CN109918699A - C/c复合材料喉衬性能的关键参数识别方法 - Google Patents

C/c复合材料喉衬性能的关键参数识别方法 Download PDF

Info

Publication number
CN109918699A
CN109918699A CN201811467534.XA CN201811467534A CN109918699A CN 109918699 A CN109918699 A CN 109918699A CN 201811467534 A CN201811467534 A CN 201811467534A CN 109918699 A CN109918699 A CN 109918699A
Authority
CN
China
Prior art keywords
parameter
composite material
performance
key
key parameter
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
Application number
CN201811467534.XA
Other languages
English (en)
Other versions
CN109918699B (zh
Inventor
汪海滨
张焱
郝艳莉
韩学群
刘统斌
周璟
雷更
刘沛
史宏斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ACADEMY OF AEROSPACE SOLID PROPULSION TECHNOLOGY
Original Assignee
ACADEMY OF AEROSPACE SOLID PROPULSION TECHNOLOGY
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ACADEMY OF AEROSPACE SOLID PROPULSION TECHNOLOGY filed Critical ACADEMY OF AEROSPACE SOLID PROPULSION TECHNOLOGY
Priority to CN201811467534.XA priority Critical patent/CN109918699B/zh
Publication of CN109918699A publication Critical patent/CN109918699A/zh
Application granted granted Critical
Publication of CN109918699B publication Critical patent/CN109918699B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Prostheses (AREA)
  • Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)

Abstract

本发明提供一种基于C/C复合材料喉衬材料性能参数识别方法,主要包括以下步骤:对C/C复合材料喉衬相关参数进行分类归纳,建立因素分析集合;对使用C/C复合材料喉衬的发动机进行试验,获取相关参数试验数据;以试验数据为基础,利用神经网络方法建立相关参数的ANN模型;采用Taguchi正交试验法来选取相关参数的样本点,基于ANN模型,获取每一样本点对应数值试验结果;根据数值试验结果,通过方差分析进行数据处理,辨识出影响C/C复合材料喉衬性能的关键参数;对关键参数进行指标分析,确定出C/C复合材料喉衬性能关键参数的影响程度指标;根据所述关键参数的影响程度指标来确定喉衬材料。利用本发明方法来指导喉衬的设计可以使得得到的制品满足评价指标的要求。

