CN102706757B - 多轴疲劳分析方法及其应用 - Google Patents

Abstract

本发明涉及固体材料的疲劳强度特性测试领域，公开了一种多轴疲劳分析方法及其系统。更加有效合理地确定疲劳损伤的主轴向及其载荷，以快速处理多轴疲劳寿命计算过程。本发明中，包括以下步骤：读取预先获取的N组载荷数据组；对N组载荷数据组进行相关性分析；若分析结果大于预定门限，则先对N组载荷数据组进行等效单轴载荷数据处理，再对该处理结果按照单轴疲劳寿命计算或安全系数算法进行疲劳分析，获取损伤或寿命；若分析结果不大于预定门限，则对N组载荷数据组先进行多轴雨流统计处理，再按照多轴寿命算法或疲劳安全系数算法，获取损伤或寿命。

Description

多轴疲劳分析方法及其应用

技术领域

本发明涉及固体材料的疲劳强度特性测试领域，特别涉及一种多轴疲劳分析技术。

背景技术

多轴(含双轴，以下统称为多轴)疲劳是指多轴向应力或应变作用下的疲劳，也称为复合疲劳。多轴疲劳损伤发生在多轴循环加载条件下，加载过程中有两个或三个应力(或应变)分量独立地随时间发生周期性变化。这些应力(应变)分量的变化可以是同相位的，按比例的，也可以是非同相、非比例的。通常情况下，将多轴疲劳的问题等效为单轴疲劳问题来处理，这样的计算结果偏于保守，同时，等效为单轴的方法没有考虑到疲劳失效的裂纹的方向性，这种处理方法忽略了疲劳失效的内在机理，从而不够准确。

多轴疲劳可以分为比例加载和非比例加载。至今多轴疲劳的寿命计算方法很多，在这些多轴疲劳算法中，至少需要两个方向的载荷(幅值、均值)作为寿命计算的输入条件，如何有效地从复杂的载荷时间历程中获得用于寿命计算的载荷循环计数是影响疲劳分析效果的关键。现有的雨流计数法技术能够处理一组载荷数据的循环计数。不能在雨流循环计数之前进行比例载荷和非比例载荷的判断，无法有效地处理2组载荷变量之间的协同雨流循环计数。

发明内容

本发明的目的在于提供一种多轴疲劳分析方法及其系统，更加有效地确定疲劳损伤的主轴向，更加合理地确定疲劳损伤的载荷，更加快速地处理比例多轴的疲劳寿命计算过程。

为解决上述技术问题，本发明的实施方式公开了一种多轴疲劳分析方法，包括以下步骤：

读取预先获取的N组载荷数据组，N为大于1的正整数，每组载荷数据组由对应地表征载荷历程的有序数据值组成；

对N组载荷数据组进行相关性分析；

若分析结果大于预定门限，则先对N组载荷数据组进行等效单轴载荷数据处理，再对该处理结果按照单轴疲劳寿命计算或安全系数算法进行疲劳分析，获取损伤或寿命；

若分析结果不大于预定门限，则对N组载荷数据组先进行本发明所提出的多轴雨流统计处理，再按照多轴寿命算法或疲劳安全系数算法进行疲劳分析，获取损伤或寿命。

本发明的实施方式还公开了一种多轴疲劳分析系统，包括以下模块：

读取模块，用于读取预先获取的N组载荷数据组，N为大于1的正整数，每组载荷数据组由对应地表征载荷历程的有序数据值组成；

分析模块，用于对读取模块读取的N组载荷数据组进行相关性分析；

第一处理模块，用于若分析模块分析出的分析结果大于预定门限，则先对N组载荷数据组进行等效单轴载荷数据处理，再对该处理结果按照单轴疲劳寿命计算或安全系数算法进行疲劳分析，获取损伤或寿命；

第二处理模块，用于若分析模块分析出的分析结果不大于预定门限，则对N组载荷数据组先进行多轴雨流统计处理，再按照多轴寿命算法或疲劳安全系数算法进行疲劳分析，获取损伤或寿命。

本发明实施方式与现有技术相比，主要区别及其效果在于：

先于疲劳分析进行数据分析，可以有效合理地确定疲劳损伤的主轴向及其载荷，从而加快相关性分析结果大于预定门限的比例多轴数据组的疲劳寿命计算过程。

将数据分析的技术应用在确定疲劳计算的载荷处理上，更加有效地确定疲劳损伤的主轴向，更加合理地确定疲劳损伤的载荷，更加快速地处理比例多轴的疲劳寿命计算过程。

进一步地，通过比较方差大小确定主轴载荷数据组和副轴载荷数据组，以便按照多轴寿命算法或疲劳安全系数算法，从而获取损伤或寿命。

进一步地，在载荷数据相关性分析之前，先进行主轴载荷数据组的参数计算，为比例载荷数据组进行等效单轴载荷数据处理和为非比例载荷数据组进行多轴寿命算法或疲劳安全系数算法提供必要前提条件。

进一步地，在主轴载荷数据组的参数计算之后，再进行副轴载荷数据组的参数计算，为非比例载荷数据组进行多轴寿命算法或疲劳安全系数算法提供必要前提条件，进一步加快了疲劳分析速度。

进一步地，通过等效单轴处理方法，使得比例多轴载荷数据组可以按照单轴载荷数据处理，从而进一步减少计算量和增加准确性。

附图说明

图1是本发明第一实施方式中一种多轴疲劳分析方法的流程示意图；

图2是本发明第二实施方式中一种多轴疲劳分析方法的载荷数据组示意图；

图3是本发明第二实施方式中一种多轴疲劳分析方法的流程示意图；

图4是本发明第三实施方式中一种多轴疲劳分析系统的结构示意图；

图5是本发明第四实施方式中一种多轴疲劳分析系统的结构示意图。

具体实施方式

在以下的叙述中，为了使读者更好地理解本申请而提出了许多技术细节。但是，本领域的普通技术人员可以理解，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请各权利要求所要求保护的技术方案。

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施方式作进一步地详细描述。

本发明第一实施方式涉及一种多轴疲劳分析方法。图1是该多轴疲劳分析方法的流程示意图。该多轴疲劳分析方法包括以下步骤：

读取预先获取的N组载荷数据组，N为大于1的正整数，每组载荷数据组由对应地表征载荷历程的有序数据值组成。

对N组载荷数据组进行相关性分析。

若分析结果大于预定门限，则先对N组载荷数据组进行等效单轴载荷数据处理，再对该处理结果按照单轴疲劳寿命计算或安全系数算法进行疲劳分析，获取损伤或寿命。

若分析结果不大于预定门限，则对N组载荷数据组先进行多轴雨流统计处理，再按照多轴寿命算法或疲劳安全系数算法进行疲劳分析，获取损伤或寿命。

先于疲劳分析进行数据分析，可以有效合理地确定疲劳损伤的主轴向及其载荷，从而加快相关性分析结果大于预定门限的比例多轴数据组的疲劳寿命计算过程。

将数据分析的技术应用在确定疲劳计算的载荷处理上，更加有效地确定疲劳损伤的主轴向，更加合理地确定疲劳损伤的载荷，更加快速地处理比例多轴的疲劳寿命计算过程。

作为本发明的一个优选实施例，如图1所示，该多轴疲劳分析方法包括以下步骤：

在步骤101中，读取预先获取的N组载荷数据组，N为大于1的正整数，每组载荷数据组由对应地表征载荷历程的有序数据值组成。

此后进入步骤102，对N组载荷数据组进行相关性分析。

此后进入步骤103，判断上述相关性分析结果是否大于预定门限。

若大于，则进入步骤104；否则进入步骤106。

在步骤104中，若分析结果大于预定门限，则对N组载荷数据组进行等效单轴载荷数据处理。

此后进入步骤105，对等效单轴载荷数据处理按照单轴疲劳寿命计算或安全系数算法进行疲劳分析，获取损伤或寿命，此后结束本流程。

在步骤106中，若分析结果不大于预定门限，则对N组载荷数据组先进行多轴雨流统计处理。

此后进入步骤107，按照多轴寿命算法或疲劳安全系数算法进行疲劳分析，获取损伤或寿命，此后结束本流程。

本发明第二实施方式涉及一种多轴疲劳分析方法。图3是该多轴疲劳分析方法的流程示意图。

第二实施方式在第一实施方式的基础上进行了改进，主要改进之处在于：通过比较方差大小确定主轴载荷数据组和副轴载荷数据组，以便按照多轴寿命算法或疲劳安全系数算法，从而获取损伤或寿命。在载荷数据相关性分析之前，先进行主轴载荷数据组的参数计算，为比例载荷数据组进行等效单轴载荷数据处理和为非比例载荷数据组进行多轴寿命算法或疲劳安全系数算法提供必要前提条件。在主轴载荷数据组的参数计算之后，再进行副轴载荷数据组的参数计算，为非比例载荷数据组进行多轴寿命算法或疲劳安全系数算法提供必要前提条件，进一步加快了疲劳分析速度。通过等效单轴处理方法，使得比例多轴载荷数据组可以按照单轴载荷数据处理，从而进一步减少计算量和增加准确性。具体地说：

在对N组载荷数据组进行相关性分析的步骤之前，还包括以下步骤：

统计并计算N组载荷数据组中每组载荷数据的平均值及方差。

确定方差最大的载荷数据组作为主轴载荷数据组，对于非主轴载荷数据组的其他载荷数据组，确定为副轴载荷数据组。

此外，可以理解，作为本发明的一个优选实施方式，现以两组载荷数据组为例来阐述对N组载荷数据组进行相关性分析的步骤之前，统计并计算N组载荷数据组中每组载荷数据的平均值及方差的过程：

