CN109446552B - 多轴相关随机激励下结构疲劳寿命时域计算方法 - Google Patents
多轴相关随机激励下结构疲劳寿命时域计算方法 Download PDFInfo
- Publication number
- CN109446552B CN109446552B CN201811075597.0A CN201811075597A CN109446552B CN 109446552 B CN109446552 B CN 109446552B CN 201811075597 A CN201811075597 A CN 201811075597A CN 109446552 B CN109446552 B CN 109446552B
- Authority
- CN
- China
- Prior art keywords
- frequency
- acceleration
- domain sample
- time domain
- signal
- 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.)
- Expired - Fee Related
Links
- 230000005284 excitation Effects 0.000 title claims abstract description 98
- 238000004364 calculation method Methods 0.000 title claims abstract description 15
- 230000001133 acceleration Effects 0.000 claims abstract description 97
- 238000000034 method Methods 0.000 claims abstract description 63
- 238000004458 analytical method Methods 0.000 claims description 38
- 230000003595 spectral effect Effects 0.000 claims description 31
- 238000009826 distribution Methods 0.000 claims description 25
- 238000004088 simulation Methods 0.000 claims description 9
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 7
- 230000001052 transient effect Effects 0.000 claims description 7
- 238000009827 uniform distribution Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及一种多轴相关随机激励下结构疲劳寿命时域计算方法,属于振动领域。本发明能够构造出具有不同相关系数的X,Y,Z方向的加速度激励时域样本信号,从而达到应用时域法准确计算结构在承受多轴相关随机振动载荷时疲劳寿命的目的。本发明首先提出了能准确提供具有不同相关系数的X,Y,Z方向加速度激励时域样本信号的方法,解决了在实验过程中无法准确模拟实际情况的问题。进一步的,本发明能准确计算在不同相关系数随机激励下结构疲劳寿命的时域方法。
Description
技术领域
本发明涉及一种多轴相关随机激励下结构疲劳寿命时域计算方法,属于振动领域。
背景技术
产品结构在使用和运输过程中所处的振动环境都是多轴向随机且相互耦合的,因此在产品设计阶段能够准确预测结构的疲劳寿命具有十分重要的意义。产品结构承受的各轴向激励是随机的,而且各轴向的激励是相关的,相关程度随实际情况的不同而变化。
产品结构的多轴随机载荷下疲劳寿命计算,有频域法和时域法。结构频域疲劳寿命估算方法是在频域内用谱参数描述响应的幅值信息,结合材料的疲劳寿命曲线和疲劳累积损伤理论进行寿命估算。结构频域疲劳寿命估算方法中起步最早的是峰值分布法,但幅值是结构疲劳损伤的主要影响因素,峰值分布法的疲劳寿命估算误差较大,随着疲劳研究的进展,普遍认为采用雨流幅值进行疲劳寿命估算最符合疲劳损伤机理,但雨流幅值概率密度和功率谱密度之间的关系非常复杂,现有的雨流幅值分布模型都有其局限性,用于振动疲劳寿命估算存在很多问题。