Description

C/C复合材料喉衬性能的关键参数识别方法
技术领域
本发明属于固体火箭发动机喷管技术领域,具体涉及一种C/C复合材料喉衬性能的关键参数识别方法。
背景技术
C/C复合材料喉衬性能的关键参数识别方法主要包括以下内容:(1)C/C复合材料喉衬性能相关参数分类和试验测试结果统计分析;(2)C/C复合材料喉衬性能相关参数影响性分析和关键重要参数识别。
喉衬是固体火箭发动机喷管工作条件最为恶劣的部件,工作温度在3500℃以上,承受高压强并伴随着两相流冲刷,喉衬材料的烧蚀性能直接影响着发动机的性能,因此准确评估喉衬材料的抗烧蚀性能,预测材料烧蚀率,对于提高发动机内弹道预示精度和发动机工作可靠性至关重要。
C/C复合材料作为一种炭纤维增强炭基体的复合材料,具有强度高(尤其是高温强度稳定)、重量轻、抗烧蚀、耐固体微粒燃气冲刷、热膨胀系数小、导热率较低等优异性能,并具有可设计性,已成功应用于我国多种系列导弹发动机喷管喉衬。但由于其多向异性性能,和其高温工况的难模拟性,使得对其性能的测试和表征仍存在较多困难。烧蚀性能是喉衬热结构设计的重要依据,是喉衬材料的重要指标;但由于C/C复合材料喉衬结构和制造工艺的复杂性,影响C/C喉衬复合材料性能的相关参数较多,缺乏对喉衬性能的鉴别手段。
因此,有必要针对C/C复合材料喉衬,提出一种相关参数的识别方法,鉴别出影响C/C复合材料喉衬烧蚀性能的关键参数,建立合理可行的工程使用指标体系,保证C/C复合材料喉衬制品的可靠性,将会对固体火箭发动机喷管技术进步产生积极的效果。
发明内容
有鉴于此,本发明提出一种C/C复合材料喉衬性能的关键参数识别方法。
实现本发明的技术方案如下:
一种基于C/C复合材料喉衬材料性能参数识别方法,主要包括以下步骤:
(1)对C/C复合材料喉衬相关参数进行分类归纳,建立因素分析集合,所述集合包括:性能评价指标、工艺参数及结构参数;
(2)对使用C/C复合材料喉衬的发动机进行试验,获取相关参数试验数据,所述相关参数包括工艺参数和结构参数;
(3)以试验数据为基础,利用神经网络方法建立相关参数的ANN模型;
(4)采用Taguchi正交试验法来选取相关参数的样本点,基于所述ANN模型,获取每一样本点对应数值试验结果;
(5)根据数值试验结果,通过方差分析进行数据处理,分析相关参数对数值试验结果的影响程度,辨识出影响C/C复合材料喉衬性能的关键参数;
(6)根据数值试验结果,对关键参数进行指标分析,确定出C/C复合材料喉衬性能关键参数的影响程度指标;根据所述关键参数的影响程度指标来确定喉衬材料。
进一步地,本发明步骤(1)中,确定性能评价指标为:烧蚀性能,确定相关参数为:纤维体积分数、以及纤维沿三个不同方向的拉伸、压缩强度。
进一步地,本发明设每一相关参数设置的水平区间为M个,选取的样本点为N个,针对每一关键参数,计算其每一水平区间所对应的性能评价指标之和,得到所有关键参数在M个水平区间对应的影响程度指标Km,m=1,2......M,根据所选取的关键参数所对应Km的变化方向,确定该关键参数的取值范围。
进一步地,本发明根据所述指标Km,计算所有关键参数在M个水平区间对应的烧蚀性能的平均值km,计算每一关键参数的M个水平区间所对应的最大值与最小值之差R;根据每一关键参数对应的R值,选取影响大的关键参数。
有益效果
本发明通过对C/C复合材料喉衬性能相关参数影响性进行分析,识别出影响C/C复合材料喉衬关键参数,利用所识别出的关键参数指导喉衬材料的选取,保证了C/C复合材料喉衬满足了评价指标的要求。
附图说明
图1是本发明C/C复合材料喉衬性能的关键参数识别方法的流程图;
图2是ANN模型数值分析结果与试验结果对比示意图。
具体实施方式
下面结合附图和具体实例对本发明的实施作详细说明。
本发明的设计思想为:基于C/C复合材料喉衬材料性能参数、典型喉衬烧蚀情况和发动机工况的试验数据,建立C/C复合材料喉衬相关参数分析的数值模型;利用建立的数值模型,通过选择合理的试验设计方案,得到数值试验数据,并对试验数据进行方差分析,分析C/C复合材料喉衬相关参数对试验结果的影响程度,对相关参数的影响性进行排序并识别关键参数,根据识别的结果用于指导喉衬材料的选取。如图1所示,主要包括以下步骤:
步骤1:归纳出需要分析的C/C复合材料喉衬相关参数为:纤维体积分数(A)、X向拉伸强度(B)、X向压缩强度(C)、Y向拉伸强度(D)、Y向压缩强度(E)、Z向拉伸强度(F)以及Z向压缩强度(G),X为轴向,Y为径向,Z为环向。
步骤2:针对某种使用C/C复合材料喉衬的发动机喷管方案,进行发动机试验,并统计试验数据,考虑的C/C复合材料喉衬性能评价指标主要为烧蚀性能,试验数据如表1所示。
表1 C/C复合材料喉衬发动机试验数据
步骤3:采用三层BP神经网络系统,建立相关参数的数值分析人工神经网络ANN(Artificial Neural Network,简称ANN)模型。图2给出了ANN模型与试验结果的对比情况,可以看出建立的与试验结果一致性较好,行之有效。
现对该步骤进行简单说明:首先,建立神经网络模型;其次,利用步骤2得到的试验参数对神经网络进行训练,得到数值模型;再次,再次进行发动试验,将发动机试验的结果与训练好的数值模型所得到的结果进行比对,如果结果相符合,数值模型有效。
步骤4:基于建立的ANN模型,利用Taguchi正交试验法来选取相关参数的样本点。主要考虑7个相关参数,每个参数设置3个水平区间。因此,采用L27(313)正交实验表的前7列来设计数值实验,其中27表示进行27组实验,3表示每个参数的划分为3个水平,13表示该表最多安排13个参数的正交实验。数值实验及数值模拟结果见表2,表2中每一行代表一个样本点。
表2 ANN模型的模拟结果
步骤5:根据正交实验表2中的数值实验结果,通过方差分析进行数据处理,分析相关参数对数值实验结果的影响程度。方差分析(Analysis of Variance,简称ANOVA),又称“变异数分析”或“F检验”,它的基本思想是:通过分析研究不同来源的变异对总变异的贡献大小,从而确定可控参数对研究结果影响力的大小。它通过用F值与其临界值比较来判断参数的显著性。根据表2中的数值试验数据,计算出其方差分析见表3所示。
表3正交实验的方差分析表
取显著性水平α为0.05,其临界值F0.05(2,12)=3.89,说明:当F>3.89时,相关参数对实验结果影响显著。因此,依据表3中计算获取的F值,对C/C复合材料烧蚀性能影响显著的有A、B、C、D、F,用“*”表示,其他因素影响均不显著,影响显著性排列顺序为B>C>D>A>F>E>G。
步骤6:(1)定义反映各实验因素对评价指标的影响程度为K,K的大小反映了该因素水平变化对实验结果的影响程度,K越大说明影响越大。(2)定义单一C/C复合材料关键参数不同取值水平下烧蚀性能的平均值为k,其最大值与最小值之差称为极差,记为R,用以反应单一C/C复合材料关键参数取值变化对烧蚀性能的影响程度。(3)评价时,先根据步骤5中关键参数排序给定需要进行K值分析的关键参数;再根据R值的大小进一步从步骤5所选择的关键参数中挑出影响因素非常大的关键参数,最后依据计算出的K值大小,确定获得优异烧蚀性能关键参数的选取方向,决定单一关键参数的取值范围,给出C/C复合材料关键参数的选取建议。
下面以纤维体积分数(A)为例,说明分析的过程。将表2中纤维体积分数为15时对应的烧蚀性能预测值相加,其和记为K1,则K1=22.8530。同理,可以计算得到纤维体积分数分别为20、25时对应的烧蚀性能预测值之和,分别记为K2、K3。同时分别计算出k1、k2、k3。同理可以计算出各个参数对应的K值、k值以及R值,如表4所示和各个因素参数对应的K值分布。
表4 K值分析情况
从表4和图2可以看出,在所有参数中,X向拉伸强度(B)取值的改变对烧蚀性能的影响最大,X向拉伸强度升高,烧蚀性能预测值逐渐减小;其次为X向压缩强度(C),随着压缩强度增大,烧蚀性能预测亦逐渐减小。按照K值分布,参数最佳水平组合为A3B3C3D2E3F3G3。(字母代表参数,数字代表选取水平)。可据此给出如下建议,在一定的情况下,若要得到较好的制品烧蚀性能,应将纤维体积分数A、X向拉伸强度B、X向压缩强度C定位关键参数,并使其达到实际情况允许指标范围的最大值。
用此方法能够获得C/C复合材料喉衬相关参数对热结构完整性的影响及其敏感性,确定影响C/C复合材料喉衬烧蚀性能的关键参数,适用于C/C复合材料喉衬性能关键重要参数的选取和指标体系中相关设计参数的评价。
本实例的上述描述和附图代表了本发明的模型方法,本领域技术人员可以根据不同的C/C复合材料微结构、几何形式、材料组分和性能指标在不偏离本发明权利要求所界定的范围内进行各种增补、改进和更换,因此,本发明是广泛的。

Claims (4)

1.一种基于C/C复合材料喉衬材料性能参数识别方法,其特征在于,主要包括以下步骤:
(1)对C/C复合材料喉衬相关参数进行分类归纳,建立因素分析集合,所述集合包括:性能评价指标、工艺参数及结构参数;
(2)对使用C/C复合材料喉衬的发动机进行试验,获取相关参数试验数据,所述相关参数包括工艺参数和结构参数;
(3)以试验数据为基础,利用神经网络方法建立相关参数的ANN模型;
(4)采用Taguchi正交试验法来选取相关参数的样本点,基于所述ANN模型,获取每一样本点对应数值试验结果;
(5)根据数值试验结果,通过方差分析进行数据处理,分析相关参数对数值试验结果的影响程度,辨识出影响C/C复合材料喉衬性能的关键参数;
(6)根据数值试验结果,对关键参数进行指标分析,确定出C/C复合材料喉衬性能关键参数的影响程度指标;根据所述关键参数的影响程度指标来确定喉衬材料。
2.根据权利要求1所述基于C/C复合材料喉衬材料性能参数识别方法,其特征在于,步骤(1)中,确定性能评价指标为:烧蚀性能,确定相关参数为:纤维体积分数、以及纤维沿三个不同方向的拉伸、压缩强度。
3.根据权利要求1所述基于C/C复合材料喉衬材料性能参数识别方法,其特征在于,设每一相关参数设置的水平区间为M个,选取的样本点为N个,针对每一关键参数,计算其每一水平区间所对应的性能评价指标之和,得到所有关键参数在M个水平区间对应的影响程度指标Km,m=1,2......M,根据所选取的关键参数所对应Km的变化方向,确定该关键参数的取值范围。
4.根据权利要求3所述基于C/C复合材料喉衬材料性能参数识别方法,其特征在于,根据所述指标Km,计算所有关键参数在M个水平区间对应的烧蚀性能的平均值km,计算每一关键参数的M个水平区间所对应的最大值与最小值之差R;根据每一关键参数对应的R值,选取影响大的关键参数。
CN201811467534.XA 2018-12-03 2018-12-03 C/c复合材料喉衬性能的关键参数识别方法 Active CN109918699B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811467534.XA CN109918699B (zh) 2018-12-03 2018-12-03 C/c复合材料喉衬性能的关键参数识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811467534.XA CN109918699B (zh) 2018-12-03 2018-12-03 C/c复合材料喉衬性能的关键参数识别方法

Publications (2)

Publication Number Publication Date
CN109918699A true CN109918699A (zh) 2019-06-21
CN109918699B CN109918699B (zh) 2022-12-09

Family

ID=66959825

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811467534.XA Active CN109918699B (zh) 2018-12-03 2018-12-03 C/c复合材料喉衬性能的关键参数识别方法

Country Status (1)

Country Link
CN (1) CN109918699B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111582619A (zh) * 2020-01-22 2020-08-25 汕头大学 一种基于相关性与依赖性分析的适应性设计方法
CN113449897A (zh) * 2020-03-25 2021-09-28 联合汽车电子有限公司 一种发动机台架试验参数优化扫点方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001053683A1 (en) * 2000-01-21 2001-07-26 Alliant Techsystems Inc. Rocket motor nozzle assembly comprising a refractory metal shell
CN104834794A (zh) * 2015-05-27 2015-08-12 中国人民解放军国防科学技术大学 基于材料配比和关键工艺参数改进的产品寿命增长方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001053683A1 (en) * 2000-01-21 2001-07-26 Alliant Techsystems Inc. Rocket motor nozzle assembly comprising a refractory metal shell
CN104834794A (zh) * 2015-05-27 2015-08-12 中国人民解放军国防科学技术大学 基于材料配比和关键工艺参数改进的产品寿命增长方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
闫宝任等: "喉衬组件界面密封失效敏感因素研究", 《推进技术》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111582619A (zh) * 2020-01-22 2020-08-25 汕头大学 一种基于相关性与依赖性分析的适应性设计方法
CN111582619B (zh) * 2020-01-22 2023-09-26 汕头大学 一种基于相关性与依赖性分析的适应性设计方法
CN113449897A (zh) * 2020-03-25 2021-09-28 联合汽车电子有限公司 一种发动机台架试验参数优化扫点方法
CN113449897B (zh) * 2020-03-25 2024-04-16 联合汽车电子有限公司 一种发动机台架试验参数优化扫点方法

Also Published As

Publication number Publication date
CN109918699B (zh) 2022-12-09

Similar Documents

Publication Publication Date Title
CN106599615B (zh) 一种预测miRNA靶基因的序列特征分析方法
CN104392087B (zh) 一种顶置武器站性能评估方法
Athawale et al. Decision making for material selection using the UTA method
CN109918699A (zh) C/c复合材料喉衬性能的关键参数识别方法
CN110069858A (zh) 一种金属材料不同温度条件下高周疲劳性能的预测方法
CN103970965A (zh) 燃气涡轮发动机加速寿命试验试车方法
WO2008002969A2 (en) Method for employing sec-ftir data to predict mechanical properties of polyethylene
CN111177930B (zh) 基于混合序列的航空发动机系统辨识建模方法
CN111310348A (zh) 一种基于pso-lssvm的材料本构模型预测方法
Millen et al. Modelling and analysis of simulated lightning strike tests: A review
CN114036610A (zh) 一种基于数据增强的侵彻深度预测方法
Kakaee et al. Combining artificial neural network and multi-objective optimization to reduce a heavy-duty diesel engine emissions and fuel consumption
CN110189800A (zh) 基于多粒度级联循环神经网络的炉氧含量软测量建模方法
CN107451377B (zh) 一种面向航空发动机轮盘结构寿命分析的晶粒尺寸修正方法
CN108491503B (zh) 一种基于数据分析确定变压器的故障类型的方法及系统
CN113283004A (zh) 一种基于迁移学习的航空发动机退化状态故障诊断方法
CN117275599A (zh) 一种高温合金成分及工艺设计方法
CN108595784A (zh) 基于mbn信号半高全宽比与包络面积的屈服强度估计方法
CN109886316B (zh) 基于云系相似度权重分配的变压器状态参量组合预测方法
Fukui et al. Visualization of damage progress in solid oxide fuel cells
CN115169241A (zh) 一种数据-模型互驱动的TiAl合金疲劳寿命预测方法
CN112464541B (zh) 一种考虑多尺度不确定性的混合复合材料铺层方法
CN108763604A (zh) 一种求解含区间参数复合材料结构静力学响应的径向基神经网络配点法
CN109325669B (zh) 一种电气石改性沥青综合性能评价及配比优化方法
He et al. Temperature intelligent prediction model of coke oven flue based on CBR and RBFNN

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