CN111581835A - 一种机械结构体的安全信息获取方法 - Google Patents

一种机械结构体的安全信息获取方法 Download PDF

Info

Publication number
CN111581835A
CN111581835A CN202010406319.XA CN202010406319A CN111581835A CN 111581835 A CN111581835 A CN 111581835A CN 202010406319 A CN202010406319 A CN 202010406319A CN 111581835 A CN111581835 A CN 111581835A
Authority
CN
China
Prior art keywords
cycle fatigue
fatigue damage
low
damage
cycle
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
CN202010406319.XA
Other languages
English (en)
Other versions
CN111581835B (zh
Inventor
姜广君
郭世杰
陈红霞
李华强
李琦
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.)
Inner Mongolia University of Technology
Original Assignee
Inner Mongolia University of 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 Inner Mongolia University of Technology filed Critical Inner Mongolia University of Technology
Priority to CN202010406319.XA priority Critical patent/CN111581835B/zh
Publication of CN111581835A publication Critical patent/CN111581835A/zh
Application granted granted Critical
Publication of CN111581835B publication Critical patent/CN111581835B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • 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
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

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)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本公开涉及一种机械结构体的安全信息获取方法，通过引入广义应力‑强度干涉模型，并考虑材料内部分散性的影响，结合所求的累积损伤分布函数，以及所述瞬时累积高周疲劳损伤的概率密度函数和瞬时累积低周疲劳损伤的概率密度函数，确定机械结构体的可靠度方程和方程安全余量方程，充分考虑了高低周复合载荷下强度和载荷的概率分布的不确定性，准确获取机械结构体的安全信息，适用性更宽，得到的安全信息的精确度更高。