时域方法通过采集和提取应力集中位置的应力应变时域数据,采用循环计数法进行循环计数处理,然后根据材料的疲劳性能曲线和疲劳累积损伤理论进行疲劳寿命估算。在振动疲劳寿命估算过程中,疲劳累积损伤理论通常用Miner线性累积损伤理论,循环计数法采用最常用也是最符合疲劳损伤机理的雨流循环计数法。
振动疲劳寿命估算的时域法与一般循环疲劳寿命估算方法的思想最为接近,尽管计算量较大,在工程实践中应用受到很大限制,但经典的雨流循环计数时域方法依然被认为是最准确的方法。
现有的疲劳寿命估算时域方法大都应用于计算结构在单一轴向随机振动载荷下的疲劳寿命,但是结构在实际的使用和运输过程中所处的振动环境都是多轴向随机且互相关的,相关程度随实际情况的不同而变化。目前仿真计算结构在承受多轴相关随机振动载荷下疲劳寿命均采用频域方法,该方法存在着模型局限性大、计算精度差的问题。所以,目前还没有能准确计算在不同相关系数随机激励下结构疲劳寿命的时域方法。
发明内容
本发明的目的是为了解决现有技术无法用时域方法准确计算在不同相关系数随机激励下结构疲劳寿命的问题,提供多轴相关随机激励下结构疲劳寿命时域计算方法,该方法能够构造出具有不同相关系数的X,Y,Z方向的加速度激励时域样本信号,从而达到应用时域法准确计算结构在承受多轴相关随机振动载荷下疲劳寿命的目的。
本发明的目的是通过下述技术方案实现的:
本发明公开的多轴相关随机激励下结构疲劳寿命时域计算方法,具体步骤如下:
步骤1:针对给定加速度激励的功率谱密度函数,通过谐波叠加法构造生成三个相关系数为0、均方根值和最大值相等的加速度激励时域样本信号a1,a2,a3。
在已知功率谱密度函数的前提下,根据离散的傅里叶分析变换分解法,将功率谱密度函数生成一系列具有不同频率和幅值的正弦波,将一系列具有不同频率和幅值的正弦波叠加得到加速度激励时域样本信号。
加速度激励时域样本信号:
其中,ai为加速度激励时域样本信号,即当i为1时为加速度激励时域样本信号a1;当i为2时为加速度激励时域样本信号a2;当i为3时为加速度激励时域样本信号a3;Ak为幅值,fk为频率,t为时间,为角度并服从0~2π内的均匀分布,k为正整数,M为正整数并设为无限大。
分析频率的范围为(fl,fh),则第g个频率的分布区间为(fkl,fkh),则满足
其中,fl为分析频率的最小频率,fh为分析频率的最大频率,fkl为分布区间的最小频率,fkh为分布区间的最大频率。
第k个中心频率为:
由帕塞瓦尔定理得知,时域中的信号的总能量等于频域中的信号总能量,则
其中,G(f)为功率谱密度函数。
步骤2:构造具有不同相关系数的X、Y、Z方向的加速度激励时域样本信号。
情况1:构造具有不同相关系数的X、Y、Z方向的加速度激励时域样本信号a1、a4、a5
a4=a1sinβ+a2cosβ (6)
a5=a1sinβ+a3cosβ (7)
其中,Cov(a4,a1)为a4a1的协方差,Cov(a5,a1)为a5a1的协方差,Cov(a4,a5)为a4a5的协方差;D(a1)分别为a1的方差,D(a4)分别为a4的方差D(a5)分别为a5的方差;分别为a4a1的相关系数,分别为a5a1的相关系数,分别为a4a5的相关系数;β为角度参数。
情况2:构造具有不同相关系数的X、Y、Z方向的加速度激励时域样本信号a2、a6、a7
a6=a2sinβ+a1cosβ (12)
a7=a2sinβ+a3cosβ (13)
其中,Cov(a6,a2),Cov(a7,a2),Cov(a6,a7)为a6a2,a7a2,a6a7的协方差,D(a2),D(a6),D(a7)分别为a2,a6,a7的方差,分别为a6a2,a7a2,a6a7的相关系数,β为角度参数。
情况3:构造具有不同相关系数的X、Y、Z方向的加速度激励时域样本信号a3、a8、a9
a8=a3sinβ+a1cosβ (18)
a9=a3sinβ+a2cosβ (19)
