CN109902424A - 一种计算叶尖径向间隙的广义回归分布协同响应面法 - Google Patents
一种计算叶尖径向间隙的广义回归分布协同响应面法 Download PDFInfo
- Publication number
- CN109902424A CN109902424A CN201910180056.2A CN201910180056A CN109902424A CN 109902424 A CN109902424 A CN 109902424A CN 201910180056 A CN201910180056 A CN 201910180056A CN 109902424 A CN109902424 A CN 109902424A
- Authority
- CN
- China
- Prior art keywords
- grdcrsm
- generalized regression
- blade tip
- cooperative response
- radial clearance
- 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.)
- Pending
Links
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
Abstract
本发明公开一种计算叶尖径向间隙的广义回归分布协同响应面法。具体过程:通过热‑结构耦合确定性分析获得叶片‑轮盘‑机匣各自对应的径向变形输出响应;构建广义回归分布协同响应面函数(GRDCRSM);运用MCM进行动态可靠性分析;验证GRDCRSM的有效性。本发明将广义回归神经网络与分布协同响应面法相结合,函数拟合精度高,计算速度快,在多构件、多学科模式结构整体可靠性分析方面具有很强的优势。
Description
技术领域
本发明涉及一种多构件、多学科模式结构整体可靠性设计方法,尤其涉及到一种协同响应分析的广义回归分布协同响应面法。
背景技术
航空发动机高压涡轮叶尖径向间隙对航空发动机的性能、油耗率和可靠性都有着非常重要的影响,而叶尖径向间隙由叶片、轮盘和机匣等装配对象的瞬态径向变形共同决定,对于这种多构件、多学科结构系统不能只对各构件分别独立地进行可靠性设计,而必须对所有构件进行结构整体可靠性设计,才能取得更好的技术经济效果。
在结构可靠性分析中,最常用的方法是Monte-Carlo法和响应面法,由于叶尖径向间隙可靠性分析中涉及多构件、多学科,显然比一般的结构可靠性分析复杂得多,材料的非线性和变量个数成倍增加的问题,使叶片径向间隙的可靠性分析需要大量的计算量,如果直接使用响应面法进行叶尖径向间隙可靠性分析,则其计算效率和精度是达不到工程要求的。广义回归神经网络具有很强的非线性拟合能力,适合解决材料的非线性和方拟合精度不高的问题,分布协同响应面法将各构件、各学科进行协同响应分析,将广义回归神经网络与分布协同响应面相结合,提出广义回归分布协同响应面法,对航空发动机高压涡轮叶尖径向间隙进行可靠性分析。
发明内容
本发明的目的是:在进行航空发动机叶尖径向间隙可靠性分析时,考虑到影响叶片-轮盘-机匣受到的外部载荷与各随机变量的非线性、不确定性,以及各个学科之间的相关性,针对传统概率可靠性分析方法不能满足其计算精度与效率的需要,将广义回归神经网络分布协同响应面法相结合,提出了广义回归分布协同响应面法。
一种计算叶尖径向间隙的广义回归分布协同响应面法。其特征在于,包括以下步骤:
a、通过热-结构耦合确定性分析获得叶片-轮盘-机匣各自对应的径向变形输出响应;
b、构建广义回归分布协同响应面函数(GRDCRSM);
c、 运用MCM进行动态可靠性分析;
d、验证GRDCRSM的有效性。
根据权利要求1所述的计算叶尖径向间隙的广义回归分布协同响应面法,其特征在于,步骤a中,以叶片、轮盘和机匣的热载荷和离心载荷的动态性以及导热系数、热膨胀系数、蠕变参数、密度、弹性模量作为输入变量,通过确定性分析得到最小叶尖径向运行值。
根据权利要求1所述的计算叶尖径向间隙的广义回归分布协同响应面法,其特征在于,步骤b中,考虑输入参数的随机性,将热载荷、温度载荷、导热系数、热膨胀系数、蠕变参数、密度、弹性模量作为随机输入变量,运用拉丁超立方抽样法技术(LHS)抽取输入随机变量样本,利用有限元基本方程分别计算每组样本相对应径向变形在分析区域的输出响应,将样本先进行归一化处理,运用交叉验证法对广义回归神经网络进行寻优得到最佳光滑因子,构造广义回归分布协同响应面函数(GRDCRSM),并确定GRDCRSM系数。
根据权利要求1所述的计算叶尖径向间隙的广义回归分布协同响应面法,其特征在于,步骤c中,用GRDCRSM模型代替叶片-轮盘-机匣结构的极限状态方程,运用蒙特卡罗法(MCM)对GRDCRSM模型进行大批量联动抽样,得到叶片-轮盘-机匣结构的可靠性。
根据权利要求1所述的计算叶尖径向间隙的广义回归分布协同响应面法,其特征在于,步骤d中,对GRDCRSM进行有效性验证,即在相同的计算条件下,以公认的可靠性计算方法蒙特卡罗法为基准,和将计算结果与GRDCRSM相对比,验证GRDCRSM的准确性。
本发明与现有技术相比具有以下有益效果:
1.考虑材料的非线性和构造响应面函数拟合精度不高以及多构件、多学科之间的相关性,将广义回归神经网络(GRNN)的非线性拟合能力与分布协同响应面法(DCRSM)的简化计算能力相结合,提升了多构件、多学科结构整体可靠性分析的计算精度和计算效率。
附图说明
图1为计算叶尖径向间隙的广义回归分布协同响应面法分析流程图。
具体实施方式
实施例1
一种计算叶尖径向间隙的广义回归分布协同响应面法。其特征在于,包括以下步骤:
a、 通过热-结构耦合确定性分析获得叶片-轮盘-机匣各自对应的径向变形输出响应;
b、 构建广义回归分布协同响应面函数(GRDCRSM);
c、 运用MCM进行动态可靠性分析;
d、 验证GRDCRSM的有效性。
实施例2
根据权利要求1所述的计算叶尖径向间隙的广义回归分布协同响应面法,其特征在于,步骤a中,以叶片、轮盘和机匣的热载荷和离心载荷的动态性以及导热系数、热膨胀系数、蠕变参数、密度、弹性模量作为输入变量,通过确定性分析得到最小叶尖径向间隙值。
实施例3
根据权利要求1所述的计算叶尖径向间隙的广义回归分布协同响应面法,其特征在于,步骤b中,考虑输入参数的随机性,将热载荷、温度载荷、导热系数、热膨胀系数、蠕变参数、密度、弹性模量作为随机输入变量,运用拉丁超立方抽样法技术(LHS)抽取输入随机变量样本,利用有限元基本方程分别计算每组样本相对应径向变形在分析区域的输出响应,将样本先进行归一化处理,运用交叉验证法对广义回归神经网络进行寻优得到最佳光滑因子,构造广义回归分布协同响应面函数(GRDCRSM),并确定GRDCRSM系数。
实施例4
根据权利要求1所述的计算叶尖径向间隙的广义回归分布协同响应面法,其特征在于,步骤c中,用GRDCRSM模型代替叶片-轮盘-机匣结构的极限状态方程,运用蒙特卡罗法(MCM)对GRDCRSM模型进行大批量联动抽样,得到叶片-轮盘-机匣结构的可靠性。
实施例5
根据权利要求1所述的计算叶尖径向间隙的广义回归分布协同响应面法,其特征在于,步骤d中,对GRDCRSM进行有效性验证,即在相同的计算条件下,以公认的可靠性计算方法蒙特卡罗法为基准,和将计算结果与GRDCRSM相对比,验证GRDCRSM的准确性。
Claims (5)
1.一种计算叶尖径向间隙的广义回归分布协同响应面法,其特征在于,包括以下步骤:
a、通过热-结构耦合确定性分析获得叶片-轮盘-机匣各自对应的径向变形输出响应;
b、构建广义回归分布协同响应面函数(GRDCRSM);
c、运用MCM进行动态可靠性分析;
d、验证GRDCRSM的有效性。
2.根据权利要求1所述的计算叶尖径向间隙的广义回归分布协同响应面法,其特征在于,步骤a中,以叶片、轮盘和机匣的热载荷和离心载荷的动态性以及导热系数、热膨胀系数、蠕变参数、密度、弹性模量作为输入变量,通过确定性分析得到最小叶尖径向运行值。
3.根据权利要求1所述的计算叶尖径向间隙的广义回归分布协同响应面法,其特征在于,步骤b中,考虑输入参数的随机性,将热载荷、温度载荷、导热系数、热膨胀系数、蠕变参数、密度、弹性模量作为随机输入变量,运用拉丁超立方抽样法技术(LHS)抽取输入随机变量样本,利用有限元基本方程分别计算每组样本相对应径向变形在分析区域的输出响应,将样本先进行归一化处理,运用交叉验证法对广义回归神经网络进行寻优得到最佳光滑因子,构造广义回归分布协同响应面函数(GRDCRSM),并确定GRDCRSM系数。
4.根据权利要求1所述的计算叶尖径向间隙的广义回归分布协同响应面法,其特征在于,步骤c中,用GRDCRSM模型代替叶片-轮盘-机匣结构的极限状态方程,运用蒙特卡罗法(MCM)对GRDCRSM模型进行大批量联动抽样,得到叶片-轮盘-机匣结构的可靠性。
5.根据权利要求1所述的计算叶尖径向间隙的广义回归分布协同响应面法,其特征在于,步骤d中,对GRDCRSM进行有效性验证,即在相同的计算条件下,以公认的可靠性计算方法蒙特卡罗法为基准,和将计算结果与GRDCRSM相对比,验证GRDCRSM的准确性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910180056.2A CN109902424A (zh) | 2019-03-11 | 2019-03-11 | 一种计算叶尖径向间隙的广义回归分布协同响应面法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910180056.2A CN109902424A (zh) | 2019-03-11 | 2019-03-11 | 一种计算叶尖径向间隙的广义回归分布协同响应面法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109902424A true CN109902424A (zh) | 2019-06-18 |
Family
ID=66946917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910180056.2A Pending CN109902424A (zh) | 2019-03-11 | 2019-03-11 | 一种计算叶尖径向间隙的广义回归分布协同响应面法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109902424A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111967098A (zh) * | 2020-07-19 | 2020-11-20 | 复旦大学 | 涡轮机械叶尖径向运行间隙概率优化设计方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106980718A (zh) * | 2017-03-20 | 2017-07-25 | 哈尔滨理工大学 | 一种计算叶片寿命的模糊智能多重极值响应面法 |
CN107180148A (zh) * | 2017-07-05 | 2017-09-19 | 中南大学 | 一种基于广义回归神经网络和响应面法的可靠度分析方法 |
CN109388884A (zh) * | 2018-10-09 | 2019-02-26 | 哈尔滨理工大学 | 一种计算耦合叶盘疲劳寿命的广义回归极值响应面法 |
-
2019
- 2019-03-11 CN CN201910180056.2A patent/CN109902424A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106980718A (zh) * | 2017-03-20 | 2017-07-25 | 哈尔滨理工大学 | 一种计算叶片寿命的模糊智能多重极值响应面法 |
CN107180148A (zh) * | 2017-07-05 | 2017-09-19 | 中南大学 | 一种基于广义回归神经网络和响应面法的可靠度分析方法 |
CN109388884A (zh) * | 2018-10-09 | 2019-02-26 | 哈尔滨理工大学 | 一种计算耦合叶盘疲劳寿命的广义回归极值响应面法 |
Non-Patent Citations (1)
Title |
---|
费成巍等: "基于DCRSM的HPT叶尖径向运行间隙可靠性分析", 《航空学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111967098A (zh) * | 2020-07-19 | 2020-11-20 | 复旦大学 | 涡轮机械叶尖径向运行间隙概率优化设计方法 |
CN111967098B (zh) * | 2020-07-19 | 2022-06-21 | 复旦大学 | 涡轮机械叶尖径向运行间隙概率优化设计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fei et al. | Dynamic probabilistic design approach of high-pressure turbine blade-tip radial running clearance | |
Kraft et al. | Optimization of aero gas turbine maintenance using advanced simulation and diagnostic methods | |
CN102184294B (zh) | 小型涡轮发动机涡轮气动性能虚拟试验系统及试验方法 | |
CN106650125A (zh) | 一种离心压气机叶轮的优化方法和系统 | |
JP2013510365A (ja) | 発電プラントの熱効率を最大化するシステム及び方法 | |
US20140142898A1 (en) | Method, Process, And System For High Efficiency Gas Turbine Exhaust Duct Flow-Path | |
US20180246504A1 (en) | Systems and method for dynamic combustion tests | |
JP2012067741A (ja) | 燃焼基準温度の推定 | |
Coull et al. | The sensitivity of turbine cascade endwall loss to inlet boundary layer thickness | |
Geiser et al. | On the simulation and spectral analysis of unsteady turbulence and transition effects in a multistage low pressure turbine | |
Gao et al. | Dynamic probabilistic-based LCF damage assessment of turbine blades regarding time-varying multi-physical field loads | |
CN109902424A (zh) | 一种计算叶尖径向间隙的广义回归分布协同响应面法 | |
Wang et al. | A novel variable geometry turbine achieved by elastically restrained nozzle guide vanes | |
Mai et al. | Effects of damaged rotor blades on the aerodynamic behavior and heat-transfer characteristics of high-pressure gas turbines | |
Xu et al. | Machine learning-assisted design of yttria-stabilized zirconia thermal barrier coatings with high bonding strength | |
Zhou et al. | Sound generation by non-synchronously oscillating rotor blades in turbomachinery | |
Rivas-Guerra et al. | Identification of mistuning characteristics of bladed disks from free response data—part ii | |
CN109388884A (zh) | 一种计算耦合叶盘疲劳寿命的广义回归极值响应面法 | |
Bagnoli et al. | Development and validation of a computational code for wet compression simulation of gas turbines | |
Gerolymos | Filtered chorochronic interface as a capability for 3-D unsteady throughflow analysis of multistage turbomachinery | |
Brown | Reduced order modeling methods for turbomachinery design | |
Ramerth et al. | A Probabilistic Secondary Flow System Design Process for Gas Turbine Engines | |
Satake et al. | The rapid development of diesel engines using an optimization of the fuel injection control | |
Gorla et al. | Probabilistic structural and thermal analysis of a gasketed flange | |
Lu et al. | Optimization strategy for an axial-flow compressor using a region-segmentation combining surrogate model |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190618 |
|
WD01 | Invention patent application deemed withdrawn after publication |