Description

一种机械结构体的安全信息获取方法
技术领域
本公开涉及新一代信息技术技术领域，尤其涉及一种机械结构体的安全信息获取方法。
背景技术
随着科技的迅速发展，飞机、船舶、汽车、动力机械、工程机械、冶金、石油等机械的使用越来越常见，其主要零件和构件，大多在循环变化的载荷下工作，疲劳是其主要的失效形式，例如航空发动机的转子部件等机械结构在工作中，疲劳相关的失效模式，如低周疲劳、热机械疲劳等占涡轮叶片总体失效的一半左右。目前，对于航空发动机涡轮叶片的疲劳失效，大多集中在纯低周疲劳和纯高周疲劳领域，但事实上，涡轮转子部件等机械结构的疲劳失效应为在低周疲劳叠加高周疲劳而导致的高低周复合疲劳失效。
在航空发动机涡轮转子部件的可靠性研究的过程中，为反映结构在实际服役载荷中的损伤演化过程以及更准确地评估其在多次复合载荷作用下的疲劳可靠度，考虑结构在高低周复合疲劳载荷的作用就显得十分重要。因此，急需一种机械结构体的安全信息获取方法。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种机械结构体的安全信息获取方法。
本公开提供了一种机械结构体的安全信息获取方法，其特征在于，应用于高低周复合载荷下，包括如下步骤：
通过高低周复合疲劳线性累积损伤模型表示机械结构体的低周疲劳损伤和高周疲劳损伤；
基于低周疲劳寿命的分布函数和低周疲劳损伤，确定低周疲劳损伤的累积分布函数；
基于高周疲劳寿命的分布函数和高周疲劳损伤，确定高周疲劳损伤的累积分布函数；
对低周疲劳损伤的累积分布函数求导，得到低周疲劳损伤的概率密度函数；以及对高周疲劳损伤的累积分布函数求导，得到高周疲劳损伤的概率密度函数；
结合疲劳寿命服从对数正态分布的机械结构体的概率密度函数、低周疲劳损伤的概率密度函数和高周疲劳损伤的概率密度函数，得到机械结构体的瞬时累积低周疲劳损伤的概率密度函数和机械结构体的瞬时累积高周疲劳损伤的概率密度函数；
在机械结构体的低周疲劳损伤和高周疲劳损伤矩相等时，将低周疲劳损伤和高周疲劳损伤的和进行当量对数正态化，得到累积损伤分布函数；
通过广义应力-强度干涉模型和所述机械结构体的临界损伤，确定所述机械结构体材料的内部分散性，结合累积损伤分布函数，以及瞬时累积高周疲劳损伤的概率密度函数和瞬时累积低周疲劳损伤的概率密度函数，确定机械结构体的可靠度方程和方程安全余量方程；
基于机械结构体的可靠度方程和方程安全余量方程获取机械结构体的安全信息。
在一些实施例中，低周疲劳损伤为：
Figure BDA0002491443590000021
高周疲劳损伤为：
Figure BDA0002491443590000022
其中，NLi为第i级复合载荷水平下的低周疲劳寿命，NHi为第i级复合载荷水平下的高周疲劳寿命，ni为第i级复合载荷水平下对应的高低周应力频率比。
在一些实施例中，高低周复合疲劳线性累积损伤模型为：
Figure BDA0002491443590000031
其中,DH和DL分别为高低周复合载荷下的高周疲劳损伤和低周疲劳损伤，DDHi和DDLi分别为第i级高低周复合载荷下的高周疲劳损伤和低周疲劳损伤，N为复合载荷块的数目。
在一些实施例中，低周疲劳损伤的累积分布函数为：
Figure BDA0002491443590000032
高周疲劳损伤的累积分布函数为：
Figure BDA0002491443590000033
其中，DH和DL分别为高低周复合载荷下的高周疲劳损伤和低周疲劳损伤，DDHi和DDLi分别为第i级高低周复合载荷下的高周疲劳损伤和低周疲劳损伤，N为复合载荷块的数目，ni为第i级复合载荷水平下对应的高低周应力频率比。
在一些实施例中，低周疲劳损伤的概率密度函数为：
Figure BDA0002491443590000034
低周疲劳损伤的概率密度函数为：
Figure BDA0002491443590000035
其中，n为高低周应力频率比，N为复合载荷块的数目。
在一些实施例中，瞬时累积低周疲劳损伤的概率密度函数为：
Figure BDA0002491443590000041
瞬时累积高周疲劳损伤的概率密度函数为：
Figure BDA0002491443590000042
疲劳寿命服从对数正态分布的机械结构体的概率密度函数为：
Figure BDA0002491443590000043
其中，
Figure BDA0002491443590000044
表示瞬时累积的低周疲劳损伤的对数均值，
Figure BDA0002491443590000045
表示瞬时累积的低周疲劳损伤的对数标准差；
