CN110987389B - 一种应力集中系数不小于3的外物损伤缺口标定方法 - Google Patents

一种应力集中系数不小于3的外物损伤缺口标定方法 Download PDF

Info

Publication number
CN110987389B
CN110987389B CN201911179847.XA CN201911179847A CN110987389B CN 110987389 B CN110987389 B CN 110987389B CN 201911179847 A CN201911179847 A CN 201911179847A CN 110987389 B CN110987389 B CN 110987389B
Authority
CN
China
Prior art keywords
damage
fod
blade
stress concentration
notch
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.)
Active
Application number
CN201911179847.XA
Other languages
English (en)
Other versions
CN110987389A (zh
Inventor
陈伟
赵振华
张钧贺
徐凯龙
韩佳奇
陆楷楠
王凌峰
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201911179847.XA priority Critical patent/CN110987389B/zh
Publication of CN110987389A publication Critical patent/CN110987389A/zh
Application granted granted Critical
Publication of CN110987389B publication Critical patent/CN110987389B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M15/00—Testing of engines
    • G01M15/14—Testing gas-turbine engines or jet-propulsion engines
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M7/00—Vibration-testing of structures; Shock-testing of structures
    • G01M7/08—Shock-testing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
  • Turbine Rotor Nozzle Sealing (AREA)

Abstract

本发明提供一种保证应力集中系数不小于3的外物损伤缺口标定方法。首先对叶片预制FOD缺口，利用三维光学扫描系统对FOD损伤进行三维重构，建立FOD损伤模型。三维重构逆向得到的带有FOD的叶片模型进行有限元分析，计算得到其应力集中系数，记录损伤典型尺寸对应应力集中系数值。使用程序语言搭建神经网络模型，以损伤尺寸作为神经网络的输入，应力集中系数作为神经网络的输出，循环迭代进行神经网络模型的训练。并通过训练后的网络标定该型叶片Kt＝3对应的损伤尺寸。在对该型叶片的抗FOD能力进行考核时，即可按照标定的损伤尺寸，利用空气炮法或机加工缺口法在叶片前缘预制FOD缺口。

