CN115060605A - 基于加速疲劳试验的振动疲劳寿命高精度预测方法 - Google Patents

基于加速疲劳试验的振动疲劳寿命高精度预测方法 Download PDF

Info

Publication number
CN115060605A
CN115060605A CN202210820182.1A CN202210820182A CN115060605A CN 115060605 A CN115060605 A CN 115060605A CN 202210820182 A CN202210820182 A CN 202210820182A CN 115060605 A CN115060605 A CN 115060605A
Authority
CN
China
Prior art keywords
fatigue
acceleration
curve
damage
accelerated
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.)
Pending
Application number
CN202210820182.1A
Other languages
English (en)
Inventor
周才华
葛长源
王博
徐胜利
任明法
徐子帧
肖时捡
王宜丹
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 University of Technology
Original Assignee
Dalian 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 Dalian University of Technology filed Critical Dalian University of Technology
Priority to CN202210820182.1A priority Critical patent/CN115060605A/zh
Publication of CN115060605A publication Critical patent/CN115060605A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/32—Investigating strength properties of solid materials by application of mechanical stress by applying repeated or pulsating forces
    • 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
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computational Mathematics (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)

Abstract

本发明提出了一种基于加速疲劳试验的振动疲劳寿命高精度预测方法，涉及振动疲劳寿命预测技术领域，包括：将分段S‑N曲线拆分为两条独立S‑N曲线，并基于随机振动过程中的应力功率谱密度函数和振动疲劳累积损伤得到两条独立S‑N曲线的完整疲劳损伤；基于假定的S‑N曲线的损伤值计算得到分段S‑N曲线加速后的累积疲劳损伤；基于原始疲劳损伤得到改进逆幂律公式；计算应力概率函数并进行数值分析得到加速比例与加速疲劳寿命的关系曲线；获取加速振动疲劳试验值并对关系曲线进行修正得到原始疲劳寿命；本发明通过建立分段S‑N曲线的改进逆幂律公式并进行修正，获得原始疲劳寿命，解决了分段S‑N曲线材料的加速疲劳寿命预测的问题。

Description

基于加速疲劳试验的振动疲劳寿命高精度预测方法
技术领域
本发明涉及振动疲劳寿命预测技术领域，具体而言，涉及一种基于加速疲劳试验的振动疲劳寿命高精度预测方法。
背景技术
航空航天装备广泛存在随机激励源，有着极大的振动疲劳失效风险，如何有效预测随机振动环境下的疲劳寿命，是设计抗疲劳构型、提高结构可靠度的关键技术。考虑疲劳试验的成本高昂，最早由美罗姆航展中心提出应用加速振动疲劳方法提高试验效率。其中，Coffin以及Manson建立了用于估算原始振动疲劳寿命的逆幂律公式，依据加速疲劳试验的寿命以及加速比例就可以预测结构原始振动疲劳寿命。然而，该方法只是等幅提高了试验载荷谱的载荷幅值，应用简单便捷，相关流程已被列入国军标GJB150.16A-2009以及美军标MIL-STD-810G中。现有技术中有很多基于逆幂律公式开展了加速振动疲劳的寿命预测研究的试验，预测了振动疲劳寿命。