其中,Cov(a8,a3),Cov(a9,a3),Cov(a8,a9)为a8a3,a9a3,a8a9的协方差,D(a3),D(a8),D(a9)分别为a3,a8,a9的方差,分别为a8a3,a9a3,a8a9的相关系数,β为角度参数。
通过三种情况中改变角度参数β的值,构造具有不同相关系数的X、Y、Z方向的加速度激励时域样本信号。
步骤3:建立有限元模型,将步骤二得到的X、Y、Z方向的加速度激励时域样本信号加载到有限元模型中,应用瞬态动力学仿真分析技术获得有限元模型的应力时域信号。
步骤4:应用雨流循环计数法和Miner线性累积损伤理论,获得有限元模型在具有相关系数的X、Y、Z方向的加速度激励下的疲劳寿命。
有益效果
现有的疲劳寿命估算时域方法大都应用于计算结构在单一轴向随机振动载荷下的疲劳寿命,但是结构在实际的使用和运输过程中所处的振动环境都是多轴向随机且互相关的,相关程度随实际情况的不同而变化。目前仿真计算结构在承受多轴相关随机振动载荷下疲劳寿命均采用频域方法,该方法存在着模型局限性大、计算精度差的问题。本发明首先提出了能准确提供具有不同相关系数的X,Y,Z方向加速度激励时域样本信号的方法,解决了无法准确模拟实际多轴相关随机激励的问题。进一步的,本发明能准确计算在不同相关系数随机激励下结构疲劳寿命的时域方法。
附图说明
图1为本发明的流程示意图;
图2为加速度激励功率谱密度曲线图;
图3为加速度信号时域波形图;
图4为有限元模型图。
具体实施方式
为了更好的说明本发明的目的和优点,下面结合附图和实例对发明内容做进一步说明。
实施例1:
如图2所示,为给定的加速度激励功率谱密度曲线图(10Hz-2000Hz,10m/s2):随机振动分析的频率为(10-2000Hz),采样频率为关心的最高信号频率的2.56倍,取为5120Hz。
多轴相关随机激励下结构疲劳寿命时域计算方法,具体步骤如下:
步骤1:针对给定加速度激励的功率谱密度函数,通过谐波叠加法构造生成三个相关系数为0、均方根值和最大值相等的加速度激励时域样本信号a1,a2,a3。
在已知功率谱密度函数的前提下,根据离散的傅里叶分析变换分解法,将功率谱密度函数生成一系列具有不同频率和幅值的正弦波,将一系列具有不同频率和幅值的正弦波叠加得到加速度激励时域样本信号。
加速度激励时域样本信号:
其中,ai为加速度激励时域样本信号,即当i为1时为加速度激励时域样本信号a1;当i为2时为加速度激励时域样本信号a2;当i为3时为加速度激励时域样本信号a3;Ak为幅值,fk为频率,t为时间,为角度并服从0~2π内的均匀分布,k为正整数,M为正整数并设为无限大。
分析频率的范围为(fl,fh),则第g个频率的分布区间为(fkl,fkh),则满足
其中,fl为分析频率的最小频率,fh为分析频率的最大频率,fkl为分布区间的最小频率,fkh为分布区间的最大频率。
第k个中心频率为:
由帕塞瓦尔定理得知,时域中的信号的总能量等于频域中的信号总能量,则
其中,G(f)为功率谱密度函数。
步骤2:构造具有不同相关系数的X、Y、Z方向的加速度激励时域样本信号。
构造具有不同相关系数的X、Y、Z方向的加速度激励时域样本信号a1、a4、a5
a4=a1sinβ+a2cosβ (6)
a5=a1sinβ+α3cosβ (7)
其中,Cov(a4,a1)为a4a1的协方差,Cov(a5,a1)为a5a1的协方差,Cov(a4,a5)为a4a5的协方差;D(a1)分别为a1的方差,D(a4)分别为a4的方差D(a5)分别为a5的方差;分别为a4a1的相关系数,分别为a5a1的相关系数,分别为a4a5的相关系数;β为角度参数。
如图3所示,为生成的加速度激励信号时域波形图,用同种方法生成三个相关系数为0、均方根值和最大值基本相等的信号a1、a2、a3,均方根值分别为278.20m/s^2,275.95m/s^2,277.62m/s^2。
通过设定β角为2π/25,得到一组相关系数为0.25的加速度激励信号。
步骤3:建立如图4所示有限元模型,将步骤2得到的X、Y、Z方向的加速度激励时域样本信号加载到有限元模型中,应用瞬态动力学仿真分析技术获得有限元模型的应力时域信号。
步骤4:应用雨流循环计数法和Miner线性累积损伤理论,获得有限元模型在具有相关系数的X、Y、Z方向的加速度激励下的疲劳寿命,得到节点1的疲劳寿命为5.34小时。