1)至少需要准备2组载荷数据(载荷历程，点数相同)。

2)记录每个载荷数据值及其在原始2组载荷数据组中的顺序号。

具体方法如下：

1)首先读入2组载荷数据，在此分别记为是S1(ID)和S2(ID)，假定每组有n个数据，其中，ID表示在对应载荷数据组中的载荷数据值的序号，如图2所示。

2)采用数理统计的方法，分别计算2组载荷数据的平均值E(S1)，E(S2)和方差D(S1)，D(S2)，如下所述：

$E\left(S1\right)=\frac{S1\left(1\right)+S1\left(2\right)+...+S1\left(D\right)}{n};$

$E\left(S2\right)=\frac{S2\left(1\right)+S2\left(2\right)+...+S2\left(D\right)}{n};$

$D\left(S1\right)=\frac{{\mathrm{\Σ}}_{i=1}^n{(S1\left(i\right)-E\left(S1\right))}^2}{n};$

$D\left(S2\right)=\frac{{\mathrm{\Σ}}_{i=1}^n{(S2\left(i\right)-E\left(S2\right))}^2}{n}.$

在对N组载荷数据组进行相关性分析的步骤之前，还包括以下步骤：

统计主轴载荷数据组中的循环数Cycle；

记录主轴载荷数据组中的每个循环的最大载荷数据(Szmax(Cycle)，ID1)和最小载荷数据(Szmin(Cycle)，ID2)，其中ID1和ID2分别为主轴载荷数据组中每个循环所对应的最大载荷数据值Szmax(Cycle)和Szmin(Cycle)在N组载荷数据组中的序号；

计算主轴载荷数据组中的每个循环的幅值：

$\frac{\mathrm{\ΔSz}\left(\mathrm{Cycle}\right)}{2}=\frac{\mathrm{Sz}\max \left(\mathrm{Cycle}\right)-\mathrm{Sz}\min \left(\mathrm{Cycle}\right)}{2};$

计算主轴载荷数据组中的每个循环的均值：

$\stackrel{\‾}{\mathrm{Sz}\left(\mathrm{Cycle}\right)}=\frac{\mathrm{Sz}\max \left(\mathrm{Cycle}\right)+\mathrm{Sz}\min \left(\mathrm{Cycle}\right)}{2}.$

此外，可以理解，统计主轴载荷数据组中的循环数Cycle可以使用雨流计数法进行计算。

在对N组载荷数据组按照多轴寿命算法或疲劳安全系数算法的步骤之前，还包括以下多轴雨流统计处理的步骤：

在副轴载荷数据组中，根据主轴载荷数据组中的每个循环所对应的最大载荷数据值Szmax(Cycle)和Szmin(Cycle)在N组载荷数据组中的序号ID1和ID2，查找并记录序号ID1和ID2所对应的每个循环的最大载荷数据(Sfmax(Cycle)，ID1f)和最小载荷数据(Sfmin(Cycle)，ID2f)，其中Sfmax(Cycle)和Sfmin(Cycle)分别为副轴载荷数据组中每个循环所对应的最大载荷数据值和最小载荷数据值，其中，ID1f和ID2f的确定方式为：序号ID1和ID2对应的副轴载荷按照大小比对之后，较小的载荷对应的序号是ID2f，较大的一个对应序号是ID1f。

计算副轴载荷数据组中的每个循环的幅值：

$\frac{\mathrm{\ΔSf}\left(\mathrm{Cycle}\right)}{2}=\frac{\mathrm{Sf}\max \left(\mathrm{Cycle}\right)-\mathrm{Sf}\min \left(\mathrm{Cycle}\right)}{2};$

计算副轴载荷数据组的每个循环的均值：

$\stackrel{\‾}{\mathrm{Sf}\left(\mathrm{Cycle}\right)}=\frac{\mathrm{Sf}\max \left(\mathrm{Cycle}\right)+\mathrm{Sf}\min \left(\mathrm{Cycle}\right)}{2}.$

在对N组载荷数据组先进行多轴雨流统计处理，再按照多轴寿命算法或疲劳安全系数算法的步骤中，副轴数据组中的循环数Cycle、每个循环的最大载荷数据值Sfmax(Cycle)和最小载荷数据值Sfmin(Cycle)、幅值及其均值和主轴数据组中的循环数Cycle、每个循环的最大载荷数据值Szmax(Cycle)和最小载荷数据值Szmin(Cycle)、幅值及其均值作为多轴寿命算法或疲劳安全系数算法的输入参数。

对N组载荷数据组进行等效单轴载荷数据处理的步骤，还包括以下子步骤：

计算等效载荷幅值： $\frac{\mathrm{\ΔSe}\left(\mathrm{Cycle}\right)}{2}=\sqrt{1-\sqrt{D\left(\mathrm{Sz}\right)/D\left(\mathrm{Sf}\right)}+{\sqrt{D\left(\mathrm{Sz}\right)/D\left(\mathrm{Sf}\right)}}^2}\·\frac{\mathrm{\ΔSz}\left(\mathrm{Cycle}\right)}{2};$

