CN113569350A - 基于数字孪生的离心压缩机叶轮疲劳寿命预测方法 - Google Patents

基于数字孪生的离心压缩机叶轮疲劳寿命预测方法 Download PDF

Info

Publication number
CN113569350A
CN113569350A CN202110772467.8A CN202110772467A CN113569350A CN 113569350 A CN113569350 A CN 113569350A CN 202110772467 A CN202110772467 A CN 202110772467A CN 113569350 A CN113569350 A CN 113569350A
Authority
CN
China
Prior art keywords
centrifugal compressor
compressor impeller
impeller
maximum stress
model
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
CN202110772467.8A
Other languages
English (en)
Other versions
CN113569350B (zh
Inventor
王金龙
鲍永杰
杨宇星
陈晨
冀秀坤
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.)
Dalian Maritime University
Original Assignee
Dalian Maritime University
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 Dalian Maritime University filed Critical Dalian Maritime University
Priority to CN202110772467.8A priority Critical patent/CN113569350B/zh
Publication of CN113569350A publication Critical patent/CN113569350A/zh
Application granted granted Critical
Publication of CN113569350B publication Critical patent/CN113569350B/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]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • 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
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • 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
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • 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
    • 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

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Electromagnetism (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Structures Of Non-Positive Displacement Pumps (AREA)
  • Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)

Abstract

本发明公开的基于数字孪生的离心压缩机叶轮疲劳寿命预测方法，包括构建离心压缩机叶轮的数字孪生模型并对离心压缩机叶轮工作过程中进行仿真，获取仿真中最大应力；对离心压缩机叶轮进行实际工作过程测试获取实际工作过程中最大应力；计算仿真与实际工作中最大应力差值，以对数字孪生模型进行更新与修正，根据更新与修正后离心压缩机叶轮最大应力对叶轮材料进行疲劳试验，观察材料断口特征，提取材料疲劳裂纹尺寸信息并利用超高周疲劳寿命预测模型对其进行预测获取疲劳寿命。该方法通过数字孪生模型得到离心压缩机叶轮工作过程中的最大应力，使得疲劳寿命预测结果能够对工况变化进行实时考虑，提高疲劳寿命预测的准确性。

Description

基于数字孪生的离心压缩机叶轮疲劳寿命预测方法
技术领域
本发明涉及机械装备疲劳寿命预测与评估技术领域，具体涉及一种基于数字孪生的离心压缩机叶轮疲劳寿命预测方法。
背景技术
离心压缩机叶轮是一种重要的机械装备，是衡量一个国家工业发展水平的重要标准。离心压缩机叶轮工作环境严酷，受到循环载荷的不断作用，其疲劳寿命将直接影响整个机械系统的工作性能和安全性能。目前，离心压缩机叶轮疲劳寿命预测技术还不够成熟，若不能实现离心压缩机叶轮应力状态的实时监测，则不能准确预测离心压缩机叶轮疲劳寿命。
离心压缩机叶轮实际工况十分复杂，这为准确预测其疲劳寿命带来了极大的困难。大连理工大学的刘淑杰根据ANASYS模拟的结果，应用极限应力曲线及缺口理论，对开式叶轮的疲劳失效特性及疲劳寿命进行了预测。([1]S.J.Liu,C.Liu,Y.W.Hu,S.B.Gao,Y.F.Wang,H.C.Zhang,Fatigue life assessment of centrifugal compressor impellerbased on FEA,Eng.Fail.Anal.60(2016)383-390.[2]C.Liu,S.J.Liu,S.B.Gao,Y.W.Hu,S.X.Zhang,H.C.Zhang,Fatigue life assessment of the centrifugal compressorimpeller with cracks based on the properties of FV520B,Eng.Fail.Anal.66(2016)177-186.)。数字孪生是一种集成多物理、多尺度、多科学属性，具有实时同步，忠实映射，高保真度特性，能够实现物理世界与信息世界交互融合的技术手段，是利用数字技术对物理实体的特征、行为、形成过程和性能等进行描述和建模的过程和方法。数字孪生已经逐渐成为制造和生产过程中的关键技术。国网湖北店里有限检修公司的王浩及同济大学的许海伟等应用数字孪生技术，实现了GIS筒体关键部件的精确建模，并且分析了其温变行为。([3]王浩,许海伟,杜勇,沈小军,董晓虎,姚京松.基于数字孪生模型的GIS筒体关键部件温变行为研究[J].高电压技术,2021,47(05):1584-1594.)。
根据现有的研究成果可知，目前离心压缩机叶轮疲劳寿命预测方法存在严重的不确定性问题，即不能根据实际工况或有限元模拟准确得到离心压缩机叶轮实际工作过程中的应力状态。应力的大小直接决定了疲劳裂纹扩展速率的快慢，进而影响离心压缩机叶轮的疲劳寿命。若不能准确得到离心压缩机工作过程中的应力值，得到的疲劳寿命预测结果会产生较大的偏差。
发明内容
本发明提出了一种基于数字孪生的离心压缩机叶轮疲劳寿命预测方法，解决了前离心压缩机叶轮疲劳寿命预测方法存在严重的不确定性，无法根据实际工况或有限元模拟准确得到离心压缩机叶轮实际工作过程中的应力状态的问题。
本发明采用的技术手段如下：
一种基于数字孪生的离心压缩机叶轮疲劳寿命预测方法，包括以下步骤：
S1、构建离心压缩机叶轮的数字孪生模型；
S2、利用所述离心压缩机叶轮的数字孪生模型对离心压缩机叶轮工作过程中的应力场分布状态进行仿真，获取应力场分布状态仿真结果；
S3、从所述应力场分布状态仿真结果中提取最大应力；
S4、对离心压缩机叶轮进行实际工作过程测试，并对实际工作过程中所述离心压缩机叶轮的应力场分布状态进行实时监测，提取实际工作过程中的最大应力；
S5、将所述仿真结果中最大应力与所述实际工作过程中的最大应力进行比较获得最大应力差值，根据所述最大应力差值对所述离心压缩机叶轮数字孪生模型进行更新与修正，并得到更新与修正后的离心压缩机叶轮最大应力；
S6、根据所述更新与修正后的离心压缩机叶轮最大应力对离心压缩机叶轮材料进行疲劳试验，检测离心压缩机叶轮材料断口特征，提取离心压缩机叶轮材料疲劳裂纹尺寸信息；
S7、根据所述更新与修正后的离心压缩机叶轮最大应力所述离心压缩机叶轮材料疲劳裂纹尺寸信息，利用超高周疲劳寿命预测模型对所述离心压缩机叶轮进行预测获取所述离心压缩机叶轮疲劳寿命。
进一步地，所述S1包括以下步骤：
S10、应用地面激光雷达技术对离心压缩机叶轮盖盘、底盘及叶轮的三维尺寸进行测量，得到离心压缩机叶轮点云数据，将点云数据导入CAD软件中得到离心压缩机叶轮三维模型；
S11、查询离心压缩机叶轮材料性能参数，获取离心压缩机叶轮实际工况参数与环境参数；
S12、根据所述离心压缩机叶轮三维模型和材料性能参数，建立统一的离心压缩机叶轮数字孪生模型，将实际工况参数与环境参数以及各个参数在实际运行过程中的物理关系输入到统一的离心压缩机叶轮数字孪生模型中，进行实时仿真计算，获得离心压缩机叶轮应力场分布仿真结果；
S13、对离心压缩机叶轮实际工作过程中的应力场分布状态进行实时监测，提取实际工作过程中的最大应力数据，并与所述仿真结果进行比较，得到二者之间的差值；
S14、根据所述差值对所述统一的离心压缩机叶轮数字孪生模型进行更新与修正，从而得到具有实时特性的离心压缩机叶轮数字孪生模型。
进一步地，所述离心压缩机叶轮材料性能参数至少包括离心压缩机盖盘、底盘及叶轮所用材料的牌号及力学性能；
所述的实际工况参数与环境参数至少包括离心压缩机的工作转数、载荷频率、温度、入口/出口压力以及气体介质种类。
进一步地，所述物理关系至少包括离心压缩机叶轮叶片与气体介质之间的作用力、离心压缩机叶轮工作过程中产生的离心力、离心压缩机叶轮叶片应力与损伤的关系；
所述的离心压缩机叶轮数字孪生模型包括空气动力学模型、应力分析模型以及应力场分布模型。
进一步地，所述离心压缩机叶轮材料疲劳试验中所用的材料应取自实际工况中的离心压缩机叶轮；试验中的载荷频率应与离心压缩机叶轮实际工作过程中的载荷频率一致；所述的离心压缩机叶轮材料断口特征至少包括表面损伤特征、内部损伤特征、裂纹源能谱分析；所述的疲劳裂纹尺寸信息至少包括表面粗糙度信息和内部夹杂物尺寸信息。
进一步地，所述超高周疲劳寿命模型包括萌生寿命模型与扩展寿命模型，表示为：
Figure BDA0003154279680000031
式中，N为离心压缩机叶轮疲劳寿命，ΔKth为裂纹萌生门槛值，E与G分别为离心压缩机叶轮弹性模量与剪切模量，Δσmax是离心压缩机叶轮实际工作过程中的最大应力，σ为离心压缩机叶轮材料的疲劳强度，C与m为离心压缩机叶轮材料参数，β与π是模型常数，a为疲劳裂纹尺寸。
与现有技术比较，本发明提出的基于数字孪生的离心压缩机叶轮疲劳寿命预测方法，通过具有实时特性的数字孪生模型得到离心压缩机叶轮工作过程中的最大应力，从而使得疲劳寿命预测结果能够对工况变化进行实时考虑，提高疲劳寿命预测的准确性。
附图说明
图1是基于数字孪生的离心压缩机叶轮疲劳寿命预测方法的流程图；
图2为基于数字孪生的离心压缩机叶轮疲劳寿命预测方法框架；
图3为基于数字孪生的离心压缩机叶轮疲劳寿命预测技术路线图。
具体实施方式
如图1所示为本发明公开的基于数字孪生的离心压缩机叶轮疲劳寿命预测方法，包括以下步骤：
S1、构建离心压缩机叶轮的数字孪生模型；
具体地，构建离心压缩机叶轮的数字孪生模型包括以下步骤：
S10、应用地面激光雷达技术对离心压缩机叶轮盖盘、底盘及叶轮的三维尺寸进行测量，得到离心压缩机叶轮点云数据，将点云数据导入CAD软件中得到离心压缩机叶轮三维模型，CAD软件可以采用SolidWorks等三维建模软件；
S11、查询离心压缩机叶轮材料性能参数，获取离心压缩机叶轮实际工况参数与环境参数，离心压缩机叶轮材料性能参数可以通过设计图纸与材料手册进行查询获取；
其中，离心压缩机叶轮材料性能参数至少包括离心压缩机盖盘、底盘及叶轮所用材料的牌号及力学性能；
所述的实际工况参数与环境参数至少包括离心压缩机的工作转数、载荷频率、温度、入口/出口压力以及气体介质种类；
S12、根据所述离心压缩机叶轮三维模型和材料性能参数，建立统一的离心压缩机叶轮数字孪生模型，将实际工况参数与环境参数以及各个参数在实际运行过程中的物理关系输入到统一的离心压缩机叶轮数字孪生模型中，进行实时仿真计算，获得离心压缩机叶轮应力场分布仿真结果，在本实施例中，将SolidWorks中获得的离心压缩机叶轮三维模型和材料性能参数导入至ansysworkbench中以形成离心压缩机叶轮数字孪生模型并进行实时仿真计算；
其中，物理关系至少包括离心压缩机叶轮叶片与气体介质之间的作用力、离心压缩机叶轮工作过程中产生的离心力、离心压缩机叶轮叶片应力与损伤的关系；
离心压缩机叶轮数字孪生模型包括空气动力学模型、应力分析模型以及应力场分布模型；
S13、对离心压缩机叶轮实际工作过程中的应力场分布状态进行实时监测，提取实际工作过程中的最大应力数据，并与所述仿真结果进行比较，得到二者之间的差值；
S14、根据所述差值对所述统一的离心压缩机叶轮数字孪生模型进行更新与修正，从而得到具有实时特性的离心压缩机叶轮数字孪生模型；
S2、利用所述离心压缩机叶轮的数字孪生模型对离心压缩机叶轮工作过程中的应力场分布状态进行仿真，获取应力场分布状态仿真结果；
S3、从所述应力场分布状态仿真结果中提取最大应力；
S4、对离心压缩机叶轮进行实际工作过程测试，并对实际工作过程中所述离心压缩机叶轮的应力场分布状态进行实时监测，提取实际工作过程中的最大应力；
S5、将所述仿真结果中最大应力与所述实际工作过程中的最大应力进行比较获得最大应力差值和，根据所述最大应力差值对所述离心压缩机叶轮数字孪生模型进行更新与修正，并得到更新与修正后的离心压缩机叶轮最大应力；
S6、根据所述更新与修正后的离心压缩机叶轮最大应力对离心压缩机叶轮材料进行疲劳试验，检测离心压缩机叶轮材料断口特征，提取离心压缩机叶轮材料疲劳裂纹尺寸信息；离心压缩机叶轮材料疲劳试验中所用的材料应取自实际工况中的离心压缩机叶轮；试验中的载荷频率应与离心压缩机叶轮实际工作过程中的载荷频率一致；所述的离心压缩机叶轮材料断口特征至少包括表面损伤特征、内部损伤特征、裂纹源能谱分析；所述的疲劳裂纹尺寸信息至少包括表面粗糙度信息和内部夹杂物尺寸信息；
S7、根据所述更新与修正后的离心压缩机叶轮最大应力所述离心压缩机叶轮材料疲劳裂纹尺寸信息，利用超高周疲劳寿命预测模型对所述离心压缩机叶轮进行预测获取所述离心压缩机叶轮疲劳寿命；
具体地，所述超高周疲劳寿命模型包括萌生寿命模型与扩展寿命模型，表示为：
Figure BDA0003154279680000061
式中，N为离心压缩机叶轮疲劳寿命，ΔKth为裂纹萌生门槛值，E与G分别为离心压缩机叶轮弹性模量与剪切模量，Δσmax是离心压缩机叶轮实际工作过程中的最大应力，σ为离心压缩机叶轮材料的疲劳强度，C与m为离心压缩机叶轮材料参数，β与π是模型常数，a为疲劳裂纹尺寸。
本发明提出的基于数字孪生的离心压缩机叶轮疲劳寿命预测方法，通过具有实时特性的数字孪生模型得到离心压缩机叶轮工作过程中的最大应力，从而使得疲劳寿命预测结果能够对工况变化进行实时考虑，提高疲劳寿命预测的准确性。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (6)

1.一种基于数字孪生的离心压缩机叶轮疲劳寿命预测方法，其特征在于：包括以下步骤：
S1、构建离心压缩机叶轮的数字孪生模型；
S2、利用所述离心压缩机叶轮的数字孪生模型对离心压缩机叶轮工作过程中的应力状态进行仿真，获取应力场分布仿真结果；
S3、从所述应力场分布仿真结果中提取最大应力；
S4、对离心压缩机叶轮进行实际工作过程测试，并对实际工作过程中所述离心压缩机叶轮的应力场进行实时监测，提取实际工作过程中的最大应力；
S5、将所述仿真结果中最大应力与所述实际工作过程中的最大应力进行比较获得最大应力差值，根据所述最大应力差值对所述离心压缩机叶轮数字孪生模型进行更新与修正，并得到更新与修正后的离心压缩机叶轮最大应力；
S6、根据所述更新与修正后的离心压缩机叶轮最大应力对离心压缩机叶轮材料进行疲劳试验，检测离心压缩机叶轮材料断口特征，提取离心压缩机叶轮材料疲劳裂纹尺寸信息；
S7、根据所述更新与修正后的离心压缩机叶轮最大应力与所述离心压缩机叶轮材料疲劳裂纹尺寸信息，利用超高周疲劳寿命预测模型对所述离心压缩机叶轮进行预测获取所述离心压缩机叶轮疲劳寿命。
2.根据权利要求1所述的基于数字孪生的离心压缩机叶轮疲劳寿命预测方法，其特征在于：所述S1包括以下步骤：
S10、应用地面激光雷达技术对离心压缩机叶轮盖盘、底盘及叶轮的三维尺寸进行测量，得到离心压缩机叶轮点云数据，将点云数据导入CAD软件中得到离心压缩机叶轮三维模型；
S11、查询离心压缩机叶轮材料性能参数，获取离心压缩机叶轮实际工况参数与环境参数；
S12、根据所述离心压缩机叶轮三维模型和材料性能参数，建立统一的离心压缩机叶轮数字孪生模型，将实际工况参数与环境参数以及各个参数在实际运行过程中的物理关系输入到统一的离心压缩机叶轮数字孪生模型中，进行实时仿真计算，获得离心压缩机叶轮应力场分布仿真结果；
S13、对离心压缩机叶轮实际工作过程中的应力场分布状态进行实时监测，提取实际工作过程中的最大应力数据，并与所述仿真结果进行比较，得到二者之间的差值；
S14、根据所述差值对所述统一的离心压缩机叶轮数字孪生模型进行更新与修正，从而得到具有实时特性的离心压缩机叶轮数字孪生模型。
3.根据权利要求2所述的基于数字孪生的离心压缩机叶轮疲劳寿命预测方法，其特征在于：所述离心压缩机叶轮材料性能参数至少包括离心压缩机盖盘、底盘及叶轮所用材料的牌号及力学性能；
所述的实际工况参数与环境参数至少包括离心压缩机的工作转数、载荷频率、温度、入口/出口压力以及气体介质种类。
4.根据权利要求2所述的基于数字孪生的离心压缩机叶轮疲劳寿命预测方法，其特征在于：所述物理关系至少包括离心压缩机叶轮叶片与气体介质之间的作用力、离心压缩机叶轮工作过程中产生的离心力、离心压缩机叶轮叶片应力与损伤之间的关系；
所述的离心压缩机叶轮数字孪生模型包括空气动力学模型、应力分析模型以及应力场分布模型。
5.根据权利要求1所述的基于数字孪生的离心压缩机叶轮疲劳寿命预测方法，其特征在于：所述离心压缩机叶轮材料疲劳试验中所用的材料应取自实际工况中的离心压缩机叶轮；试验中的载荷频率应与离心压缩机叶轮实际工作过程中的载荷频率一致；所述的离心压缩机叶轮材料断口特征至少包括表面损伤特征、内部损伤特征、裂纹源能谱分析；所述的疲劳裂纹尺寸信息至少包括表面粗糙度信息和内部夹杂物尺寸信息。
6.根据权利要求1所述的基于数字孪生的离心压缩机叶轮疲劳寿命预测方法，其特征在于：所述超高周疲劳寿命模型包括萌生寿命模型与扩展寿命模型，表示为：
Figure FDA0003154279670000021
式中，N为离心压缩机叶轮疲劳寿命，ΔKth为裂纹萌生门槛值，E与G分别为离心压缩机叶轮弹性模量与剪切模量，Δσmax是离心压缩机叶轮实际工作过程中的最大应力，σ为离心压缩机叶轮材料的疲劳强度，C与m为离心压缩机叶轮材料参数，β与π是模型常数，a为疲劳裂纹尺寸。
CN202110772467.8A 2021-07-08 2021-07-08 基于数字孪生的离心压缩机叶轮疲劳寿命预测方法 Active CN113569350B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110772467.8A CN113569350B (zh) 2021-07-08 2021-07-08 基于数字孪生的离心压缩机叶轮疲劳寿命预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110772467.8A CN113569350B (zh) 2021-07-08 2021-07-08 基于数字孪生的离心压缩机叶轮疲劳寿命预测方法

Publications (2)

Publication Number Publication Date
CN113569350A true CN113569350A (zh) 2021-10-29
CN113569350B CN113569350B (zh) 2022-09-06

Family

ID=78164101

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110772467.8A Active CN113569350B (zh) 2021-07-08 2021-07-08 基于数字孪生的离心压缩机叶轮疲劳寿命预测方法

Country Status (1)

Country Link
CN (1) CN113569350B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116090138A (zh) * 2023-04-03 2023-05-09 浙江远算科技有限公司 一种基于数据监测的水轮机转轮疲劳仿真计算方法和系统
CN116542111A (zh) * 2023-05-23 2023-08-04 中铁二十三局集团轨道交通工程有限公司 一种装配式房屋建筑连接节点结构健康监测方法及其系统
CN117875195A (zh) * 2024-03-13 2024-04-12 大连理工大学 一种面向结构寿命评估的裂纹扩展孪生预示方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110489833A (zh) * 2019-07-31 2019-11-22 西安交通大学 数字孪生驱动的航空发动机涡轮盘剩余寿命预测方法
RU2721514C1 (ru) * 2019-04-17 2020-05-19 Евгения Викторовна Георгиевская Способ оценки остаточного ресурса рабочего колеса гидротурбины на запроектных сроках эксплуатации

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2721514C1 (ru) * 2019-04-17 2020-05-19 Евгения Викторовна Георгиевская Способ оценки остаточного ресурса рабочего колеса гидротурбины на запроектных сроках эксплуатации
CN110489833A (zh) * 2019-07-31 2019-11-22 西安交通大学 数字孪生驱动的航空发动机涡轮盘剩余寿命预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨杞: "不同加工方式影响的表面疲劳寿命研究", 《辽宁工业大学学报(自然科学版)》 *
魏仁超等: "FV520B钢在湿H_2S+Cl~-环境中的腐蚀疲劳性能", 《机械工程学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116090138A (zh) * 2023-04-03 2023-05-09 浙江远算科技有限公司 一种基于数据监测的水轮机转轮疲劳仿真计算方法和系统
CN116542111A (zh) * 2023-05-23 2023-08-04 中铁二十三局集团轨道交通工程有限公司 一种装配式房屋建筑连接节点结构健康监测方法及其系统
CN116542111B (zh) * 2023-05-23 2024-05-03 中铁二十三局集团轨道交通工程有限公司 一种装配式房屋建筑连接节点结构健康监测方法及其系统
CN117875195A (zh) * 2024-03-13 2024-04-12 大连理工大学 一种面向结构寿命评估的裂纹扩展孪生预示方法

Also Published As

Publication number Publication date
CN113569350B (zh) 2022-09-06

Similar Documents

Publication Publication Date Title
CN113569350B (zh) 基于数字孪生的离心压缩机叶轮疲劳寿命预测方法
CN110532626B (zh) 基于数字孪生的航空发动机主轴承剩余寿命预测方法
CN110530638B (zh) 基于数字孪生的航空发动机主轴承损伤检测与诊断方法
CN111737811B (zh) 基于数字孪生的直升机动部件寿命管理方法、设备、介质
CN112507452A (zh) 航空发动机涡轮叶片可靠性数字孪生建模方法
CN103335814B (zh) 风洞中实验模型倾角测量误差数据的修正方法
CN110530973B (zh) 数字孪生驱动的航空发动机涡轮盘裂纹检测与诊断方法
CN103970965A (zh) 燃气涡轮发动机加速寿命试验试车方法
CN110717229A (zh) 一种基于试验数据的虚拟载荷谱自更新构造方法
CN104833536A (zh) 一种基于非线性累积损伤理论的结构疲劳寿命计算方法
CN103984813A (zh) 一种离心压缩机裂纹叶轮结构的振动建模与分析方法
CN105183928A (zh) 铸铝构件中的残余应力和变形的快速分析
CN105653851B (zh) 基于分阶段物理模型及粒子滤波的滚动轴承剩余寿命预测方法
CN112906281A (zh) 一种基于拟蒙特卡洛抽样的涡轮盘裂纹扩展可靠性分析方法
CA2477968A1 (en) Method for assessing the integrity of a structure
CN105352586A (zh) 通过检测共振频率实现叶片疲劳裂纹检测的方法
CN113378939B (zh) 基于物理驱动神经网络的结构数字孪生建模与参数识别法
CN110990948A (zh) 一种航空发动机叶片外物损伤疲劳强度预测方法
CN106769032A (zh) 一种回转支承使用寿命的预测方法
CN103838931A (zh) 一种工程机械臂架类结构再制造准入期评估方法
CN107729658A (zh) 一种可靠性优化设计的模糊智能分解协调极值响应面法
CN115114721A (zh) 基于非接触测量的叶片多模态最大应力预测方法及系统
CN107203364B (zh) 一种用于压气机全工况特性的预测和辨识方法
CN115270239A (zh) 基于动力特性和智能算法响应面法的桥梁可靠性预测方法
CN110134990B (zh) 航空发动机叶片前缘危险部位的检测方法

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