实施例2:
如图2所示,为给定的加速度激励功率谱密度曲线图(10Hz-2000Hz,10m/s2):随机振动分析的频率为(10-2000Hz),采样频率为关心的最高信号频率的2.56倍,取为5120Hz。
多轴相关随机激励下结构疲劳寿命时域计算方法,具体步骤如下:
步骤1:针对给定加速度激励的功率谱密度函数,通过谐波叠加法构造生成三个相关系数为0、均方根值和最大值相等的加速度激励时域样本信号a1,a2,a3。
在已知功率谱密度函数的前提下,根据离散的傅里叶分析变换分解法,将功率谱密度函数生成一系列具有不同频率和幅值的正弦波,将一系列具有不同频率和幅值的正弦波叠加得到加速度激励时域样本信号。
加速度激励时域样本信号:
其中,ai为加速度激励时域样本信号,即当i为1时为加速度激励时域样本信号a1;当i为2时为加速度激励时域样本信号a2;当i为3时为加速度激励时域样本信号a3;Ak为幅值,fk为频率,t为时间,为角度并服从0~2π内的均匀分布,k为正整数,M为正整数并设为无限大。
分析频率的范围为(fl,fh),则第g个频率的分布区间为(fkl,fkh),则满足
其中,fl为分析频率的最小频率,fh为分析频率的最大频率,fkl为分布区间的最小频率,fkh为分布区间的最大频率。
第k个中心频率为:
由帕塞瓦尔定理得知,时域中的信号的总能量等于频域中的信号总能量,则
其中,G(f)为功率谱密度函数。
步骤2:构造具有不同相关系数的X、Y、Z方向的加速度激励时域样本信号。
构造具有不同相关系数的X、Y、Z方向的加速度激励时域样本信号a2、a6、a7
a6=a2sinβ+a1cosβ (12)
a7=a2sinβ+a3cosβ (13)
其中,Cov(a6,a2),Cov(a7,a2),Cov(a6,a7)为a6a2,a7a2,a6a7的协方差,D(a2),D(a6),D(a7)分别为a2,a6,a7的方差,分别为a6a2,a7a2,a6a7的相关系数,β为角度参数。
如图3所示,为生成的加速度激励信号时域波形图,用同种方法生成三个相关系数为0、均方根值和最大值基本相等的信号a1、a2、a3,均方根值分别为278.20m/s^2,275.95m/s^2,277.62m/s^2。
通过设定β角为π/6,得到一组相关系数为0.5的加速度激励信号。
步骤3:建立如图4所示有限元模型,将步骤2得到的X、Y、Z方向的加速度激励时域样本信号加载到有限元模型中,应用瞬态动力学仿真分析技术获得有限元模型的应力时域信号。
步骤4:应用雨流循环计数法和Miner线性累积损伤理论,获得有限元模型在具有相关系数的X、Y、Z方向的加速度激励下的疲劳寿命,得到节点1的疲劳寿命为4.24小时。
实施例3:
如图2所示,为给定的加速度激励功率谱密度曲线图(10Hz-2000Hz,10m/s2):随机振动分析的频率为(10-2000Hz),采样频率为关心的最高信号频率的2.56倍,取为5120Hz。
多轴相关随机激励下结构疲劳寿命时域计算方法,具体步骤如下:
步骤1:针对给定加速度激励的功率谱密度函数,通过谐波叠加法构造生成三个相关系数为0、均方根值和最大值相等的加速度激励时域样本信号a1,a2,a3。
在已知功率谱密度函数的前提下,根据离散的傅里叶分析变换分解法,将功率谱密度函数生成一系列具有不同频率和幅值的正弦波,将一系列具有不同频率和幅值的正弦波叠加得到加速度激励时域样本信号。
加速度激励时域样本信号:
其中,ai为加速度激励时域样本信号,即当i为1时为加速度激励时域样本信号a1;当i为2时为加速度激励时域样本信号a2;当i为3时为加速度激励时域样本信号a3;Ak为幅值,fk为频率,t为时间,为角度并服从0~2π内的均匀分布,k为正整数,M为正整数并设为无限大。
分析频率的范围为(fl,fh),则第g个频率的分布区间为(fkl,fkh),则满足
其中,fl为分析频率的最小频率,fh为分析频率的最大频率,fkl为分布区间的最小频率,fkh为分布区间的最大频率。
第k个中心频率为:
由帕塞瓦尔定理得知,时域中的信号的总能量等于频域中的信号总能量,则
其中,G(f)为功率谱密度函数。
步骤2:构造具有不同相关系数的X、Y、Z方向的加速度激励时域样本信号。
