中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
可靠性分析設計理論及其在渦輪部件中的應用 版權信息
- ISBN：9787030732163
- 條形碼：9787030732163 ; 978-7-03-073216-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
可靠性分析設計理論及其在渦輪部件中的應用 本書特色
在全面考慮影響渦輪部件疲勞壽命的各種隨機不確定性的基礎上，本書研究發展出了適用于復雜載荷環境下的兩機渦輪部件的高效高精度疲勞壽命可靠性分析與可靠性優化設計方法
可靠性分析設計理論及其在渦輪部件中的應用 內容簡介
本書較為系統地介紹了隨機不確定性下結構/機構系統不確定性分析與優化設計的基本理論和高效算法。主要內容包括：①高溫材料不確定性壽命模型的分析方法；②不確定性全局靈敏度分析的各類模型與精巧算法；③結構/機構可靠性分析模型與高效算法；③結構/機構可靠性優化設計的解耦算法、單層算法和類序列解耦算法；④可靠性分析及可靠性優化設計算法在渦輪熱端部件（包括渦輪盤、渦輪葉片和渦輪軸）壽命可靠性分析與可靠性優化設計中的實例分析。
可靠性分析設計理論及其在渦輪部件中的應用 目錄
目錄
前言
第1章緒論1
1.1發動機渦輪部件疲勞壽命分析方法1
1.2結構可靠性分析方法2
1.3結構可靠性優化設計方法4
1.4發動機渦輪部件疲勞壽命可靠性分析與設計的關鍵科學問題5
參考文獻6
第2章試驗數據處理方法7
2.1疲勞/蠕變壽命分析模型的廣義描述7
2.1.1應力-壽命分析模型7
2.1.2應變-壽命分析模型8
2.1.3蠕變-壽命分析模型8
2.1.4位置-尺度參數化的壽命分析模型9
2.2基于極大似然估計方法的小子樣數據分析11
2.2.1擬合優良性評價的準則11
2.2.2基于極大似然估計方法的壽命模型12
2.2.3基于隨機加權Bootstrap方法的分位壽命置信區間估計14
2.3基于貝葉斯模型平均方法的小子樣數據分析15
2.3.1基于貝葉斯模型平均方法的模型參數估計16
2.3.2消除初始值和自相關性的影響21
2.3.3基于貝葉斯模型平均方法的壽命推斷21
2.3.4基于貝葉斯模型平均方法的分位壽命置信區間估計23
2.4基于貝葉斯分位數回歸方法的小子樣數據分析23
2.4.1基于貝葉斯分位數回歸方法的模型參數估計23
2.4.2基于貝葉斯分位數回歸方法的壽命推斷27
2.4.3基于貝葉斯分位數回歸方法的分位壽命置信區間估計28
2.5數值模擬28
2.5.1仿真試驗28
2.5.2GH4169低周疲勞小子樣數據分析32
2.6本章小結35
參考文獻37
第3章不確定性下全局靈敏度分析方法39
3.1基于方差的全局靈敏度分析方法39
3.1.1基于方差的全局靈敏度指標的定義39
3.1.2乘法降維結合數字模擬求解方差全局靈敏度指標的單層分析法40
3.1.3求解方差全局靈敏度指標的空間分割結合數字模擬法45
3.2基于概率密度函數的矩獨立全局靈敏度分析方法52
3.2.1分位數回歸方法52
3.2.2極大熵結合Nataf變換法59
3.2.3共用積分網格結合極大熵法70
3.2.4空間分割算法75
3.3基于失效概率的全局靈敏度分析方法80
3.3.1失效概率全局靈敏度指標的定義及其雙層MCS求解法80
3.3.2Bayes公式與MCS相結合的失效概率全局靈敏度求解算法82
3.3.3Bayes公式與重要抽樣相結合的失效概率全局靈敏度求解算法83
3.3.4基于條件概率公式的失效概率全局靈敏度算法89
3.4渦輪葉片全局靈敏度分析95
3.4.1渦輪葉片疲勞壽命分析模型95
3.4.2渦輪葉片疲勞壽命可靠性分析模型97
3.4.3渦輪葉片結構疲勞壽命的方差全局靈敏度分析結果100
3.4.4渦輪葉片結構疲勞壽命的矩獨立全局靈敏度分析結果101
3.4.5渦輪葉片結構疲勞壽命的失效概率全局靈敏度分析結果101
3.5本章小結102
參考文獻103
第4章MonteCarlo結合自適應代理模型的可靠性分析方法105
4.1自適應高斯輸出型代理模型105
4.1.1基于切片逆回歸降維的Kriging模型106
4.1.2貝葉斯稀疏多項式混沌展開模型111
4.1.3貝葉斯支持向量回歸模型114
4.1.4高斯輸出型代理模型及自適應學習函數120
4.2基于樣本池縮減策略的自適應代理模型結合MCS的方法124
4.2.1失效概率求解的MCS方法125
4.2.2樣本池縮減策略的確定性分類方式126
4.2.3樣本池縮減策略的自適應分類方式129
4.2.4算例分析131
4.3基于分層訓練策略的自適應代理模型結合MCS的方法134
4.3.1基于分層訓練策略的自適應代理模型結合MCS的步驟134
4.3.2算例分析136
4.4基于多點加點準則的自適應代理模型結合MCS的方法138
4.4.1K-medoids聚類分析138
4.4.2基于加權K-medoids聚類的多點加點準則139
4.4.3多點加點準則自適應代理模型結合MCS的步驟140
4.4.4算例分析141
4.5隨機和區間混合不確定性下傳統可靠性分析的雙層嵌套優化法144
4.5.1隨機和區間混合不確定性的三種類型144
4.5.2失效概率上下界求解的雙層嵌套優化法145
4.5.3雙層嵌套優化方法求解失效概率上下界的內在本質分析145
4.6隨機和區間混合不確定性下失效概率的真實界限模型148
4.6.1隨機和區間混合不確定性下的安全域與失效域分析148
4.6.2隨機和區間混合不確定性下傳統失效概率的界限與真實界限的關系149
4.6.3算例分析150
4.7隨機和區間混合不確定性下失效概率上下界求解的擴展跨越率法151
4.7.1失效概率上界的等價表達式151
4.7.2擴展跨越率的定義152
4.7.3擴展跨越率的成立條件及解釋154
4.7.4擴展跨越率法求解失效概率上界156
4.7.5擴展跨越率法求解失效概率下界159
4.8隨機和區間混合不確定性下可靠性分析的雙層自適應代理模型法160
4.8.1失效概率上界求解的雙層自適應代理模型結合MCS的方法160
4.8.2失效概率下界求解的雙層自適應代理模型結合MCS的方法163
4.9隨機和區間混合不確定性下可靠性分析的單層自適應代理模型法164
4.9.1失效概率上界求解的單層自適應代理模型結合MCS的方法164
4.9.2失效概率下界求解的單層自適應代理模型結合MCS的方法168
4.9.3算例分析169
4.10本章小結171
參考文獻172
第5章自適應代理模型結合高效抽樣的可靠性分析方法174
5.1自適應代理模型結合改進重要抽樣的可靠性分析方法174
5.1.1重要抽樣法174
5.1.2改進的重要抽樣法175
5.1.3求解失效概率的自適應代理模型結合改進重要抽樣的方法178
5.1.4算例分析181
5.2自適應代理模型結合元模型重要抽樣的可靠性分析方法183
5.2.1元模型重要抽樣法183
5.2.2求解失效概率的自適應代理模型結合元模型重要抽樣的方法185
5.2.3算例分析189
5.3自適應代理模型結合自適應超球截斷抽樣的可靠性分析方法191
5.3.1自適應超球截斷抽樣法191
5.3.2求解失效概率的自適應代理模型結合自適應超球截斷抽樣的方法193
5.3.3算例分析195
5.4自適應代理模型結合方向抽樣的可靠性分析方法197
5.4.1方向抽樣法197
5.4.2求解失效概率的自適應代理模型結合方向抽樣的方法199
5.4.3算例分析202
5.5自適應代理模型結合子集模擬的可靠性分析方法203
5.5.1子集模擬法204
5.5.2求解失效概率的自適應代理模型結合子集模擬的方法206
5.5.3算例分析209
5.6本章小結210
參考文獻210
第6章基于代理模型的可靠性優化設計的解耦法212
6.1基于代理模型的可靠性優化設計的完全解耦法213
6.1.1基于失效概率函數的完全解耦法213
6.1.2基于可行域函數代理模型的完全解耦法217
6.1.3算例分析221
6.2嵌入代理模型的可靠性優化設計的序列解耦法224
6.2.1逆設計點的定義及求解方法224
6.2.2經典序列解耦法229
6.2.3嵌入代理模型與設計參數處局部抽樣的序列解耦法231
6.2.4嵌入代理模型與逆設計點處局部抽樣的序列解耦法236
6.2.5算例分析240
6.3嵌入代理模型的可靠性優化設計的類序列解耦法243
6.3.1嵌入代理模型的類序列解耦法243
6.3.2算例分析245
6.4本章小結248
參考文獻249
第7章嵌入代理模型的疲勞壽命可靠性優化設計的單層法250
7.1可靠性優化設計的單層法250
7.1.1可靠性優化設計模型描述250
7.1.2RBDO模型求解的單層法251
7.1.3算例分析260
7.2基于代理模型的單層法264
7.2.1擴展的可靠性空間中概率密度函數264
7.2.2嵌入代理模型的單層法求解RBDO模型的流程265
7.3代理模型與改進數字模擬法結合的單層法268
7.3.1代理模型與重要抽樣相結合的單層法268
7.3.2代理模型與截斷抽樣相結合的單層法270
7.3.3代理模型與方向抽樣相結合的單層法273
7.3.4算例分析276
7.4本章小結279
參考文獻280
第8章渦輪部件疲勞壽命可靠性分析與優化設計的實例281
8.1渦輪盤疲勞壽命可靠性分析與優化設計281
8.1.1渦輪盤疲勞壽命可靠性分析與優化設計平臺的構成283
8.1.2渦輪盤結構模型及典型工況284
8.1.3渦輪盤的有限元分析286
8.1.4渦輪盤疲勞壽命計算289
8.1.5渦輪盤疲勞壽命可靠性優化設計290
8.1.6渦輪盤疲勞壽命可靠性優化設計結果296
8.2渦輪葉片多模式壽命可靠性分析與優化設計300
8.2.1渦輪葉片參數化聯合分析平臺的構成300
8.2.2輸入變量分析301
8.2.3結構分析304
8.2.4不同失效模式下的概率壽命模型309
8.2.5多模式壽命可靠性分析312
8.2.6多模式壽命可靠性優化設計316
8.3渦輪軸疲勞壽命可靠性分析與優化設計319
8.3.1渦輪軸疲勞壽命預測320
8.3.2渦輪軸疲勞壽命可靠性分析327
8.3.3渦輪軸疲勞壽命可靠性優化設計331
8.4本章小結336
參考文獻337
前言
第1章緒論1
1.1發動機渦輪部件疲勞壽命分析方法1
1.2結構可靠性分析方法2
1.3結構可靠性優化設計方法4
1.4發動機渦輪部件疲勞壽命可靠性分析與設計的關鍵科學問題5
參考文獻6
第2章試驗數據處理方法7
2.1疲勞/蠕變壽命分析模型的廣義描述7
2.1.1應力-壽命分析模型7
2.1.2應變-壽命分析模型8
2.1.3蠕變-壽命分析模型8
2.1.4位置-尺度參數化的壽命分析模型9
2.2基于極大似然估計方法的小子樣數據分析11
2.2.1擬合優良性評價的準則11
2.2.2基于極大似然估計方法的壽命模型12
2.2.3基于隨機加權Bootstrap方法的分位壽命置信區間估計14
2.3基于貝葉斯模型平均方法的小子樣數據分析15
2.3.1基于貝葉斯模型平均方法的模型參數估計16
2.3.2消除初始值和自相關性的影響21
2.3.3基于貝葉斯模型平均方法的壽命推斷21
2.3.4基于貝葉斯模型平均方法的分位壽命置信區間估計23
2.4基于貝葉斯分位數回歸方法的小子樣數據分析23
2.4.1基于貝葉斯分位數回歸方法的模型參數估計23
2.4.2基于貝葉斯分位數回歸方法的壽命推斷27
2.4.3基于貝葉斯分位數回歸方法的分位壽命置信區間估計28
2.5數值模擬28
2.5.1仿真試驗28
2.5.2GH4169低周疲勞小子樣數據分析32
2.6本章小結35
參考文獻37
