一种基于RBMBP极值响应面法的叶片可靠性分析方法技术

本发明专利技术公开一种基于RBMBP极值响应面法的叶片可靠性分析方法。其具体过程如下：综合考虑叶片材料的非线性材料属性、机械载荷的共同作用，通过静力学分析找到叶片的最大变形点、最大应力点和最大应变点；选取输入随机变量，运用基于蒙特卡罗法的Gibbs抽样方法抽取输入随机变量样本，并对每个样本进行RBM训练得到权重矩阵和偏移量，将该权重矩阵和偏移量输入到BP神经网络中作为初始值，并对每个样本求解有限元基础方程，得到对应的输出响应；构建基于RBMBP的极值响应面函数(RBMBPMRSF)，通过大批量抽样完成叶片结构的可靠性分析；对基于RBMBP极值响应面法进行有效性验证。本发明专利技术方法是一种精确、高效的多失效模式结构可靠性研究方法。

【技术实现步骤摘要】
一种基于RBMBP极值响应面法的叶片可靠性分析方法
本专利技术涉及一种航空发动机叶片可靠性分析方法，涉及到一种基于RBMBP极值响应面法的叶片可靠性分析方法。
技术介绍
航空发动机是飞机的核心，其性能状态影响着飞机的性能。整体叶盘作为航空发动机的重要部件，工作过程中承受着高温、高压、高转速等复杂载荷，同时经历着变形、应力、应变等多种失效模式。因此，对叶片进行有效合理的可靠性具有重要意义。目前，许多概率分析方法已经被应用到多种形式的可靠性分析中，比较常见的方法有：响应面法以及神经网络法等，其中，响应面法（ResponseSurfaceMethod,RSM）具有高效、快速、以及具有一定精度的特点，在结构可靠性优化设计领域受到广泛关注，但是，响应面近似在提高精度的同时也带来了计算量的增加，为了在精度和计算量之间进行权衡，利用BP神经网络算法计算，并利用受限玻尔兹曼机（RestrictedBoltzmannMachine,RBM）对BP神经网络进行前期优化。基于RBMBP神经网络的多重极值响应面法的基本思想是选用受限玻尔兹曼机训练出来的权重矩阵和偏移量带入到BP神经网络中作为初始值。用该方法本文档来自技高网...

【技术保护点】
1.一种基于RBMBP极值响应面法的叶片可靠性分析方法，其特征在于，包括以下步骤：a. 建立结构的有限元分析模型;b. 选取输入随机变量，运用基于蒙特卡罗法的Gibbs抽样方法抽取输入随机变量样本，并对每个样本进行RBM训练得到权重矩阵和偏移量，将该权重矩阵和偏移量输入到BP神经网络中作为初始值，并对每个样本求解有限元基础方程，得到对应的输出响应；c. 构建基于RBMBP的极值响应面函数，并大批量抽样验证，完成叶片可靠性分析；d. 对基于RBMBP极值响应面法进行有效性验证。

【技术特征摘要】
1.一种基于RBMBP极值响应面法的叶片可靠性分析方法，其特征在于，包括以下步骤：a.建立结构的有限元分析模型;b.选取输入随机变量，运用基于蒙特卡罗法的Gibbs抽样方法抽取输入随机变量样本，并对每个样本进行RBM训练得到权重矩阵和偏移量，将该权重矩阵和偏移量输入到BP神经网络中作为初始值，并对每个样本求解有限元基础方程，得到对应的输出响应；c.构建基于RBMBP的极值响应面函数，并大批量抽样验证，完成叶片可靠性分析；d.对基于RBMBP极值响应面法进行有效性验证。2.根据实施例1所述的基于RBMBP极值响应面法的叶片可靠性分析方法，所述的步骤a中，以叶片的密度、转速、温度、气动压力、重力作为输入变量，考虑叶片温度载荷，机械载荷的耦合作用，求解叶片有限元基本方程，进行确定性分析，找到叶片的最大变形点、最大应力点和最大应变点。3.根据实施例1所述的基于RBMBP极值响应面法的叶片可靠性分析方法，所述的...

【专利技术属性】
技术研发人员：张春宜，王泽，袁哲善，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江,23