构造具有不同相关系数的X、Y、Z方向的加速度激励时域样本信号a3、a8、a9
a8=a3sinβ+a1cosβ (18)
a9=a3sinβ+a2cosβ (19)
其中,Cov(a8,a3),Cov(a9,a3),Cov(a8,a9)为a8a3,a9a3,a8a9的协方差,D(a3),D(a8),D(a9)分别为a3,a8,a9的方差,分别为a8a3,a9a3,a8a9的相关系数,β为角度参数。
如图3所示,为生成的加速度激励信号时域波形图,用同种方法生成三个相关系数为0、均方根值和最大值基本相等的信号a1、a2、a3,均方根值分别为278.20m/s^2,275.95m/s^2,277.62m/s^2。
通过设定β角为4π/15,得到一组相关系数为0.75的加速度激励信号。
步骤3:建立如图4所示有限元模型,将步骤2得到的X、Y、Z方向的加速度激励时域样本信号加载到有限元模型中,应用瞬态动力学仿真分析技术获得有限元模型的应力时域信号。
步骤4:应用雨流循环计数法和Miner线性累积损伤理论,获得有限元模型在具有相关系数的X、Y、Z方向的加速度激励下的疲劳寿命,得到节点1的疲劳寿命为2.37小时。
以上所述的具体描述,对发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.多轴相关随机激励下结构疲劳寿命时域计算方法,其特征在于:具体步骤如下:
步骤1:针对给定加速度激励的功率谱密度函数,通过谐波叠加法构造生成三个相关系数为0、均方根值和最大值相等的加速度激励时域样本信号a1,a2,a3;
在已知功率谱密度函数的前提下,根据离散的傅里叶分析变换分解法,将功率谱密度函数生成一系列具有不同频率和幅值的正弦波,将一系列具有不同频率和幅值的正弦波叠加得到加速度激励时域样本信号;
加速度激励时域样本信号:
其中,ai为加速度激励时域样本信号,即当i为1时为加速度激励时域样本信号a1;当i为2时为加速度激励时域样本信号a2;当i为3时为加速度激励时域样本信号a3;Ak为幅值,fk为频率,t为时间,为角度并服从0~2π内的均匀分布,k为正整数,M为正整数并设为无限大;
分析频率的范围为(fl,fh),则第k个频率的分布区间为(fkl,fkh),则满足
其中,fl为分析频率的最小频率,fh为分析频率的最大频率,fkl为分布区间的最小频率,fkh为分布区间的最大频率;
第k个中心频率为:
由帕塞瓦尔定理得知,时域中的信号的总能量等于频域中的信号总能量,则
步骤2:构造具有不同相关系数的X、Y、Z方向的加速度激励时域样本信号;
构造具有不同相关系数的X、Y、Z方向的加速度激励时域样本信号a1、a4、a5
a4=a1sinβ+a2cosβ (6)
a5=a1sinβ+a3cosβ (7)
其中,Cov(a4,a1),为a4a1的协方差,Cov(a5,a1)为a5a1的协方差,Cov(a4,a5)为a4a5的协方差;D(a1)分别为a1的方差,D(a4)分别为a4的方差D(a5)分别为a5的方差;分别为a4a1的相关系数,分别为a5a1的相关系数,分别为a4a5的相关系数;β为角度参数;
通过改变角度参数β的值,构造具有不同相关系数的X、Y、Z方向的加速度激励时域样本信号;
步骤3:建立有限元模型,将步骤2得到的X、Y、Z方向的加速度激励时域样本信号加载到有限元模型中,应用瞬态动力学仿真分析技术获得有限元模型的应力时域信号;
步骤4:应用雨流循环计数法和Miner线性累积损伤理论,获得有限元模型在具有相关系数的X、Y、Z方向的加速度激励下的疲劳寿命。
2.多轴相关随机激励下结构疲劳寿命时域计算方法,其特征在于:具体步骤如下:
步骤1:针对给定加速度激励的功率谱密度函数,通过谐波叠加法构造生成三个相关系数为0、均方根值和最大值相等的加速度激励时域样本信号a1,a2,a3;
在已知功率谱密度函数的前提下,根据离散的傅里叶分析变换分解法,将功率谱密度函数生成一系列具有不同频率和幅值的正弦波,将一系列具有不同频率和幅值的正弦波叠加得到加速度激励时域样本信号;
加速度激励时域样本信号:
其中,ai为加速度激励时域样本信号,即当i为1时为加速度激励时域样本信号a1;当i为2时为加速度激励时域样本信号a2;当i为3时为加速度激励时域样本信号a3;Ak为幅值,fk为频率,t为时间,为角度并服从0~2π内的均匀分布,k为正整数,M为正整数并设为无限大;
