一种曲轴加速疲劳试验方法技术

本发明专利技术公开了一种曲轴加速疲劳试验方法，包括如下步骤：步骤一、建立曲轴固有频率与循环次数的经验模型，所述经验模型为双指数模型：步骤二、对建立的经验模型进行简化，建立预测曲轴剩余疲劳寿命的卡尔曼滤波系统观测模型；步骤三、通过UKF系统观测模型预测曲轴的剩余疲劳寿命。本发明专利技术采用改进以后的卡尔曼滤波剩余寿命预测方法，可以应用于曲轴加速疲劳方法，而且所用实验数据少，预测结果与实际结果接近，只需做前一部分的实验就能对实际结果进行预测，在降低实验成本的同时也能减少实验时间，具有良好的经济实用性。具有良好的经济实用性。具有良好的经济实用性。

【技术实现步骤摘要】
一种曲轴加速疲劳试验方法


[0001]本专利技术涉及曲轴试验
，具体是一种曲轴加速疲劳试验方法。

技术介绍

[0002]曲轴是发动机结构中关键的零部件之一，其几何参数直接关系到整个发动机的总体尺寸，同时也直接关系到其使用寿命和可靠性。如果曲轴损坏，将对发动机其它部件造成很大的影响和损伤。在发动机的正常运转过程中，由于受汽轮和汽缸的长时间的反复交替负载，使其产生疲劳、磨损现象，从而使其工作失效。如果曲轴出现了严重的损坏，很可能会造成发动机损坏，甚至造成严重的交通事故，因此，对曲轴的剩余使用寿命进行评估成为了一个重要的课题。曲轴的疲劳可靠度是目前发动机追求的重要性能指标，因此，在实际生产和使用中，疲劳对曲轴剩余寿命的影响举足轻重。
[0003]曲轴的弯曲疲劳测试有多种方法，根据振动原理设计的谐振装置在实际测试中得到了广泛的应用，这种测试方法可以在一定的荷载水平下对曲轴加载弯曲载荷，但是它的缺点，是测试费用高，测试周期长。因此，在进行曲轴疲劳测试时，如何能够加速这一试验过程，实现对其剩余寿命的预测，并据此来确定其疲劳极限载荷，这对提升曲轴的工作性能有着重要的意义。实际工程中，谐振式曲轴弯疲劳测试装置的试验步骤包括：标定、加载、分析，其中加载过程耗时长也成本高，本专利技术的加速疲劳试验方法主要从这一步骤入手。在实际工程中，一般采用粒子滤波、卡尔曼滤波、线性最小均方误差计、回声状态网络、自适应神经
‑
模糊推理等方法来预测剩余寿命，这些方法各有利弊和适用范围。其中，卡尔曼滤波(Kalman Filter,KF)算法的优点是计算时仅需上一时刻的测量值信息，易于实时地进行迭代运算，而且KF是线性高斯系统的最佳滤波方法。
[0004]无迹卡尔曼滤波(Unscented Kalman Filter，UKF)是通过无迹变换(Unscented Transform，UT)来处理均值和协方差的非线性传递问题。无迹变换的主要思想是“近似概率分布比近似非线性函数容易”，UT变化计算均值和协方差，通过含有均值和协方差确定的点集(sigma points)来近似概率分布，通过选择合适的权值估计均值和协方差，UKF具有更高的估计精度，满足了具有各种复杂要求的非线性滤波和控制方面的应用需求。UT变换基本原理如下：假设一个非线性系统y＝f(x),其中x为n维状态向量，且其平均值为方差为Px,则可以经过UT变换构造2n+1个Sigma点Xi,同时构造Xi相应的权值Wi，进而得到y的统计特性。
[0005]肖祥(西南石油大学)在2016年发表的《CNG发动机含裂纹曲轴的剩余寿命及裂纹故障检测研究》一文中，对曲轴的疲劳裂纹扩展曲线进行研究，研究表明曲轴裂纹扩展速率分为A、B、C三个阶段，A区为裂纹的初始稳定扩展区，B区为稳定裂纹扩展区，C区为快速裂纹扩展区，分别对应低、中、高速率三个区域。

技术实现思路

[0006]专利技术目的：本专利技术提供一种曲轴加速疲劳试验方法，本专利技术根据已知的曲轴固有
频率实验数据，运用卡尔曼滤波算法建立相应寿命预测模型，对曲轴剩余寿命进行预测并分析预测结果的准确性，接着针对卡尔曼滤波算法在预测时误差较大这一问题，对数据的样本空间进行改进。
[0007]技术方案：一种曲轴加速疲劳试验方法，包括如下步骤：
[0008]步骤一、建立曲轴固有频率与循环次数的经验模型，所述经验模型为双指数模型：
[0009]y＝a exp(bx)+c exp(dx)
[0010]其中，y表示曲轴固有频率，x表示循环次数，a、b、c、d为未知数；
[0011]步骤二、对建立的经验模型进行简化，建立预测曲轴剩余疲劳寿命的卡尔曼滤波系统观测模型，UKF系统观测模型的状态空间方程如下：
[0012]Z(k+1)＝(c(k)*exp(d(k)*(t
‑
1))*(1
‑
exp(b(k)
‑
d(k))))/(1
‑
exp(b(k)))+a+v(k)
[0013]式中，Z(k+1)为当前时刻观测值，α为系统固有频率衰变经验值；V(k)为过程噪声，均满足均值为0、方差为σw的标准正态分布；
[0014]步骤三、通过UKF系统观测模型预测曲轴的剩余疲劳寿命。
[0015]进一步的，经验模型的获取步骤如下：
[0016]1)将曲轴经过曲轴疲劳试验台加载载荷进行循环试验，得出其固有频率下降到失效时的循环次数及固有频率数值随循环次数的增加而下降的实验数据；
[0017]2)根据实验所得的固有频率以及曲轴固有频率变化的规律和拟合误差最小原则，对实验数据进行非线性拟合，选择双指数模型为经验模型。
[0018]进一步的，所述经验模型的获取步骤中还包括数据处理，具体为：在步骤1)中，将根据实验所得的固有频率数据，去除处于初始稳定扩展区时的数据。
[0019]进一步的，拟合误差最小原则为：
[0020]引入均方根RMSE和确定系数R
‑
square对实验数据拟合的优劣程度进行评判：
[0021][0022][0023]式中，y
i
代表第i个真实值，为原始真实数据平均值，为模型预测值，m为原始数据点数量；
[0024]RMSE的值越小，模型的性能越好，拟合效果越好；R
‑
square的取值范围为[0,1]，R
‑
square越接近于1，说明拟合出来的效果越好，越靠近于0，说明拟合结果偏差越大。
[0025]进一步的，所述步骤二的具体步骤如下：
[0026]1)对于离散时间由具有高斯白噪声W(k)的随机变量和具有高斯白噪声V(k)的观测变量Z构成的非线性系统可以描述为：
[0027][0028]式中，f是非线性状态方程函数，c是非线性观测方程函数；
[0029]2)假设w(k)具有协方差矩阵Q，v(k)具有协方差矩阵R；根据固有频率的下降特性以及双指数模型，可将UKF状态模型表示如下：
[0030]δ(k+1|k)＝δ(k)+w(k)式中，δ(k)＝[b(k) c(k) d(k)]T
表示固有频率下降模型参数上一时刻后的估计值，δ(k+1|k)表示当前时刻状态预测值；
[0031]3)根据双指数模型，建立预测曲轴剩余疲劳寿命的UKF系统观测模型的状态空间方程：
[0032]Z(k+1)＝(c(k)*exp(d(k)*(t
‑
1))*(1
‑
exp(b(k)
‑
d(k))))/(1
‑
exp(b(k)))+α+v(k)
[0033]Z(k+1)为当前时刻观测值，α为系统固有频率衰变经验值；V(k)为过程噪声，均满足均值为0、方差为σw的标准正态分布；b(k)、c(k)、d(k)为状态空间方程的参数。
[0034]进一步的，所述步骤三的具体步骤如下：
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种曲轴加速疲劳试验方法，其特征在于，包括如下步骤：步骤一、建立曲轴固有频率与循环次数的经验模型，所述经验模型为双指数模型：y＝a exp(bx)+c exp(dx)其中，y表示曲轴固有频率，x表示循环次数，a、b、c、d为未知数；步骤二、对建立的经验模型进行简化，建立预测曲轴剩余疲劳寿命的卡尔曼滤波系统观测模型，UKF系统观测模型的状态空间方程如下：Z(k+1)＝(c(k)*exp(d(k)*(t
‑
1))*(1
‑
exp(b(k)
‑
d(k))))/(1
‑
exp(b(k)))+α+v(k)式中，Z(k+1)为当前时刻观测值，α为系统固有频率衰变经验值；V(k)为过程噪声，均满足均值为0、方差为σw的标准正态分布；步骤三、通过UKF系统观测模型预测曲轴的剩余疲劳寿命。2.根据权利要求1所述的一种曲轴加速疲劳试验方法，其特征在于，所述步骤一中，经验模型的获取步骤如下：1)将曲轴经过曲轴疲劳试验台加载载荷进行循环试验，得出其固有频率下降到失效时的循环次数及固有频率数值随循环次数的增加而下降的实验数据；2)根据实验所得的固有频率以及曲轴固有频率变化的规律和拟合误差最小原则，对实验数据进行非线性拟合，选择双指数模型为经验模型。3.根据权利要求2所述的一种曲轴加速疲劳试验方法，其特征在于，所述步骤一中，所述经验模型的获取步骤中还包括数据处理，具体为：在步骤1)中，将根据实验所得的固有频率数据，去除处于初始稳定扩展区时的数据。4.根据权利要求2所述的一种曲轴加速疲劳试验方法，其特征在于，所述步骤一中，拟合误差最小原则为：引入均方根RMSE和确定系数R
‑
square对实验数据拟合的优劣程度进行评判：square对实验数据拟合的优劣程度进行评判：式中，y
i
代表第i个真实值，为原始真实数据平均值，为模型预测值，m为原始数据点数量；RMSE的值越小，模型的性能越好，拟合效果越好；R
‑
square的取值范围为[0,1]，R
‑
square越接近于1，说明拟合出来的效果越好，越靠近于0，说明拟合结果偏差越大。5.根据权利要求1所述的一种曲轴加速疲劳试验方法，其特征在于，所述步骤一中，所述步骤二的具体步骤如下：1)对于离散时间由具有高斯白噪声W(k)的随机变量和具有高斯白噪声V(k)的观测变量Z构成的非线性系统可以描述为：
式中，f是非线性状态方程函数，c是...

【专利技术属性】
技术研发人员：龚小林，陈娴，孙嵩松，
申请(专利权)人：南京林业大学，
类型：发明
国别省市：