但是，现有技术中都有一个共同点，即不考虑材料S-N曲线的特性，默认S-N曲线在对数坐标系中为直线形式，而随着越来越多的疲劳试验表明，大量材料的S-N曲线表现为分段(两段)式的直线关系，对于具有分段式S-N曲线的材料，相关文献中的结果表明，在加速疲劳试验中应用传统逆幂律公式预测的振动疲劳寿命有着较大的误差。对于这类材料的振动疲劳寿命高精度预测方法，目前研究仍较少。
基于此，本申请提出一种基于加速疲劳试验的振动疲劳寿命高精度预测方法来解决上述问题。
发明内容
本发明的目的在于提供一种基于加速疲劳试验的振动疲劳寿命高精度预测方法，其能够解决传统技术中对具有分段S-N曲线材料的疲劳寿命预测误差极大的问题。
本发明的技术方案为：
本申请提供一种基于加速疲劳试验的振动疲劳寿命高精度预测方法，其包括以下步骤：
S1、将分段S-N曲线拆分为两条独立S-N曲线，并基于随机振动过程中的应力功率谱密度函数和振动疲劳累积损伤得到两条独立S-N曲线的完整疲劳损伤；
S2、基于两条独立S-N曲线的完整疲劳损伤和假定的S-N曲线的损伤值作差计算以得到分段S-N曲线的实际累积疲劳损伤；
S3、基于分段S-N曲线的实际累积疲劳损伤与原始疲劳损伤相除计算以得到改进逆幂律公式；
S4、基于改进逆幂律公式通过Bendat法或Dirlik法计算应力概率函数以得到表征的改进逆幂律公式，并进行数值分析以得到加速比例与加速疲劳寿命的关系曲线；
S5、获取加速振动疲劳试验值并对加速比例与加速疲劳寿命的关系曲线进行修正以得到原始振动载荷谱下的原始疲劳寿命。
进一步地，步骤S1中上述两条独立S-N曲线的完整疲劳损伤的计算公式为：
Figure BDA0003743947720000031
其中，
Figure BDA0003743947720000032
分别为两条独立S-N曲线的完整疲劳损伤，k1、C1、k2和C2均为两条独立S-N曲线的疲劳参数，EP为随机振动应力功率谱密度函数的峰值穿越次数，S为振动疲劳过程中的应力幅值，P(S)为应力的概率函数。
进一步地，步骤S2中上述作差计算的公式为：
Figure BDA0003743947720000033
其中，Da为分段S-N曲线加速后的累积疲劳损伤，
Figure BDA0003743947720000034
分别为两条S-N曲线加速后的完整累积疲劳损伤，
Figure BDA0003743947720000035
为第一段S-N曲线的假定损伤，
Figure BDA0003743947720000036
为第二段S-N曲线的假定损伤，P′(S)为加速后的应力概率分布函数，k1、C1、k2和C2为两条独立S-N曲线的疲劳参数，EP为随机振动应力功率谱密度函数的峰值穿越次数，S为振动疲劳过程中的应力幅值，S0为S-N曲线分段处的应力。
进一步地，步骤S3中上述相除计算的公式为：
Figure BDA0003743947720000041
其中，Da为分段S-N曲线加速后的累积疲劳损伤，Do为原始疲劳损伤，
Figure BDA0003743947720000042
分别为两条S-N曲线的完整累积疲劳损伤，P′(S)为加速后的应力概率分布函数，k1、C1、k2和C2均为两条独立S-N曲线的疲劳参数，k*为加速实验中的加速比例，EP为随机振动应力功率谱密度函数的峰值穿越次数，S为振动疲劳过程中的应力幅值，
Figure BDA0003743947720000043
均为假定的累积疲劳损伤，S0为S-N曲线分段处的应力。
进一步地，步骤S4中计算应力概率函数以得到的表征的改进逆幂律公式为：
Figure BDA0003743947720000044
其中，DNBa为应用Bendat法表征的分段S-N曲线加速后的累积疲劳损伤，DNBo为应用Bendat法表征的原始累计疲劳损伤，DWBa为应用Dirlik法表征的分段S-N曲线加速后的累积疲劳损伤，DWBo为应用Dirlik法表征的原始累计疲劳损伤，
Figure BDA0003743947720000045
和
Figure BDA0003743947720000046
分别为应用Bendat法表征的两条S-N曲线的完整累积疲劳损伤，
Figure BDA0003743947720000047
和
Figure BDA0003743947720000048
分别为应用Dirlik法表征的两条S-N曲线的完整累积疲劳损伤，k1和k2为两条独立S-N曲线的疲劳参数，k*为加速试验加速比例，
Figure BDA0003743947720000051
和
Figure BDA0003743947720000052
为应用Bendat法表征的加速前后的假定累积疲劳损伤，
Figure BDA0003743947720000053
和
Figure BDA0003743947720000054
为应用Dirlik法表征的加速前后的假定累积疲劳损伤。
进一步地，步骤S5中上述对加速比例与加速疲劳寿命的关系曲线进行修正的公式为：
Figure BDA0003743947720000055
其中，T′a表示修正后改进逆幂律公式计算的加速疲劳寿命值，Ta表示加速疲劳寿命，TEXP表示加速振动疲劳试验获得的试验值，Ta(i)表示与加速疲劳试验相同载荷幅值的改进逆幂律公式预测加速疲劳寿命，a表示加速后的数值，i表示加速疲劳实验载荷幅值的对应数值。
相对于现有技术，本发明至少具有如下优点或有益效果：
(1)本发明提供一种基于加速疲劳试验的振动疲劳寿命高精度预测方法，通过建立了考虑分段S-N曲线的改进逆幂律公式，通过加速疲劳试验值进行修正，以获得原始载荷谱下的振动疲劳寿命，形成了加速振动疲劳高精度寿命预测方法，解决了分段S-N曲线材料的加速疲劳寿命预测的问题，原理简单，便于实现，有一定的工程应用价值；
(2)本发明克服了传统逆幂律公式在加速疲劳试验中，对具有分段S-N曲线材料的原始疲劳寿命预测误差极大的问题。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本发明一种基于加速疲劳试验的振动疲劳寿命高精度预测方法的步骤图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
需要说明的是，在本文中，术语“包括”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……”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。
在本申请的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的各个实施例及实施例中的各个特征可以相互组合。
实施例
请参阅图1，图1所示为本申请实施例提供的一种基于加速疲劳试验的振动疲劳寿命高精度预测方法的步骤图。
本申请提供的一种基于加速疲劳试验的振动疲劳寿命高精度预测方法，包括以下步骤：
S1、将分段S-N曲线拆分为两条独立S-N曲线，并基于随机振动过程中的应力功率谱密度函数和振动疲劳累积损伤得到两条独立S-N曲线的完整疲劳损伤；
S2、基于两条独立S-N曲线的完整疲劳损伤和假定的S-N曲线的损伤值作差计算以得到分段S-N曲线的实际累积疲劳损伤；
S3、基于分段S-N曲线的实际累积疲劳损伤与原始疲劳损伤相除计算以得到改进逆幂律公式；
S4、基于改进逆幂律公式通过Bendat法或Dirlik法计算应力概率函数以得到表征的改进逆幂律公式，并进行数值分析以得到加速比例与加速疲劳寿命的关系曲线；
S5、获取加速振动疲劳试验值并对加速比例与加速疲劳寿命的关系曲线进行修正以得到原始振动载荷谱下的原始疲劳寿命。
作为一种优选的实施方式，步骤S1中两条独立S-N曲线的完整疲劳损伤的计算公式为：
Figure BDA0003743947720000081
其中，
Figure BDA0003743947720000082
分别为两条独立S-N曲线的完整疲劳损伤，k1、C1、k2和C2均为两条独立S-N曲线的疲劳参数，EP为随机振动应力功率谱密度函数的峰值穿越次数，S为振动疲劳过程中的应力幅值，P(S)为应力的概率函数。
需要说明的是，EP的计算公式为：
Figure BDA0003743947720000083
mi表示应力的i阶谱矩。
作为一种优选的实施方式，步骤S2中作差计算的公式为：
Figure BDA0003743947720000091
其中，Da为分段S-N曲线加速后的累积疲劳损伤，
Figure BDA0003743947720000092
分别为两条S-N曲线加速后的完整累积疲劳损伤，
Figure BDA0003743947720000093
为第一段S-N曲线的假定损伤，
Figure BDA0003743947720000094
为第二段S-N曲线的假定损伤，P′(S)为加速后的应力概率分布函数，k1、C1、k2和C2为两条独立S-N曲线的疲劳参数，EP为随机振动应力功率谱密度函数的峰值穿越次数，S为振动疲劳过程中的应力幅值，S0为S-N曲线分段处的应力。
作为一种优选的实施方式，步骤S3中相除计算的公式为：
Figure BDA0003743947720000095
其中，Da为分段S-N曲线加速后的累积疲劳损伤，Do为原始疲劳损伤，
Figure BDA0003743947720000096
分别为两条S-N曲线的完整累积疲劳损伤，P′(S)为加速后的应力概率分布函数，k1、C1、k2和C2均为两条独立S-N曲线的疲劳参数，k*为加速实验中的加速比例，EP为随机振动应力功率谱密度函数的峰值穿越次数，S为振动疲劳过程中的应力幅值，
Figure BDA0003743947720000097
均为假定的累积疲劳损伤，S0为S-N曲线分段处的应力。