第3章不確定性下全局靈敏度分析方法39
3.1基于方差的全局靈敏度分析方法39
3.1.1基于方差的全局靈敏度指標的定義39
3.1.2乘法降維結合數字模擬求解方差全局靈敏度指標的單層分析法40
3.1.3求解方差全局靈敏度指標的空間分割結合數字模擬法45
3.2基于概率密度函數的矩獨立全局靈敏度分析方法52
3.2.1分位數回歸方法52
3.2.2極大熵結合Nataf變換法59
3.2.3共用積分網格結合極大熵法70
3.2.4空間分割算法75
3.3基于失效概率的全局靈敏度分析方法80
3.3.1失效概率全局靈敏度指標的定義及其雙層MCS求解法80
3.3.2Bayes公式與MCS相結合的失效概率全局靈敏度求解算法82
3.3.3Bayes公式與重要抽樣相結合的失效概率全局靈敏度求解算法83
3.3.4基于條件概率公式的失效概率全局靈敏度算法89
3.4渦輪葉片全局靈敏度分析95
3.4.1渦輪葉片疲勞壽命分析模型95
3.4.2渦輪葉片疲勞壽命可靠性分析模型97
3.4.3渦輪葉片結構疲勞壽命的方差全局靈敏度分析結果100
3.4.4渦輪葉片結構疲勞壽命的矩獨立全局靈敏度分析結果101
3.4.5渦輪葉片結構疲勞壽命的失效概率全局靈敏度分析結果101
3.5本章小結102
參考文獻103
第4章MonteCarlo結合自適應代理模型的可靠性分析方法105
4.1自適應高斯輸出型代理模型105
4.1.1基于切片逆回歸降維的Kriging模型106
4.1.2貝葉斯稀疏多項式混沌展開模型111
4.1.3貝葉斯支持向量回歸模型114
4.1.4高斯輸出型代理模型及自適應學習函數120
4.2基于樣本池縮減策略的自適應代理模型結合MCS的方法124
4.2.1失效概率求解的MCS方法125
4.2.2樣本池縮減策略的確定性分類方式126
4.2.3樣本池縮減策略的自適應分類方式129
4.2.4算例分析131
4.3基于分層訓練策略的自適應代理模型結合MCS的方法134
4.3.1基于分層訓練策略的自適應代理模型結合MCS的步驟134
4.3.2算例分析136
4.4基于多點加點準則的自適應代理模型結合MCS的方法138
4.4.1K-medoids聚類分析138
4.4.2基于加權K-medoids聚類的多點加點準則139
4.4.3多點加點準則自適應代理模型結合MCS的步驟140
4.4.4算例分析141
4.5隨機和區間混合不確定性下傳統可靠性分析的雙層嵌套優化法144
4.5.1隨機和區間混合不確定性的三種類型144
4.5.2失效概率上下界求解的雙層嵌套優化法145
4.5.3雙層嵌套優化方法求解失效概率上下界的內在本質分析145
4.6隨機和區間混合不確定性下失效概率的真實界限模型148
4.6.1隨機和區間混合不確定性下的安全域與失效域分析148
4.6.2隨機和區間混合不確定性下傳統失效概率的界限與真實界限的關系149
4.6.3算例分析150
4.7隨機和區間混合不確定性下失效概率上下界求解的擴展跨越率法151
4.7.1失效概率上界的等價表達式151
4.7.2擴展跨越率的定義152
4.7.3擴展跨越率的成立條件及解釋154
4.7.4擴展跨越率法求解失效概率上界156
4.7.5擴展跨越率法求解失效概率下界159
4.8隨機和區間混合不確定性下可靠性分析的雙層自適應代理模型法160
4.8.1失效概率上界求解的雙層自適應代理模型結合MCS的方法160
4.8.2失效概率下界求解的雙層自適應代理模型結合MCS的方法163
4.9隨機和區間混合不確定性下可靠性分析的單層自適應代理模型法164
4.9.1失效概率上界求解的單層自適應代理模型結合MCS的方法164
4.9.2失效概率下界求解的單層自適應代理模型結合MCS的方法168
4.9.3算例分析169
4.10本章小結171
參考文獻172
第5章自適應代理模型結合高效抽樣的可靠性分析方法174
5.1自適應代理模型結合改進重要抽樣的可靠性分析方法174
5.1.1重要抽樣法174
5.1.2改進的重要抽樣法175
5.1.3求解失效概率的自適應代理模型結合改進重要抽樣的方法178
5.1.4算例分析181
5.2自適應代理模型結合元模型重要抽樣的可靠性分析方法183
5.2.1元模型重要抽樣法183
5.2.2求解失效概率的自適應代理模型結合元模型重要抽樣的方法185
5.2.3算例分析189
5.3自適應代理模型結合自適應超球截斷抽樣的可靠性分析方法191
5.3.1自適應超球截斷抽樣法191
5.3.2求解失效概率的自適應代理模型結合自適應超球截斷抽樣的方法193
5.3.3算例分析195
5.4自適應代理模型結合方向抽樣的可靠性分析方法197
5.4.1方向抽樣法197
5.4.2求解失效概率的自適應代理模型結合方向抽樣的方法199
5.4.3算例分析202
5.5自適應代理模型結合子集模擬的可靠性分析方法203
5.5.1子集模擬法204
5.5.2求解失效概率的自適應代理模型結合子集模擬的方法206
5.5.3算例分析209
5.6本章小結210
參考文獻210
第6章基于代理模型的可靠性優化設計的解耦法212
6.1基于代理模型的可靠性優化設計的完全解耦法213
6.1.1基于失效概率函數的完全解耦法213
6.1.2基于可行域函數代理模型的完全解耦法217
6.1.3算例分析221
6.2嵌入代理模型的可靠性優化設計的序列解耦法224
6.2.1逆設計點的定義及求解方法224
6.2.2經典序列解耦法229
6.2.3嵌入代理模型與設計參數處局部抽樣的序列解耦法231
6.2.4嵌入代理模型與逆設計點處局部抽樣的序列解耦法236
6.2.5算例分析240
6.3嵌入代理模型的可靠性優化設計的類序列解耦法243
6.3.1嵌入代理模型的類序列解耦法243
6.3.2算例分析245
6.4本章小結248
參考文獻249
第7章嵌入代理模型的疲勞壽命可靠性優化設計的單層法250
7.1可靠性優化設計的單層法250
7.1.1可靠性優化設計模型描述250
7.1.2RBDO模型求解的單層法251
7.1.3算例分析260
7.2基于代理模型的單層法264
7.2.1擴展的可靠性空間中概率密度函數264
7.2.2嵌入代理模型的單層法求解RBDO模型的流程265
7.3代理模型與改進數字模擬法結合的單層法268
7.3.1代理模型與重要抽樣相結合的單層法268
7.3.2代理模型與截斷抽樣相結合的單層法270
7.3.3代理模型與方向抽樣相結合的單層法273
7.3.4算例分析276
7.4本章小結279
參考文獻280
第8章渦輪部件疲勞壽命可靠性分析與優化設計的實例281
8.1渦輪盤疲勞壽命可靠性分析與優化設計281
8.1.1渦輪盤疲勞壽命可靠性分析與優化設計平臺的構成283
8.1.2渦輪盤結構模型及典型工況284
8.1.3渦輪盤的有限元分析286
8.1.4渦輪盤疲勞壽命計算289
8.1.5渦輪盤疲勞壽命可靠性優化設計290
8.1.6渦輪盤疲勞壽命可靠性優化設計結果296
8.2渦輪葉片多模式壽命可靠性分析與優化設計300
8.2.1渦輪葉片參數化聯合分析平臺的構成300
8.2.2輸入變量分析301
8.2.3結構分析304
8.2.4不同失效模式下的概率壽命模型309
8.2.5多模式壽命可靠性分析312
8.2.6多模式壽命可靠性優化設計316
8.3渦輪軸疲勞壽命可靠性分析與優化設計319
8.3.1渦輪軸疲勞壽命預測320
8.3.2渦輪軸疲勞壽命可靠性分析327
8.3.3渦輪軸疲勞壽命可靠性優化設計331
8.4本章小結336
參考文獻337
展開全部
可靠性分析設計理論及其在渦輪部件中的應用 節選
