【摘要】：機(jī)械結(jié)構(gòu)的復(fù)雜程度越來越高,對其設(shè)計(jì)要求也逐步提高,對復(fù)雜結(jié)構(gòu)的可靠性分析也越來越受到重視。航空發(fā)動機(jī)是飛機(jī)的推進(jìn)系統(tǒng),其葉盤出現(xiàn)的故障一直是發(fā)動機(jī)中較為嚴(yán)重的問題,所以準(zhǔn)確地對葉盤進(jìn)行可靠分析具有非常重要的現(xiàn)實(shí)意義。為了提高可靠性分析的精度和效率,本文將極限學(xué)習(xí)機(jī)神經(jīng)網(wǎng)絡(luò)的非線性擬合能力和響應(yīng)面法結(jié)合起來,并將其應(yīng)用到葉盤模型中進(jìn)行驗(yàn)證。主要內(nèi)容包括:(1)基于極限學(xué)習(xí)機(jī)響應(yīng)面法的葉片可靠性分析。建立三維葉片的有限元模型,選取葉片的材料密度、彈性模量、轉(zhuǎn)速和氣動力為隨機(jī)輸入變量,葉片的變形為輸出響應(yīng),利用ANSYS Workbench軟件對葉片進(jìn)行靜力學(xué)分析,得到葉片的接觸變形的分布云圖,利用拉丁超立方抽樣技術(shù)抽取100組隨機(jī)變量,得到相應(yīng)的100組響應(yīng)量,用極限學(xué)習(xí)機(jī)響應(yīng)面法對樣本進(jìn)行訓(xùn)練擬合,得到極限學(xué)習(xí)機(jī)響應(yīng)面函數(shù),利用蒙特卡洛法對函數(shù)進(jìn)行10000次抽樣,把抽樣得到的隨機(jī)變形值和許用變形值相比較,得到其可靠度。(2)基于極限學(xué)習(xí)機(jī)多重響應(yīng)面法的葉盤可靠性分析。對葉盤進(jìn)行有限元仿真時,考慮葉盤在流-固耦合場下的影響因素,以葉盤的材料密度、轉(zhuǎn)速和進(jìn)口流速為隨機(jī)輸入變量,葉盤的變形、應(yīng)力和應(yīng)變?yōu)檩敵鲰憫?yīng),通過極限學(xué)習(xí)機(jī)多重響應(yīng)面法建立葉盤輸出響應(yīng)與隨機(jī)變量之間的函數(shù)關(guān)系,得到顯性的函數(shù)表達(dá)式,考慮到葉盤失效模式的相關(guān)性,利用蒙特卡洛法對方程進(jìn)行聯(lián)動抽樣,進(jìn)而對葉盤進(jìn)行可靠度計(jì)算。通過方法對比表明,極限學(xué)習(xí)機(jī)多重響應(yīng)面法具有很高的計(jì)算精度和計(jì)算速度。(3)基于極限學(xué)習(xí)機(jī)響應(yīng)面法的葉片抗共振模糊可靠性分析。為了準(zhǔn)確地計(jì)算渦輪葉片的抗共振可靠性,本章選取葉片的材料密度、葉身身高、葉尖厚度、轉(zhuǎn)速和氣動壓力為隨機(jī)輸入變量,葉片的固有頻率為輸出響應(yīng),對葉片進(jìn)行模態(tài)分析,利用極限學(xué)習(xí)機(jī)響應(yīng)面法得到隨機(jī)輸入變量和響應(yīng)量之間關(guān)系的函數(shù)模型,并用MCM法對函數(shù)模型進(jìn)行抽樣,得到典型轉(zhuǎn)速下前6階隨機(jī)固有頻率值。繪制坎貝爾(Compbell)圖可以直觀的找到動頻曲線和激振力頻率曲線的交點(diǎn),即為可能發(fā)生的共振點(diǎn),對應(yīng)的轉(zhuǎn)速為共振轉(zhuǎn)速。由于葉片不發(fā)生共振的概率為葉片的工作轉(zhuǎn)速避開共振轉(zhuǎn)速,考慮共振狀態(tài)的模糊性,由葉片抗共振模糊可靠性模型求得葉片的共振可靠度。(4)基于極限學(xué)習(xí)機(jī)多重極值響應(yīng)面法的葉盤振動模糊可靠性分析。在綜合考慮了設(shè)計(jì)變量的隨機(jī)性與模糊性共存和中間過渡狀態(tài)的模糊性的基礎(chǔ)上,提出了基于極限學(xué)習(xí)機(jī)多重極值響應(yīng)面法的葉盤振動模糊可靠性分析,通過熵的等效轉(zhuǎn)變法,將模糊變量轉(zhuǎn)化成等效的隨機(jī)變量,從而將含有模糊變量的可靠性問題轉(zhuǎn)化為全部由隨機(jī)變量控制的問題來求解,利用模糊可靠性計(jì)算模型求得葉盤振動的可靠性,計(jì)算得到的可靠度結(jié)果能更好地反映葉盤的實(shí)際情況。
【學(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TH122
【圖文】：

- 9-圖 2-1 ELM 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖ig.2-1 Structure Chart of ELM Neural Network輸入變量，隱含層有l(wèi) 個神經(jīng)元，對應(yīng)的

葉片網(wǎng)絡(luò)模型

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 施琦良;程義強(qiáng);王茂山;;響應(yīng)面法優(yōu)化“夫妻肺片”調(diào)味工藝[J];美食研究;2016年04期

2 陶征;劉旭;郭勤濤;;響應(yīng)面法用于磨機(jī)傳動系統(tǒng)扭轉(zhuǎn)振動模型修正[J];振動.測試與診斷;2016年06期

3 郭香琴;周石洋;楊善彬;;響應(yīng)面法優(yōu)化二甲基砜的制備工藝[J];精細(xì)化工中間體;2017年02期

4 吳明霞;;響應(yīng)面法優(yōu)化明膠澄清蘋果酒條件的研究[J];寧德師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2015年03期

5 李莉;張賽;何強(qiáng);胡學(xué)斌;;響應(yīng)面法在試驗(yàn)設(shè)計(jì)與優(yōu)化中的應(yīng)用[J];實(shí)驗(yàn)室研究與探索;2015年08期

6 季昀;張石;張媛;李康;陳奕林;郭tqyN;;變f響應(yīng)面法及其在重力壩結(jié)構(gòu)可靠性分析中的應(yīng)用[J];三峽大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年05期

7 李瑞瑞;劉佃磊;楊晴;郝瓊;姜凱凱;李丕武;;響應(yīng)面法優(yōu)化黑曲霉產(chǎn)葡萄糖氧化酶的發(fā)酵條件[J];中國生物工程雜志;2013年10期

8 張?zhí)烊?于長青;;響應(yīng)面法優(yōu)化深黃被孢酶發(fā)酵生產(chǎn)花生四烯酸的培養(yǎng)條件[J];農(nóng)產(chǎn)品加工(學(xué)刊);2012年02期

9 宇光海;尹艷麗;張W

本文編號：2739365