计算等效载荷均值： $\stackrel{\‾}{\mathrm{Se}\left(\mathrm{Cycle}\right)}=(1+E\left(\mathrm{Sz}\right)/E\left(\mathrm{Sf}\right))\·\stackrel{\‾}{\mathrm{Sz}\left(\mathrm{Cycle}\right)};$

等效载荷幅值和等效载荷均值作为等效单轴载荷数据处理的处理结果，其中D(Sz)和D(Sf)分别为主轴载荷数据组中每组载荷数据的方差和副轴载荷数据组中每组载荷数据的方差，E(Sz)和E(Sf)为主轴载荷数据组中每组载荷数据的平均值和副轴载荷数据组中每组载荷数据的平均值。

作为本发明的一个优选实施例，如图3所示，该多轴疲劳分析方法包括以下步骤：

在步骤301中，读入2组载荷数据，在此分别记为是S1(ID)和S2(ID)，假定每组载荷数据有n个载荷数据。

此后进入步骤302，采用数理统计的方法，分别计算2组载荷数据的平均值E(S1)，E(S2)和方差D(S1)，D(S2)。

此后进入步骤303，利用上述方法确定主轴载荷数据组Sz(ID)，副轴载荷数据组Sf(ID)，主轴载荷数据组平均值E(Sz)，副轴载荷数据组平均值E(Sf)，主轴载荷数据组方差D(Sz)，副轴载荷数据组方差D(Sf)。

此后进入步骤304，对主轴载荷数据组使用雨流计数法确定(Cycle，Szmin(Cycle)，Szmax(Cycle)，主轴循环幅值主轴循环均值

)。

此后进入步骤305，进行相关性分析，计算2组载荷数据的相关度：

${\mathrm{\γ}}_{S1S2}=\frac{{\mathrm{\Σ}}_{i=0}^n(S1\left(i\right)-E\left(S1\right))(S2\left(i\right)-E\left(S2\right))}{\sqrt{{\mathrm{\Σ}}_{i=0}^n{(S1\left(i\right)-E\left(S1\right))}^2}\·\sqrt{{\mathrm{\Σ}}_{i=0}^n{(S2\left(i\right)-E\left(S2\right))}^2}}.$

此后进入步骤306，判断相关度即分析结果是否大于预定门限0.8。

在本发明的其他某些实施例中，预定门限的取值范围可以为0.8至1.0之间。

若大于，则进入步骤310；否则进入步骤307。

如果|Y_S1S2|≥0.8，则确定为比例载荷；否则，确定为非比例载荷。

在步骤307中，确定：

(Cycle，Sfmax(Cycle)，Sfmin(Cycle)，Szmin(Cycle)，Szmax(Cycle))。

此后进入步骤308，使用上述方法计算确定：

(Cycle，Szmin(Cycle)，Szmax(Cycle)，主轴循环幅值主轴循环均值

Sfmin(Cycle)，Sfmax(Cycle)，副轴循环幅值

副轴循环均值

)。

此后进入步骤309，进行多轴寿命算法或疲劳安全系数算法进行疲劳分析以获取损伤或寿命，此后结束本流程。

在步骤310中，计算确定等效载荷幅值和均值。

此后进入步骤311，使用等效载荷幅值和均值进行单轴疲劳寿命计算或安全系数算法进行疲劳分析，以获取损伤或寿命，此后结束本流程。

本发明的各方法实施方式均可以以软件、硬件、固件等方式实现。不管本发明是以软件、硬件、还是固件方式实现，指令代码都可以存储在任何类型的计算机可访问的存储器中(例如永久的或者可修改的，易失性的或者非易失性的，固态的或者非固态的，固定的或者可更换的介质等等)。同样，存储器可以例如是可编程阵列逻辑(Prog rammable Array Logic，简称“PAL”)、随机存取存储器(Random Access Memory，简称“RAM”)、可编程只读存储器(Programmable Read Only Memory，简称“PROM”)、只读存储器(Read-Only Memory，简称“ROM”)、电可擦除可编程只读存储器(Electrically Erasable Programmable ROM，简称“EEPROM”)、磁盘、光盘、数字通用光盘(Digital Versatile Disc，简称“DVD”)等等。

本发明第三实施方式涉及一种多轴疲劳分析系统。图4是该多轴疲劳分析系统的结构示意图。该多轴疲劳分析系统包括以下模块：

读取模块，用于读取预先获取的N组载荷数据组，N为大于1的正整数，每组载荷数据组由对应地表征载荷历程的有序数据值组成。

分析模块，用于对读取模块读取的N组载荷数据组进行相关性分析。

第一处理模块，用于若分析模块分析出的分析结果大于预定门限，则先对N组载荷数据组进行等效单轴载荷数据处理，再对该处理结果按照单轴疲劳寿命计算或安全系数算法进行疲劳分析，获取损伤或寿命。

