买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】一种基于Attention机制的透平叶片蠕变-疲劳寿命预测方法_西安交通大学_202210375490.8 

申请/专利权人:西安交通大学

申请日:2022-04-11

公开(公告)日:2024-02-23

公开(公告)号:CN114741922B

主分类号:G06F30/23

分类号:G06F30/23;G06F30/27;G06F30/28;G06F113/08;G06F119/04

优先权:

专利状态码:有效-授权

法律状态:2024.02.23#授权;2022.07.29#实质审查的生效;2022.07.12#公开

摘要:本发明一种基于Attention机制的透平叶片蠕变‑疲劳寿命预测方法,该方法将Attention机制加入到ResNet神经网络中,形成包含Attention模型的ResNet主体网络结构。Attention机制是一种让模型对重要信息重点关注并充分学习吸收的机制,通过对query和key进行相似度计算,得到权值,后将权值进行归一化,得到权重,最后讲将权重和value进行加权求和,对不同的特征进行重要程度再分配,使得关联性更强的特征占比更高,从而使结果具有更高的准确性。本发明应用于透平叶片在考虑启停循环载荷和高温稳定载荷下的蠕变‑疲劳寿命预测,其能够实现精准的蠕变‑疲劳寿命预测,且避免了复杂的寿命预测机理分析,同时大幅减少寿命预测的人工成本及实验测试成本,具有重要的工程意义及广阔的应用前景。

主权项:1.一种基于Attention机制的透平叶片蠕变-疲劳寿命预测方法,其特征在于,包括以下步骤:第一步,采集发生蠕变-疲劳失效的同种材料透平叶片的故障信号,记录此时对应的透平叶片寿命[Yi],和此寿命内透平叶片经历的启停次数[Ni],其中i表示第i个出现蠕变-疲劳失效的透平叶片,并根据实际启动过程采集透平叶片在10%,20%,40%,60%,80%,100%启动总长时间的6个时刻的转速及工质温度;第二步,分析透平叶片在启停变化工况下的应力应变场,对透平叶片的流体域及固体域划分结构化网格,其中叶片网格沿叶型平面方向节点数为k,沿叶高方向节点数为j,运用有限元方法,通过设置叶片表面为第三类边界条件及工质温度等,求出叶片“启动-最大转速”工况下的6组瞬态温度场[T1i]k×j×6,运用热力耦合法,以叶片的瞬态温度场为温度载荷,加载转速并设置接触,得到叶片的应力分布[σ1i]k×j×6,应变分布[ε1i]k×j×6;第三步,分析透平叶片稳态载荷下的应力场和温度场,运用热-流-固耦合的方法,通过计算获得稳态下流固交界面的温度分布及气动力分布,叶片流固交界面的温度分布共享到稳态热分析模块,其分析结果作为叶片结构强度分析的温度载荷,再将叶片表面气动压力分布作为气动载荷加载到叶片固体域表面,进行叶片的结构强度分析,得到的叶片应力场分布[σi]k×j,应变场分布[εi]k×j,温度场分布[Ti]k×j;第四步,对提取寿命数据的i个叶片均进行第二步和第三步的计算,并对[T1i]k×j×6、[σ1i]k×j×6、[ε1i]k×j×6、[σi]k×j、[εi]k×j、[Ti]k×j的数据进行归一化处理,得到按照训练集测试集=4.0的比例划分训练集为测试集为并随机打乱训练集数据,作为神经网络的输入;第五步,构建基于Attention机制的残差网络ResNet预测透平叶片发生蠕变-疲劳失效启停次数,每一个训练数据信号通过残差网络提取特征,经过一个全连接层后,通过Attention机制确定启停工况温度、应力、应变各数值的变化对启停次数的影响大小,最终得到透平叶片发生蠕变-疲劳失效启停次数的回归预测值,并通过同步SGD优化器,设置可变学习率来训练网络,如初始学习率设置为0.5,其后每25步学习率衰减10倍;第六步,按照训练集测试集=4.0的比例划分训练集为测试集为并随机打乱训练集数据,作为神经网络的输入;第七步,应用基于Attention机制的残差网络预测叶片蠕变-疲劳寿命,每一个训练数据信号通过残差网络提取特征,经过一个全连接层后,通过Attention机制计算透平叶片蠕变-疲劳寿命值对每一个变量的注意力分布从而使结果更加准确,最终得到透平叶片蠕变-疲劳寿命的回归预测值,并通过同步SGD优化器,设置可变学习率来训练网络,如初始学习率设置为0.5,其后每25步学习率衰减10倍;第八步,在实际透平叶片的蠕变-疲劳寿命预测中,通过已训练的基于Attention机制的ResNet输出该实际运行工况下透平叶片的蠕变-疲劳寿命预测值。

全文数据:

权利要求:

百度查询: 西安交通大学 一种基于Attention机制的透平叶片蠕变-疲劳寿命预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

-相关技术