【技术实现步骤摘要】
本专利技术属于航空发动机装配，具体涉及一种考虑多源不确定性的航空发动机转子叶尖装配间隙预测方法。
技术介绍
1、在航空发动机转子的装配中，转子叶尖间隙是影响发动机安全和性能的重要指标，转子叶尖装配间隙超差或分布不均匀会增加发动机在工作状态下的碰撞和摩擦风险，或降低其气动性能。精确预测转子叶尖装配间隙是实现装配间隙精确控制的前提。
2、当前，对航空发动机转子叶尖装配间隙的预测主要有两种预测方法：1)基于误差传递原理的确定性预测方法；2)基于区间运算的区间预测方法。然而，由于零件制造偏差测量数据有限，如机匣止口跳动数据、前后支点跳动数据，使得零件制造偏差难以被准确表征；同时装配工艺执行也通常凭借经验进行决策，这引入了大量不确定性，使得现有两种方法难以准确预测。前者忽略了各项不确定性因素，只考虑确定性结果；后者虽然将不确定性量化为区间，但无法确定叶尖间隙在区间内的概率分布，依旧难以通过预测指导工艺参数优化，无法满足高可靠装配需求。
技术实现思路
1、本专利技术的目的在于解决现有技术所存在的航空发动机转子叶尖装配间隙预测方法在不确定性条件下预测不准确的问题，而提供了一种考虑多源不确定性的航空发动机转子叶尖装配间隙预测方法。
2、为实现上述目的，本专利技术所提供的技术解决方案是：
3、本专利技术提供了一种考虑多源不确定性的航空发动机转子叶尖装配间隙预测方法，包括以下步骤：
4、步骤1，分析影响转子叶尖装配间隙的不确定性，并确定转子叶尖装配间隙层
5、叶尖装配间隙层级分为相位层、叶片层和叶盘层，相位层表示第i级叶盘第j个叶片在δ相位下的叶尖间隙，叶片层是相位层的累积量，表示第i级叶盘第j个叶片在所有相位下的叶尖间隙，叶盘层是叶片层的累积量，表示第i级叶盘的所有叶片在所有相位下的累积量；
6、步骤2，针对步骤1的不确定性分析结果，设计对应的不确定性量化算法，将不确定性量化为不确定性变量；
7、步骤3，结合确定性预测模型，构建第i级叶盘第j个叶片在δ相位下的转子叶尖装配间隙预测模型，以步骤2中的不确定性变量为输入，计算得到相位层的预测响应；
8、步骤4，结合确定性预测模型，构建第i级叶盘第j个叶片转子叶尖装配间隙预测模型，以步骤3得到的相位层预测响应为输入，计算得到叶片层的预测响应；
9、步骤5，结合确定性预测模型，构建第i级叶盘转子叶尖装配间隙预测模型，以步骤4得到的叶片层预测响应为输入，计算得到叶盘层的预测响应。
10、进一步地，步骤1中，分析影响转子叶尖装配间隙的不确定性包括零件/组件不确定性和装配执行不确定性；零件/组件不确定性包括叶盘组件不确定性和机匣不确定性，叶盘组件不确定性包括叶尖制造不确定性和叶盘组件形心不确定性，机匣不确定性包括机匣止口制造不确定性、前后支点制造不确定性和压气机机匣内流道制造不确定性；装配执行不确定性包括调整垫片选配不确定性和轴承游隙不确定性。
11、进一步地，步骤1中，将影响转子叶尖装配间隙的不确定性分为稀疏混合不确定性、随机不确定性和区间不确定性；稀疏混合不确定性包括机匣止口制造不确定性和前后支点制造不确定性；随机不确定性包括叶尖制造不确定性、叶盘组件形心不确定性和压气机机匣内流道面制造不确定性；区间不确定性包括调整垫片选配不确定性和轴承游隙不确定性。
12、进一步地，步骤2中，对于稀疏混合不确定性，假设稀疏数据集为dsd，则稀疏混合不确定性量化方法包括以下步骤：
13、步骤2.1.1，计算数据集dsd中的正值比例ppsd，构建dsd的绝对值数据集dsdi；
14、步骤2.1.2，另dsdi服从均匀分布、正态分布、对数正态分布、指数分布、极值分布和weibull分布这六种分布，通过极大似然估计法估计六种分布的分布参数；
15、步骤2.1.3，另dsdi服从混合加权分布，其概率密度函数如下式，通过遗传算法估计其分布参数：
16、
17、式中，ωi表示第i个概率密度函数的权重，δi是概率密度函数指示参数，fi(x)表示第i个概率密度函数；
18、步骤2.1.4，通过k-s检验法计算上述七种分布的拟合优度p，若拟合优度的最大值pmax≥α，α为预定拟合优度判断阈值，则dsdi服从pmax对应的分布，反之，则通过核密度估计法估计dsdi的概率密度函数，由此获得dsdi的概率密度函数foutput,sd(x)；
19、步骤2.1.5，以下式计算dsd的正负性函数fsign,sd：
20、
21、式中，n代表采样维度，k代表正值的数量。
22、进一步地，步骤2中，随机不确定性的量化方法与稀疏混合不确定性量化方法类似，区别在于省去步骤2.1.2，得到随机变量的概率密度函数foutput,rd(x)和正负性函数fsign,rd。
23、进一步地，步骤2中，对于区间不确定性的量化，根据设计公差将调整垫片选配不确定性和轴承游隙不确定性量化为区间变量，分别记为和
24、进一步地，步骤3包括：
25、步骤3.1，获取测量数据并量化不确定性，其中，xr代表第i级内流道制造误差随机变量，xs代表机匣止口和前后支点制造的稀疏变量，xi代表装配执行的区间不确定性；
26、步骤3.2，将调整垫片区间变量离散化，记为令调整垫片区间变量为固定值q＝1,2,…,m，最外层循环遍历所有调整垫片区间变量；
27、步骤3.3，将轴承游隙区间变量离散化，记为令轴承游隙区间变量为固定值p＝1,2,…,k，第二层循环遍历所有轴承游隙区间变量；
28、步骤3.4，通过概率密度函数foutput,sd(x)和foutput,rd(x)分别对xs和xr的数值进行抽样，通过正负性函数fsign,sd和fsign,rd对正负性进行抽样，共进行n次抽样，每次的抽样维度为l，抽样数据集分别记为和令随机变量和稀疏变量分别为固定值和其中，最内层循环遍历n次抽样；
29、步骤3.5，将第i级叶盘第j个叶片在δ相位下的转子叶尖间隙确定性预测模型表达为：
30、
31、式中，xd表示确定性变量，包括转子叶尖制造误差和叶盘形心位置；
32、步骤3.6，驱动所表达出的转子叶尖间隙确定性预测模型，历经3层循环，得到考虑不确定性的转子叶尖间隙预测响应tipi,j,δ，响应数据集的维度和循环次数为m×k×n。
33、进一步地，步骤4包括：
34、步骤4.1，计算第i级叶盘第j个叶片在360个相位下的预测响应并以此为输入，构建第i级叶盘第j个叶片的响应矩阵，维度为m×k，记为：
35、
36、式中，tipi,j为第i级叶盘第j个叶片的预测响应，共m×k个子集，每个子集的维度为360×n。
37、进一步地，步骤5包括：
38、步骤5.1，计本文档来自技高网...
【技术保护点】
1.一种考虑多源不确定性的航空发动机转子叶尖装配间隙预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的考虑多源不确定性的航空发动机转子叶尖装配间隙预测方法，其特征在于：步骤1中，分析影响转子叶尖装配间隙的不确定性包括零件/组件不确定性和装配执行不确定性；
3.根据权利要求2所述的考虑多源不确定性的航空发动机转子叶尖装配间隙预测方法，其特征在于：步骤1中，将影响转子叶尖装配间隙的不确定性分为稀疏混合不确定性、随机不确定性和区间不确定性；
4.根据权利要求3所述的考虑多源不确定性的航空发动机转子叶尖装配间隙预测方法，其特征在于，步骤2中，对于稀疏混合不确定性，假设稀疏数据集为Dsd，则稀疏混合不确定性量化方法包括以下步骤：
5.根据权利要求4所述的考虑多源不确定性的航空发动机转子叶尖装配间隙预测方法，其特征在于，步骤2中，随机不确定性的量化方法与稀疏混合不确定性量化方法类似，区别在于省去步骤2.1.2，得到随机变量的概率密度函数foutput,rd(x)和正负性函数fsign,rd。
6.根据权利要求5所述的考虑
7.根据权利要求6所述的考虑多源不确定性的航空发动机转子叶尖装配间隙预测方法，其特征在于，步骤3包括：
8.根据权利要求7所述的考虑多源不确定性的航空发动机转子叶尖装配间隙预测方法，其特征在于，步骤4包括：
9.根据权利要求8所述的考虑多源不确定性的航空发动机转子叶尖装配间隙预测方法，其特征在于，步骤5包括：
10.根据权利要求9所述的考虑多源不确定性的航空发动机转子叶尖装配间隙预测方法，其特征在于，步骤5还包括：
...【技术特征摘要】
1.一种考虑多源不确定性的航空发动机转子叶尖装配间隙预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的考虑多源不确定性的航空发动机转子叶尖装配间隙预测方法，其特征在于：步骤1中，分析影响转子叶尖装配间隙的不确定性包括零件/组件不确定性和装配执行不确定性；
3.根据权利要求2所述的考虑多源不确定性的航空发动机转子叶尖装配间隙预测方法，其特征在于：步骤1中，将影响转子叶尖装配间隙的不确定性分为稀疏混合不确定性、随机不确定性和区间不确定性；
4.根据权利要求3所述的考虑多源不确定性的航空发动机转子叶尖装配间隙预测方法，其特征在于，步骤2中，对于稀疏混合不确定性，假设稀疏数据集为dsd，则稀疏混合不确定性量化方法包括以下步骤：
5.根据权利要求4所述的考虑多源不确定性的航空发动机转子叶尖装配间隙预测方法，其特征在于，步骤2中，随机不确定性的量化方法与稀疏混...
【专利技术属性】
技术研发人员：孙惠斌，张譍之，张小霞，刘萌，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。