第1章 緒論 航空發動機和燃氣輪機（兩機）的可靠運行關系到整個飛機和船舶的安全。渦輪是兩機中將高溫燃氣內能轉化為動能的核心熱端部件，渦輪部件（渦輪盤、渦輪葉片、渦輪軸和渦輪機匣等）在工作過程中經常承受高溫、高壓燃氣的沖擊，以及離心載荷、振動載荷等交變載荷的作用，這將導致渦輪部件發生疲勞斷裂。渦輪部件的結構尺寸、所承受的載荷、材料性能和材料壽命方程中的參數等均具有隨機性，從而導致渦輪部件的疲勞損傷和疲勞壽命具有隨機性。因此，亟須從不確定性傳播的角度進行渦輪部件疲勞壽命可靠性分析，以準確有效地評估渦輪部件的安全水平。同時，隨著航空、航海工業的發展，在保證發動機安全工作的前提下，對其性能的要求也在不斷提高。因此，亟須建立長壽命、高可靠性的發動機渦輪部件設計理論。 1.1 發動機渦輪部件疲勞壽命分析方法 依據國內外學者針對渦輪部件的疲勞壽命分析所開展的工作，可總結出估計渦輪部件疲勞壽命的一般步驟：首先，研究單失效模式對應的材料壽命預測分析模型，并根據試驗數據擬合得到各失效模式下材料級的壽命預測模型參數；其次，根據渦輪部件的結構特點和交變受載情況，使用有限元軟件分析得出其考核部位的應力幅、應變幅等結構輸出；*后，將結構輸出代入經過修正的材料壽命預測模型計算出單級交變載荷作用下單個失效模式的壽命，并可利用累積損傷理論計算出渦輪部件在多級循環載荷疊加作用下多個失效模式的復合壽命。 渦輪部件常見壽命分析的單個失效模式包括高周疲勞、低周疲勞和蠕變失效等，壽命分析的復合失效模式包括熱機械疲勞、高/低周復合疲勞和蠕變-疲勞等。疲勞為結構在低于材料屈服極限的循環載荷作用下，其應力集中部位在一定的循環次數后萌生裂紋。隨著循環次數的增加，裂紋逐漸擴展，*終導致結構斷裂。不同類型的外部載荷會造成不同形式的疲勞破壞。其中，低周疲勞失效是指結構在低頻大載荷作用下結構發生的疲勞破壞，高周疲勞失效是指結構在高頻小載荷作用下結構發生的疲勞破壞，高/低周復合疲勞失效則同時考慮了低頻載荷和高頻載荷對結構疲勞壽命的影響，而熱機械疲勞失效是指在交變機械載荷和交變溫度聯合作用下引起的疲勞失效。蠕變是結構在持續高溫和外力的作用下，隨時間增長發生的緩慢永久塑性變形現象，蠕變變形與應力水平及溫度范圍密切相關。蠕變-疲勞失效是指在循環載荷和高溫同時作用下引起的結構失效。 疲勞、蠕變等壽命預測方法主要分為參數唯象模型和基于物理機制的模型。參數唯象模型以試驗數據為基礎對其進行數學描述，從宏觀角度出發考慮疲勞、蠕變等發展過程，模型簡單，在工程中得到廣泛應用。基于物理機制的模型則從引發材料疲勞、蠕變的根本原因出發，從微觀角度考慮疲勞、蠕變發生的機理，現處于研究階段，在工程應用上進行推廣還有距離。工程上常用的單級循環載荷下的壽命模型主要有針對疲勞的名義應力法和局部應力應變法，以及針對蠕變的熱強參數法。名義應力法描述了名義應力幅（考慮修正因素）、疲勞極限和疲勞壽命的經驗關系[1]，局部應力應變法建立了應變幅和疲勞壽命的經驗關系[2]，熱強參數法則由不同溫度下應力與持久時間試驗數據進行擬合得到蠕變壽命曲線[3]。工程應用中，單級循環載荷下的確定性壽命模型建立了應力/應變與壽命的關系曲線，如應變-壽命曲線、應力-壽命曲線和應力-溫度-持久壽命曲線，分別適應于低周疲勞、高周疲勞和蠕變失效三種單個失效模式下的壽命預測。實際應用中還需要在這些材料疲勞壽命預測基礎模型上加入其他修正因素的影響，以保證壽命模型從材料級向構件級的推廣。對于多模式復合壽命的估計，工程上多用帶有各模式間影響程度修正的非線性交互復合項模型，如疲勞蠕變交互改進法[4]、疲勞蠕變損傷非線性疊加法[5]、高低周復合疲勞耦合法[6]等，這些方法中反映多模式間耦合影響的系數需要通過試驗確定。當交互影響因子不容易通過試驗確定時，也可以考慮采用Miner線性損傷累積理論[7]，該理論使用簡單，已廣泛應用于工程領域中。 概率壽命估計方法是進行渦輪部件壽命可靠性分析的基礎，其衡量了各載荷水平下壽命的分散性。概率壽命分析模型包括單級循環載荷下的概率壽命分析模型以及多級循環載荷下的多模式概率復合壽命分析模型。