申请/专利权人：华东理工大学

申请日：2021-08-19

公开（公告）日：2024-03-29

公开（公告）号：CN113836760B

主分类号：G06F30/23

分类号：G06F30/23;G06F30/27;G06F119/02

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2022.01.11#实质审查的生效;2021.12.24#公开

摘要：本发明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。

主权项：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；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；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： 其中，ntest为测试集的样本数量，yi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；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；步骤S4进一步包括：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；所述累积蠕变损伤和累积疲劳损伤满足如下关系式：Dci＝Nd·dci,i＝1,2,...,NDfi＝Nd·dfi,i＝1,2,...,N其中，Dci为累积蠕变损伤，Dfi为累积疲劳损伤，N为抽样模拟次数，i为第i次抽样模拟；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；所述简化连续包络线为： 其中，n为简化连续包络线的幂指数；涡轮盘在给定设计寿命时的失效概率满足如下关系式： 其中，F为失效因子，失效时置1，安全时置0，Pf为失效概率，在给定设计寿命时的可靠度为R＝1-PfNd。

全文数据：

权利要求：

百度查询： 华东理工大学 一种涡轮盘蠕变疲劳寿命可靠性评估方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD