CN112084583B - 基于数字孪生的转子叶片寿命预测方法和预测系统 - Google Patents
基于数字孪生的转子叶片寿命预测方法和预测系统 Download PDFInfo
- Publication number
- CN112084583B CN112084583B CN202010722183.3A CN202010722183A CN112084583B CN 112084583 B CN112084583 B CN 112084583B CN 202010722183 A CN202010722183 A CN 202010722183A CN 112084583 B CN112084583 B CN 112084583B
- Authority
- CN
- China
- Prior art keywords
- rotor blade
- stress
- vibration
- blade
- digital twin
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000006073 displacement reaction Methods 0.000 claims abstract description 47
- 238000010586 diagram Methods 0.000 claims abstract description 16
- 239000000463 material Substances 0.000 claims abstract description 10
- 238000005259 measurement Methods 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 13
- 230000003068 static effect Effects 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000004088 simulation Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 125000004122 cyclic group Chemical group 0.000 claims description 7
- 230000001788 irregular Effects 0.000 claims description 5
- 238000012821 model calculation Methods 0.000 claims description 5
- 230000001808 coupling effect Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 2
- 239000002245 particle Substances 0.000 claims 1
- 230000035882 stress Effects 0.000 description 92
- 238000005516 engineering process Methods 0.000 description 8
- 230000036541 health Effects 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000005284 excitation Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000001351 cycling effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000013016 damping Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000003938 response to stress Effects 0.000 description 1
- 230000002277 temperature effect Effects 0.000 description 1
- 230000008646 thermal stress Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- 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
Abstract
本发明公开了基于数字孪生的转子叶片寿命预测方法和预测系统,所述方法包括:基于转子叶片尺寸和材料参数建立转子叶片的初始三维有限元模型;叶端定时测量获取转子叶片振动参数和叶端振动位移数据,实时更新初始三维有限元模型获得数字孪生模型及转子叶片坎贝尔图;基于应力重构和叶端振动位移数据计算所述数字孪生模型的转子叶片应力;基于所述转子叶片应力,获取应力时间历程以计算转子叶片寿命。
Description
技术领域
本发明属于旋转机械健康管理领域,具体涉及基于数字孪生的转子叶片寿命预测方法和预测系统。
背景技术
转子叶片是航空发动机、汽轮机、燃气轮机等旋转机械的重要零部件。而转子叶片通常工作在恶劣的环境中,易受到各种激励进而产生振动疲劳,导致疲劳裂纹、断裂、掉角等损伤,严重影响转子叶片工作寿命。以航空发动机为例,疲劳引起的寿命降低导致叶片断裂失效,瞬时断裂的叶片可击穿机匣,打断相邻叶片,甚至导致空中停车等重大事故。可见,对服役中的转子叶片进行健康监测,评估其使用寿命,制定维修策略,确保航空发动机运行安全,十分必要。
现阶段结构健康监测技术普遍存在模型精度低、数据不完备、虚实交互不充分等问题,难以直接应用到高速旋转的转子叶片状态监测中。在现有监测技术中,为获得应力应变水平这一运行安全评估指标,应变片测量作为常用方法,能直接获得叶片应变,进而计算叶片应力水平,但应变片测量存在易失效,难以实现在线测量等缺点。
在背景技术部分中公开的上述信息仅仅用于增强对本发明背景的理解,因此可能包含不构成在本国中本领域普通技术人员公知的现有技术的信息。
发明内容
针对现有技术中存在的问题,本发明提出基于数字孪生的转子叶片寿命预测方法和预测系统,评估转子叶片运行状态,计算剩余使用寿命,解决转子叶片健康监测领域难以实现在线监测和寿命预测的问题。
叶端定时技术作为一种非接触测量技术,在旋转叶片的健康监测上有着日益重要的作用。叶端定时技术通过安装在发动机机匣的传感器,检测旋转叶片到达时间,从而计算出叶片叶端振动位移并从中提取出各项振动参数。利用叶端定时技术可实时在线监测的特点,可为基于数字孪生驱动的转子叶片数字模型提供实时测量数据,而数字孪生模型可实时计算和评估叶片应力应变水平,进而反映叶片实时运行状态,预测叶片使用寿命。
本发明的目的是通过以下技术方案予以实现,一种基于数字孪生的转子叶片寿命预测方法包括以下步骤:
第一步骤中,基于转子叶片尺寸和材料参数建立转子叶片的初始三维有限元模型;
第二步骤中,叶端定时测量获取转子叶片振动参数和叶端振动位移数据,实时更新初始三维有限元模型获得数字孪生模型及转子叶片坎贝尔图;
第三步骤中,基于应力重构和叶端振动位移数据计算所述数字孪生模型的转子叶片应力;
第四步骤中,基于所述转子叶片应力,获取应力时间历程以计算转子叶片寿命。
所述的方法中,通过模态分析获得固有频率和模态振型以获得转子叶片坎贝尔图。
所述的方法中,叶端定时测量包括,
在转子叶片机匣周向布置多个叶端定时传感器测量转子叶片旋转状态下到达传感器的时间,转子叶片在无振动下的到达时间为ts:式中,R为叶端点到回转中心的旋转半径,ωR为转子转频,NB为叶片数目,转子叶片实际到达某叶端定时传感器为te,则所述转子叶片在该转测得的叶尖位移为d,d=ωRR(te-ts)=ωRRΔt,式中,Δt为转子叶片旋转状态下无振动和产生振动而到达叶端定时传感器的时间差,获得各转子叶片到达各叶端定时传感器的时间差以计算叶端振动位移,
基于各传感器测得的转子叶片每圈振动位移,采用周向傅里叶拟合算法计算转子叶片振动参数,令某转子叶片的振动共有m阶振动模态振型,其振动信号X(t)为:
式中,Xi(t)表示解耦后的第i阶模态振动信号,c表示叶片静变形,ωi表示叶片多模态振动圆周频率,Ai表示第i阶振动最大振幅,表示第i阶振动初始相位,t表示叶片振动时刻,由此得到转子叶片振动信号以拟合叶片振动曲线,基于叶片坎贝尔图得到转子叶片多振动模态的振动参数,
基于求转子叶片多模态振动参数,基于有限元修正和更新初始三维有限元模型获得转子叶片的数字孪生模型。
所述的方法中,转子叶片叶端定时测点对应数字孪生模型中自由度a,共有m阶模态参与转子叶片振动响应,数字孪生模型中测点对应的位移模态振型Ua为:Ua=[Ua1,Ua2,…,Uam],其中,Ua大小为1×m,当有m阶模态参与转子叶片振动响应时,n自由度转子叶片全场等效应力模态振型矩阵Vn为:Vn=[Vn1,Vn2,…,Vnm],其中,Vn大小为n×m,构造转子叶片叶端测点位移响应与叶片全场应力的转换矩阵:
其中,转换矩阵T的大小为n×m,Uai表示测点第i阶位移模态振型,由换算矩阵T和所述解耦的多模态振动信号X(t),计算转子叶片任意时刻t的等效应力:σ(t)=TX(t)=T[X1(t),X2(t),…,Xm(t)]T。
所述的方法中,第四步骤中,基于所述转子叶片应力获取应力时间历程包括,
采用雨流循环计数将不规则应力时间历程转化成循环预定载荷历程的应力加载历程,其中,预定循环载荷历程中包含k个不同应力水平的应力幅,按照线性疲劳累积损伤Palmgren-Miner模型假设,在k种应力水平作用下,转子叶片到出现裂纹时的疲劳重复次数Bf为:
其中,Ni表示第i个应力水平下的循环次数,Nfi表示第i个应力水平下叶片达到破坏时的循环次数,由此计算转子叶片运行到出现裂纹时的疲劳重复次数Bf为疲劳寿命。
所述的方法中,第四步骤中,第i个应力水平下叶片达到破坏时的循环次数Nfi由平均应力的S-N曲线获得:
其中,σai表示第i个应力水平下的应力幅;σm来自数字孪生模型计算的平均应力;σ'f和b分别表示转子叶片材料疲劳强度系数参数和疲劳强度指数。
所述的方法中,第四步骤中,第i个应力水平下的循环次数Ni通过雨流循环计数获得。
根据本发明另一方面,一种实施所述方法的预测系统包括:
物理实体测量模块,其包括
驱动装置单元,其驱动转子叶片转动,
测量单元,其周向布置多个叶端定时传感器以获得转子叶片旋转状态多模态振动位移数据,基于叶端定时测量转子叶片升降速下的振动信号以及基于周向傅里叶拟合算法获得转子叶片多模态振动参数,
数字孪生仿真模块,基于转子叶片振动参数和叶端振动位移数据实时更新初始三维有限元模型获得高保真数字孪生模型及转子叶片坎贝尔图;
数据关联模块,其包括,
应力计算单元,其连接所述数字孪生仿真模块,基于应力重构和叶端振动位移数据,应力计算单元计算所述数字孪生模型的转子叶片应力和多物理场耦合效应下的静应力;
寿命预测单元,其连接所述数字孪生仿真模块和物理实体测量模块,计算单元基于所述转子叶片应力的应力时间历程和静应力以计算转子叶片寿命。
有益效果
本发明基于数字孪生对转子叶片进行寿命预测,解决了现有转子叶片健康监测系统中存在的模型过于单一、工况变化考虑不足的缺点;转子叶片的数字孪生模型考虑不同实际工况下的物理效应,通过数字孪生模型计算结果与转子叶片实测振动信号之间的实时对比关联,对数字孪生模型参数进行不断修正和更新,从而能够对转子叶片工况变化进行实时追踪。本发明采用基于叶端定时的非接触式测量数据计算叶片应力,避免接触式测量如应变片测量易失效,结构复杂和难以在线测量在转叶片振动的缺点。在数字孪生系统中,叶端定时技术为物理模型与数字模型的数据关联中提供有效的实时振动信息,实现模型实时更新和运行数据实时反馈。本发明采用基于应力重构的寿命预测方法,利用叶端定时测量的叶尖振动数据,重构转子叶片等效应力,获得最大应力时间历程,实现了未测点响应的虚拟感知;采用雨流循环计数和线性疲劳累积损伤Palmgren-Miner模型,结合S-N曲线,实现转子叶片寿命预测。
附图说明
通过阅读下文优选的具体实施方式中的详细描述,本发明各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。说明书附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。显而易见地,下面描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。而且在整个附图中,用相同的附图标记表示相同的部件。
在附图中:
图1是基于数字孪生的转子叶片寿命预测方法的流程图;
图2是基于数字孪生的转子叶片健康预测系统的示意图。
以下结合附图和实施例对本发明作进一步的解释。
具体实施方式
下面将参照附图1至图2更详细地描述本发明的具体实施例。虽然附图中显示了本发明的具体实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
需要说明的是,在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可以理解,技术人员可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名词的差异来作为区分组件的方式,而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语,故应解释成“包含但不限定于”。说明书后续描述为实施本发明的较佳实施方式,然所述描述乃以说明书的一般原则为目的,并非用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。
为便于对本发明实施例的理解,下面将结合附图以具体实施例为例做进一步的解释说明,且各个附图并不构成对本发明实施例的限定。
为了更好地理解,图1为基于数字孪生的转子叶片寿命预测方法的流程图,如图1所示,一种基于数字孪生的转子叶片寿命预测方法包括以下步骤:
第一步骤中,基于转子叶片尺寸和材料参数建立转子叶片的初始三维有限元模型;
第二步骤中,叶端定时测量获取转子叶片振动参数和叶端振动位移数据,实时更新初始三维有限元模型获得数字孪生模型及转子叶片坎贝尔图;
第三步骤中,基于应力重构和叶端振动位移数据计算所述数字孪生模型的转子叶片应力;
第四步骤中,基于所述转子叶片应力,获取应力时间历程以计算转子叶片寿命。
所述的方法的优选实施方式中,通过模态分析获得固有频率和模态振型以获得转子叶片坎贝尔图。
所述的方法的优选实施方式中,第二步骤中,叶端定时测量包括,
在转子叶片机匣周向布置多个叶端定时传感器测量转子叶片旋转状态下到达传感器的时间,转子叶片在无振动下的到达时间为ts:式中,R为叶端点到回转中心的旋转半径,ωR为转子转频,NB为叶片数目,转子叶片实际到达某叶端定时传感器为te,则所述转子叶片在该转测得的叶尖位移为d,d=ωRR(te-ts)=ωRRΔt,式中,Δt为转子叶片旋转状态下无振动和产生振动而到达叶端定时传感器的时间差,获得各转子叶片到达各叶端定时传感器的时间差以计算叶端振动位移,
基于各传感器测得的转子叶片每圈振动位移,采用周向傅里叶拟合算法计算转子叶片振动参数,令某转子叶片的振动共有m阶振动模态振型,其振动信号X(t)为:
式中,Xi(t)表示解耦后的第i阶模态振动信号,c表示叶片静变形,ωi表示叶片多模态振动圆周频率,Ai表示第i阶振动最大振幅,表示第i阶振动初始相位,t表示叶片振动时刻,由此得到转子叶片振动信号以拟合叶片振动曲线,基于叶片坎贝尔图得到转子叶片多振动模态的振动参数,
基于求转子叶片多模态振动参数,基于有限元修正和更新初始三维有限元模型获得转子叶片的数字孪生模型。
所述的方法的优选实施方式中,第三步骤中,数字孪生模型的自由度为n,其对应位移模态振型为Un,对应等效应力模态振型为VnS302、基于S202中叶端定时实时测量数据和提取的振动参数,转子叶片叶端定时测点对应数字孪生模型中自由度a,共有m阶模态参与转子叶片振动响应,数字孪生模型中测点对应的位移模态振型Ua为:Ua=[Ua1,Ua2,…,Uam],其中,Ua大小为1×m,当有m阶模态参与转子叶片振动响应时,n自由度转子叶片全场等效应力模态振型矩阵Vn为:Vn=[Vn1,Vn2,…,Vnm],其中,Vn大小为n×m,构造转子叶片叶端测点位移响应与叶片全场应力的转换矩阵:
其中,转换矩阵T的大小为n×m,Uai表示测点第i阶位移模态振型,由换算矩阵T和所述解耦的多模态振动信号X(t),计算转子叶片任意时刻t的等效应力:σ(t)=TX(t)=T[X1(t),X2(t),…,Xm(t)]T。
所述的方法的优选实施方式中,第四步骤中,基于所述转子叶片应力获取应力时间历程包括,
采用雨流循环计数将不规则应力时间历程转化成循环预定载荷历程的应力加载历程,其中,预定循环载荷历程中包含k个不同应力水平的应力幅,按照线性疲劳累积损伤Palmgren-Miner模型假设,在k种应力水平作用下,转子叶片到出现裂纹时的疲劳重复次数Bf为:
其中,Ni表示第i个应力水平下的循环次数,Nfi表示第i个应力水平下叶片达到破坏时的循环次数,由此计算转子叶片运行到出现裂纹时的疲劳重复次数Bf为疲劳寿命。
所述的方法的优选实施方式中,第四步骤S4中,第i个应力水平下叶片达到破坏时的循环次数Nfi由平均应力的S-N曲线获得:
其中,σai表示第i个应力水平下的应力幅;σm来自数字孪生模型计算的平均应力;σ'f和b分别表示转子叶片材料疲劳强度系数参数和疲劳强度指数。
所述的方法的优选实施方式中,第四步骤S4中,第i个应力水平下的循环次数Ni通过雨流循环计数获得。
为了进一步理解本发明,在一个实施例中,以一带有五个叶片的整体叶盘转子为对象,对基于数字孪生的转子叶片寿命预测方法展开说明。
所述方法具体步骤如下:
1)构建转子叶片、叶盘初始数字孪生模型。
在静止状态下测量五叶片转子叶盘和叶片的尺寸,在UG软件中建立叶盘的三维模型;获得转子叶片材料参数特性,在Ansys APDL有限元分析软件中建立叶片初始有限元模型;
在初始工况下,考虑转速和气动激励,在有限元软件中对初始叶片有限元模型进行校正;转子叶片在初始工况运行时,采用叶端定时对其初步进行测量,获得转子叶片初始振动参数,并将此参数作为更新数据,反馈至有限元模型,建立转子叶片初始数字孪生模型,并获得转子叶片坎贝尔图。
2)在转子叶片升降速试验中,采用叶端定时技术进行在线测量,测量各转子叶片旋转状态下到达传感器的时间。转子叶片在无振动下的理想到达时间ts为:
式中,R为叶端点到回转中心的旋转半径,ωR为转子转频,NB为叶片数目。以五叶片转子叶盘1号叶片为例,令1号转子叶片实际到达某叶端定时传感器的te,则令此转子叶片在该转测得的叶尖位移为d,可表示为:
d=ωRR(te-ts)=ωRRΔt
式中,Δt即为该转子叶片旋转状态下无振动和产生振动而到达叶端定时传感器的时间差。由此可获得该转子叶片到达各叶端定时传感器的时间差,从而计算振动位移。
基于各传感器测得的该转子叶片每圈振动位移,采用周向傅里叶拟合算法提取转子叶片振动参数,令此转子叶片的振动共有m阶振动模态参与,其振动信号X(t)为:
式中,Xi(t)表示解耦后的第i阶模态振动信号,c表示叶片静变形,ωi表示叶片多模态振动圆周频率,Ai表示第i阶振动最大振幅,表示第i阶振动初始相位,t表示叶片振动时刻。由此可得1号叶片振动信号,进而拟合叶片振动曲线,结合叶片坎贝尔图,分析可得转子叶片多个振动模态的幅值、相位、动频、阻尼等振动参数。
基于所求转子叶片振动参数,考虑离心力刚化、旋转软化、科氏力、温度和气动激励等多物理场耦合效应,考虑转子叶片多个振动模态的修正,在有限元软件中修正和更新转子叶片的初始数字模型,获得转子叶片多物理场高保真数字孪生模型。
4)对转子叶片进行应力重构。通过有限元分析法,获得1号叶片的数字孪生模型自由度n,则其对应位移模态振型为Un,对应等效应力模态振型为Vn。基于2)中叶端定时测量数据,令1号叶片叶端定时测量点对应数字孪生模型中自由度a,令共有m阶模态参与转子叶片振动响应,则数字孪生模型中测点对应的位移模态振型Ua为:
Ua=[Ua1,Ua2,…,Uam]
其中,Ua大小为1×m。当有m阶模态参与转子叶片振动响应时,n自由度转子叶片全场等效应力模态振型矩阵Vn为:
Vn=[Vn1,Vn2,…,Vnm]
其中,Vn大小为n×m。构造转子叶片叶端测点位移响应与叶片全场应力的转换矩阵:
其中,转换矩阵T的大小为n×m,Uai表示测点第i阶位移模态振型。由换算矩阵T和S202中解耦的多模态振动信号X(t),对应力响应虚拟感知,计算转子叶片任意时刻t的等效应力:
σ(t)=TX(t)=T[X1(t),X2(t),…,Xm(t)]T
5)通过实时更新的高保真数字孪生模型,考虑由旋转产生的离心刚化,旋转软化和科氏效应,考虑气动激励和温度影响,计算转子叶片所受静应力,即平均应力为σm。
根据4)中计算的的等效应力重构结果,计算获得最大应力的时间历程。以1号转子叶片为例,采用雨流循环计数将其不规则应力时间历程转化成循环某一载荷历程的应力加载历程,其中,此循环载荷历程中包含若干不同应力水平应力幅。令此循环载荷历程包含k个不同应力水平的应力幅。按照线性疲劳累积损伤Palmgren-Miner模型假设,在k种应力水平作用下,1号转子叶片到出现裂纹时的疲劳重复次数Bf为:
其中,Ni表示第i个应力水平下的循环次数,可通过雨流循环计数获得;Nfi表示第i个应力水平下叶片达到破坏时的循环次数,该值由考虑平均应力的S-N曲线获得:
其中,σai表示第i个应力水平下的应力幅;σm来自高保真数字孪生模型计算的平均应力;σ′f和b分别表示转子叶片材料疲劳强度系数参数和疲劳强度指数。由此可计算转子叶片运行到出现裂纹时的疲劳重复次数Bf,即为疲劳寿命。采用相同的分析方法,可计算其余转子叶片的疲劳寿命。
一种实施所述方法的预测系统包括:物理实体测量模块,其包括
驱动装置单元,其驱动转子叶片转动,
测量单元,其周向布置多个叶端定时传感器以获得转子叶片旋转状态多模态振动位移数据,基于叶端定时测量转子叶片升降速下的振动信号以及基于周向傅里叶拟合算法获得转子叶片多模态振动参数,
数字孪生仿真模块,基于转子叶片振动参数和叶端振动位移数据实时更新初始三维有限元模型获得高保真数字孪生模型及转子叶片坎贝尔图;
数据关联模块,其包括,
应力计算单元,其连接所述数字孪生仿真模块,基于应力重构和叶端振动位移数据,应力计算单元计算所述数字孪生模型的转子叶片应力和多物理场耦合效应下的静应力;
寿命预测单元,其连接所述数字孪生仿真模块和物理实体测量模块,计算单元基于所述转子叶片应力的应力时间历程和静应力以计算转子叶片寿命。应力应力应力应力应力应力
在一个实施例中,如图2所示,系统包括:
1)物理实体测量模块:基于叶端定时技术测量转子叶片升降速试验的振动信号,多个叶端定时传感器周向布置,获得转子叶片旋转状态多模态振动信号;基于周向傅里叶拟合算法获得转子叶片多模态振动参数。
2)数字孪生仿真模块:基于转子叶片物理实体模型,建立初始有限元数字模型;根据初始实际工况,考虑转速离心力效应,建立初始转子叶片数字孪生模型;根据初始数字孪生模型,初步计算转子叶片坎贝尔图。
3)数据关联模块:基于叶端定时测量的转子叶片多模态振动参数,反馈至数字孪生模型,基于动频、阻尼等多模态振动参数,考虑多物理场如旋转效应、气动激励和热应力场等,更新有限元数字模型,获得转子叶片多物理场高保真数字孪生模型。
基于转子叶片高保真数字孪生模型,通过多物理场位移和应变模态分析,获得应力转换矩阵T,结合叶端定时在线测量转子叶片位移信号X(t),重构转子叶片全场应力σ(t),计算获得转子叶片最大应力时间历程;通过转子叶片高保真数字孪生模型,考虑由旋转产生的离心刚化,旋转软化和科氏效应,考虑气动激励和温度影响,计算转子叶片平均应力σm。
基于转子叶片最大应力时间历程,采用雨流循环计数将不规则应力时间历程转化成循环某一载荷历程的应力加载历程,基于线性疲劳累积损伤Palmgren-Miner模型,考虑平均应力的S-N曲线,结合转子叶片材料疲劳强度系数参数和疲劳强度指数,计算转子叶片到出现裂纹时的疲劳重复次数,即寿命Bf。
尽管以上结合附图对本发明的实施方案进行了描述,但本发明并不局限于上述的具体实施方案和应用领域,上述的具体实施方案仅仅是示意性的、指导性的,而不是限制性的。本领域的普通技术人员在本说明书的启示下和在不脱离本发明权利要求所保护的范围的情况下,还可以做出很多种的形式,这些均属于本发明保护之列。
Claims (4)
1.一种基于数字孪生的转子叶片寿命预测方法,所述方法包括以下步骤:
第一步骤中,基于转子叶片尺寸和材料参数建立转子叶片的初始三维有限元模型;
第二步骤中,叶端定时测量获取转子叶片振动参数和叶端振动位移数据,实时更新初始三维有限元模型获得数字孪生模型及转子叶片坎贝尔图,叶端定时测量包括,
在转子叶片机匣周向布置多个叶端定时传感器测量转子叶片旋转状态下到达传感器的时间,转子叶片在无振动下的到达时间为ts:式中,R为叶端点到回转中心的旋转半径,ωR为转子转频,NB为叶片数目,转子叶片实际到达某叶端定时传感器为te,则所述转子叶片在该转测得的叶尖位移为d,d=ωRR(te-ts)=ωRRΔt,式中,Δt为转子叶片旋转状态下无振动和产生振动而到达叶端定时传感器的时间差,获得各转子叶片到达各叶端定时传感器的时间差以计算叶端振动位移,
基于各传感器测得的转子叶片每圈振动位移,采用周向傅里叶拟合算法计算转子叶片振动参数,令某转子叶片的振动共有m阶振动模态振型,其振动信号X(t)为:
式中,Xi(t)表示解耦后的第i阶模态振动信号,c表示叶片静变形,ωi表示叶片多模态振动圆周频率,Ai表示第i阶振动最大振幅,表示第i阶振动初始相位,t表示叶片振动时刻,由此得到转子叶片振动信号以拟合叶片振动曲线,基于叶片坎贝尔图得到转子叶片多振动模态的振动参数,
基于求转子叶片多模态振动参数,基于有限元修正和更新初始三维有限元模型获得转子叶片的数字孪生模型;
第三步骤中,基于应力重构和叶端振动位移数据计算所述数字孪生模型的转子叶片应力,转子叶片叶端定时测点对应数字孪生模型中自由度a,共有m阶模态参与转子叶片振动响应,数字孪生模型中测点对应的位移模态振型Ua为:Ua=[Ua1,Ua2,…,Uam],其中,Ua大小为1×m,当有m阶模态参与转子叶片振动响应时,n自由度转子叶片全场等效应力模态振型矩阵Vn为:Vn=[Vn1,Vn2,…,Vnm],其中,Vn大小为n×m,
构造转子叶片叶端测点位移响应与叶片全场应力的转换矩阵:
其中,转换矩阵T的大小为n×m,Uai表示测点第i阶位移模态振型,由换算矩阵T和所述解耦的多模态振动信号X(t),计算转子叶片任意时刻t的等效应力:
σ(t)=TX(t)=T[X1(t),X2(t),…,Xm(t)]T;
第四步骤中,基于所述转子叶片应力,获取应力时间历程以计算转子叶片寿命,基于所述转子叶片应力获取应力时间历程包括,
采用雨流循环计数将不规则应力时间历程转化成循环预定载荷历程的应力加载历程,其中,预定循环载荷历程中包含k个不同应力水平的应力幅,按照线性疲劳累积损伤Palmgren-Miner模型假设,在k种应力水平作用下,转子叶片到出现裂纹时的疲劳重复次数Bf为:
其中,Ni表示第i个应力水平下的循环次数,Nfi表示第i个应力水平下叶片达到破坏时的循环次数,由此计算转子叶片运行到出现裂纹时的疲劳重复次数Bf为疲劳寿命,第i个应力水平下叶片达到破坏时的循环次数Nfi由平均应力的S-N曲线获得:
其中,σai表示第i个应力水平下的应力幅;σm来自数字孪生模型计算的平均应力;σ'f和b分别表示转子叶片材料疲劳强度系数参数和疲劳强度指数。
2.根据权利要求1所述的方法,其中,通过模态分析获得固有频率和模态振型以获得转子叶片坎贝尔图。
3.根据权利要求1所述的方法,其中,第四步骤中,第i个应力水平下的循环次数Ni通过雨流循环计数获得。
4.一种实施权利要求1-3中任一项所述方法的预测系统,所述预测系统包括:
物理实体测量模块,其包括
驱动装置单元,其驱动转子叶片转动,
测量单元,其周向布置多个叶端定时传感器以获得转子叶片旋转状态多模态振动位移数据,基于叶端定时测量转子叶片升降速下的振动信号以及基于周向傅里叶拟合算法获得转子叶片多模态振动参数,
数字孪生仿真模块,基于转子叶片振动参数和叶端振动位移数据实时更新初始三维有限元模型获得数字孪生模型及转子叶片坎贝尔图;
数据关联模块,其包括,
应力计算单元,其连接所述数字孪生仿真模块,基于应力重构和叶端振动位移数据,应力计算单元计算所述数字孪生模型的转子叶片应力和多物理场耦合效应下的静应力;
寿命预测单元,其连接所述数字孪生仿真模块和物理实体测量模块应力,计算单元基于所述转子叶片应力的应力时间历程和静应力以计算转子叶片寿命。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010722183.3A CN112084583B (zh) | 2020-07-24 | 2020-07-24 | 基于数字孪生的转子叶片寿命预测方法和预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010722183.3A CN112084583B (zh) | 2020-07-24 | 2020-07-24 | 基于数字孪生的转子叶片寿命预测方法和预测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112084583A CN112084583A (zh) | 2020-12-15 |
CN112084583B true CN112084583B (zh) | 2024-04-05 |
Family
ID=73735595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010722183.3A Active CN112084583B (zh) | 2020-07-24 | 2020-07-24 | 基于数字孪生的转子叶片寿命预测方法和预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112084583B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112668121A (zh) * | 2020-12-30 | 2021-04-16 | 深圳华侨城文化旅游科技集团有限公司 | 一种八自由度设备仿真方法、计算机设备及存储介质 |
CN113312730B (zh) * | 2021-06-25 | 2022-07-22 | 内蒙古京泰发电有限责任公司 | 一种双驱汽轮机转子应力监测方法 |
CN113569451B (zh) * | 2021-07-21 | 2023-05-30 | 上海工程技术大学 | 基于数字孪生的列车轴箱轴承寿命预测及故障维修系统 |
CN113779728A (zh) * | 2021-09-15 | 2021-12-10 | 北京理工大学 | 一种适用于电动空压机的疲劳寿命加速测试方法 |
CN113868911B (zh) * | 2021-09-27 | 2024-04-12 | 大连理工大学 | 一种基于结构应力法的焊缝疲劳数字孪生框架生成方法 |
CN116579217A (zh) * | 2023-05-30 | 2023-08-11 | 兰州理工大学 | 一种基于数字孪生的控制阀流致振动疲劳寿命预测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CZ305615B6 (cs) * | 2014-12-11 | 2016-01-06 | Výzkumný A Zkušební Ústav Plzeň S.R.O. | Způsob monitorování zbytkové životnosti oběžných lopatek turbostrojů |
CN110608710A (zh) * | 2019-03-22 | 2019-12-24 | 西安交通大学 | 一种基于叶端定时的转子叶片动应变场测量方法及其系统 |
-
2020
- 2020-07-24 CN CN202010722183.3A patent/CN112084583B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CZ305615B6 (cs) * | 2014-12-11 | 2016-01-06 | Výzkumný A Zkušební Ústav Plzeň S.R.O. | Způsob monitorování zbytkové životnosti oběžných lopatek turbostrojů |
CN110608710A (zh) * | 2019-03-22 | 2019-12-24 | 西安交通大学 | 一种基于叶端定时的转子叶片动应变场测量方法及其系统 |
Non-Patent Citations (2)
Title |
---|
敖春燕 ; 乔百杰 ; 刘美茹 ; 孙瑜 ; 陈雪峰 ; .基于非接触式测量的旋转叶片动应变重构方法.航空动力学报.2020,(03),全文. * |
敖春燕 ; 乔百杰 ; 刘美茹 ; 孙瑜 ; 陈雪峰 ; .基于非接触式测量的旋转叶片动应变重构方法.航空动力学报.2020,(第03期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN112084583A (zh) | 2020-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112084583B (zh) | 基于数字孪生的转子叶片寿命预测方法和预测系统 | |
WO2020192621A1 (zh) | 一种基于叶端定时的转子叶片动应变场测量方法及其系统 | |
CN109870134B (zh) | 一种旋转叶片非接触式动应变场测量方法及其系统 | |
CN109883380B (zh) | 一种基于叶端定时的转子叶片位移场测量方法及其系统 | |
CN102282450B (zh) | 监控燃气涡轮发动机运行中产生的振动现象的方法和系统 | |
CN101835974B (zh) | 用于确定风力涡轮机的动力系中的疲劳损伤的方法 | |
CN103429852B (zh) | 通过压力监控确定风扇参数 | |
US4955269A (en) | Turbine blade fatigue monitor | |
CN1707262B (zh) | 转子叶片上冰的检测的方法和设备 | |
CN102507205B (zh) | 一种检测航空发动机风扇叶片颤振故障的方法 | |
CN111198100B (zh) | 一种航空发动机关键件使用寿命监控方法 | |
CN105352586B (zh) | 通过检测共振频率实现叶片疲劳裂纹检测的方法 | |
CN104236915B (zh) | 发电机组轴系‑叶片扭振疲劳寿命损耗评估方法及系统 | |
JP2824523B2 (ja) | 振動部材の疲れ測定方法および装置 | |
CN111950169B (zh) | 航空发动机转子叶片叶尖振动限制的确定方法及装置 | |
CN103592053A (zh) | 用于涡轮发动机的蠕变寿命管理系统及操作其的方法 | |
CN112541283B (zh) | 一种基于位移-应变传递比的转子叶片裂纹损伤识别方法 | |
CN110851963A (zh) | 叶端定时传感器的机匣周向布置方法 | |
CN111507042A (zh) | 基于叶端定时的旋转叶片动应力测量方法及其系统 | |
CN109883389B (zh) | 一种旋转叶片动应变场测量方法及其系统 | |
CN112648024A (zh) | 一种基于有限元的汽轮机末级长叶片扭振动应力获取方法 | |
CN110375690B (zh) | 一种旋转叶片非接触式位移场测量方法及其系统 | |
CN109827769A (zh) | 新能源汽车电驱动桥齿轮故障的预测诊断方法 | |
CN106286151B (zh) | 一种风电机组低速轴扭转载荷监测方法及载荷分析方法 | |
CN111563342B (zh) | 一种转子叶片的应变片测点布局优化方法 |
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 |