一种基于仿真和试验数据混合驱动的结构性能预测方法技术

本发明专利技术公开了一种基于仿真和试验数据混合驱动的结构性能预测方法，在静力试验中，将有限测量数据和仿真数据结合，建立融合模型，利用大量仿真数据和少量试验数据来提高混合数据构造的代理模型精度，发展变保真度模型构建方法，实现结构状态场重构，通过利用多精度深度神经网络模型，自适应的学习试验数据和仿真数据之间的线性和非线性关系，实现空间维度上的健康预测。在健康监测试验中，利用优化算法对融合模型进行修正，所构建的融合模型融合了健康监测数据，能够反映结构真实物理状态，实现时间维度上的健康预测。本发明专利技术充分考虑飞行器的静动力特性和复合材料损伤演化过程与参数变化规律，研究反映结构实时损伤状态和载荷历程的集成多物理量、多参量高保真仿真过程。通过试验数据不断修正有限元模型参数，使得所建立数字原理样机能够对结构的多物理场环境下的力学响应和损伤扩展过程进行高精度映射。映射。映射。

【技术实现步骤摘要】
一种基于仿真和试验数据混合驱动的结构性能预测方法


[0001]本专利技术属于飞行器结构设计领域，涉及一种基于仿真和试验数据混合驱动的结构性能预测方法。

技术介绍

[0002]根据飞行器安全性设计理念从静强度、安全寿命、损伤容限到单机追踪的演变，以及飞行器数字孪生概念与内涵发展的历史，可以给出飞行器结构数字孪生的定义：飞行器结构数字孪生是数字线程驱动的多学科、多物理场、多尺度、多保真度、多概率的虚拟性仿真系统，采用在线传感器监测、离线地面检查、飞行器运行历史等多源数据，反映并预测对应飞行器结构实体在全寿命周期内的行为和性能。对于一个数字孪生体，其几何特征、材料属性、载荷信息、检查方法和引发的损伤等都是有差别的。通过对物理实体进行实时监控并将数据传输到构建的虚拟孪生模型中进行仿真，是数字孪生技术的基本模式。飞行器结构数字孪生不是一个静态模型，而是一个动态模型，会随着数据的产生而不断演化，是模型、数据、概率和决策的有机融合。为了实现飞行器结构数字孪生，需要面向其特点，攻克相关的关键技术。从飞行器结构数字孪生的虚实结合、时效性、多学科/多物理性、多尺度/多保真度和概率/不确定性出发，需要通过载荷和损伤数据的获取技术从真实结构上采集飞行器的载荷和损伤状态并映射到虚拟模型上；通过结构多尺度建模和力学分析技术建立飞行器结构的全机多尺度模型，为飞行器结构的载荷响应分析提供快速仿真、全尺寸模拟工具；通过含裂纹复杂结构的精确高效仿真技术建立飞行器结构的高保真度模型，并通过高性能疲劳断裂仿真方法精确计算飞行器损伤扩展；通过基于降阶的数字孪生高效建模技术实现损伤状态的快速预测，满足数字孪生时效性要求；通过考虑不确定性与多源异构数据的剩余寿命评估技术综合考虑飞行器结构中存在的诸多不确定性，实现准确的剩余寿命预测。
[0003]飞行器设计中通常需要对性能或质量进行预测，复杂产品性能预测通常涉及多个学科、目标，其中包含耗时的仿真过程或代价高昂的试验过程。代理模型方法是一种近似方法，它将耗时的、需要计算仿真的黑盒函数用简单的、容易计算的数学模型表示，从而使得对模型的优化、空间探索变得可行。在代理模型方法中，变保真度模型作为一种有效且精确的数据融合方法，近年来受到广泛关注。变保真度模型的假设是低保真度模型预测目标函数的整体趋势，高保真度模型用于校正计算结果。变保真度模型由高保真度模型和低保真度模型构成，低保真度模型的计算时间较短，计算精度较低，可以计算数量较多的样本；高保真模型的计算时间较长，计算精度高，只能计算数量较少的样本。高低保真度模型通过桥函数融合。它是构建变保真度模型的关键环节，主要包括加法桥函数、乘法桥函数和混合桥函数。同时，考虑到已有样本可能无法精确近似真实模型，需要采用样本更新策略加入新样本使VFM足够精确有效。近年来诸多学者提出了许多新的变保真度模型方法并应成功应用到实际工程中。HAN等将变保真度模型用于建立RAE2822翼型气动参数的近似模型；XIONG等将变保真度模型和目标导向的采样方法相结合提高模型精度；HAN等提出了一种新的CO
‑
KRG方法建立变保真度模型；ZHENG等提出了一种混合变保真度模型，通过对低保真度模型
进行两次校正得到变保真度模型；DONG等利用模型不确定性和卡尔曼滤波方法进行变保真度信息融合；陈小前等建立了飞行器结构、气动、推进等学科的变保真度模型，通过高保真度模型对低保真度模型的替代和校核，提高了总体方案设计精度。

