低周疲劳失效的涡轮盘可靠性灵敏度设计

中国机械工程 ›› 2010, Vol. 21 ›› Issue (10): 1135-1139.

• 机械基础工程 • 下一篇

低周疲劳失效的涡轮盘可靠性灵敏度设计

张义民;王鹏;杨周;张飞

东北大学,沈阳,110004

出版日期:2010-05-25 发布日期:2010-06-02
基金资助:
国家863高技术研究发展计划资助项目(2007AA04Z442)；国家自然科学基金资助项目(50875039)
National High-tech R&D Program of China (863 Program) （No. 2007AA04Z442）;
National Natural Science Foundation of China（No. 50875039）

Reliability Sensitivity Design for a Turbine Disc with Low Cycle Fatigue Failure

Zhang Yimin;Wang Peng;Yang Zhou;Zhang Fei

Northeastern University,Shenyang,11004

Online:2010-05-25 Published:2010-06-02
Supported by:

National High-tech R&D Program of China (863 Program) （No. 2007AA04Z442）;
National Natural Science Foundation of China（No. 50875039）

摘要/Abstract

摘要：

将有限元方法、低周疲劳模型、径向基函数神经网络技术与可靠性理论相结合,给出了涡轮盘低周疲劳可靠性灵敏度设计方法。应用径向基函数神经网络拟合得到随机设计变量与失效寿命之间的函数关系式,根据随机摄动法与可靠性灵敏度技术进行灵敏度设计。径向基函数神经网络技术的引入克服了工程实际无法给出极限状态函数显式的问题,而灵敏度技术使各变量对可靠度的影响得以定量表达,具有很好的指导意义。

关键词:

可靠性, 灵敏度, 径向基函数神经网络, 最大可能点摄动法, 蒙特卡洛法

Abstract:

Based on the finite element method,a low cycle fatigue model,

RBF neural network technique and reliability theory, the reliability sensitivity design for one turbine disc with low cycle fatigue failure were studied in detail.First, the explicit relational expression among the design parameters and the failure life were given in term of RBF neural network. On the basis of the trained neural network,the MPPPM can be used to begin the sensitivity design. Hence,the introduction to RBF neural network solves the explicit expression of the limit state function which is difficult to obtain in engineering, and the method of sensitivity which expresses the influence the parameters posed on the reliability in quantity has a strong significance.

Key words: reliability, sensitivity, radial basis function(RBF) neural network, most probable point perturbation method(MPPPM), Monte Carlo method

中图分类号:

V231.9

张义民, 王鹏, 杨周, 张飞.

低周疲劳失效的涡轮盘可靠性灵敏度设计

[J]. 中国机械工程, 2010, 21(10): 1135-1139.

ZHANG Xi-Min, WANG Feng, YANG Zhou, ZHANG Fei.

Reliability Sensitivity Design for a Turbine Disc with Low Cycle Fatigue Failure

[J]. China Mechanical Engineering, 2010, 21(10): 1135-1139.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.cmemo.org.cn/CN/

https://www.cmemo.org.cn/CN/Y2010/V21/I10/1135

参考文献

[1]苏清友主编.航空涡喷、涡扇发动机主要零部件定寿指南[M],2004:380.
[2]蒋向华[1],杨晓光[1],王延荣[1].某型航空发动机涡轮盘结构可靠度计算[J].航空动力学报,2005,20(3):407-412.
[3]唐俊星[1],陆山[1].某涡轮盘低循环疲劳概率寿命数值模拟[J].航空动力学报,2006,21(4):706-710.
[4]唐俊星[1],陆山[1].轮盘应变疲劳寿命可靠性分析方法[J].推进技术,2005,26(4):344-347.
[5]马双员[1],陆山[1].同应力多危险部位失效相关轮盘疲劳寿命可靠度分析方法[J].航空动力学报,2008,23(11):2016-2020.
[6]李严亮[1],白广忱[1].基于Kriging方法的涡轮盘结构可靠性分析[J].装备制造技术,2008(6):29-31.
[7]蒋向华[1],杨晓光[1],王延荣[1].结构可靠度逐步逼近径向基神经网络响应面法[J].航空动力学报,2008,23(1):26-31.
[8]黄靓[1],易伟建[1],汪优[1].基于RBF神经网络的结构可靠度分析方法[J].湘潭大学自然科学学报,2006,28(4):109-114.
[9]《中国航空材料手册》编辑委员会.中国航空材料手册[M].2版.北京:中国标准出版社,2002.
[10]高镇同等编著.疲劳性能试验设计和数据处理直升机金属材料疲劳性能可靠性手册[M],1999:187.
[11]张义民[1],王世鹏[2],解艳彩[2].可靠性分析的最大可能点摄动法[J].中国机械工程,2008,19(8):886-888.
[12]Zhang Y M, Liu Q L. Reliability--based Design of Automobile Components[J]. Automob. Eng. , 2002,216(6) :455-471.
[13]Hasofer A M,Lind N C. Exact and Invariant Second- moment Code Format[J]. Journal of Engineering Mechanics, ASCE, 1974,100(1) : 111-121.
[14]许东,吴铮编著.基于MATLAB 6.X的系统分析与设计神经网络[M],2002:239.
[15]任远[1],白广忱[1].径向基神经网络在近似建模中的应用研究[J].计算机应用,2009,29(1):115-118.

低周疲劳失效的涡轮盘可靠性灵敏度设计

Reliability Sensitivity Design for a Turbine Disc with Low Cycle Fatigue Failure

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	戴鑫, 刘焕牢, 王宇林, 李想. 一种基于加工轨迹灵敏度指标的数控机床关键几何误差辨识方法[J]. 中国机械工程, 2025, 36(12): 2862-2869.
[2]	郭飞燕1, 张辉2, 宋长杰1, 张硕1. 机理与数据融合驱动的复杂航空复材部件关键装配误差元素辨识方法[J]. 中国机械工程, 2025, 36(07): 1530-1543.
[3]	陈俊翔1, 2, 齐钒羽1, 姜宏达1, 2, 孔祥东1, 2, 金振林1, 艾超1, 2. 负载口独立双阀芯电液阀的结构优化[J]. 中国机械工程, 2024, 35(10): 1747-1761.
[4]	吕播阳1, 2, 3, 孟庆鑫1, 2, 3, 肖怀1, 2, 3, 赖旭芝1, 2, 3, 王亚午1, 2, 3, 吴敏1, 2, 3. 基于改进三元模型的波纹管型气动软体驱动器神经网络滑模控制[J]. 中国机械工程, 2024, 35(08): 1414-1425.
[5]	陈志勇, 李攀, 叶明旭, 林歆悠. 自动驾驶电动车辆基于参数预测的径向基函数神经网络自适应控制[J]. 中国机械工程, 2024, 35(06): 982-992.
[6]	陈俊翔, 孔祥东, 许克龙, 艾超, . 高压螺纹插装式溢流阀综合性能优化[J]. 中国机械工程, 2023, 34(24): 2909-2919,2926.
[7]	周丹砚, 黄汉雄, 罗杜宇. 双级微结构对柔性压力传感器性能的提升[J]. 中国机械工程, 2023, 34(06): 720-726.
[8]	陈浩, 巩明德, 赵丁选, 张伟, 张悦, 郝春友, . 电液主动悬架灵敏度分析与自适应跟踪控制[J]. 中国机械工程, 2023, 34(04): 481-489.
[9]	王东杰, 王鹏江, 李悦, 郭明泽, 郑伟雄, 沈阳, 吴淼. 掘进机截割臂自适应截割控制策略研究[J]. 中国机械工程, 2022, 33(20): 2492-2501.
[10]	卢成伟, 钱博增, 王慧敏, 项四通. 工件分特征下的五轴数控机床关键几何误差分析与补偿方法[J]. 中国机械工程, 2022, 33(14): 1646-1653.
[11]	钱胜, 林威, 胡万通, 白振华, . 热镀锌冷却过程对C翘带钢影响及其优化技术[J]. 中国机械工程, 2022, 33(08): 986-992.
[12]	药芳萍, 黎相孟, 石强盛杰, 张潇. 石墨烯-聚合物柔性电容传感器制备及性能研究[J]. 中国机械工程, 2021, 32(24): 2909-2914.
[13]	文东辉, 许鑫祺, 郑子军. 线性液动压抛光流场的剪切特性研究[J]. 中国机械工程, 2021, 32(18): 2203-2210，2216.
[14]	张正, . 参数化结构静态响应特性的减基分析方法[J]. 中国机械工程, 2021, 32(08): 916-920.
[15]	袁维东1,2;马俊升1,2;贺红林3;缪国峰1,2;郎旭东1,2. 约束阻尼变密度材料属性合理近似插值模型全域灵敏度减振优化[J]. 中国机械工程, 2020, 31(19): 2304-2315.