CN109242335A - 一种基于概率密度演化理论的概率失效风险评估高效计算方法 - Google Patents
一种基于概率密度演化理论的概率失效风险评估高效计算方法 Download PDFInfo
- Publication number
- CN109242335A CN109242335A CN201811135082.5A CN201811135082A CN109242335A CN 109242335 A CN109242335 A CN 109242335A CN 201811135082 A CN201811135082 A CN 201811135082A CN 109242335 A CN109242335 A CN 109242335A
- Authority
- CN
- China
- Prior art keywords
- probability
- failure
- domain
- detection
- mapping
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Mathematical Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Educational Administration (AREA)
- Algebra (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种基于概率密度演化理论的概率失效风险评估高效计算方法,属于风险评估领域。针对航空发动机转子盘,进行概率失效风险评估时,建立失效概率的密度演化方程;利用失效概率的密度演化方程中,概率分布之间的映射关系,得到失效域在初始时刻的映射Ω0;基于无损探伤检出概率,在失效域中以相应比例定义检出域;进而利用失效概率的密度演化方程建立的映射关系,得到检出域在初始时刻的映射Ω0,检出;使用数值计算方法对联合概率密度函数在失效域与检出域内积分,得到轮盘在循环数N下的失效概率。本发明保证了失效风险评估对计算精度的要求,有效地提高了失效概率的计算效率。
Description
技术领域
本发明涉及一种基于概率密度演化理论的概率失效风险评估高效计算方法,属于风险评估领域。
背景技术
损伤容限设计方法被证明在航空发动机转子盘寿命管理中具有优势。相比于传统安全寿命方法,概率损伤容限设计方法能够考虑来自材料本身的、加工过程及使用维护过程中引入的缺陷,并能够考虑与载荷、无损检查相关的随机性因素。这些随机性因素都会对发动机寿命限制件的结构疲劳断裂产生较大影响。
适航规章中体现了概率损伤容限的设计理念,并建议对航空发动机的寿命限制件进行概率失效风险评估,要求限寿件在达到设计寿命时的失效概率不能大于相应的设计目标风险(DTR)。概率失效风险评估一般使用鲁棒性强的Monte Carlo方法计算失效概率,但是MonteCarlo方法在高精度要求下计算效率极低,评估时间往往达到数小时以上;大大降低了发动机适航符合性设计的效率。
因此,针对航空发动机转子盘的概率失效风险评估,提出一种高效率的概率计算方法具有重要的工程意义与实际价值。
发明内容
本发明针对航空发动机转子盘概率失效风险评估中,失效概率计算效率低的问题,提出了一种基于概率密度演化理论的概率失效风险评估高效计算方法,能有效的提高概率失效风险评估的效率。
具体步骤如下:
步骤一、针对航空发动机转子盘,进行概率失效风险评估时,建立失效概率的密度演化方程;
具体方程如下:
其中ρa(a,N)为飞行循环数为N时,随机变量空间的概率密度函数;为初始时刻随机变量空间的概率密度函数;a0是表示轮盘初始的随机变量;表示随机变量空间初始概率分布与飞行循环数为N下实际概率分布之间的映射关系。
步骤二、利用失效概率的密度演化方程中,概率分布之间的映射关系,得到失效域在初始时刻的映射Ω0;
首先,失效概率的密度演化方程的积分式表示为:
ac表示飞行循环数为N下导致轮盘失效的缺陷尺寸;Ω0为失效域在初始时刻的映射。
失效域是指:轮盘失效的判定准则由极限状态函数g=K-Kc的正负决定,g<0的随机变量区域为失效域;
利用概率密度演化方程中建立的映射关系,得到Ω0:
表示失效域初始概率分布与飞行循环数为N下失效域实际概率分布之间的映射关系;
步骤三、基于无损探伤检出概率,在失效域中以相应比例定义检出域;进而利用失效概率的密度演化方程建立的映射关系,得到检出域在初始时刻的映射Ω0,检出;
检出域在初始时刻的映射表示为:
(ΩN,检出)为检出域在初始时刻的映射;
(a检出,min)为最小检出尺寸在初始时刻的映射值;
(a检出,max)为最大检出尺寸在初始时刻的映射值;
步骤四、使用数值计算方法对联合概率密度函数在失效域与检出域内积分,得到轮盘在循环数N下的失效概率。
本发明的优点在于:
(1)一种基于概率密度演化理论的概率失效风险评估高效计算方法,基于概率密度演化理论,对联合概率密度在失效域内积分,积分精度能够保证失效风险评估对计算精度的要求。
(2)一种基于概率密度演化理论的概率失效风险评估高效计算方法,使用高效计算方法进行失效风险评估时,有效地提高了失效概率的计算效率,计算时间由小时缩短到秒或分钟。
(3)一种基于概率密度演化理论的概率失效风险评估高效计算方法,高效计算方法为“转子盘设计与失效风险评估的高效迭代”提供了可行性。
附图说明
图1为本发明一种基于概率密度演化理论的概率失效风险评估高效计算方法的流程图
图2为本发明积分失效域的示意图;
图3为本发明积分失效域及检出域的示意图;
图4为本发明采用的检出概率POD曲线图。
具体实施方式
下面将结合附图对本发明作进一步的详细说明。