Figure BDA0002491443590000046
表示瞬时累积高周疲劳损伤的对数均值，
Figure BDA0002491443590000047
表示瞬时累积高周疲劳损伤的对数标准差。
在一些实施例中，机械结构体的可靠度方程为：
Figure BDA0002491443590000048
其中，DC表示机械结构体的临界损伤，D(N)表示N级复合载荷下的疲劳总损伤就等于低周疲劳损伤和高周疲劳损伤的累加和。
在一些实施例中，机械结构体的安全余量方程为：
MN＝DC-D(N)；
其中，DC表示机械结构体的临界损伤，D(N)表示表示N级复合载荷下的疲劳总损伤就等于低周疲劳损伤和高周疲劳损伤的累加和。
在一些实施例中，机械结构体包括：飞机零件、船舶零件、汽车零件、动力机械零件和工程机械零件。
本公开实施例提供的技术方案与现有技术相比具有如下优点：
本发明实施例中提供的一种机械结构体的安全信息获取方法，通过引入广义应力-强度干涉模型，结合所求的累积损伤分布函数，以及所述瞬时累积高周疲劳损伤的概率密度函数和瞬时累积低周疲劳损伤的概率密度函数，确定机械结构体的可靠度方程和方程安全余量方程，充分考虑了高低周复合载荷下强度和载荷的概率分布的不确定性，以及考虑了材料内部分散性的影响，准确获取机械结构体的安全信息。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本公开实施例所述一种机械结构体的安全信息获取方法流程图；
图2为本公开实施例所述一种高低周复合试验载荷谱图；
图3为本公开实施例所述一种机械结构体在高低周复合载荷下的损伤累积演化过程图；
图4为本公开实施例所述一种机械结构体在不同高低周应力频率比下的动态可靠图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
图1为一种机械结构体的安全信息获取方法流程图，如图1所示，该方法包括以下步骤：
步骤101：通过高低周复合疲劳线性累积损伤模型表示机械结构体的低周疲劳损伤和高周疲劳损伤。
步骤102：基于低周疲劳寿命的分布函数和所述低周疲劳损伤，确定所述低周疲劳损伤的累积分布函数。
步骤103：基于高周疲劳寿命的分布函数和所述高周疲劳损伤，确定所述高周疲劳损伤的累积分布函数。
步骤104：对所述低周疲劳损伤的累积分布函数求导，得到所述低周疲劳损伤的概率密度函数；以及对所述高周疲劳损伤的累积分布函数求导，得到所述高周疲劳损伤的概率密度函数。
步骤105：结合疲劳寿命服从对数正态分布的机械结构体的概率密度函数、所述低周疲劳损伤的概率密度函数和所述高周疲劳损伤的概率密度函数，得到所述机械结构体的瞬时累积低周疲劳损伤的概率密度函数和所述机械结构体的瞬时累积高周疲劳损伤的概率密度函数。
步骤106：在所述机械结构体的低周疲劳损伤和高周疲劳损伤矩相等时，将所述低周疲劳损伤和高周疲劳损伤的和进行当量对数正态化，得到累积损伤分布函数。
步骤107：通过广义应力-强度干涉模型和所述机械结构体的临界损伤，确定所述机械结构体材料的内部分散性，结合所述累积损伤分布函数，以及所述瞬时累积高周疲劳损伤的概率密度函数和瞬时累积低周疲劳损伤的概率密度函数，确定机械结构体的可靠度方程和方程安全余量方程。
步骤108：基于所述机械结构体的可靠度方程和方程安全余量方程获取所述机械结构体的安全信息。
在一些实施例中，在高低周复合载荷下，如步骤101所示，通过高低周复合疲劳线性累积损伤模型表示机械结构体的低周疲劳损伤和高周疲劳损伤。
具体地，所述高低周复合疲劳线性累积损伤模型为：
Figure BDA0002491443590000071
其中,DH和DL分别为高低周复合载荷下的高周疲劳损伤和低周疲劳损伤，DDHi和DDLi分别为第i级高低周复合载荷下的高周疲劳损伤和低周疲劳损伤(其中i是多次载荷中的任意一次，i最大为机械结构体发生疲劳破坏时的载荷作用次数)，N为复合载荷块的数目。
具体地，以航空发动机涡轮转子为例，对于高低周疲劳载荷，根据线性疲劳累积损伤法则，通过高低周复合疲劳线性累积损伤模型，表示出航空发动机涡轮转子在第i级复合载荷下的低周疲劳损伤为：
Figure BDA0002491443590000072
其中，NLi为航空发动机涡轮转子在第i级复合载荷水平下的低周疲劳寿命，NHi为航空发动机涡轮转子在第i级复合载荷水平下的高周疲劳寿命。
具体地，依旧以航空发动机涡轮转子为例，对于高低周疲劳载荷，根据线性疲劳累积损伤法则，通过高低周复合疲劳线性累积损伤模型，表示出航空发动机涡轮转子在第i级复合载荷下的高周疲劳损伤为：
Figure BDA0002491443590000073
其中，NLi为航空发动机涡轮转子在第i级复合载荷水平下的低周疲劳寿命，NHi为航空发动机涡轮转子在第i级复合载荷水平下的高周疲劳寿命，ni为航空发动机涡轮转子在第i级复合载荷水平下对应的高低周应力频率比，即在每一个低周疲劳载荷上叠加的高周循环数。
在一些实施例中，在高低周复合载荷下，如步骤102所示，基于所述低周疲劳寿命的分布函数和所述低周疲劳损伤，确定所述低周疲劳损伤的累积分布函数。
具体地，以航空发动机涡轮转子为例，在第i级符合载荷下，设低周疲劳寿命的分布函数为FNLi(dl)，则可得所述低周疲劳损伤的累积分布函数：
Figure BDA0002491443590000081
其中，DDHi和DDLi分别为航空发动机涡轮转子在第i级高低周复合载荷下的高周疲劳损伤和低周疲劳损伤，N为复合载荷块的数目。
在一些实施例中，在高低周复合载荷下，如步骤103所示，基于所述高周疲劳寿命的分布函数和所述高周疲劳损伤，确定所述高周疲劳损伤的累积分布函数。
具体地，还是以航空发动机涡轮转子为例，在第i级符合载荷下，设低周疲劳寿命的分布函数为FNLi(dl)，则可得所述低周疲劳损伤的累积分布函数：
Figure BDA0002491443590000082
其中，DDHi和DDLi分别为航空发动机涡轮转子在第i级高低周复合载荷下的高周疲劳损伤和低周疲劳损伤，N为复合载荷块的数目，ni为第i级复合载荷水平下对应的高低周应力频率比。
在一些实施例中，在高低周复合载荷下，如步骤104所示，对所述低周疲劳损伤的累积分布函数求导，得到所述低周疲劳损伤的概率密度函数；以及对所述高周疲劳损伤的累积分布函数求导，得到所述高周疲劳损伤的概率密度函数。
具体地，以航空发动机涡轮转子为例，在第i级符合载荷下，对所述低周疲劳损伤的累积分布函数求导，得到所述低周疲劳损伤的概率密度函数(按照正常求导便可，就不一一展示求导过程)：
Figure BDA0002491443590000083
在第i级符合载荷下，对所述高周疲劳损伤的累积分布函数求导，得到所述高周疲劳损伤的概率密度函数(按照正常求导便可，就不一一展示求导过程了)：
Figure BDA0002491443590000091
其中，n为高低周应力频率比，N为复合载荷块的数目。
在一些实施例中，在高低周复合载荷下，如步骤105所示，结合疲劳寿命服从对数正态分布的机械结构体的概率密度函数、所述低周疲劳损伤的概率密度函数和所述高周疲劳损伤的概率密度函数，得到所述机械结构体的瞬时累积低周疲劳损伤的概率密度函数和所述机械结构体的瞬时累积高周疲劳损伤的概率密度函数。
具体地，以航空发动机涡轮转子为例，其瞬时累积低周疲劳损伤的概率密度函数为：
Figure BDA0002491443590000092
其瞬时累积高周疲劳损伤的概率密度函数为：
Figure BDA0002491443590000093
所述疲劳寿命服从对数正态分布的机械结构体的概率密度函数为：
Figure BDA0002491443590000094
其中，
Figure BDA0002491443590000095
表示航空发动机涡轮转子的瞬时累积的低周疲劳损伤的对数均值，
Figure BDA0002491443590000096
表示航空发动机涡轮转子的瞬时累积的低周疲劳损伤的对数标准差；
Figure BDA0002491443590000097
表示航空发动机涡轮转子的瞬时累积高周疲劳损伤的对数均值，
Figure BDA0002491443590000098
表示航空发动机涡轮转子的瞬时累积高周疲劳损伤的对数标准差，如图2所示中，αL可表示航空发动机涡轮转子的瞬时累积的低周疲劳损伤的对数标准差，αH可表示航空发动机涡轮转子的瞬时累积高周疲劳损伤的对数标准差，fH可表示瞬时累积高周疲劳损伤的概率密度函数，fL可表示瞬时累积低周疲劳损伤的概率密度函数。
在一些实施例中，在高低周复合载荷下，如步骤106所示，在所述机械结构体的低周疲劳损伤和高周疲劳损伤矩相等时，将所述低周疲劳损伤和高周疲劳损伤的和进行当量对数正态化，得到累积损伤分布函数。
具体地，以航空发动机涡轮转子为例，采用Miner法则，可以在变幅加载时累积各载荷水平下的损伤，还可以将其扩展到高低周复合加载条件下，如图2所示，则N级复合载荷块下的疲劳总损伤就等于低周疲劳损伤和高周疲劳损伤的累加，如下：
Figure BDA0002491443590000101
其中，DL和DH别表示N级复合载荷块下的低周疲劳累积损伤和高周疲劳累积损伤，如图2所示中的低周疲劳累积损伤和高周疲劳累积损伤。
并且，采用Miner法则，需求的统计数据较少，能较好的与结构或零部件的寿命分布模型联系起来。
具体地，以航空发动机涡轮转子为例，在航空发动机涡轮转子的低周疲劳损伤和高周疲劳损伤矩相等时，将其低周疲劳损伤和高周疲劳损伤的和进行当量对数正态化，能够得到低周疲劳损伤和高周疲劳损伤的和均值和方差，如下：
E(D)＝E(DL)+E(DH)；
Var(D)＝Var(DL)+Var(DH)；
这里的均值和方差的作用是低周疲劳损伤和高周疲劳损伤两者之和的均值和方差，通过这样的方式能够求出在第i级载荷造成的低周疲劳损伤和高周疲劳损伤两者之和的累积损伤分布函数，具体过程就不在做详细介绍。
此外，损伤之和的均值和方差需通过瞬时累积的低周疲劳损伤和高周疲劳损伤对数均值和对数标准差来计算，即瞬时累积的疲劳损伤是计算多个损伤之和的前提，具体过程也不在做详细介绍。
在一些实施例中，在高低周复合载荷下，如步骤107所示，通过广义应力-强度干涉模型和所述机械结构体的临界损伤，确定所述机械结构体材料的内部分散性，结合所述累积损伤分布函数，以及所述瞬时累积高周疲劳损伤的概率密度函数和瞬时累积低周疲劳损伤的概率密度函数，确定机械结构体的可靠度方程和方程安全余量方程。
在一些实施例中，以航空发动机涡轮转子为例，在其服役过程中，其疲劳损伤逐渐累积，并随着循环载荷作用次数或时间不断增加，疲劳累积损伤值不断增大，假设疲劳累积损伤等于1时，航空发动机涡轮转子结构发生失效，以累积损伤作为基本参数，则N次复合载荷作用下结构的可靠度可表示为疲劳损伤概率密度函数的积分，根据广义应力-强度干涉模型，也可以将航空发动机涡轮转子的临界损伤视为材料强度来考虑航空发动机涡轮转子材料的内部分散性。其中，航空发动机涡轮转子的临界损伤DC只与本身材料有关，且航空发动机涡轮转子结构的临界损伤DC的分布应与复合加载条件下的疲劳寿命相同，因此认为航空发动机涡轮转子结构的临界损伤DC也服从对数正态分布。
航空发动机涡轮转子结构在高低周复合载荷下的损伤累积演化过程如图3所示，纵坐标表示临界损伤，横坐标表示高低周复合载荷，DC表示临界损伤，D(N)表示低周疲劳损伤和高周疲劳损伤的累加，在高低周复合加载下，随着循环数的增加，累积损伤D(N)的均值和方差是累加的，考虑临界损伤的影响，将其视为均值为1的随机变量，其安全余量方程为：
MN＝DC-D(N)；
结合上式，高低周复合载荷下的疲劳可靠度为：
Figure BDA0002491443590000121
其中，DC表示航空发动机涡轮转子的临界损伤，D(N)表示表示N级复合载荷下的疲劳总损伤就等于低周疲劳损伤和高周疲劳损伤的累加和。
在一些实施例中，在高低周复合载荷下，如步骤108所示，基于所述机械结构体的可靠度方程和方程安全余量方程获取所述机械结构体的安全信息。
具体地，将本方法所得到的安全信息与在不同高低周应力频率比与不同变异系数下得到的安全信息进行比较，结果表明，通过本发明的计算方法得出机械结构体在高低周复合疲劳载荷下的动态可靠度，其可靠度随着载荷次数的增加而降低，且高低周应力频率比越高，其可靠度越低。
如图4所示的机械结构体在不同高低周应力频率比下的动态可靠图，可靠度会随着载荷次数的增加而降低，且高低周应力频率比越高，其可靠度越低，其中，横坐标代表载荷次数，纵坐标代表机械结构体的可靠度，图中给出了四条曲线，1号曲线对应高低周应力频率比100的情况下机械结构体的可靠度随载荷次数的变化，2号曲线对应高低周应力频率比200的情况下机械结构体的可靠度随载荷次数的变化，3号曲线对应高低周应力频率比300的情况下机械结构体的可靠度随载荷次数的变化，4号曲线对应高低周应力频率比500的情况下机械结构体的可靠度随载荷次数的变化。例如1号曲线对应高低周应力频率比100情况下，机械结构体的可靠度会随着载荷次数的增加而降低；而在同等载荷次数下，高低周应力频率比越高，机械结构体的可靠度越低，即1号曲线对应高低周应力频率比100的情况下机械结构体的可靠度最高，4号曲线对应高低周应力频率比500的情况下机械结构体的可靠度最低。
本发明实施例，在Miner法则的基础上，引入广义应力强度干涉理论，并考虑材料内部分散性的影响，适用性更宽，得到的安全信息的精确度更高。但本发明不局限于航空发动机的涡轮转子部件，在飞机零件、船舶零件、汽车零件、动力机械零件和工程机械零件，均在本发明的保护之内。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (9)

1.一种机械结构体的安全信息获取方法，其特征在于，应用于高低周复合载荷下，包括如下步骤：
通过高低周复合疲劳线性累积损伤模型表示机械结构体的低周疲劳损伤和高周疲劳损伤；
基于低周疲劳寿命的分布函数和所述低周疲劳损伤，确定所述低周疲劳损伤的累积分布函数；
基于高周疲劳寿命的分布函数和所述高周疲劳损伤，确定所述高周疲劳损伤的累积分布函数；
对所述低周疲劳损伤的累积分布函数求导，得到所述低周疲劳损伤的概率密度函数；以及对所述高周疲劳损伤的累积分布函数求导，得到所述高周疲劳损伤的概率密度函数；
结合疲劳寿命服从对数正态分布的机械结构体的概率密度函数、所述低周疲劳损伤的概率密度函数和所述高周疲劳损伤的概率密度函数，得到所述机械结构体的瞬时累积低周疲劳损伤的概率密度函数和所述机械结构体的瞬时累积高周疲劳损伤的概率密度函数；
在所述机械结构体的低周疲劳损伤和高周疲劳损伤矩相等时，将所述低周疲劳损伤和高周疲劳损伤的和进行当量对数正态化，得到累积损伤分布函数；
通过广义应力-强度干涉模型和所述机械结构体的临界损伤，确定所述机械结构体材料的内部分散性，结合所述累积损伤分布函数，以及所述瞬时累积高周疲劳损伤的概率密度函数和瞬时累积低周疲劳损伤的概率密度函数，确定机械结构体的可靠度方程和方程安全余量方程；
基于所述机械结构体的可靠度方程和方程安全余量方程获取所述机械结构体的安全信息。
2.根据权利要求1所述的方法，其特征在于，所述低周疲劳损伤为：
Figure FDA0002491443580000021
所述高周疲劳损伤为：
Figure FDA0002491443580000022
其中，NLi为第i级复合载荷水平下的低周疲劳寿命，NHi为第i级复合载荷水平下的高周疲劳寿命，ni为第i级复合载荷水平下对应的高低周应力频率比。
3.根据权利要求1所述的方法，其特征在于，所述高低周复合疲劳线性累积损伤模型为：
Figure FDA0002491443580000023
其中,DH和DL分别为高低周复合载荷下的高周疲劳损伤和低周疲劳损伤，DDHi和DDLi分别为第i级高低周复合载荷下的高周疲劳损伤和低周疲劳损伤，N为复合载荷块的数目。
4.根据权利要求1所述的方法，其特征在于，所述低周疲劳损伤的累积分布函数为：
Figure FDA0002491443580000024
所述高周疲劳损伤的累积分布函数为：
Figure FDA0002491443580000031
其中，DH和DL分别为高低周复合载荷下的高周疲劳损伤和低周疲劳损伤，DDHi和DDLi分别为第i级高低周复合载荷下的高周疲劳损伤和低周疲劳损伤，N为复合载荷块的数目，ni为第i级复合载荷水平下对应的高低周应力频率比。
5.根据权利要求4所述的方法，其特征在于，所述低周疲劳损伤的概率密度函数为：
Figure FDA0002491443580000032
所述低周疲劳损伤的概率密度函数为：
Figure FDA0002491443580000033
其中，n为高低周应力频率比，N为复合载荷块的数目。
6.根据权利要求5所述的方法，其特征在于，所述瞬时累积低周疲劳损伤的概率密度函数为：
Figure FDA0002491443580000034
所述瞬时累积高周疲劳损伤的概率密度函数为：
Figure FDA0002491443580000035
所述疲劳寿命服从对数正态分布的机械结构体的概率密度函数为：
Figure FDA0002491443580000036
其中，
Figure FDA0002491443580000041
表示瞬时累积的低周疲劳损伤的对数均值，
Figure FDA0002491443580000042
表示瞬时累积的低周疲劳损伤的对数标准差；
Figure FDA0002491443580000043
表示瞬时累积高周疲劳损伤的对数均值，
Figure FDA0002491443580000044
表示瞬时累积高周疲劳损伤的对数标准差。
7.根据权利要求1所述的方法，其特征在于，所述机械结构体的可靠度方程为：
Figure FDA0002491443580000045
其中，DC表示机械结构体的临界损伤，D(N)表示N级复合载荷下的疲劳总损伤就等于低周疲劳损伤和高周疲劳损伤的累加和。
8.根据权利要求1所述的方法，其特征在于，所述机械结构体的安全余量方程为：
MN＝DC-D(N)；
其中，DC表示机械结构体的临界损伤，D(N)表示表示N级复合载荷下的疲劳总损伤就等于低周疲劳损伤和高周疲劳损伤的累加和。
9.根据权利要求1所述的方法，其特征在于，所述机械结构体包括：飞机零件、船舶零件、汽车零件、动力机械零件和工程机械零件。
CN202010406319.XA 2020-05-14 2020-05-14 一种机械结构体的安全信息获取方法 Active CN111581835B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010406319.XA CN111581835B (zh) 2020-05-14 2020-05-14 一种机械结构体的安全信息获取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010406319.XA CN111581835B (zh) 2020-05-14 2020-05-14 一种机械结构体的安全信息获取方法

Publications (2)

Publication Number Publication Date
CN111581835A true CN111581835A (zh) 2020-08-25
CN111581835B CN111581835B (zh) 2023-07-18

Family

ID=72124959

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010406319.XA Active CN111581835B (zh) 2020-05-14 2020-05-14 一种机械结构体的安全信息获取方法

Country Status (1)

Country Link
CN (1) CN111581835B (zh)

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008001878A (ja) * 2006-05-26 2008-01-10 Nippon Avionics Co Ltd 熱硬化性樹脂の硬化率予測方法
JP2011191121A (ja) * 2010-03-12 2011-09-29 Ntn Corp 転動疲労寿命打切り試験の設計・解釈方法，装置，プログラム
CN103278343A (zh) * 2013-05-16 2013-09-04 东南大学 一种结构关键疲劳构件的识别方法
WO2014107303A1 (en) * 2013-01-04 2014-07-10 Siemens Corporation Probabilistic modeling and sizing of embedded flaws in nondestructive inspections for fatigue damage prognostics and structural integrity assessment
CN104021291A (zh) * 2014-06-06 2014-09-03 中国人民解放军空军工程大学 老龄飞机疲劳延寿试验周期的确定方法
US20140257716A1 (en) * 2013-03-11 2014-09-11 Board Of Trustees Of Michigan State University Methods for estimating remaining life of a monitored structure
US20160246287A1 (en) * 2014-03-13 2016-08-25 Rolls-Royce Corporation Probabilistic evaluation of turbomachinery design to predict high cycle fatigue failure
CN106777732A (zh) * 2016-12-27 2017-05-31 电子科技大学 一种考虑随机载荷和强度退化的疲劳可靠性分析方法
CN107103140A (zh) * 2017-04-28 2017-08-29 电子科技大学 一种基于双线性累积损伤的时变疲劳可靠性分析方法
CN107844663A (zh) * 2017-11-22 2018-03-27 哈尔滨工业大学 一种基于疲劳累积损伤的可靠度建模方法
CN108829917A (zh) * 2018-04-25 2018-11-16 内蒙古工业大学 一种秸秆抛送叶轮疲劳寿命预测方法
CN109060497A (zh) * 2018-07-18 2018-12-21 天津大学 一种考虑低于疲劳极限加载的疲劳损伤分析方法
US20190087517A1 (en) * 2017-09-19 2019-03-21 Zhejiang University Fatigue life prediction method and device of concrete based on weibull function and maximum fatigue deformation
CN109885920A (zh) * 2019-02-13 2019-06-14 西安电子科技大学 一种航空发动机涡轮叶片的高低周复合疲劳寿命预测方法
CN110175394A (zh) * 2019-05-23 2019-08-27 电子科技大学 一种涡轮叶片疲劳-蠕变损伤耦合概率寿命预测计算方法
CN110245386A (zh) * 2019-05-17 2019-09-17 桂林电子科技大学 一种功率器件可靠性的评估方法、装置以及存储介质
CN110362858A (zh) * 2019-06-05 2019-10-22 徐州圣邦机械有限公司 一种高压内啮合齿轮泵齿轮副的可靠性评估方法
WO2020089402A2 (en) * 2018-11-01 2020-05-07 Siemens Aktiengesellschaft Computer-implemented method for the probabilistic estimation of a probability of failure of a component, a data processing system, a computer program product and a computer-readable storage medium

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008001878A (ja) * 2006-05-26 2008-01-10 Nippon Avionics Co Ltd 熱硬化性樹脂の硬化率予測方法
JP2011191121A (ja) * 2010-03-12 2011-09-29 Ntn Corp 転動疲労寿命打切り試験の設計・解釈方法，装置，プログラム
WO2014107303A1 (en) * 2013-01-04 2014-07-10 Siemens Corporation Probabilistic modeling and sizing of embedded flaws in nondestructive inspections for fatigue damage prognostics and structural integrity assessment
US20140257716A1 (en) * 2013-03-11 2014-09-11 Board Of Trustees Of Michigan State University Methods for estimating remaining life of a monitored structure
CN103278343A (zh) * 2013-05-16 2013-09-04 东南大学 一种结构关键疲劳构件的识别方法
US20160246287A1 (en) * 2014-03-13 2016-08-25 Rolls-Royce Corporation Probabilistic evaluation of turbomachinery design to predict high cycle fatigue failure
CN104021291A (zh) * 2014-06-06 2014-09-03 中国人民解放军空军工程大学 老龄飞机疲劳延寿试验周期的确定方法
CN106777732A (zh) * 2016-12-27 2017-05-31 电子科技大学 一种考虑随机载荷和强度退化的疲劳可靠性分析方法
CN107103140A (zh) * 2017-04-28 2017-08-29 电子科技大学 一种基于双线性累积损伤的时变疲劳可靠性分析方法
US20190087517A1 (en) * 2017-09-19 2019-03-21 Zhejiang University Fatigue life prediction method and device of concrete based on weibull function and maximum fatigue deformation
CN107844663A (zh) * 2017-11-22 2018-03-27 哈尔滨工业大学 一种基于疲劳累积损伤的可靠度建模方法
CN108829917A (zh) * 2018-04-25 2018-11-16 内蒙古工业大学 一种秸秆抛送叶轮疲劳寿命预测方法
CN109060497A (zh) * 2018-07-18 2018-12-21 天津大学 一种考虑低于疲劳极限加载的疲劳损伤分析方法
WO2020089402A2 (en) * 2018-11-01 2020-05-07 Siemens Aktiengesellschaft Computer-implemented method for the probabilistic estimation of a probability of failure of a component, a data processing system, a computer program product and a computer-readable storage medium
CN109885920A (zh) * 2019-02-13 2019-06-14 西安电子科技大学 一种航空发动机涡轮叶片的高低周复合疲劳寿命预测方法
CN110245386A (zh) * 2019-05-17 2019-09-17 桂林电子科技大学 一种功率器件可靠性的评估方法、装置以及存储介质
CN110175394A (zh) * 2019-05-23 2019-08-27 电子科技大学 一种涡轮叶片疲劳-蠕变损伤耦合概率寿命预测计算方法
CN110362858A (zh) * 2019-06-05 2019-10-22 徐州圣邦机械有限公司 一种高压内啮合齿轮泵齿轮副的可靠性评估方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
LI CY; 等: "Life estimation of the beam with normal distribution parameters and subjected to cyclic load", JOURNAL OF VIBROENGINEERING *
姜广君; 陈红霞: "基于仿真技术的生产系统构建方法研究" *
陈永兴: "基于改进损伤模型的疲劳寿命预测" *

Also Published As

Publication number Publication date
CN111581835B (zh) 2023-07-18

Similar Documents

Publication Publication Date Title
CN109141881B (zh) 一种深度自编码网络的旋转机械健康评估方法
Gebraeel et al. Residual life predictions in the absence of prior degradation knowledge
CN109885920A (zh) 一种航空发动机涡轮叶片的高低周复合疲劳寿命预测方法
Bader et al. Mean stress correction effects on the fatigue life behavior of steel alloys by using stress life approach theories
CN112948982A (zh) 重复使用火箭发动机推力室可靠性分析方法和装置
CN109828548B (zh) 基于时间序列变化突变点检测的性能退化特征评估方法
CN111855219A (zh) 一种基于灰色理论的柴油机润滑油进机安保参数预测方法
CN111581835A (zh) 一种机械结构体的安全信息获取方法
CN115563818B (zh) 一种考虑瞬态历程温度影响的轮盘疲劳寿命设计方法
Sharp Prognostic approaches using transient monitoring methods
CN106874639B (zh) 恒变幅加载下机械结构的疲劳寿命可靠度评估方法及装置
Samuel et al. Health monitoring and damage detection of a rotorcraft planetary geartrain system using piezoelectric sensors
CN111579185A (zh) 潜艇用电子设备可靠性加速试验方法和装置
Qin et al. An adaptive generalized logarithm sparse regularization method and its application in rolling bearing fault diagnosis
Jung et al. Reliability prediction of the fatigue life of a crankshaft
Galli et al. Dynamic modelling for non-stationary bearing vibration signals
CN112748124A (zh) 转子外表面制造缺陷监控方法、装置、设备、系统及介质
CN110706761B (zh) 一种预估金属材料的疲劳强度退化的方法
CN113468712B (zh) 确定风电机组结构受力部件的使用寿命的方法和设备
Yu¨ mer et al. Mistuning identification of bladed disks utilizing neural networks
CN115292924B (zh) 一种航空发动机整机高循环疲劳试车载荷谱设计方法
Milovančević et al. THE OPTIMIZATION OF THE VIBRODIAGNOSTIC METHOD APPLIED ON TURBO MACHINES.
CN109883709A (zh) 一种基于相对等效应变的随机多轴热机计数方法
CN112749444B (zh) 航天机构产品确信可靠性裕量模型的建立方法
CN112487561B (zh) 增材钛合金dfr确定方法、确定系统、设备及介质

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