一种叶片振动疲劳概率寿命预测系统及预测方法技术方案

本发明专利技术属于涡轮叶片寿命预测领域，公开了一种叶片振动疲劳概率寿命预测系统及预测方法，所述叶片振动疲劳概率寿命预测系统包括：车辆状态监测模块、应力监测模块、转速监测模块、中央控制模块、疲劳损伤确定模块、疲劳曲线构建模块、修正模块、材质信息获取模块、叶片持久性计算模块、温度监测模块、累计损伤确定模块、预测模型构建模块、信息输入模块和存储显示模块。本发明专利技术通过对车辆发动机中涡轮叶片的应力和转速的监测，能够实现疲劳损伤的准确计算，构建的疲劳曲线更准确；并且对疲劳曲线进行修正能够实现高周疲劳S‑N曲线的准确性的提升，实现疲劳量的计算的准确性的提升；通过预测模型构建能够实现预测方案的整合，进行预测更方便。

【技术实现步骤摘要】
一种叶片振动疲劳概率寿命预测系统及预测方法
本专利技术属于涡轮叶片寿命预测
，尤其涉及一种叶片振动疲劳概率寿命预测系统及预测方法。
技术介绍
目前，叶片是发动机的重要零部件，发动机依靠叶片对气体压缩和膨胀，产生强大动力推动车辆前进。叶片工作时承受高的离心负荷、气动负荷、振动交变负荷等，容易发生故障。发动机的结构性故障中，叶片故障比例相当高，严重影响了发动机的使用安全。随着现代大推力，高推比、高涵道比发动机的出现，叶片振动疲劳问题更加突出，精确估算叶片振动疲劳寿命有着重要的工程和理论意义。作用于叶片的外部激励不仅与工况有关还受随机因素的影响；由于材料组织的不均匀性、内部缺陷等随机分布和加工制造过程中尺寸公差分散性影响，叶片的疲劳断裂性能具有很大分散性。因此，叶片振动疲劳概率寿命预测中，尚未出现叶片振动疲劳概率寿命预测模型，进行预测的准确性和便捷性差。通过上述分析，现有技术存在的问题及缺陷为：叶片振动疲劳概率寿命预测中，尚未出现叶片振动疲劳概率寿命预测模型，进行预测的准确性和便捷性差。专利技术内容针对现本文档来自技高网...

【技术保护点】
1.一种叶片振动疲劳概率寿命预测方法，其特征在于，所述叶片振动疲劳概率寿命预测方法包括以下步骤：/n步骤一，通过车辆状态监测模块利用车辆状态监测程序监测车辆运行状态，得到车辆状态为启动或是运行或是停车；/n步骤二，通过应力监测模块利用应力监测程序对涡轮叶片叶根的应力进行监测，得到应力变化数据；通过转速监测模块利用转速监测程序对涡轮叶片工作转速进行监测；/n步骤三，通过中央控制模块利用中央处理器控制所述叶片振动疲劳概率寿命预测系统各个模块的正常运行；/n步骤四，确定组合路况，通过疲劳损伤确定模块选择三种及以上的路面等级较低的强化路组合，并对车辆重要结构的损伤危险点进行载荷测试；/n步骤五，应用雨...

【技术特征摘要】
1.一种叶片振动疲劳概率寿命预测方法，其特征在于，所述叶片振动疲劳概率寿命预测方法包括以下步骤：
步骤一，通过车辆状态监测模块利用车辆状态监测程序监测车辆运行状态，得到车辆状态为启动或是运行或是停车；
步骤二，通过应力监测模块利用应力监测程序对涡轮叶片叶根的应力进行监测，得到应力变化数据；通过转速监测模块利用转速监测程序对涡轮叶片工作转速进行监测；
步骤三，通过中央控制模块利用中央处理器控制所述叶片振动疲劳概率寿命预测系统各个模块的正常运行；
步骤四，确定组合路况，通过疲劳损伤确定模块选择三种及以上的路面等级较低的强化路组合，并对车辆重要结构的损伤危险点进行载荷测试；
步骤五，应用雨流计数法对各单一路况作用下车辆结构载荷分别进行计数统计，编制载荷谱；
步骤六，利用疲劳损伤确定程序依照失效应力计算各路况条件下的车辆结构损伤值，即一次启动-运行-停车过程的疲劳损伤量；
步骤七，通过疲劳曲线构建模块利用疲劳曲线构建程序构建高周疲劳S-N曲线；根据实际工况，通过修正模块确定高周疲劳S-N曲线中的不确定性参数及其分布信息；
步骤八，根据高周疲劳S-N曲线中的不确定性参数分布特性，随机选取样本集，并从中选出n个样本点作为初始实验设计点，建立修正模型；
步骤九，根据构建的修正模型，获取所有样本点集对应的功能函数近似值，计算高周疲劳S-N曲线的偏差；
步骤十，根据主动学习策略评估最佳点，将所述样本点增加到原有实验设计点中，更新修正模型；
步骤十一，利用修正程序依照步骤十更新后的修正模型进行高周疲劳S-N曲线的修正；
步骤十二，通过材质信息获取模块利用材质信息获取程序从汽车内置存储器中获取叶片材质信息；通过叶片持久性计算模块利用叶片持久性测定程序依照叶片材质计算叶片持久性；
步骤十三，通过温度监测模块利用温度传感器进行涡轮叶片所在的发动机内温度的监测；通过累计损伤确定模块利用累计损伤确定程序确定涡轮叶片累计损伤量；
步骤十四，通过预测模型构建模块利用预测模型构建程序构建叶片振动疲劳概率寿命预测模型；通过信息输入模块利用信息输入程序将信息输入预测模型，得到叶片振动疲劳概率寿命预测结果；
步骤十五，通过存储显示模块利用云数据库服务器存储车辆状态监测数据、应力监测数据、转速监测数据、疲劳损伤确定结果、高周疲劳S-N曲线、叶片材质信息、叶片持久性计算结果、温度监测数据、累计损伤确定结果、叶片振动疲劳概率寿命预测模型以及叶片振动疲劳概率寿命预测结果，并通过显示器进行数据的实时更新显示。


2.如权利要求1所述叶片振动疲劳概率寿命预测方法，其特征在于，所述叶片振动疲劳概率寿命预测在停车状态下进行。


3.如权利要求1所述叶片振动疲劳概率寿命预测方法，其特征在于，步骤六中，所述计算各路况条件下的车辆结构损伤值的方法，包括：
应用glyphworks软件编制疲劳损伤计算流程，计算每种路况作用下车辆结构的疲劳损伤值。


4.如权利要求3所述叶片振动疲劳概率寿命预测方法，其特征在于，所述各路况条件下的车辆结构损伤值的计算方法，包括：
ΔDF＝1/NSw；
其中，ΔDF为疲劳损伤量；NSw为最大应力。


5.如权利要求1所述叶片振动疲劳概率寿命预测方法，其特征在于，步骤九中，所述计算高周疲劳S-N曲线的偏差的方法，包括：
通过样本点集中所有样本点中具有负的的数目与样本点总数之比来获得偏差的概率，计算高周疲劳S-N曲线的偏差。


6.如权利要求...

【专利技术属性】
技术研发人员：付曦，
申请(专利权)人：潍坊学院，
类型：发明
国别省市：山东;37