本发明公开了一种基于概率密度演化理论的概率失效风险评估高效计算方法,针对航空发动机转子盘概率失效风险评估,包括以下步骤:首先,基于概率密度演化理论,建立随机变量的联合概率密度演化方程;此处的随机变量仅以缺陷尺寸为代表,还可以考虑多种随机变量,若考虑多种随机变量,飞行循环数为N时的多变量联合概率密度难以得到,而初始时刻各随机变量由于相互独立,其联合概率密度已知。通过逆向求解断裂力学公式,分别获得随机变量失效域与检出域在初始时刻的映射;因此确定失效域、检出域在初始时刻的映射后,结合不同随机变量的具体分布形式,使用数值计算方法,对初始时刻多变量联合概率密度函数在失效域与检出域内积分,即可得到整盘失效概率的积分计算结果。
如图1所示,具体步骤如下:
步骤一、针对航空发动机转子盘,进行概率失效风险评估时,建立失效概率的概率密度演化方程;
对于裂纹扩展过程,存在描述初始裂纹尺寸与循环数N下裂纹尺寸对应关系的方程a(N)=f(a0,N)=FN(a0)。以概率密度演化理论为基础,获得联合概率密度演化方程,具体方程如下:
其中ρa(a,N)为飞行循环数为N时,随机变量空间的概率密度函数;为初始时刻随机变量空间的概率密度函数;a0是表示轮盘初始缺陷尺寸的随机变量;表示随机变量空间初始概率分布与飞行循环数为N时实际概率分布之间的映射关系。
步骤二、利用失效概率的密度演化方程中,概率分布之间的映射关系,得到失效域在初始时刻的映射Ω0;
如图2所示,发动机转子盘概率失效风险评估中,轮盘失效的判定准则为:a>ac,其中a为某一循环数N下的缺陷扩展尺寸,ac为临界缺陷尺寸。临界缺陷尺寸ac的确定方法为:令应力强度因子K等于材料断裂韧性Kc,逆向求解Newman公式。
上述失效判定准则可以理解为,在某一循环数N下,若缺陷扩展尺寸a大于临界缺陷尺寸ac,则轮盘失效。缺陷扩展尺寸a是以一定的概率分布形式存在的,那么轮盘失效概率表示为:那么此时轮盘的失效域定义为ΩN={a∈Q|a>ac}。
然而,缺陷扩展尺寸a的概率密度函数ρa难以确定,而初始缺陷尺寸的分布函数已知。因此,基于概率密度演化理论中的概率空间守恒原理,通过逆向求解裂纹扩展公式,可得到临界初始缺陷尺寸为进而可得到轮盘失效域在初始条件下的映射Ω0。
具体过程为:
首先,基于概率守恒原理,以单一随机变量为例,轮盘失效概率的密度演化方程的积分式表示为:
ac表示飞行循环数为N下导致轮盘失效的缺陷尺寸;Ω0为失效域在初始时刻的映射。
失效域是指:轮盘失效的判定准则由极限状态函数g=K-Kc的正负决定,g<0的随机变量区域为失效域;
利用概率密度演化方程中建立的映射关系,如图2所示,得到失效域在初始时刻的映射Ω0:
表示失效域初始概率分布与飞行循环数为N下失效域实际概率分布之间的映射关系;
步骤三、基于无损探伤检出概率,在失效域中以相应比例定义检出域;进而利用失效概率的密度演化方程建立的映射关系,得到检出域在初始时刻的映射Ω0,检出;
以上分析中尚未考虑无损检查(NDI),NDI在失效风险评估中的作用体现在检出域上。检出域会减小失效域范围。下面说明如何确定检出域:
无损检查有两个相关变量,检查循环数(NDI-Time)和检出概率。检出概率的含义是某一尺寸缺陷被检出的概率。检出概率以检出概率曲线(POD)的形式存在。NDI在概率风险评估计算模型中的影响体现为,一旦缺陷被检出,则轮盘做报废处理,不计为失效。因此,最终的失效风险积分域是失效域中减去检出域后的区域。
POD曲线如图4所示,POD曲线上可以得到最小检出尺寸a检出,min和最大检出尺寸a检出,max作为2个临界检出尺寸。由于无损检查发生在NDI-Time所代表的循环数下,因此此时的检出域的含义为:NDI-Time循环下的检出域ΩNDI-Time,检出={a∈Q|a检出,min<a<a检出,max}
检出域在初始时刻的映射参见图3所示。无损探伤检查将以相应的概率检出不同尺寸的缺陷,并以POD曲线的形式给出。随机变量积分区域中体现的则是,在失效域中以相应的比例定义出检出域。基于概率守恒原理,通过逆向求解裂纹扩展公式,无损探伤检查检出域的缺陷尺寸范围在初始时刻的映射可表示为:
(ΩN,检出)为检出域在初始时刻的映射;
(a检出,min)为最小检出尺寸在初始时刻的映射值;
(a检出,max)为最大检出尺寸在初始时刻的映射值;
步骤四、使用数值计算方法对联合概率密度函数在失效域与检出域内积分,得到轮盘在循环数N下的失效概率,进行概率失效风险评估。
得到检出域和失效域在初始时刻的映射后,失效域减去检出域,并使用数值计算方法对初始时刻的联合概率密度积分,即可得到轮盘在循环数N下的失效概率,公式如下:
由此,基于概率密度演化理论的高效率计算方法有效地缩短了概率失效风险评估的时间,其计算精度也得到了适航咨询通告(AC33.14)中算例的验证,为检验本方法的精度与计算效率,以适航咨询通告33.14中的算例为模型输入,分别使用传统Monte Carlo方法和本方法进行概率失效风险评估,结果表明:在相同精度(相对误差3%)下,本方法可以提高计算效率100倍;这为“转子盘设计与失效风险评估的高效迭代”提供了可行性。
Claims (2)
1.一种基于概率密度演化理论的概率失效风险评估高效计算方法,其特征在于,具体步骤如下:
步骤一、针对航空发动机转子盘,进行概率失效风险评估时,建立失效概率的密度演化方程;
具体方程如下:
其中ρa(a,N)为飞行循环数为N时,随机变量空间的概率密度函数;为初始时刻随机变量空间的概率密度函数;a0是表示轮盘初始的随机变量;表示随机变量空间初始概率分布与飞行循环数为N下实际概率分布之间的映射关系;
步骤二、利用失效概率的密度演化方程中,概率分布之间的映射关系,得到失效域在初始时刻的映射Ω0;
步骤三、基于无损探伤检出概率,在失效域中以相应比例定义检出域;进而利用失效概率的密度演化方程建立的映射关系,得到检出域在初始时刻的映射Ω0,检出;
检出域在初始时刻的映射表示为:
为检出域在初始时刻的映射;
为最小检出尺寸在初始时刻的映射值;
为最大检出尺寸在初始时刻的映射值;
步骤四、使用数值计算方法对联合概率密度函数在失效域与检出域内积分,得到轮盘在循环数N下的失效概率;
2.如权利要求1所述的一种基于概率密度演化理论的概率失效风险评估高效计算方法,其特征在于,所述的步骤二具体为:
首先,失效概率的密度演化方程的积分式表示为:
ac表示飞行循环数为N下导致轮盘失效的缺陷尺寸;Ω0为失效域在初始时刻的映射;
失效域是指:轮盘失效的判定准则由极限状态函数g=K-Kc的正负决定,g<0的随机变量区域为失效域;
利用概率密度演化方程中建立的映射关系,得到Ω0:
表示失效域初始概率分布与飞行循环数为N下失效域实际概率分布之间的映射关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811135082.5A CN109242335B (zh) | 2018-09-28 | 2018-09-28 | 一种基于概率密度演化理论的概率失效风险评估高效计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811135082.5A CN109242335B (zh) | 2018-09-28 | 2018-09-28 | 一种基于概率密度演化理论的概率失效风险评估高效计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109242335A true CN109242335A (zh) | 2019-01-18 |
CN109242335B CN109242335B (zh) | 2021-01-08 |
Family
ID=65057685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811135082.5A Active CN109242335B (zh) | 2018-09-28 | 2018-09-28 | 一种基于概率密度演化理论的概率失效风险评估高效计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109242335B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111382500A (zh) * | 2020-02-20 | 2020-07-07 | 中国民航管理干部学院 | 一种航空发动机涡轮增压系统的安全性分析验证方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130197854A1 (en) * | 2012-01-30 | 2013-08-01 | Siemens Corporation | System and method for diagnosing machine tool component faults |
CN104199804A (zh) * | 2014-08-15 | 2014-12-10 | 中国石油天然气股份有限公司 | 高含水土壤埋地热油管道流动失效模式判定方法 |
US20160063192A1 (en) * | 2014-08-29 | 2016-03-03 | General Electric Company | Optimizing state transition set points for schedule risk management |
CN106295897A (zh) * | 2016-08-15 | 2017-01-04 | 南京航空航天大学 | 基于风险与成本分析的飞机结构检查任务规划方法 |
CN107301506A (zh) * | 2017-06-16 | 2017-10-27 | 北京航空航天大学 | 一种考虑质量偏差与失效相关性的早期失效风险分析方法 |
CN107563046A (zh) * | 2017-08-30 | 2018-01-09 | 国家电网公司 | 基于大坝失效功能函数模型的失效风险率计算方法及装置 |
-
2018
- 2018-09-28 CN CN201811135082.5A patent/CN109242335B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130197854A1 (en) * | 2012-01-30 | 2013-08-01 | Siemens Corporation | System and method for diagnosing machine tool component faults |
CN104199804A (zh) * | 2014-08-15 | 2014-12-10 | 中国石油天然气股份有限公司 | 高含水土壤埋地热油管道流动失效模式判定方法 |
US20160063192A1 (en) * | 2014-08-29 | 2016-03-03 | General Electric Company | Optimizing state transition set points for schedule risk management |
CN106295897A (zh) * | 2016-08-15 | 2017-01-04 | 南京航空航天大学 | 基于风险与成本分析的飞机结构检查任务规划方法 |
CN107301506A (zh) * | 2017-06-16 | 2017-10-27 | 北京航空航天大学 | 一种考虑质量偏差与失效相关性的早期失效风险分析方法 |
CN107563046A (zh) * | 2017-08-30 | 2018-01-09 | 国家电网公司 | 基于大坝失效功能函数模型的失效风险率计算方法及装置 |
Non-Patent Citations (3)
Title |
---|
LIU YANG ETAL.: "Efficient Probabilistic Risk Assessment for Aeroengine Turbine Disks Using Probability Density Evolution", 《AIAA JOURNAL》 * |
