【技术实现步骤摘要】
本专利技术涉及航空发动机寿命计算，尤其是涉及一种发动机叶片及轮盘寿命计算方法和系统。
技术介绍
1、航空发动机和燃气轮机结构复杂精密、运行条件非常恶劣、稳定要求极高。作为设计寿命最短的核心部件，叶片和轮盘，尤其是涡轮叶片和轮盘，其稳定运行和精准维护日益成为人们关注的焦点。长期以来，寿命分析主要是强度部门的工作内容，其分析的起点往往是上游气动部门提供的输出，不一定能体现出部件工作的实际负载状况。另一方面，业内习惯按照工作温度将航发和燃机部件分为热端部件和冷端部件，并相应地采取蠕变计数器和低循环计数器作为衡量使用寿命的标准。
2、因此，在航空发动机寿命预测研究中需要提出一种系统、全面的方法来提高航空发动机寿命预测精度，从而为航空发动机的设计改性及维护保养提供指导；同时也需要一种能够实时计算的系统，方便机上人员实时获取发动机寿命状态。
3、在现有技术中专利cn 111080838 a《一种机载发动机健康管理系统及方法》，其解决传统的航空发动机维护方法中存在的耗时、成本高及无法对发动机工况状态进行监控的问题，为工程师排故和故障预测提供大量可分析数据，验证并逐步完善异常检测、故障诊断、趋势分析、寿命管理和维修建议算法。与其相比，本专利专注于发动机本身基于材料特性及运行工况的寿命计算。
4、在现有技术中专利cn 115062401 a《基于机载寿命管理系统的应力计算方法和寿命预测方法》，在极短的时间内对航空发动机零件在飞行各个时刻的应力进行计算，从而使零件寿命损伤的计算在时间上能够满足航空发动机寿命管理系
5、在现有技术中专利cn 113111572 b《航空发动机剩余寿命预测方法及系统》，利用相空间重构算法对航空发动机运行过程时间序列数据进行相空间重构，并将重构后的时间序列数据分为训练数据和待检测数据，然后利用训练数据训练支持向量回归模型，并采用具有k种邻域结构的改进的变邻域搜索算法对支持向量回归模型的参数进行协同优化，最终基于待检测数据和优化后的支持向量回归模型对航空发动机剩余寿命进行预测。其缺点在于，直接利用算法进行寿命预测，运算数据多且耗时长，对硬件算力要求高，且没有考虑发动机本身材料等特性。
技术实现思路
1、本专利技术目的是：提供一种发动机叶片及轮盘寿命计算方法和系统，利用神经网络算法得到时间序列数据与温度场、应力场的映射模型，降低寿命计算中对仿真的要求，避免系统中进行大量运算，从而降低硬件算力要求；同时利用精度较高的寿命机理模型，实时计算航空发动机消耗寿命，得到剩余寿命值，并且基于3σ准则，计算航空发动机剩余寿命的概率分布。
2、本专利技术的技术方案是：一种发动机叶片及轮盘寿命计算方法，包括以下步骤：
3、步骤s1：获取航空发动机运行过程的历史时间序列数据；
4、步骤s2：获取航空发动机的材料及结构参数；
5、步骤s3：对步骤s1获取的历史时间序列数据进行预处理，去除无效值后，进行统计分析并得到各类工况信息；
6、步骤s4：根据步骤s3得到的工况信息，并结合步骤s2获取的材料及结构参数，进行cfd、fea仿真计算，得到不同工况下的温度场、应力场、以及疲劳、蠕变寿命数据；
7、步骤s5：运用神经网络算法，将步骤s1获取的历史时间序列数据与步骤s4得到的温度场、应力场数据进行映射对应，并得到实时的映射模型；
8、步骤s6：根据步骤s4中得到的寿命数据，对基于融合蠕变及疲劳的机理模型参数进行调整，得到寿命机理模型；
9、步骤s7：获取实时时间序列数据，利用步骤s5得到的映射模型得到实时温度场、应力场数据，并结合步骤s6得到的寿命机理模型对航空发动机的消耗寿命进行计算，得到剩余寿命值；
10、步骤s8：基于3σ准则，计算航空发动机剩余寿命的概率分布。
11、作为优选的技术方案，在步骤s1中，所述历史时间序列数据包括发动机运行过程中的转速、温度和大气压力。
12、作为优选的技术方案，在步骤s2中，所述航空发动机的材料及结构参数包括材料成分、s-n曲线、屈服强度、杨氏模量、蠕变性能曲线。