技术实现思路

[0004]本专利技术的目的在于克服上述缺陷，提供一种基于仿真和试验数据混合驱动的结构性能预测方法，在静力试验中，将有限测量数据和仿真数据结合，建立融合神经网络模型，利用大量仿真数据和少量试验数据来提高混合数据构造的融合神经网络模型精度，发展变保真度模型构建方法，实现结构状态场重构，通过利用多精度深度神经网络模型，自适应的学习试验数据和仿真数据之间的线性和非线性关系，实现空间维度上的健康预测。在健康监测试验中，利用优化算法对融合神经网络模型进行修正，所构建的融合神经网络模型融合了健康监测数据，能够反映结构真实物理状态，实现时间维度上的健康预测。本专利技术充分考虑飞行器的静动力特性和复合材料损伤演化过程与参数变化规律，研究反映结构实时损伤状态和载荷历程的集成多物理量、多参量高保真仿真过程。通过健康监测试验数据不断修正融合神经网络模型，使得所建立数字原理样机能够对结构的多物理场环境下的力学响应和损伤扩展过程进行高精度映射。
[0005]为实现上述专利技术目的，本专利技术提供如下技术方案：
[0006]一种基于仿真和试验数据混合驱动的结构性能预测方法，包括以下步骤：
[0007](1)采用拉丁方试验设计方法，规划材料级静力和疲劳试验矩阵，并得到静力和疲劳试验矩阵中各项静力和疲劳试验的材料刚度随应变的退化数据；
[0008](2)根据材料刚度随应变的退化数据，构建材料的损伤演化模型；
[0009](3)针对结构级试验，以不同载荷大小和方向为试验设计参数，规划实物试验矩阵，得到实物试验矩阵中各试验设计工况下应力
‑
应变的的结构级试验数据；
[0010](4)根据步骤(3)中规划的实物试验矩阵，构建结构件的有限元数值模型，并构建考虑温度效应和疲劳载荷作用下的静态失效准则；
[0011](5)根据步骤(4)构建的结构件的有限元数值模型和静态失效准则、步骤(2)构建的材料的损伤演化模型以及材料参数，得到步骤(3)中规划的实物试验矩阵中各试验设计工况下应力
‑
应变的结构级仿真数据；
[0012](6)根据步骤(3)所得结构级试验数据，采用高斯过程回归，构建试验数据代理模型；
[0013](7)根据步骤(5)所得结构级仿真数据和步骤(6)构建的试验数据代理模型，得到仿真和试验数据融合函数；
[0014](8)根据上一步所得仿真和试验数据融合函数，以及不同融合神经网络模型参数的仿真试验所得仿真数据，建立融合神经网络模型；采用融合神经网络模型进行结构级健康检测试验，并根据健康监测试验数据，得到修正后的融合神经网络模型；
[0015](9)根据仿真和试验数据融合函数对结构件进行空间维度上的性能预测，根据修正后的融合神经网络模型对结构件进行时间维度上的性能预测。
[0016]进一步的，所述步骤(1)中，采用拉丁方试验设计方法，规划材料级静力和疲劳试验矩阵，并得到静力和疲劳试验矩阵中各项静力和疲劳试验的材料刚度随应变的退化数据
的具体步骤如下：
[0017](11)采用拉丁方试验设计方法，规划材料级静力和疲劳试验矩阵，试验设计参数包括温度效应，开孔，填充孔，不同铺层和不同应力级别；
[0018](12)进行静力和疲劳试验，得到静力和疲劳试验矩阵中各项静力和疲劳试验中材料刚度随应变的退化数据。
[0019]进一步的，所述步骤(2)中，采用数据驱动和神经网络方法，构建复合材料的损伤演化模型如下：
[0020]d＝d(ε),Q
t
