本公开是关于一种涡轮盘可靠性局部灵敏度分析方法，涉及计算机技术领域，该方法包括：确定涡轮盘结构的输入变量与功能函数，并分别构建备选样本池与初始训练集；根据初始训练集构建区间输入变量与随机输入变量各自对应的初始代理模型，在备选样本池中训练各初始代理模型，得到处于收敛状态的代理模型；采用收敛的代理模型确定输入变量的极小值功能函数的中心矩，基于中心矩计算涡轮盘结构的可靠度指标；根据可靠度指标和极小值功能函数的中心矩确定涡轮盘结构的失效概率上界，以基于失效概率上界确定混合可靠性局部灵敏度指标。本公开克服了混合可靠性局部灵敏度分析方案中数字模拟法备选样本池容量庞大的缺陷，弥补了矩估计计算代价大的不足。
【技术实现步骤摘要】
所属的技术人员能够理解，本专利技术的各个方面可以实现为系统、方法或程序产品。因此，本专利技术的各个方面可以具体实现为以下形式，即：完全的硬件实施例、完全的软件实施例(包括固件、微代码等)，或硬件和软件方面结合的实施例，这里可以统称为“电路”、“模块”或“系统”。下面参考图9来描述根据本公开的这种实施例的电子设备900。图9显示的电子设备900仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。如图9所示，电子设备900以通用计算设备的形式表现。电子设备900的组件可以包括但不限于：上述至少一个处理单元910、上述至少一个存储单元920、连接不同系统组件(包括存储单元920和处理单元910)的总线930、显示单元940。其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元910执行，使得所述处理单元910执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施例的步骤。存储单元920可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)921和/或高速缓存存储单元922，还可以进一步包括只读存储单元(rom)923。存储单元920可以包括具有一组(至少一个)程序模块925的程序/实用工具924，这样的程序模块925包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。总线930可以表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。电子设备900也可以与一个或多个外部设备970(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备900交互的设备通信，和/或与使得该电子设备900能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口950进行。并且，电子设备900还可以通过网络适配器960与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器960通过总线930与电子设备900的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备900使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本专利技术的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本专利技术各种示例性实施例的步骤。参考图10所示，描述了根据本专利技术的实施例的用于实现上述方法的程序产品1000，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本专利技术的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本专利技术操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。此外，上述附图仅是根据本专利技术示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。本领域技术人员在考虑说明书及实践这里公开的专利技术后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。
技术介绍
1、涡轮盘结构对于发动机的安全服役至关重要，然而，其所处载荷环境严酷、运行工况复杂，因忽略其几何尺寸、材料特性、外载荷等输入的不确定性而引起的失效事件时有发生。因此，开展不确定性因素作用下涡轮盘结构的可靠性分析和优化设计十分必要。
2、传统的概率模型可以用来处理随机不确定性下的结构可靠性问题，然而该模型需要大量的样本数据来量化随机输入的其统计规律，由于受时间和经济成本的限制，很难获取足够的样本来准确量化结构的各个不确定性输入。对于那些只知道其取值上下界而缺乏足够样本数据的结构输入，则适合采用区间模型描述其不确定性取值规律。一般的涡轮盘结构常同时含有随机与区间混合不确定性，开展随机-区间混合不确定性下涡轮盘结构的可靠性局部灵敏度分析对于驱动其可靠性优化本文档来自技高网...
【技术保护点】
1.一种矩估计结合代理模型的涡轮盘可靠性局部灵敏度分析方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述确定涡轮盘结构的输入变量与所述涡轮盘结构的功能函数，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述输入变量的分布信息和所述功能函数，分别构建备选样本池与初始训练集，包括：
4.根据权利要求1或3所述的方法，其特征在于，所述代理模型包括内层代理模型与外层代理模型，所述初始训练集包括内层代理模型的初始训练集与外层代理模型的初始训练集；
5.根据权利要求4所述的方法，其特征在于，所述对所述内层初始代理模型进行模型更新操作，直至所述内层代理模型满足内层模型收敛准则，得到处于收敛状态的所述内层代理模型，包括：
6.根据权利要求4所述的方法，其特征在于，所述对所述外层初始代理模型进行模型更新操作，直至所述外层代理模型满足外层模型收敛准则，得到处于收敛状态的所述外层代理模型，包括：
7.根据权利要求6所述的方法，其特征在于，所述如果所述外层模型状态为未收敛状态，则对所述外层初始代理模型进行模型更新操作，包括：
8.根据权利要求1所述的方法，其特征在于，所述代理模型包括内层和外层代理模型，所述基于所述极小值功能函数的中心矩计算所述涡轮盘结构的可靠度指标，包括：
9.根据权利要求1所述的方法，其特征在于，所述根据所述可靠度指标和所述极小值功能函数的中心矩计算所述涡轮盘结构的失效概率上界，包括：
10.根据权利要求1所述的方法，其特征在于，所述基于所述失效概率上界确定混合可靠性局部灵敏度指标，包括：
...
【技术特征摘要】
1.一种矩估计结合代理模型的涡轮盘可靠性局部灵敏度分析方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述确定涡轮盘结构的输入变量与所述涡轮盘结构的功能函数，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述输入变量的分布信息和所述功能函数，分别构建备选样本池与初始训练集，包括：
4.根据权利要求1或3所述的方法，其特征在于，所述代理模型包括内层代理模型与外层代理模型，所述初始训练集包括内层代理模型的初始训练集与外层代理模型的初始训练集；
5.根据权利要求4所述的方法，其特征在于，所述对所述内层初始代理模型进行模型更新操作，直至所述内层代理模型满足内层模型收敛准则，得到处于收敛状态的所述内层代理模型，包括：
6.根据权利要求...
【专利技术属性】
技术研发人员：闫宇华，吕震宙，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。