單級循環載荷下的概率壽命分析模型充分考慮了壽命的隨機性，其中較為成熟和常用的概率壽命分析模型有針對低/高周疲勞的存活概率-應變-壽命曲線族/存活概率-應力-壽命曲線族，以及針對蠕變的概率化修正的存活概率-應力-溫度-壽命熱強方程族。多級循環載荷下的多模式概率復合壽命分析模型可以通過不同存活率下單級載荷作用下的單模式壽命結合損傷累積理論分析得到。 1.2 結構可靠性分析方法 結構可靠性分析中的關鍵問題是估計各類不確定性因素影響下結構的失效概率，對于渦輪部件疲勞壽命可靠性分析，需要在考慮加工誤差、材料屬性的分散性、工作環境的隨機性和壽命模型中參數不確定性等的基礎上估計渦輪部件疲勞壽命小于要求的壽命閾值的概率。目前，常用的可靠性分析方法主要分為三類，即近似解析方法、數字模擬方法和代理模型方法。 近似解析方法通過將功能函數在均值點或設計點（失效域中聯合概率密度函數*大的點）處泰勒展開，取前若干階展開項來替代隱式功能函數，進而采用功能函數的前若干階概率矩來計算結構的失效概率，典型的方法包括一次二階矩和二次二階矩等方法。近似解析方法僅適用于低維非線性程度不高的單模式可靠性分析問題。對于維度較高或功能函數形式較為復雜的問題，近似解析方法計算精度較低。 數字模擬方法中*基本的是蒙特卡洛方法，其基于大數定律，利用失效事件的頻率來近似失效事件的概率。但對于實際工程問題，失效概率通常較小，導致蒙特卡洛方法往往需要容量較大的樣本池才能獲得收斂解，計算效率較低。因此，研究人員提出了一系列高效的數字模擬方法，如重要抽樣法、截斷抽樣法、方向抽樣法和子集模擬法等。這些高效的抽樣方法在一定程度上提高了計算效率，但也面臨著一些限制條件[8]。作為一類比較通用的方法，可靠性分析的數字模擬方法一直受到研究人員的廣泛關注。 代理模型方法是一種針對大型隱式功能函數的高效可靠性分析方法，其基本思想是利用代理模型來近似真實功能函數，進而在此基礎上采用數字模擬等方法來估計結構的失效概率。常用估計失效概率的代理模型主要有Kriging模型、多項式混沌展開模型、支持向量機模型等。Kriging模型為插值模型[9]，由兩部分組成，分別為回歸部分和非參數部分，其中回歸部分提供了設計空間內的全局近似模型，非參數部分被視作隨機分布的實現，是在全局模擬的基礎上創建的局部偏差。Kriging模型是一種估計方差*小的無偏估計模型，其可適用于高非線性及函數局部突變問題，因而采用Kriging模型可以較好地反映被近似功能函數的全局及局部特征。多項式混沌展開模型為擬合模型，其由正交多項式組成，具有較好的全局擬合特性。多項式混沌展開模型以現代概率論為基礎，可用于表達任意有限方差隨機響應，因而有廣泛的適用性，對于光滑的輸入-輸出關系收斂迅速[3]。支持向量機模型不但引入了結構風險的概念，還采用了核映射的思想，通過結構風險*小化原理來提高泛化能力。支持向量機模型有效地解決了維數災難和局部*小化問題，并在處理非線性問題上顯示了其卓越的性能[10]。 在傳統的基于代理模型的可靠性分析方法中，首先使用少量的樣本點構建代理模型，并用其替代真實的功能函數，然后在所建立代理模型的基礎上通過數字模擬等方法來估計結構的失效概率，從而大幅減少功能函數的調用次數，提高失效概率的計算效率。但是，在此類方法中，構建代理模型和估計失效概率是兩個分離的過程。在構建代理模型時并沒有考慮到后續可靠性分析的精度問題。因此，所建立的代理模型并不一定能保證后續失效概率估計的準確性。為了克服傳統代理模型方法的缺點，研究人員提出了自適應代理模型-數字模擬混合的可靠性分析方法。此類方法的基本思路：首先通過將數字模擬方法估計失效概率的樣本池中的少量樣本代入真實的功能函數中得到相應的功能函數樣本值，并利用這些少量的初始輸入-輸出訓練集信息建立初始的代理模型；其次通過自適應學習函數在備選樣本池中挑選出下一步所需的更新樣本點對當前的代理模型進行更新，直到滿足自適應學習過程的收斂條件；*后利用收斂的代理模型來估計結構的失效概率。由于收斂的代理模型能夠以設定的概率水平保證對備選樣本池內樣本的功能函數值符號的正確識別，因此自適應代理模型-數字模擬混合的可靠性分析方法可在提高效率的同時，保證結構失效概率的估計精度。 1.3 結構可靠性優化設計方法 結構可靠性優化設計（reliability-based design optimization， RBDO）是在常規結構優化設計基礎上發展起來的一種考慮結構中普遍存在的不確定性的優化設計方法。與常規結構優化設計相比，結構可靠性優化設計考慮了不確定性因素的影響，增加了包含可靠性要求的約束或目標函數，按照這種方法進行設計，既可以定量地給出結構在服役中的可靠性，又能得到結構在尺寸、質量與成本等方面參數的*優解。 可靠性優化設計求解的雙層循環法（簡稱雙層法）是求解可靠性優化設計問題*基本和*直接的方法之一，它采用了一個嵌套循環的結構，即內層進行可靠性分析，外層進行*優設計變量的求解。在該方法中，外層的搜索每進行一步，內層都需要估算一次結構的可靠性，因而該方法的計算量較大，較難應用于實際工程問題中。可靠性優化設計求解的單層循環法（簡稱單層法）通過利用等價的*優條件以避免可靠性優化設計中內層的可靠性分析過程，進而將原始的雙層優化過程轉換為單層優化過程。可靠性優化設計求解的解耦法的目標是將內層嵌套的可靠性分析與外層的優化設計進行分離，將可靠性優化問題中包含的概率約束進行顯式近似，從而將不確定性優化問題轉化成一般的確定性優化問題，進而可以采用常規的確定性優化算法來進行求解。解耦法包括序列解耦和完全解耦兩種策略。序列解耦法的主要思想是將可靠性優化轉換為一系列確定性優化的循環，利用獨立的可靠性分析過程來更新設計的可行域，確定性優化的約束要與可靠性約束相關聯。在序列解耦法中，優化解會在每一次的循環中得到改善直至收斂。完全解耦法是在進行優化前預先求得結構失效概率與設計參數之間的函數關系，即失效概率函數；然后將所求得的失效概率函數代入原有的概率約束中；*后完全采用確定性優化求解即可得到可靠性優化設計模型的*優結果。 1.4 發動機渦輪部件疲勞壽命可靠性分析與設計的關鍵科學問題 渦輪部件作為兩機中至關重要的組成部分，其承受著從燃燒室排放出來的高溫、高壓燃氣和各種應力載荷，運行環境十分惡劣，非常容易發生疲勞失效，且渦輪部件的材料屬性、幾何參數以及載荷環境均具有一定程度的隨機不確定性，而目前的可靠性分析與設計理論方法還難以直接應用到渦輪部件這樣復雜結構的疲勞壽命可靠性分析與設計中。因此在全面考慮影響渦輪部件疲勞壽命的各種隨機不確定性的基礎上，研究發展出適用于復雜載荷環境下的兩機渦輪部件的高效、高精度疲勞壽命可靠性分析與設計方法是亟待解決的問題，這對于客觀評價復雜渦輪部件的疲勞壽命可靠性，以及在保證安全的條件下提高渦輪部件的疲勞壽命性能具有重要意義。發動機渦輪部件疲勞壽命可靠性分析與設計應針對以下關鍵科學問題開展深入、系統的研究，為兩機渦輪部件疲勞可靠性分析與設計提供必要的理論、方法支撐和軟件平臺。 1. 小子樣數據分析方法 疲勞和蠕變試驗都是破壞性試驗，試驗樣品不能重復使用，對于造價昂貴的材料和結構復雜的渦輪部件，是不可能進行大量成批試驗的，只能獲取小子樣條件下的試驗樣本。因此，非常有必要對一些新發展的試驗數據評估方法進行對比研究，分析這些方法對小子樣數據的適用性和準確性，以便研究者依據所具備試驗數據的特點和先驗信息選擇合理的方法。 2. 渦輪部件概率壽命的全局靈敏度分析方法 概率壽命的全局靈敏度分析方法可以識別影響壽命統計特征的主要因素，從而達到在設計
書友推薦
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
朝聞道
- >
中國歷史的瞬間
- >
李白與唐代文化
- >
莉莉和章魚
- >
自卑與超越
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
隨園食單
本類暢銷