丁水汀 等: "寿命限制件概率失效风险评估材料缺陷数据模型", 《航空动力学报》 * |
李岩 等: "一种改进的航空发动机结构概率风险评估方法", 《航空学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111382500A (zh) * | 2020-02-20 | 2020-07-07 | 中国民航管理干部学院 | 一种航空发动机涡轮增压系统的安全性分析验证方法 |
CN111382500B (zh) * | 2020-02-20 | 2021-03-30 | 中国民航管理干部学院 | 一种航空发动机涡轮增压系统的安全性分析验证方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109242335B (zh) | 2021-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101665698B1 (ko) | 회전자 블레이드 상태를 모니터하는 시스템 및 방법 | |
EP2404134A1 (en) | Surface profile evaluation | |
JP2009031124A (ja) | き裂進展予測方法及びプログラム | |
CN108804794A (zh) | 一种基于分区的涡轮盘疲劳寿命及失效风险评估方法 | |
KR102201477B1 (ko) | 모델링 시스템 및 상기 모델링 시스템을 이용하여 터빈 로터를 수리하는 방법 | |
CN102955880A (zh) | 一种基于有限元的含缺陷管线强度智能分析方法 | |
Beretta et al. | Structural integrity assessment of turbine discs in presence of potential defects: probabilistic analysis and implementation | |
CN109242335A (zh) | 一种基于概率密度演化理论的概率失效风险评估高效计算方法 | |
Fu et al. | Study on the fatigue life and damage accumulation of a compressor blade based on a modified nonlinear damage model | |
Heffernan et al. | Process compensated resonance testing models for quantification of creep damage in single crystal nickel-based superalloys | |
Kaszynski et al. | Accurate blade tip timing limits through geometry mistuning modeling | |
Heinze et al. | The impact of geometric scatter on high-cycle-fatigue of compressor blades | |
CN104483152B (zh) | 非再热回热复合循环机组的热耗率测定方法 | |
CN110135006B (zh) | 镍基单晶涡轮冷却叶片气膜孔的损伤判定方法 | |
CN106285797B (zh) | 内缸、外缸与阀壳的内部制造缺陷的监控装置与方法 | |
Ning et al. | Blade forced response prediction for industrial gas turbines: Part 2—verification and application | |
Honisch et al. | Modelling of industrial blade integrated disks (blisks) with regard to mistuning | |
CN104459542A (zh) | 再热回热复合循环机组的热耗率测定方法 | |
CN106547690B (zh) | 基于新拟合判定标准下的软件可靠性建模方法及装置 | |
de Cazenove et al. | Finite-element modelling of an experimental mistuned bladed disk and experimental validation | |
Kadau et al. | Probabilistic lifing | |
Millwater et al. | Effects of residual stresses on probabilistic lifing of engine disk materials | |
AU2022201697A1 (en) | Method and system of multi-objective and multi-dimensional online joint monitoring for nuclear turbine | |
Kaszynski et al. | Automated meshing algorithm for generating as-manufactured finite element models directly from as-measured fan blades and integrally bladed disks | |
KR20110034986A (ko) | 증기발생기 전열관 외경축 균열에 대한 모터구동 회전 탐촉자 와전류 탐상검사방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |