数字孪生驱动的航空发动机旋转叶片裂纹定量识别方法技术

本发明专利技术公开了一种数字孪生驱动的航空发动机旋转叶片裂纹定量识别方法，方法中，建立三维叶片模型，使用有限元方法计算模型旋转状态下的各阶固有频率并提取该模型的广义刚度矩阵，通过叶端定时技术获取叶片实体旋转状态下的各阶固有频率。划分有限元模型网格区域，并设置初始参数。以有限元模型材料杨氏模量的刚度折减系数作为待解的损伤参数，分别估算、计算损伤参数的似然函数、组稀疏先验分布，进而计算其后验概率分布；使用EM算法估算贝叶斯概率框架隐含的超参数并最大化后验概率分布，多次迭代直至得到可使叶片模型固有频率与叶片实体固有频率接近且满足实际情况的损伤参数的数值解，实现旋转叶片裂纹损伤的定量识别。

【技术实现步骤摘要】
数字孪生驱动的航空发动机旋转叶片裂纹定量识别方法
本专利技术涉及机械故障诊断领域，尤其涉及一种数字孪生驱动的航空发动机旋转叶片裂纹定量识别方法。
技术介绍
旋转叶片是影响航空发动机性能和安全性的重要部件，旋转叶片在航空发动机运行过程中受高速、高温、高压等极端环境的影响，易产生裂纹损伤，进而诱发掉块、断裂等严重故障。航空发动机叶片裂纹的产生往往导致其附近区域刚度的下降及叶片模态信息(模态固有频率、模态振型等)的改变，准确识别上述模态信息，通过模态信息的变化实现对裂纹参数的定量识别，对于减少发动机运行维护成本、提高其运行安全性具有重要的意义。本
技术介绍
部分中公开的上述信息仅用于增强对本专利技术的理解，因此可能包含不构成本领域普通技术人员公知的现有技术的信息。
技术实现思路
针对现有技术中存在的问题，本专利技术的目的在于提供了一种数字孪生驱动的航空发动机旋转叶片裂纹定量识别方法，使用有限元模型修正技术，结合组稀疏贝叶斯学习方法引入先验信息，通过最大化后验概率，从概率的角度计算有限元模型各单元刚度的下降信息，使用EM算法多次本文档来自技高网...

【技术保护点】
1.一种数字孪生驱动的航空发动机旋转叶片裂纹定量识别方法，其特征在于，所述方法包括以下步骤：/n步骤S1：建立待识别的旋转叶片实体对应的无损伤三维叶片模型，使用有限元方法计算所述模型旋转状态下的各阶固有频率λ

【技术特征摘要】
1.一种数字孪生驱动的航空发动机旋转叶片裂纹定量识别方法，其特征在于，所述方法包括以下步骤：
步骤S1：建立待识别的旋转叶片实体对应的无损伤三维叶片模型，使用有限元方法计算所述模型旋转状态下的各阶固有频率λe，测量并根据测得的无损伤旋转叶片实体的固有频率λm对所述模型进行修正并得到基准模型，修正准则为：

其中，D为旋转叶片的设计参数，其包括材料密度ρ、泊松比v、各单元弹性模量Ei以及叶片形状参数，使用响应曲面设计方法构建旋转叶片的设计参数D与固有频率λe间的关系，计算使所述修正准则最小的设计参数，即得到基准模型；
步骤S2：划分网格区域并预设相关参数：将网格单元划分为独立的g个区域，并分别设置参数η，θi，γi，Bi的初始值，其中，参数η反映测量所述固有频率λm时产生的误差，所述误差服从多元高斯分布N(0，ηI)，I表示单位矩阵；参数θi为各单元刚度折减系数以反映因裂纹产生而导致该单元刚度下降的程度，设定第i个区域的刚度折减系数向量θi服从多元高斯分布N(0，γiBi)；参数γi用于控制组间裂纹稀疏程度；Bi用于控制组内刚度折减系数的关系，其使用托普利兹矩阵形式：



步骤S3：求解当前条件下的所述固有频率关于参数θ的灵敏度矩阵S：






其中，φj为旋转叶片模型第j阶质量归一化模态振型，为广义刚度矩阵，上标T表示向量或矩阵转置；
步骤S4：基于贝叶斯理论构建损伤参数贝叶斯概率框架并求解损伤参数：



其中，Δλ＝λm-λe，θr表示基于本次迭代所计算的损伤参数值，c-1为常数，损伤参数的似然函数p(Δλ|θr，η)和先验分布分别为：
p(Δλ|θr，η)～N(Sθr，ηI)，



其中，∑0为：



由此，损伤参数的后验概率密度函数服从高斯分布，其中，均值向量μ＝∑0ST(ηI+S∑0ST)-1Δλ，方差矩阵使用遗传算法最大化解得本次迭代的θr，或直接求取数值解θr←∑0ST(λI+S∑0ST)-1Δλ，进而计算θ＝θr(1+θ(-1))+θ(-1)，其中，1表示元素全部为1的列向量，θ(-1)表示上一次迭代计算得到的损伤参数；
步骤S5：评估迭代计算效果是否满足要求，判断标准如下：

【专利技术属性】
技术研发人员：严如强，庞丁，杨来浩，杨志勃，陈雪峰，孙瑜，田绍华，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61