第二处理模块，用于若分析模块分析出的分析结果不大于预定门限，则对N组载荷数据组先进行多轴雨流统计处理，再按照多轴寿命算法或疲劳安全系数算法进行疲劳分析，获取损伤或寿命。

先于疲劳分析进行数据分析，可以有效合理地确定疲劳损伤的主轴向及其载荷，从而加快相关性分析结果大于预定门限的比例多轴数据组的疲劳寿命计算过程。

将数据分析的技术应用在确定疲劳计算的载荷处理上，更加有效地确定疲劳损伤的主轴向，更加合理地确定疲劳损伤的载荷，更加快速地处理比例多轴的疲劳寿命计算过程。

第一实施方式是与本实施方式相对应的方法实施方式，本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第一实施方式中。

本发明第四实施方式涉及一种多轴疲劳分析系统。图5是该多轴疲劳分析系统的结构示意图。

第四实施方式在第三实施方式的基础上进行了改进，主要改进之处在于：通过比较方差大小确定主轴载荷数据组和副轴载荷数据组，以便按照多轴寿命算法或疲劳安全系数算法，从而获取损伤或寿命。在载荷数据相关性分析之前，先进行主轴载荷数据组的参数计算，为比例载荷数据组进行等效单轴载荷数据处理和为非比例载荷数据组进行多轴寿命算法或疲劳安全系数算法提供必要前提条件。在主轴载荷数据组的参数计算之后，再进行副轴载荷数据组的参数计算，为非比例载荷数据组进行多轴寿命算法或疲劳安全系数算法提供必要前提条件，进一步加快了疲劳分析速度。通过等效单轴处理方法，使得比例多轴载荷数据组可以按照单轴载荷数据处理，从而进一步减少计算量和增加准确性。具体地说：

还包括：

第一统计模块，用于统计并计算N组载荷数据组中每组载荷数据的平均值及方差。

确定模块，用于确定第一统计模块统计到的方差最大的载荷数据组作为主轴载荷数据组，对于非主轴载荷数据组的其他载荷数据组，确定为副轴载荷数据组。

此外，可以理解，作为本发明的一个优选实施方式，现以两组载荷数据组为例来阐述对N组载荷数据组进行相关性分析的步骤之前，统计并计算N组载荷数据组中每组载荷数据的平均值及方差的过程：

1)至少需要准备2组载荷数据(载荷历程，点数相同)。

2)记录每个载荷数据值及其在原始2组载荷数据组中的顺序号。

具体方法如下：

1)首先读入2组载荷数据，在此分别记为是S1(ID)和S2(ID)，假定每组有n个数据，其中，ID表示在对应载荷数据组中的载荷数据值的序号，如图2所示。

2)采用数理统计的方法，分别计算2组载荷数据的平均值E(S1)，E(S2)和方差D(S1)，D(S2)，如下所述：

$E\left(S1\right)=\frac{S1\left(1\right)+S1\left(2\right)+...+S1\left(D\right)}{n};$

$E\left(S2\right)=\frac{S2\left(1\right)+S2\left(2\right)+...+S2\left(D\right)}{n};$

$D\left(S1\right)=\frac{{\mathrm{\Σ}}_{i=1}^n{(S1\left(i\right)-E\left(S1\right))}^2}{n};$

$D\left(S2\right)=\frac{{\mathrm{\Σ}}_{i=1}^n{(S2\left(i\right)-E\left(S2\right))}^2}{n}.$

上述系统还包括：

主轴统计模块，用于统计确定模块确定的主轴载荷数据组中的循环数Cycle；

主轴记录模块，用于记录确定模块确定的主轴载荷数据组中的每个循环的最大载荷数据(Szmax(Cycle)，ID1)和最小载荷数据(Szmin(Cycle)，ID2)，其中ID1和ID2分别为主轴载荷数据组中每个循环所对应的最大载荷数据值Szmax(Cycle)和Szmin(Cycle)在N组载荷数据组中的序号；

主轴幅值模块，用于计算确定模块确定的主轴载荷数据组中的每个循环的幅值： $\frac{\mathrm{\ΔSz}\left(\mathrm{Cycle}\right)}{2}=\frac{\mathrm{Sz}\max \left(\mathrm{Cycle}\right)-\mathrm{Sz}\min \left(\mathrm{Cycle}\right)}{2};$

主轴均值模块，用于计算确定模块确定的主轴载荷数据组中的每个循环的均值：

$\stackrel{\‾}{\mathrm{Sz}\left(\mathrm{Cycle}\right)}=\frac{\mathrm{Sz}\max \left(\mathrm{Cycle}\right)+\mathrm{Sz}\min \left(\mathrm{Cycle}\right)}{2}.$

此外，可以理解，统计主轴载荷数据组中的循环数Cycle可以使用雨流计数法进行计算。

上述系统还包括：

副轴记录模块，用于在副轴载荷数据组中，根据主轴载荷数据组中的每个循环所对应的最大载荷数据值Szmax(Cycle)和Szmin(Cycle)在N组载荷数据组中的序号ID1和ID2，查找并记录序号ID1和ID2所对应的每个循环的最大载荷数据(Sfmax(Cycle)，ID1f)和最小载荷数据(Sfmin(Cycle)，ID2f)，其中Sfmax(Cycle)和Sfmin(Cycle)分别为副轴载荷数据组中每个循环所对应的最大载荷数据值和最小载荷数据值，其中，ID1f和ID2f的确定方式为：序号lD1和ID2对应的副轴载荷按照大小比对之后，较小的载荷对应的序号是ID2f，较大的一个对应序号是ID1f。

副轴幅值模块，用于计算确定模块确定的副轴载荷数据组中的每个循环的幅值： $\frac{\mathrm{\ΔSf}\left(\mathrm{Cycle}\right)}{2}=\frac{\mathrm{Sf}\max \left(\mathrm{Cycle}\right)-\mathrm{Sf}\min \left(\mathrm{Cycle}\right)}{2};$

副轴均值模块，用于计算确定模块确定的副轴载荷数据组中的每个循环的均值： $\stackrel{\‾}{\mathrm{Sf}\left(\mathrm{Cycle}\right)}=\frac{\mathrm{Sf}\max \left(\mathrm{Cycle}\right)+\mathrm{Sf}\min \left(\mathrm{Cycle}\right)}{2}.$

第一处理模块，还包括以下子模块：

等效幅值子模块，用于计算等效载荷幅值：

$\frac{\mathrm{\ΔSe}\left(\mathrm{Cycle}\right)}{2}=\sqrt{1-\sqrt{D\left(\mathrm{Sz}\right)/D\left(\mathrm{Sf}\right)}+{\sqrt{D\left(\mathrm{Sz}\right)/D\left(\mathrm{Sf}\right)}}^2}\·\frac{\mathrm{\ΔSz}\left(\mathrm{Cycle}\right)}{2};$

等效均值子模块，用于计算等效载荷均值：

$\stackrel{\‾}{\mathrm{Se}\left(\mathrm{Cycle}\right)}=(1+E\left(\mathrm{Sz}\right)/E\left(\mathrm{Sf}\right))\·\stackrel{\‾}{\mathrm{Sz}\left(\mathrm{Cycle}\right)};$

等效载荷幅值和等效载荷均值作为等效单轴载荷数据处理的处理结果，其中D(Sz)和D(Sf)分别为主轴载荷数据组中每组载荷数据的方差和副轴载荷数据组中每组载荷数据的方差，E(Sz)和E(Sf)分别为主轴载荷数据组中每组载荷数据的平均值和副轴载荷数据组中每组载荷数据的平均值。

第二实施方式是与本实施方式相对应的方法实施方式，本实施方式可与第二实施方式互相配合实施。第二实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第二实施方式中。

需要说明的是，本发明各设备实施方式中提到的各单元都是逻辑模块，在物理上，一个逻辑模块可以是一个物理模块，也可以是一个物理模块的一部分，还可以以多个物理模块的组合实现，这些逻辑模块本身的物理实现方式并不是最重要的，这些逻辑模块所实现的功能的组合是才解决本发明所提出的技术问题的关键。此外，为了突出本发明的创新部分，本发明上述各设备实施方式并没有将与解决本发明所提出的技术问题关系不太密切的模块引入，这并不表明上述设备实施方式并不存在其它的模块。

虽然通过参照本发明的某些优选实施方式，已经对本发明进行了图示和描述，但本领域的普通技术人员应该明白，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

Claims (10)

1.一种多轴疲劳分析方法，其特征在于，包括以下步骤：

读取预先获取的N组载荷数据组，N为大于1的正整数，每组载荷数据组由对应地表征载荷历程的有序数据值组成；

对所述N组载荷数据组进行相关性分析；

若分析结果大于预定门限，则先对所述N组载荷数据组进行等效单轴载荷数据处理，再对该处理结果按照单轴疲劳寿命计算或安全系数算法进行疲劳分析，获取损伤或寿命；

若分析结果不大于预定门限，则对所述N组载荷数据组先进行多轴雨流统计处理，再按照多轴寿命算法或疲劳安全系数算法进行疲劳分析，获取损伤或寿命。

2.根据权利要求1所述的多轴疲劳分析方法，其特征在于，在所述对N组载荷数据组进行相关性分析的步骤之前，还包括以下步骤：

统计并计算所述N组载荷数据组中每组载荷数据的平均值及方差；

确定所述方差最大的载荷数据组作为主轴载荷数据组，对于非主轴载荷数据组的其他载荷数据组，确定为副轴载荷数据组。

3.根据权利要求2所述的多轴疲劳分析方法，其特征在于，在所述对N组载荷数据组进行相关性分析的步骤之前，还包括以下步骤：

统计所述主轴载荷数据组中的循环数Cycle；

记录所述主轴载荷数据组中的每个循环的最大载荷数据(Szmax(Cycle),ID1)和最小载荷数据(Szmin(Cycle),ID2)，其中ID1和ID2分别为主轴载荷数据组中每个循环所对应的最大载荷数据值Szmax(Cycle)和Szmin(Cycle)在所述N组载荷数据组中的序号；

计算所述主轴载荷数据组中的每个循环的幅值：

$\frac{\mathrm{\ΔSz}\left(\mathrm{Cycle}\right)}{2}=\frac{\mathrm{Sz}\max \left(\mathrm{Cycle}\right)-\mathrm{Sz}\min \left(\mathrm{Cycle}\right)}{2};$

计算所述主轴载荷数据组中的每个循环的均值：

$\stackrel{\‾}{\mathrm{Sz}\left(\mathrm{Cycle}\right)}=\frac{\mathrm{Sz}\max \left(\mathrm{Cycle}\right)+\mathrm{Sz}\min \left(\mathrm{Cycle}\right)}{2}\·$

4.根据权利要求3所述的多轴疲劳分析方法，其特征在于，在所述对N组载荷数据组按照多轴寿命算法或疲劳安全系数算法的步骤之前，还包括以下多轴雨流统计处理步骤：

在所述副轴载荷数据组中，根据所述主轴载荷数据组中的每个循环所对应的最大载荷数据值Szmax(Cycle)和Szmin(Cycle)在N组载荷数据组中的序号ID1和ID2，查找并记录所述序号ID1和ID2所对应的每个循环的最大载荷数据(Sfmax(Cycle),ID1f)和最小载荷数据(Sfmin(Cycle),ID2f)，其中Sfmax(Cycle)和Sfmin(Cycle)分别为副轴载荷数据组中每个循环所对应的最大载荷数据值和最小载荷数据值，其中，ID1f和ID2f的确定方式为：序号ID1和ID2对应的副轴载荷按照大小比对之后，较小的载荷对应的序号是ID2ｆ,较大的一个对应序号是ID1f；

计算所述副轴载荷数据组中的每个循环的幅值：

$\frac{\mathrm{\ΔSf}\left(\mathrm{Cycle}\right)}{2}=\frac{\mathrm{Sf}\max \left(\mathrm{Cycle}\right)-\mathrm{Sf}\min \left(\mathrm{Cycle}\right)}{2};$

计算所述副轴载荷数据组的每个循环的均值：

$\stackrel{\‾}{\mathrm{Sf}\left(\mathrm{Cycle}\right)}=\frac{\mathrm{Sf}\max \left(\mathrm{Cycle}\right)+\mathrm{Sf}\min \left(\mathrm{Cycle}\right)}{2}\·$

5.根据权利要求3所述的多轴疲劳分析方法，其特征在于，所述对N组载荷数据组进行等效单轴载荷数据处理的步骤，还包括以下子步骤：

计算等效载荷幅值： $\frac{\mathrm{\ΔSe}\left(\mathrm{Cycle}\right)}{2}=\sqrt{1-\sqrt{D\left(\mathrm{Sz}\right)/D\left(\mathrm{Sf}\right)}+{\sqrt{D\left(\mathrm{Sz}\right)/D\left(\mathrm{Sf}\right)}}^2}\·\frac{\mathrm{\ΔSz}\left(\mathrm{Cycle}\right)}{2};$

计算等效载荷均值： $\stackrel{\‾}{\mathrm{Se}\left(\mathrm{Cycle}\right)}=(1+E\left(\mathrm{Sz}\right)/E\left(\mathrm{Sf}\right))\·\stackrel{\‾}{\mathrm{Sz}\left(\mathrm{Cycle}\right)};$

所述等效载荷幅值和等效载荷均值作为所述等效单轴载荷数据处理的处理结果，其中D（Sz）和D（Sf）分别为所述主轴载荷数据组中每组载荷数据的方差和副轴载荷数据组中每组载荷数据的方差，E（Sz）和E（Sf）为所述主轴载荷数据组中每组载荷数据的平均值和副轴载荷数据组中每组载荷数据的平均值。

6.一种多轴疲劳分析系统，其特征在于，包括以下模块：

读取模块，用于读取预先获取的N组载荷数据组，N为大于1的正整数，每组载荷数据组由对应地表征载荷历程的有序数据值组成；

分析模块，用于对所述读取模块读取的N组载荷数据组进行相关性分析；

第一处理模块，用于若所述分析模块分析出的分析结果大于预定门限，则先对所述N组载荷数据组进行等效单轴载荷数据处理，再对该处理结果按照单轴疲劳寿命计算或安全系数算法进行疲劳分析，获取损伤或寿命；

第二处理模块，用于若所述分析模块分析出的分析结果不大于预定门限，则对所述N组载荷数据组先进行多轴雨流统计处理，再按照多轴寿命算法或疲劳安全系数算法进行疲劳分析，获取损伤或寿命。