作为一种优选的实施方式，步骤S4中计算应力概率函数以得到的表征的改进逆幂律公式为：
Figure BDA0003743947720000101
其中，DNBa为应用Bendat法表征的分段S-N曲线加速后的累积疲劳损伤，DNBo为应用Bendat法表征的原始累计疲劳损伤，DWBa为应用Dirlik法表征的分段S-N曲线加速后的累积疲劳损伤，DWBo为应用Dirlik法表征的原始累计疲劳损伤，
Figure BDA0003743947720000102
和
Figure BDA0003743947720000103
分别为应用Bendat法表征的两条S-N曲线的完整累积疲劳损伤，
Figure BDA0003743947720000104
和
Figure BDA0003743947720000105
分别为应用Dirlik法表征的两条S-N曲线的完整累积疲劳损伤，k1和k2为两条独立S-N曲线的疲劳参数，k*为加速试验加速比例，
Figure BDA0003743947720000106
和
Figure BDA0003743947720000107
为应用Bendat法表征的加速前后的假定累积疲劳损伤，
Figure BDA0003743947720000108
和
Figure BDA0003743947720000109
为应用Dirlik法表征的加速前后的假定累积疲劳损伤。
为了进一步给出假定损伤的表达形式，引入不完全伽马函数应用于Bendat法及Dirlik法的改进逆幂律公式中：
Figure BDA00037439477200001010
Figure BDA00037439477200001011
Figure BDA0003743947720000111
Figure BDA0003743947720000112
Figure BDA0003743947720000113
Figure BDA0003743947720000114
Figure BDA0003743947720000115
Figure BDA0003743947720000116
其中，
Figure BDA0003743947720000117
和
Figure BDA0003743947720000118
为应用Bendat法表征的加速后假定累积疲劳损伤，
Figure BDA0003743947720000119
和
Figure BDA00037439477200001110
分别为应用Bendat法表征的加速前假定的累积疲劳损伤，
Figure BDA00037439477200001111
和
Figure BDA00037439477200001112
为应用Dirlik法表征的加速后假定的累积疲劳损伤，
Figure BDA00037439477200001113
和
Figure BDA00037439477200001114
为应用Dirlik法表征的加速前假定的累积疲劳损伤，k1、C1和k2、C2均为两条独立S-N曲线的疲劳参数，k*为加速实验中的加速比例，Γ和γ为不完全伽马函数，EP为随机振动应力功率谱密度函数的峰值穿越次数，S0为S-N曲线分段处的应力，m0为0阶谱矩，Q、Q1、D1、D2、D3和R为均为Dirlik法中以谱矩定义的参数。
依据疲劳累积损伤理论，当损伤D达到1时，认为发生疲劳破坏，因此，疲劳寿命与损伤的关系可表示为：
T＝1/D，
其中，T表示疲劳寿命，D表示损伤；
因此改进逆幂律公式中加速前后的疲劳损伤可由疲劳寿命T进一步改写为：
Figure BDA0003743947720000121
其中，k1和k2表示独立S-N曲线的疲劳参数，k*表示加速实验中的加速比例，
Figure BDA0003743947720000122
和
Figure BDA0003743947720000123
分别表示两条S-N曲线的完整累积疲劳损伤，
Figure BDA0003743947720000124
Figure BDA0003743947720000125
均为假定的累积疲劳损伤，Ta表示加速疲劳寿命。
从而应用Bendat及Dirlik法，能够通过数值分析建立加速比例k*与加速疲劳寿命Ta的关系曲线。
作为一种优选的实施方式，步骤S5中对加速比例与加速疲劳寿命的关系曲线进行修正的公式为：
Figure BDA0003743947720000126
其中，T′a表示修正后改进逆幂律公式计算的加速疲劳寿命值，Ta表示加速疲劳寿命，TEXP表示加速振动疲劳试验获得的试验值，Ta(i)表示与加速疲劳试验相同载荷幅值的改进逆幂律公式预测加速疲劳寿命，a表示加速后的数值，i表示加速疲劳实验载荷幅值的对应数值。
由此，通过在修正后的加速疲劳寿命与加速比例曲线上即可找到原始振动载荷谱下的原始疲劳寿命T′o。