13、作为优选的技术方案，在步骤s3中，对航空发动机运行过程的历史时间序列数据进行预处理，该预处理包括标准化处理和统计分布处理。
14、作为优选的技术方案，在步骤s5中，通过神经网络算法得到映射模型之前，运用pca降维算法、或发动机机理模型对输入数据进行预筛选。
15、作为优选的技术方案，在步骤s5中，运用神经网络算法进行模型映射，并构建一个隐层神经网络，其具体方法如下：
16、步骤s51：创建一个隐藏层，激活relu函数；
17、步骤s52：创建一个输出层；
18、步骤s53：采用均方误差作为损失函数，训练网络，得到映射模型。
19、一种发动机叶片及轮盘寿命计算系统，包括数据获取模块、寿命计算模块、以及结果输出模块；
20、所述数据获取模块，用于获取航空发动机运行过程的历史时间序列数据和航空发动机的材料及结构参数；
21、所述寿命计算模块，利用映射模型和寿命机理模型对航空发动机消耗寿命进行计算，得到剩余寿命值；然后基于3σ准则，计算航空发动机剩余寿命的概率分布；
22、所述结果输出模块，用于输出航空发动机剩余寿命的概率分布数据。
23、本专利技术的优点是：
24、1、本专利技术利用cfd、fea仿真后，得到不同工况下的温度场、应力场数据，再利用神经网络算法得到基于实时数据的温度场、应力场映射模型，然后代入寿命机理模型之中，将寿命机理模型和大数据的方法有效融合，从而实现了基于航空发动机运行数据对航空发动机剩余寿命进行精准预测的目的。
25、2、本专利技术利用神经网络算法只映射出温度场、应力场数据，而不直接预测寿命，利用基于寿命机理模型的实际物理意义，有效避免神经网络训练过程中所需的训练数据特征不足的困扰。
26、3、本专利技术考虑了航空发动机的材料及运行数据的概率分布，给出了对应的概率寿命。
本文档来自技高网...【技术保护点】
1.一种发动机叶片及轮盘寿命计算方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的发动机叶片及轮盘寿命计算方法，其特征在于，在步骤S1中，所述历史时间序列数据包括发动机运行过程中的转速、温度和大气压力。
3.根据权利要求1所述的发动机叶片及轮盘寿命计算方法，其特征在于，在步骤S2中，所述航空发动机的材料及结构参数包括材料成分、S-N曲线、屈服强度、杨氏模量、蠕变性能曲线。
4.根据权利要求1所述的发动机叶片及轮盘寿命计算方法，其特征在于，在步骤S3中，对航空发动机运行过程的历史时间序列数据进行预处理，该预处理包括标准化处理和统计分布处理。
5.根据权利要求1所述的发动机叶片及轮盘寿命计算方法，其特征在于，在步骤S5中，通过神经网络算法得到映射模型之前，运用PCA降维算法、或发动机机理模型对输入数据进行预筛选。
6.根据权利要求1所述的发动机叶片及轮盘寿命计算方法，其特征在于，在步骤S5中，运用神经网络算法进行模型映射，并构建一个隐层神经网络，其具体方法如下：
7.一种发动机叶片及轮盘寿命计算系统，其特
...【技术特征摘要】
1.一种发动机叶片及轮盘寿命计算方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的发动机叶片及轮盘寿命计算方法，其特征在于，在步骤s1中，所述历史时间序列数据包括发动机运行过程中的转速、温度和大气压力。
3.根据权利要求1所述的发动机叶片及轮盘寿命计算方法，其特征在于，在步骤s2中，所述航空发动机的材料及结构参数包括材料成分、s-n曲线、屈服强度、杨氏模量、蠕变性能曲线。
4.根据权利要求1所述的发动机叶片及轮盘寿命计算方法，其特征在于，在步骤s3中，对航空发动机运行过程的历史...
【专利技术属性】
技术研发人员：陈滢，邵诚卓，赵鹏飞，占双剑，
申请(专利权)人：苏州先机动力科技有限公司，
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。