Description

一种应力集中系数不小于3的外物损伤缺口标定方法
技术领域
本发明属于航空发动机叶片损伤分析技术领域。
背景技术
航空发动机在近地状态运行时，会吸入随高速气流运动的各种外来物，对发动机部件(主要是风扇/压气机叶片)造成冲击损伤。当外来物是石块、砂砾、螺栓或铆钉等时，通常称作“硬物”撞击。在国内外航空发动机设计规范、标准和手册中，仅将“硬物”撞击造成的冲击损伤称为“外物损伤”(Foreign Object Damage，简称FOD)。FOD具有四个基本特征：(1)损伤处有应力集中；(2)损伤附近有残余应力场；(3)损伤处有微小裂纹；(4)损伤处有微观结构损伤。
针对叶片FOD问题，美军在1995年发布的美军标JSGS-87231A中对叶片的抗FOD设计要求能够容限“等效于应力集中系数Kt至少为3的损坏”，并在高循环疲劳(High CycleFatigue，简称HCF)设计中规定：“对于有Kt＝3FOD/DOD(外物损伤/内物损伤)容限要求的叶片，交变应力应当限制在40％的最小无缺口HCF许用应力或100％的Kt＝3最小缺口HCF许用应力中较小的应力水平之内”。可以看出，美国军方实际上是把复杂的FOD等效为具有不同应力集中系数Kt的缺口处理。我国的现行的标准GJB241A-2010中FOD相关准则仍然沿用了美国“等效于应力集中系数Kt至少为3的损伤”这一规定。可见考核叶片的抗FOD能力，需要对叶片预制应力集中系数Kt为3的FOD损伤。然而对于叶片这类复杂构件的边缘缺口的应力集中系数无法通过应力集中系数手册查找到Kt与缺口尺寸的对应关系，只能通过对缺口模型的有限元计算得到，仅凭经验预制FOD损伤，往往会造成预制的损伤应力集中系数远大于3，造成过考核的情况，使得叶片抗FOD的考核结果出现误差，影响叶片的抗FOD设计工作。
故，需要一种新的技术方案以解决上述问题。
发明内容
为解决上述问题，本发明公开了一种应力集中系数(Kt)不小于3的外物损伤缺口标定方法，以准确地预制出应力集中系数Kt＝3的FOD损伤，保证叶片抗FOD考核结果的准确性。
为达到上述目的，本发明采用如下技术方案：
一种应力集中系数不小于3的外物损伤缺口标定方法，包括以下步骤：
(1)、使用空气炮法或者机械加工缺口法对航空发动机叶片前缘预制FOD损伤，即通过空气炮发射弹丸撞击航空发动机叶片试验件前缘，造成FOD损伤；或者采用机械加工在航空发动机叶片试验件前缘加工出损伤缺口作为FOD损伤；
(2)、利用三维光学扫描系统对步骤(1)中预制的叶片前缘FOD损伤结构进行三维重构，建立FOD损伤模型；
(3)、将步骤(2)中三维重构逆向得到的带有FOD的叶片模型进行三维实体有限元网格的划分后，对有限元模型根据服役情况施加边界条件及载荷，并进行分析，得到FOD模型对应的应力集中系数，并记录应力集中系数与损伤尺寸，损伤尺寸包括损伤宽度、损伤深度、缺口根部半径；
(4)、使用程序语言搭建神经网络模型，设置隐藏层数及神经元数，将步骤(3)中的损伤尺寸作为神经网络的输入，以应力集中系数作为神经网络的输出，循环迭代进行神经网络模型的训练；得到根据FOD损伤尺寸计算其应力集中系数Kt的神经网络模型；通过遍历一定范围内不同组合的损伤尺寸对应神经网络模型输出的Kt值，标定该型叶片Kt＝3对应的损伤尺寸；
(5)、对该型叶片的抗FOD能力进行考核时，即按照Kt＝3对应的损伤尺寸，利用空气炮法或机加工缺口法在叶片前缘预制FOD缺口。
相对于现有技术，本发明可具有以下有益效果：
本发明能够通过预制出应力集中系数Kt＝3的FOD损伤，保证叶片抗FOD考核结果的准确性。
附图说明
图1是本发明应力集中系数不小于3的外物损伤缺口标定方法的流程图。
具体实施方式
请结合图1所示，本发明公开一种保证应力集中系数(Kt)不小于3的外物损伤缺口标定方法，包括以下步骤：
(1)叶片前缘损伤的预制：使用空气炮法或者机械加工缺口法对航空发动机叶片前缘预制FOD损伤，即通过空气炮发射弹丸撞击航空发动机叶片试验件前缘，造成FOD损伤；或者采用机械加工在航空发动机叶片试验件前缘加工出损伤缺口作为FOD损伤。空气炮的基本结构可参阅公开号为110160728A的中国发明专利申请或者公告号为103512423B的中国发明专利，包括测速装置、气缸、与气缸连接的炮管、位于炮管内的弹托，弹丸位于弹托内；被测航空发动机叶片试验件正对炮管。而如果选用机械加工缺口法，一般采用铣削或线切割在叶片前缘加工缺口。
(2)三维重构法建立损伤模型：3D扫描是通过对物体空间外形和结构进行扫描，通过激光或辐射(X光或超声波)来搜集被扫描物体的空间位置信息，得到空间点云，逆向得到被扫描物体的空间结构。本发明利用三维光学扫描系统对步骤(1)中预制的叶片前缘FOD损伤进行三维重构，建立FOD损伤模型。
(3)有限元法应力集中系数计算：对于叶片这类复杂构件的边缘缺口的应力集中系数无法，需要通过对缺口模型的有限元计算得到。将步骤(2)中三维重构逆向得到的带有FOD的叶片模型使用Hypermesh软件进行三维实体有限元网格的划分，在ANSYS软件中对有限元模型根据服役情况施加边界条件及载荷，并进行分析，得到FOD模型对应的应力集中系数。并记录应力集中系数与损伤尺寸(损伤宽度、损伤深度、缺口根部半径)。
(4)神经网络迭代标定Kt＝3对应损伤尺寸：使用程序语言搭建神经网络模型(如BP，SVM等)，设置合适的隐藏层数及神经元数，将步骤(3)中的损伤尺寸(损伤宽度、损伤深度、缺口根部半径)作为神经网络的输入，以应力集中系数作为神经网络的输出，循环迭代进行神经网络模型的训练。得到根据FOD损伤尺寸计算其应力集中系数Kt的神经网络模型。通过遍历一定范围内不同组合的损伤尺寸对应神经网络模型输出的Kt值，标定该型叶片Kt＝3对应的损伤尺寸。
(5)预制Kt＝3的损伤：通过步骤(4)中搭建的神经网络模型，标定了Kt＝3对应的损伤尺寸。在对该型叶片的抗FOD能力进行考核时，即可按照标定的损伤尺寸，利用空气炮法或机加工缺口法在叶片前缘预制FOD缺口。准确地考核叶片的抗FOD能力。
另外，本发明的具体实现方法和途径很多，以上所述仅是本发明的优选实施方式。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种应力集中系数不小于3的外物损伤缺口标定方法，其特征在于，包括以下步骤：
（1）、使用空气炮法或者机械加工缺口法对航空发动机叶片前缘预制FOD损伤，即通过空气炮发射弹丸撞击航空发动机叶片试验件前缘，造成FOD损伤；或者采用机械加工在航空发动机叶片试验件前缘加工出损伤缺口作为FOD损伤；
（2）、利用三维光学扫描系统对步骤（1）中预制的叶片前缘FOD损伤结构进行三维重构，建立FOD损伤模型；
（3）、将步骤（2）中三维重构逆向得到的带有FOD的叶片模型进行三维实体有限元网格的划分后，对有限元模型根据服役情况施加边界条件及载荷，并进行分析，得到FOD模型对应的应力集中系数，并记录应力集中系数与损伤尺寸，损伤尺寸包括损伤宽度、损伤深度、缺口根部半径；
（4）、使用程序语言搭建神经网络模型，设置隐藏层数及神经元数，将步骤（3）中的损伤尺寸作为神经网络的输入，以应力集中系数作为神经网络的输出，循环迭代进行神经网络模型的训练；得到根据FOD损伤尺寸计算其应力集中系数Kt的神经网络模型；通过遍历一定范围内不同组合的损伤尺寸对应神经网络模型输出的Kt值，标定该型叶片Kt=3对应的损伤尺寸；
（5）、对该型叶片的抗FOD能力进行考核时，即按照Kt=3对应的损伤尺寸，利用空气炮法或机加工缺口法在叶片前缘预制FOD缺口。
2.根据权利要求1所述的应力集中系数不小于3的外物损伤缺口标定方法，其特征在于，步骤（1）中，采用的空气炮包括测速装置、气缸、与气缸连接的炮管、位于炮管内的弹托，弹丸位于弹托内；被测航空发动机叶片试验件正对炮管。
3.根据权利要求1所述的应力集中系数不小于3的外物损伤缺口标定方法，其特征在于，步骤（1）中，机械加工缺口法采用铣削或线切割在叶片前缘加工缺口。
4.根据权利要求1所述的应力集中系数不小于3的外物损伤缺口标定方法，其特征在于，步骤（3）中，使用Hypermesh软件进行三维实体有限元网格的划分，在ANSYS软件中对有限元模型根据服役情况施加边界条件及载荷，并进行分析。
5.根据权利要求1所述的应力集中系数不小于3的外物损伤缺口标定方法，其特征在于，步骤（4）中，使用BP或SVM程序语言搭建神经网络模型。
CN201911179847.XA 2019-11-27 2019-11-27 一种应力集中系数不小于3的外物损伤缺口标定方法 Active CN110987389B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911179847.XA CN110987389B (zh) 2019-11-27 2019-11-27 一种应力集中系数不小于3的外物损伤缺口标定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911179847.XA CN110987389B (zh) 2019-11-27 2019-11-27 一种应力集中系数不小于3的外物损伤缺口标定方法

Publications (2)

Publication Number Publication Date
CN110987389A CN110987389A (zh) 2020-04-10
CN110987389B true CN110987389B (zh) 2021-07-27

Family

ID=70087333

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911179847.XA Active CN110987389B (zh) 2019-11-27 2019-11-27 一种应力集中系数不小于3的外物损伤缺口标定方法

Country Status (1)

Country Link
CN (1) CN110987389B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111652252B (zh) * 2020-06-11 2022-11-11 中国空气动力研究与发展中心超高速空气动力研究所 一种基于集成学习的超高速撞击损伤的定量识别方法
CN112434449B (zh) * 2020-08-08 2022-11-08 中车长春轨道客车股份有限公司 一种参数化的吊装结构疲劳寿命智能预测方法
CN112033710B (zh) * 2020-09-15 2022-04-01 中车青岛四方机车车辆股份有限公司 一种基于神经网络的城轨车辆构架损伤度检测方法
CN113075066B (zh) * 2021-03-22 2023-10-31 中国人民解放军空军工程大学 激光强化叶片边缘性能测试方法
CN113505513B (zh) * 2021-07-21 2022-06-07 广西交科集团有限公司 一种锈蚀吊杆应力集中系数的计算方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2552911B2 (ja) * 1989-01-26 1996-11-13 三菱製鋼 株式会社 シフトレバー機構
US6948381B1 (en) * 2002-04-09 2005-09-27 Rockwell Automation Technologies, Inc. System and method for sensing torque on a rotating shaft
CN105931217A (zh) * 2016-04-05 2016-09-07 李红伟 一种基于图像处理技术的机场道面fod异物检测方法
CN108491570B (zh) * 2018-02-08 2020-08-07 南京航空航天大学 一种spfdb三层板空心夹芯结构弯曲疲劳寿命预测方法
CN109815521B (zh) * 2018-12-03 2021-04-16 南京航空航天大学 一种航空发动机叶片抗fod能力的评估方法
CN109884620B (zh) * 2019-01-21 2022-11-08 成都玻尔兹曼科技有限公司 一种基于深度学习的fod雷达异物检测方法
CN110134990B (zh) * 2019-04-03 2020-09-25 南京航空航天大学 航空发动机叶片前缘危险部位的检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
前缘半径对钛合金叶片抗外物损伤能力影响的数值分析;孙护国;《航空发动机》;20160415;全文 *

Also Published As

Publication number Publication date
CN110987389A (zh) 2020-04-10

Similar Documents

Publication Publication Date Title
CN110987389B (zh) 一种应力集中系数不小于3的外物损伤缺口标定方法
CN109815521B (zh) 一种航空发动机叶片抗fod能力的评估方法
Lange et al. Introduction of a parameter based compressor blade model for considering measured geometry uncertainties in numerical simulation
CN101470771B (zh) 一种选择涡轮机喷嘴扇体布置的方法
JP6080174B2 (ja) ファンケーシングで観測される衝撃痕の検査方法
EP3617994A1 (en) Blade sentencing
CN111125959A (zh) 兆瓦级风力发电复合材料叶片疲劳寿命的预测方法
CN108765565A (zh) 一种fod损伤的三维实体建模方法
EP3623788B1 (en) Automated distress ranking system
CN109583037A (zh) 一种航空发动机叶片喷丸加工变形的参数控制方法
US11976997B2 (en) Inspection method for inspecting a condition of an externally invisible component of a device using a borescope
CN111046490A (zh) 一种外物损伤缺口分析中的网格尺寸反演方法
CN110134990B (zh) 航空发动机叶片前缘危险部位的检测方法
Hanschke et al. The effect of foreign object damage on compressor blade high cycle fatigue strength
CN108536932B (zh) 基于互扭约束条件下的航空叶片积叠轴垂直度计算方法
US6604285B2 (en) Method and apparatus for electronically determining nozzle throat area and harmonics
CN110987388B (zh) 一种基于缺口疲劳强度的等效机械加工缺口的方法
Heinze et al. Probabilistic HCF-investigation of compressor blades
CN115455833B (zh) 一种考虑分类的气动不确定性表征方法
CN114608478A (zh) 一种高精度曲面薄片的前后缘参数量测方法
Holtzhausen et al. Highly accurate automated 3d measuring and data conditioning for turbine and compressor blades
Vasilopoulos et al. Roughness investigations on in-service high-pressure compressor blades–part I: an automated process for high-fidelity roughness measurements
Voigt et al. Introduction of a Novel Parameter Model to Analyze the Geometric Variation of Airfoil Edges of Ex-In-Service Compressor Airfoils
CN107726974B (zh) 基于测距传感器的复杂曲面叶片迭代扫描测量方法
Hameed et al. Using FEM and CFD for engine turbine blades to localize critical areas for non destructive inspections

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