一种涡轮盘蠕变疲劳寿命可靠性评估方法技术

本发明专利技术涉及一种涡轮盘蠕变疲劳寿命可靠性评估方法，包括步骤：S1：建立涡轮盘的有限元模型，通过有限元模拟确定涡轮盘的最危险位置；S2：根据多源不确定性因素选择随机变量，对随机变量进行抽样作为有限元模型的输入并获得有限元响应输出；S3：根据有限元模型的输入和对应的有限元响应输出构建机器学习的代理模型，在代理模型的基础上进行抽样模拟并获得输出数据；S4：根据输出数据，利用附有简化连续型包络线的蠕变疲劳损伤交互图进行寿命的可靠性评估。本发明专利技术的涡轮盘蠕变疲劳寿命可靠性评估方法，通过一定量的随机有限元模拟仿真数据构建代理模型，基于代理模型进行大规模的抽样模拟，从而减少有限元模拟次数，提高效率，节约成本。约成本。约成本。

【技术实现步骤摘要】
一种涡轮盘蠕变疲劳寿命可靠性评估方法


[0001]本专利技术涉及蠕变疲劳可靠性评估领域，更具体地涉及一种涡轮盘在蠕变疲劳载荷交互作用下的可靠性评估方法。

技术介绍

[0002]涡轮盘是航空发动机的关键部件，在复杂的服役环境下承受着严重的蠕变疲劳载荷交互作用，蠕变疲劳交互作用已经成为限制此类结构部件寿命的关键因素；更值得关注的是由于诸多的不确定性来源如：材料属性的分散性，载荷的随机波动性，几何尺寸的不确定性等等，使得涡轮盘的服役寿命呈现出相当大的分散性特征。
[0003]为了考虑上述诸多不确定性因素所导致的寿命分散性，传统的做法是通过采用安全因子来进行保守性的设计，但是如此一来就会导致过于保守的估计结果从而造成严重的材料浪费，概率可靠性分析方法通过以概率的形式量化表征上述不确定性因素并借助有限元模拟耦合抽样技术从而获得概率寿命分布，采用合适的可靠性评估准则进行可靠性寿命设计与评估。
[0004]获得上述概率寿命分布要进行大量的有限元抽样模拟，而有限元模拟涡轮盘蠕变与疲劳损伤计算是极其耗时的，因此借助随机有限元进行上万次抽样模拟显然是成本巨大的；除此之外当下并没有很好地针对蠕变疲劳损伤交互的可靠性评估准则，这些都给涡轮盘蠕变疲劳寿命的可靠性评估带来了一系列困难。

技术实现思路

[0005]本专利技术的目的在于提供一种涡轮盘蠕变疲劳寿命可靠性评估方法，通过随机有限元模拟仿真数据构建代理模型，基于代理模型进行大规模的抽样模拟，从而减少有限元模拟次数，提高效率，节约成本。
[0006]为实现上述目的，本专利技术提供一种涡轮盘蠕变疲劳寿命可靠性评估方法，包括以下步骤：
[0007]S1：建立涡轮盘的三维有限元模型，并嵌入蠕变疲劳本构模型和蠕变疲劳损伤模型，通过有限元模拟确定涡轮盘的最危险位置；
[0008]S2：根据所述涡轮盘有限元模型选择随机变量，对所述随机变量进行抽样作为所述有限元模型的输入并获得有限元响应输出；
[0009]S3：根据所述有限元模型的输入和对应的有限元响应输出构建机器学习的代理模型，在代理模型的基础上进行若干次抽样模拟并获得若干组输出数据；
[0010]S4：根据步骤S3中的输出数据，利用附有简化连续型包络线的蠕变疲劳损伤交互图进行寿命的可靠性评估。
[0011]进一步地，步骤S2中所述随机变量包括物理随机变量和模型随机变量。
[0012]进一步地，所述物理随机变量包括转速、密度、弹性模量。
[0013]进一步地，所述模型随机变量包括蠕变损伤模型及疲劳损伤模型的参数。
[0014]进一步地，所述蠕变损伤模型的参数包括拟合失效应变能密度与非弹性应变能密度耗散率函数关系的模型常数和临界失效应变能密度；所述疲劳损伤模型的参数包括疲劳强度系数、疲劳延性系数、疲劳强度指数和疲劳延性指数。
[0015]进一步地，步骤S2及S3中的输出均为稳态时最危险位置处的每循环周次的蠕变损伤和疲劳损伤。
[0016]进一步地，步骤S3进一步包括：
[0017]S31：分别选择支持向量回归模型和广义回归神经网络模型作为候选代理模型，基于有限元模型的输入和有限元响应输出进行候选代理模型的训练与测试；
[0018]S32：将有限元模型的输入和有限元响应输出随机划分70％作为训练集，30％作为测试集，比较所述支持向量回归模型和广义回归神经网络模型的测试误差，并选取测试误差较小的模型为最终代理模型。
[0019]进一步地，所述S32中的代理模型以平均绝对百分比误差来评价其在测试集上的测试误差，满足如下关系式：
[0020][0021]其中，n
test
为测试集的样本数量，y
i
为由有限元模拟计算的每循环周次蠕变损伤与疲劳损伤，为由代理模型预测的每循环周次蠕变与疲劳损伤，MAPE为平均绝对百分比误差。
[0022]进一步地，步骤S4进一步包括：
[0023]S41：根据步骤S3中的若干组输出数据，对于任意给定设计寿命，计算涡轮盘在循环周次达到所述设计寿命时的累积蠕变损伤和累积疲劳损伤；
[0024]S42：根据所述累积蠕变损伤与累积疲劳损伤利用附有简化连续包络线的蠕变疲劳损伤交互图进行涡轮盘蠕变疲劳寿命的可靠性评估。
[0025]进一步地，所述累积蠕变损伤和累积疲劳损伤满足如下关系式：
[0026]D
ci
＝N
d
·
d
ci
,i＝1,2,...,N
[0027]D
fi
＝N
d
·
d
fi
,i＝1,2,...,N
[0028]其中，D
ci
为累积蠕变损伤，D
fi
为累积疲劳损伤，N为抽样模拟次数，i为第i次抽样模拟。
[0029]进一步地，所述简化连续包络线为：
[0030][0031]其中，n为简化连续包络线的幂指数。
[0032]进一步地，涡轮盘在给定设计寿命时的失效概率满足如下关系式：
[0033][0034]其中，F为失效因子，失效时置1，安全时置0，P
f
为失效概率，
[0035]在给定设计寿命时的可靠度为R＝1
‑
P
f
(N
d
)。
[0036]本专利技术的涡轮盘蠕变疲劳寿命可靠性评估方法，首先通过一定量的随机有限元模拟仿真数据构建代理模型，然后基于代理模型进行大规模的抽样模拟从而获得蠕变损伤与疲劳损伤分布，并基于附有连续型包络线的蠕变疲劳交互图进行可靠性评估，从而得到更为安全保守的可靠性评估结果。本专利技术基于代理模型进行大规模的抽样模拟可减少有限元模拟次数，从而提高效率，节约成本。
附图说明
[0037]图1为本专利技术实施例提供的涡轮盘蠕变疲劳寿命可靠性评估方法的流程图；
[0038]图2A
‑
图2C为本专利技术实施例提供的基于最终代理模型的抽样结果图，其中图2A为每周次蠕变损伤的概率分布，图2B为每周次疲劳损伤的概率分布，图2C为蠕变疲劳寿命概率分布；
[0039]图3为基于载荷
‑
寿命干涉准则，强度
‑
损伤干涉准则，以及本专利技术的评估方法所得到的失效概率与设计寿命之间的关系图；
[0040]图4为基于载荷
‑
寿命干涉准则，强度
‑
损伤干涉准则，以及本专利技术的评估方法在99.85％可靠度下的设计寿命对比图。
具体实施方式
[0041]下面结合附图，给出本专利技术的较佳实施例，并予以详细描述。
[0042]如图1所示，本专利技术提供一种涡轮盘蠕变疲劳寿命可靠性评估方法，包括以下步骤：
[0043]S1：根据涡轮盘结构特征建立三维有限元模型，针对涡轮盘在实际服役过程所承受的蠕变疲劳交互作用，嵌入蠕变疲劳本构模型及蠕变疲劳损伤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种涡轮盘蠕变疲劳寿命可靠性评估方法，其特征在于，包括以下步骤：S1：建立涡轮盘的三维有限元模型，并嵌入蠕变疲劳本构模型和蠕变疲劳损伤模型，通过有限元模拟确定涡轮盘的最危险位置；S2：根据所述涡轮盘有限元模型选择随机变量，对所述随机变量进行抽样作为所述有限元模型的输入并获得有限元响应输出；S3：根据所述有限元模型的输入和对应的有限元响应输出构建机器学习的代理模型，在代理模型的基础上进行若干次抽样模拟并获得若干组输出数据；S4：根据步骤S3中的输出数据，利用附有简化连续型包络线的蠕变疲劳损伤交互图进行寿命的可靠性评估。2.根据权利要求1所述的涡轮盘蠕变疲劳寿命可靠性评估方法，其特征在于，步骤S2中所述随机变量包括物理随机变量和模型随机变量。3.根据权利要求2所述的涡轮盘蠕变疲劳寿命可靠性评估方法，其特征在于，所述物理随机变量包括转速、密度、弹性模量。4.根据权利要求2所述的涡轮盘蠕变疲劳寿命可靠性评估方法，其特征在于，所述模型随机变量包括蠕变损伤模型及疲劳损伤模型的参数。5.根据权利要求4所述的涡轮盘蠕变疲劳寿命可靠性评估方法，其特征在于，所述蠕变损伤模型的参数包括拟合失效应变能密度与非弹性应变能密度耗散率函数关系的模型常数和临界失效应变能密度；所述疲劳损伤模型的参数包括疲劳强度系数、疲劳延性系数、疲劳强度指数和疲劳延性指数。6.根据权利要求1所述的涡轮盘蠕变疲劳寿命可靠性评估方法，其特征在于，步骤S2及S3中的输出均为稳态时最危险位置处的每循环周次的蠕变损伤和疲劳损伤。7.根据权利要求1所述的涡轮盘蠕变疲劳寿命可靠性评估方法，其特征在于，步骤S3进一步包括：S31：分别选择支持向量回归模型和广义回归神经网络模型作为候选代理模型，基于有限元模型的输入和有限元响应输出进行候选代理模型的训练与测试；S32：将有限元模型的输入和有限元响应输出随机划分70％作为训练集，30％作为测试集，比较所述支持向量回归模型和广义回归神经网络模型的测试误差，并选取测试误差较小的模型为最终代理模型。8.根据权利要求7所述的涡轮...

【专利技术属性】
技术研发人员：王润梓，谷行行，张显程，王栋铭，张开明，涂善东，
申请(专利权)人：华东理工大学，
类型：发明
国别省市：