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于仿真和试验数据混合驱动的结构性能预测方法，其特征在于，包括以下步骤：(1)采用拉丁方试验设计方法，规划材料级静力和疲劳试验矩阵，并得到静力和疲劳试验矩阵中各项静力和疲劳试验的材料刚度随应变的退化数据；(2)根据材料刚度随应变的退化数据，构建材料的损伤演化模型；(3)针对结构级试验，以不同载荷大小和方向为试验设计参数，规划实物试验矩阵，得到实物试验矩阵中各试验设计工况下应力
‑
应变的的结构级试验数据；(4)根据步骤(3)中规划的实物试验矩阵，构建结构件的有限元数值模型，并构建考虑温度效应和疲劳载荷作用下的静态失效准则；(5)根据步骤(4)构建的结构件的有限元数值模型和静态失效准则、步骤(2)构建的材料的损伤演化模型以及材料参数，得到步骤(3)中规划的实物试验矩阵中各试验设计工况下应力
‑
应变的结构级仿真数据；(6)根据步骤(3)所得结构级试验数据，采用高斯过程回归，构建试验数据代理模型；(7)根据步骤(5)所得结构级仿真数据和步骤(6)构建的试验数据代理模型，得到仿真和试验数据融合函数；(8)根据上一步所得仿真和试验数据融合函数，以及不同融合神经网络模型参数的仿真试验所得仿真数据，建立融合神经网络模型；采用融合神经网络模型进行结构级健康检测试验，并根据健康监测试验数据，得到修正后的融合神经网络模型；(9)根据仿真和试验数据融合函数对结构件进行空间维度上的性能预测，根据修正后的融合神经网络模型对结构件进行时间维度上的性能预测。2.根据权利要求1所述的一种基于仿真和试验数据混合驱动的结构性能预测方法，其特征在于，所述步骤(1)中，采用拉丁方试验设计方法，规划材料级静力和疲劳试验矩阵，并得到静力和疲劳试验矩阵中各项静力和疲劳试验的材料刚度随应变的退化数据的具体步骤如下：(11)采用拉丁方试验设计方法，规划材料级静力和疲劳试验矩阵，试验设计参数包括温度效应，开孔，填充孔，不同铺层和不同应力级别；(12)进行静力和疲劳试验，得到静力和疲劳试验矩阵中各项静力和疲劳试验中材料刚度随应变的退化数据。3.根据权利要求1所述的一种基于仿真和试验数据混合驱动的结构性能预测方法，其特征在于，所述步骤(2)中，采用数据驱动和神经网络方法，构建复合材料的损伤演化模型如下：d＝d(ε),Q
t
＝dQ其中，d为损伤因子，ε为应变，Q
t
为退化后的材料刚度，Q为初始材料刚度。4.根据权利要求1所述的一种基于仿真和试验数据混合驱动的结构性能预测方法，其特征在于，所述步骤(4)中，将温度以及疲劳循环对材料力学性能的影响引入三维Hashin静态失效准则，即可构建考虑温度效应和疲劳载荷作用下的静态失效准则。5.根据权利要求1所述的一种基于仿真和试验数据混合驱动的结构性能预测方法，其特征在于，所述步骤(6)中，高斯过程的表达式为f(x)～GP(m(x),k(x,x
′
))，其中，f(x)表示满足联合高斯分布的任意假设函数，m(x)表示均值函数；k(x,x
′
)表示协方差函数，GP表示
高斯过程；所述步骤(6)中，构建的试验数据代理模型为y
SY
＝f(x)+ε，其中，为满足高斯分布的白噪声；为噪声方差；I
n
是单位阵。6.根据权利要求1所述的一种基于仿真和试验数据混合驱动的结构性能预测方法，其特征在于，所述步骤(7)中，根据步骤(5)所得结构级仿真数据，和步骤(6)构建的试验数据代理模型，得到仿真和试验数据融合函数的具体步骤如下：(71)根据步...

【专利技术属性】
技术研发人员：尹进，吴迪，刘维玮，郭爱民，王月，苏玲，肖凯，刘赛，姚宇地，王悦，熊艳丽，李晓乐，彭波，贾磊，陈亦冬，邱丰，韩旭，石铄，王锦锋，崔娴娴，
申请(专利权)人：中国运载火箭技术研究院，
类型：发明
国别省市：