一种基于神经网络的航空发动机关键件应力预测方法技术

本发明专利技术公开一种基于神经网络的航空发动机关键件应力预测方法，所述方法包括如下步骤：首先获得航空发动机循环参数数据，基于现有的航空发动机应力分析流程，根据航空发动机关键件的载荷谱，计算关键件的有限元应力并用作标签；其次初始化多层感知机神经网络模型，确定隐藏层层数和隐藏单元数，采用均方差损失函数便于使用梯度下降算法，利用80％的循环参数作为训练集数据对模型进行训练直至满足停止准则；最后利用20％的循环参数作为测试集数据验证模型的准确性与泛化能力。本方法所建立的模型可实现对航空发动机关键件应力的实时预测，具有着高精度和高计算速率的优点。具有着高精度和高计算速率的优点。具有着高精度和高计算速率的优点。

【技术实现步骤摘要】
一种基于神经网络的航空发动机关键件应力预测方法


[0001]本专利技术涉及一种基于神经网络的航空发动机关键件应力预测方法，属于计算机仿真


技术介绍

[0002]航空发动机是一种非常复杂的气动热力旋转机械，其拥有的零部件众多，且很多零部件工作在高温、高压、高转速、强振动和复杂多变的环境条件下，承受着高负荷和热冲击，工作环境异常严酷，因而很容易发生故障，且具有故障模式多、多模式复合失效等显著特点。随着近年来航空发动机性能要求的不断提高，航空发动机的推重比、压气机增压比和涡轮前温度进一步提高，一些关键零部件的工作环境更加恶劣，严重制约了航空发动机的性能与安全。目前针对航空发动机关键零部件的分析方法主要为：根据循环参数，应用有限元法，经过多轮的迭代计算，获得零部件的应力，根据关键部位的应力预测其寿命。此方法消耗大量的时间和人工成本，无法满足和航空发动机寿命管理的实时性要求。因此，需要建立一种可以进行快速预测应力的方法，为航空发动机的关键零部件寿命分析提供有效的方法，进一步为航空发动机的寿命管理提供支撑。
专利技术内容
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的航空发动机关键件应力预测方法，其特征在于，包括如下步骤：步骤S1：获取航空发动机循环参数数据集，并按照一定比例划分训练集与测试集；步骤S2：通过航空发动机循环参数数据集，对航空发动机进行热力计算，计算关键件有限元模型的应力数据集，并将应力数据集作为多层感知机神经网络模型的输出标签；步骤S3：搭建多层感知机神经网络模型，确定多层感知机神经网络模型的隐藏层层数及隐藏层神经元的个数，采用判定系数和均方根误差作为多层感知机神经网络模型的性能评价指标；步骤S4：对训练集与测试集进行归一化处理，训练多层感知机神经网络模型，用测试集验证训练好的多层感知机神经网络模型的准确性与泛化能力。2.根据权利要求1所述的一种基于神经网络的航空发动机关键件应力预测方法，其特征在于，步骤S1中：所述航空发动机循环参数数据集包括飞行高度、飞行马赫数、油门杆角度、风扇进口总温T2、低压压气机出口温度T
24
、高压压气机出口温度T
30
、低压涡轮出口温度T
50
、高压压气机出口压力P
30
、风扇物理转速N
f
、核心机物理转速N
c
、高压压气机出口静压P
s30
、风扇换算N
Rf
、核心机换算N
Rc
、涵道比BPR、高压涡轮冷却引气流量W
31
、低压涡轮冷却引气流量W
32
参数，并将80％的航空发动机循环参数数据集划分为训练集，剩余20％为测试集。3.根据权利要求2所述的一种基于神经网络的航空发动机关键件应力预测方法，其特征在于，步骤S2中：依据给定的航空发动机关键件的几何参数建立航空发动机关键件有限元模型，编写参数化建模APDL语言对不同状态下的航空发动机关键件进行有限元仿真计算，获得航空发动机关键件的关键部位的应力数据集，将应力数据集作为多层感知机神经网络模型的输出标签。4.根据权利要求3所述的一种基于神经网络的航空发动机关键件应力预测方法，其特征在于：将航空发动机循环参数数据集输入至多层感知机神经网络模型，以应力数据集作为多层感知机神经网络模型的输出标签，对多层感知机神经网络模型进行训练及测试。5.根据权利要求1所述的一种基于神经网络的航空发动机关键件应力预测方法，其特征在于，所述步骤S3具体包括：所搭建的多层感知机神经网络模型选用单隐藏...

【专利技术属性】
技术研发人员：沈岩松，周浩，吴志荣，方磊，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：