大學(xué),未經(jīng)北京航空航天大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買(mǎi)此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910846133.3/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 一種自主融合先驗(yàn)知識(shí)的貝葉斯網(wǎng)絡(luò)方法
- 構(gòu)建解決組合爆炸問(wèn)題的級(jí)聯(lián)貝葉斯網(wǎng)絡(luò)的方法
- 一種可重構(gòu)系統(tǒng)貝葉斯網(wǎng)構(gòu)建方法
- 一種基于貝葉斯網(wǎng)絡(luò)的網(wǎng)站缺陷預(yù)測(cè)方法及其實(shí)現(xiàn)系統(tǒng)
- 應(yīng)用處理方法、裝置、存儲(chǔ)介質(zhì)及電子設(shè)備
- 一種遮擋目標(biāo)檢測(cè)方法、電子設(shè)備、存儲(chǔ)介質(zhì)及系統(tǒng)
- 基于貝葉斯網(wǎng)絡(luò)推理模型的犯罪重建方法及裝置
- 利用憶阻器本征噪聲實(shí)現(xiàn)貝葉斯神經(jīng)網(wǎng)絡(luò)的方法及裝置
- 基于面向?qū)ο筘惾~斯網(wǎng)絡(luò)的中央空調(diào)系統(tǒng)故障診斷方法
- 一種基于貝葉斯神經(jīng)網(wǎng)絡(luò)權(quán)重約束的圖像分類(lèi)方法