分析频率的范围为(fl,fh),则第k个频率的分布区间为(fkl,fkh),则满足
其中,fl为分析频率的最小频率,fh为分析频率的最大频率,fkl为分布区间的最小频率,fkh为分布区间的最大频率;
第k个中心频率为:
由帕塞瓦尔定理得知,时域中的信号的总能量等于频域中的信号总能量,则
步骤2:构造具有不同相关系数的X、Y、Z方向的加速度激励时域样本信号;
构造具有不同相关系数的X、Y、Z方向的加速度激励时域样本信号a2、a6、a7
a6=a2sinβ+a1cosβ (12)
a7=a2sinβ+a3cosβ (13)
其中,Cov(a6,a2),Cov(a7,a2),Cov(a6,a7)为a6a2,a7a2,a6a7的协、方差,D(a2),D(a6),D(a7)分别为a2,a6,a7的方差,分别为a6a2,a7a2,a6a7的相关系数,β为角度参数;
通过改变角度参数β的值,构造具有不同相关系数的X、Y、Z方向的加速度激励时域样本信号;
步骤3:建立有限元模型,将步骤2得到的X、Y、Z方向的加速度激励时域样本信号加载到有限元模型中,应用瞬态动力学仿真分析技术获得有限元模型的应力时域信号;
步骤4:应用雨流循环计数法和Miner线性累积损伤理论,获得有限元模型在具有相关系数的X、Y、Z方向的加速度激励下的疲劳寿命。
3.多轴相关随机激励下结构疲劳寿命时域计算方法,其特征在于:具体步骤如下:
步骤1:针对给定加速度激励的功率谱密度函数,通过谐波叠加法构造生成三个相关系数为0、均方根值和最大值相等的加速度激励时域样本信号a1,a2,a3;
在已知功率谱密度函数的前提下,根据离散的傅里叶分析变换分解法,将功率谱密度函数生成一系列具有不同频率和幅值的正弦波,将一系列具有不同频率和幅值的正弦波叠加得到加速度激励时域样本信号;
加速度激励时域样本信号:
其中,ai为加速度激励时域样本信号,即当i为1时为加速度激励时域样本信号a1;当i为2时为加速度激励时域样本信号a2;当i为3时为加速度激励时域样本信号a3;Ak为幅值,fk为频率,t为时间,为角度并服从0~2π内的均匀分布,k为正整数,M为正整数并设为无限大;
分析频率的范围为(fl,fh),则第k个频率的分布区间为(fkl,fkh),则满足
其中,fl为分析频率的最小频率,fh为分析频率的最大频率,fkl为分布区间的最小频率,fkh为分布区间的最大频率;
第k个中心频率为:
由帕塞瓦尔定理得知,时域中的信号的总能量等于频域中的信号总能量,则
步骤2:构造具有不同相关系数的X、Y、Z方向的加速度激励时域样本信号;
构造具有不同相关系数的X、Y、Z方向的加速度激励时域样本信号a3、a8、a9
a8=a3sinβ+a1cosβ (18)
a9=a3sinβ+a2cosβ (19)
其中,Cov(a8,a3),Cov(a9,a3),Cov(a8,a9)为a8a3,a9a3,a8a9的协方差,D(a3),D(a8),D(a9)分别为a3,a8,a9的方差,分别为a8a3,a9a3,a8a9的相关系数,β为角度参数;
通过改变角度参数β的值,构造具有不同相关系数的x、Y、Z方向的加速度激励时域样本信号;
步骤3:建立有限元模型,将步骤2得到的X、Y、Z方向的加速度激励时域样本信号加载到有限元模型中,应用瞬态动力学仿真分析技术获得有限元模型的应力时域信号;
步骤4:应用雨流循环计数法和Miner线性累积损伤理论,获得有限元模型在具有相关系数的X、Y、Z方向的加速度激励下的疲劳寿命。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811075597.0A CN109446552B (zh) | 2018-09-14 | 2018-09-14 | 多轴相关随机激励下结构疲劳寿命时域计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811075597.0A CN109446552B (zh) | 2018-09-14 | 2018-09-14 | 多轴相关随机激励下结构疲劳寿命时域计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109446552A CN109446552A (zh) | 2019-03-08 |
CN109446552B true CN109446552B (zh) | 2021-10-12 |
Family
ID=65532595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811075597.0A Expired - Fee Related CN109446552B (zh) | 2018-09-14 | 2018-09-14 | 多轴相关随机激励下结构疲劳寿命时域计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109446552B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111855166B (zh) * | 2019-04-26 | 2024-07-26 | 博世力士乐(常州)有限公司 | 线性运动系统及其监控装置 |
CN110374858B (zh) * | 2019-07-17 | 2021-01-26 | 苏州智科源测控科技有限公司 | 一种海洋平台水泵载荷识别方法 |
CN112528849B (zh) * | 2020-12-09 | 2023-03-24 | 西北工业大学 | 一种基于内积矩阵及深度学习的结构健康监测方法 |
CN113094640B (zh) * | 2021-03-26 | 2024-03-15 | 北京工业大学 | 一种频域下宽带多轴随机振动寿命预测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102567632A (zh) * | 2011-12-22 | 2012-07-11 | 上海交通大学 | 基于概率累积损伤的岸桥结构风振疲劳寿命预报方法 |
JP2016080677A (ja) * | 2014-10-09 | 2016-05-16 | 日本精工株式会社 | 疲労寿命評価方法、疲労寿命評価システム及び疲労寿命評価プログラム |
CN107991103A (zh) * | 2017-10-20 | 2018-05-04 | 开沃新能源汽车集团有限公司 | 一种基于真实路谱的电动汽车电池包结构疲劳寿命预测方法 |
-
2018
- 2018-09-14 CN CN201811075597.0A patent/CN109446552B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102567632A (zh) * | 2011-12-22 | 2012-07-11 | 上海交通大学 | 基于概率累积损伤的岸桥结构风振疲劳寿命预报方法 |
JP2016080677A (ja) * | 2014-10-09 | 2016-05-16 | 日本精工株式会社 | 疲労寿命評価方法、疲労寿命評価システム及び疲労寿命評価プログラム |
CN107991103A (zh) * | 2017-10-20 | 2018-05-04 | 开沃新能源汽车集团有限公司 | 一种基于真实路谱的电动汽车电池包结构疲劳寿命预测方法 |
Non-Patent Citations (4)
Title |
---|
Fatigue life prediction of a board-level assembly for random vibrations;Chen Yang等;《IEEE Xplore》;20170921;1125-1129 * |
卫星的随机振动疲劳寿命预测方法研究;杨中梁;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20170915;第2017年卷(第9期);C031-13 * |
航空典型结构件的随机振动疲劳寿命分析;周凌波;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20160315;第2016年卷(第3期);C031-34 * |
随机振动环境下结构的疲劳失效分析;安刚等;《机械科学与技术》;20000930;第19卷(第S1期);40-42 * |
Also Published As
Publication number | Publication date |
---|---|
CN109446552A (zh) | 2019-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109446552B (zh) | 多轴相关随机激励下结构疲劳寿命时域计算方法 | |
CN106960068B (zh) | 一种基于脉冲激励响应频谱的模态阻尼比快速计算方法 | |
CN105353408B (zh) | 一种基于匹配追踪的Wigner高阶谱地震信号谱分解方法 | |
CN104112072A (zh) | 基于小波阈值去噪的主成分分析的工作模态参数识别方法 | |
CN111256993A (zh) | 一种风电机组主轴承故障类型诊断方法及系统 | |
CN109753690A (zh) | 基于计算流体力学的非线性非定常气动力降阶方法 | |
CN106526384A (zh) | 一种用于大规模电力系统的振荡源定位方法 | |
CN110796047A (zh) | 一种基于机器学习的自适应稀疏时频分析方法 | |
CN108459992A (zh) | 一种基于Prony算法的配电网同步相量测量方法 | |
CN113609700A (zh) | 一种山区桥梁完全非平稳风场的模拟方法 | |
CN110020467B (zh) | 一种环形分布动载荷识别方法 | |
Luo et al. | Wave system fitting: a new method for force measurements in shock tunnels with long test duration | |
CN105675126A (zh) | 一种用于检测多频多源复杂稳定声场声压的新方法 | |
CN103076194A (zh) | 实时混合模拟试验效果的频域评价方法 | |
CN107561934B (zh) | 基于多参考时域传递率的仅输出结构模态参数辨识方法 | |
CN106980722B (zh) | 一种脉冲响应中谐波成分的检测和去除方法 | |
CN106446503B (zh) | 遗忘自协方差矩阵递推主元的时变工作模态识别方法 | |
CN104931777A (zh) | 一种基于两条dft复数谱线的信号频率测量方法 | |
Liu et al. | Frequency estimation enhancement for industrial free induction decay signals under low SNR via Hankelization and modified covariance | |
CN110750893B (zh) | 一种基于小波分析的时变电推力器建模方法 | |
CN113268829A (zh) | 一种机械部件正弦扫频振动疲劳损伤估算方法 | |
Men et al. | A new time domain filtering method for calculating the RMS value of vibration signals | |
CN109030942A (zh) | 谐相角分析方法 | |
Zhang et al. | Method of gear fault diagnosis based on EEMD and improved Elman neural network | |
Yao et al. | Identification of acceleration harmonics for a hydraulic shaking table by using hopfield neural network |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20211012 |
|
CF01 | Termination of patent right due to non-payment of annual fee |