7.根据权利要求6所述的多轴疲劳分析系统，其特征在于，还包括：

第一统计模块，用于统计并计算所述N组载荷数据组中每组载荷数据的平均值及方差；

确定模块，用于确定所述第一统计模块统计到的方差最大的载荷数据组作为主轴载荷数据组，对于非主轴载荷数据组的其他载荷数据组，确定为副轴载荷数据组。

8.根据权利要求7所述的多轴疲劳分析系统，其特征在于，还包括：

主轴统计模块，用于统计所述确定模块确定的主轴载荷数据组中的循环数Cycle；

主轴记录模块，用于记录所述确定模块确定的主轴载荷数据组中的每个循环的最大载荷数据(Szmax(Cycle),ID1)和最小载荷数据(Szmin(Cycle),ID2)，其中ID1和ID2分别为主轴载荷数据组中每个循环所对应的最大载荷数据值Szmax(Cycle)和Szmin(Cycle)在所述N组载荷数据组中的序号；

主轴幅值模块，用于计算所述确定模块确定的主轴载荷数据组中的每个循环的幅值： $\frac{\mathrm{\ΔSz}\left(\mathrm{Cycle}\right)}{2}=\frac{\mathrm{Sz}\max \left(\mathrm{Cycle}\right)-\mathrm{Sz}\min \left(\mathrm{Cycle}\right)}{2};$

主轴均值模块，用于计算所述确定模块确定的主轴载荷数据组中的每个循环的均值：

$\stackrel{\‾}{\mathrm{Sz}\left(\mathrm{Cycle}\right)}=\frac{\mathrm{Sz}\max \left(\mathrm{Cycle}\right)+\mathrm{Sz}\min \left(\mathrm{Cycle}\right)}{2}\·$

9.根据权利要求8所述的多轴疲劳分析系统，其特征在于，还包括：

副轴记录模块，用于在所述副轴载荷数据组中，根据所述主轴载荷数据组中的每个循环所对应的最大载荷数据值Szmax(Cycle)和Szmin(Cycle)在N组载荷数据组中的序号ID1和ID2，查找并记录所述序号ID1和ID2所对应的每个循环的最大载荷数据(Sfmax(Cycle),ID1f)和最小载荷数据(Sfmin(Cycle),ID2f)，其中Sfmax(Cycle)和Sfmin(Cycle)分别为副轴载荷数据组中每个循环所对应的最大载荷数据值和最小载荷数据值，其中，ID1f和ID2f的确定方式为：序号ID1和ID2对应的副轴载荷按照大小比对之后，较小的载荷对应的序号是ID2ｆ,较大的一个对应序号是ID1f；

副轴幅值模块，用于计算所述确定模块确定的副轴载荷数据组中的每个循环的幅值： $\frac{\mathrm{\ΔSf}\left(\mathrm{Cycle}\right)}{2}=\frac{\mathrm{Sf}\max \left(\mathrm{Cycle}\right)-\mathrm{Sf}\min \left(\mathrm{Cycle}\right)}{2};$

副轴均值模块，用于计算所述确定模块确定的副轴载荷数据组中的每个循环的均值： $\stackrel{\‾}{\mathrm{Sf}\left(\mathrm{Cycle}\right)}=\frac{\mathrm{Sf}\max \left(\mathrm{Cycle}\right)+\mathrm{Sf}\min \left(\mathrm{Cycle}\right)}{2}\·$

10.根据权利要求6所述的多轴疲劳分析系统，其特征在于，所述第一处理模块，还包括以下子模块：

等效幅值子模块，用于计算等效载荷幅值：

$\frac{\mathrm{\ΔSe}\left(\mathrm{Cycle}\right)}{2}=\sqrt{1-\sqrt{D\left(\mathrm{Sz}\right)/D\left(\mathrm{Sf}\right)}+{\sqrt{D\left(\mathrm{Sz}\right)/D\left(\mathrm{Sf}\right)}}^2}\·\frac{\mathrm{\ΔSz}\left(\mathrm{Cycle}\right)}{2};$

等效均值子模块，用于计算等效载荷均值：

$\stackrel{\‾}{\mathrm{Se}\left(\mathrm{Cycle}\right)}=(1+E\left(\mathrm{Sz}\right)/E\left(\mathrm{Sf}\right))\·\stackrel{\‾}{\mathrm{Sz}\left(\mathrm{Cycle}\right)};$

所述等效载荷幅值和等效载荷均值作为所述等效单轴载荷数据处理的处理结果，其中D（Sz）和D（Sf）分别为主轴载荷数据组中每组载荷数据的方差和副轴载荷数据组中每组载荷数据的方差，E（Sz）和E（Sf）分别为所述主轴载荷数据组中每组载荷数据的平均值和副轴载荷数据组中每组载荷数据的平均值。

Images