可以理解，图中所示的结构仅为示意，一种基于加速疲劳试验的振动疲劳寿命高精度预测方法还可包括比图中所示更多或者更少的组件，或者具有与图中所示不同的配置。图中所示的各组件可以采用硬件、软件或其组合实现。
在本申请所提供的实施例中，应该理解到，所揭露的系统或方法，也可以通过其它的方式实现。以上所描述的实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述，本申请实施例提供的一种基于加速疲劳试验的振动疲劳寿命高精度预测方法，通过建立了考虑分段S-N曲线的改进逆幂律公式，通过加速疲劳试验值进行修正，以获得原始载荷谱下的振动疲劳寿命，形成了加速振动疲劳高精度寿命预测方法，克服了传统逆幂律公式在加速疲劳试验中，对具有分段S-N曲线材料的原始疲劳寿命预测误差极大的问题，解决了分段S-N曲线材料的加速疲劳寿命预测的问题，原理简单，便于实现，有一定的工程应用价值。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (6)

1.一种基于加速疲劳试验的振动疲劳寿命高精度预测方法，其特征在于，包括以下步骤：
S1、将分段S-N曲线拆分为两条独立S-N曲线，并基于随机振动过程中的应力功率谱密度函数和振动疲劳累积损伤得到两条独立S-N曲线的完整疲劳损伤；
S2、基于两条独立S-N曲线的完整疲劳损伤和假定的S-N曲线的损伤值作差计算以得到分段S-N曲线加速后的累积疲劳损伤；
S3、基于分段S-N曲线加速后的累积疲劳损伤与原始疲劳损伤相除计算以得到改进逆幂律公式；
S4、基于改进逆幂律公式通过Bendat法或Dirlik法计算应力概率函数以得到表征的改进逆幂律公式，并进行数值分析以得到加速比例与加速疲劳寿命的关系曲线；
S5、获取加速振动疲劳试验值并对加速比例与加速疲劳寿命的关系曲线进行修正以得到原始振动载荷谱下的原始疲劳寿命。
2.如权利要求1所述的基于加速疲劳试验的振动疲劳寿命高精度预测方法，其特征在于，步骤S1中所述两条独立S-N曲线的完整疲劳损伤的计算公式为：
Figure FDA0003743947710000021
其中，
Figure FDA0003743947710000022
分别为两条独立S-N曲线的完整疲劳损伤，k1、C1、k2和C2均为两条独立S-N曲线的疲劳参数，EP为随机振动应力功率谱密度函数的峰值穿越次数，S为振动疲劳过程中的应力幅值，P(S)为应力的概率函数。
3.如权利要求2所述的基于加速疲劳试验的振动疲劳寿命高精度预测方法，其特征在于，步骤S2中所述作差计算的公式为：
Figure FDA0003743947710000023
其中，Da为分段S-N曲线加速后的累积疲劳损伤，
Figure FDA0003743947710000024
分别为两条S-N曲线加速后的完整累积疲劳损伤，
Figure FDA0003743947710000025
为第一段S-N曲线的假定损伤，
Figure FDA0003743947710000026
为第二段S-N曲线的假定损伤，P′(S)为加速后的应力概率分布函数，k1、C1、k2和C2为两条独立S-N曲线的疲劳参数，FP为随机振动应力功率谱密度函数的峰值穿越次数，S为振动疲劳过程中的应力幅值，S0为S-N曲线分段处的应力。
4.如权利要求3所述的基于加速疲劳试验的振动疲劳寿命高精度预测方法，其特征在于，步骤S3中所述相除计算的公式为：
Figure FDA0003743947710000031
其中，Da为分段S-N曲线加速后的累积疲劳损伤，Do为原始疲劳损伤，
Figure FDA0003743947710000032
分别为两条S-N曲线的完整累积疲劳损伤，P′(S)为加速后的应力概率分布函数，k1、C1、k2和C2均为两条独立S-N曲线的疲劳参数，k*为加速实验中的加速比例，EP为随机振动应力功率谱密度函数的峰值穿越次数，S为振动疲劳过程中的应力幅值，
Figure FDA0003743947710000033
均为假定的累积疲劳损伤，S0为S-N曲线分段处的应力。
5.如权利要求1所述的基于加速疲劳试验的振动疲劳寿命高精度预测方法，其特征在于，步骤S4中计算应力概率函数以得到的表征的改进逆幂律公式为：
Figure FDA0003743947710000034
其中，DNBa为应用Bendat法表征的分段S-N曲线加速后的累积疲劳损伤，DNBo为应用Bendat法表征的原始累计疲劳损伤，DWBa为应用Dirlik法表征的分段S-N曲线加速后的累积疲劳损伤，DWBo为应用Dirlik法表征的原始累计疲劳损伤，
Figure FDA0003743947710000035
和
Figure FDA0003743947710000036
分别为应用Bendat法表征的两条S-N曲线的完整累积疲劳损伤，
Figure FDA0003743947710000042
和
Figure FDA0003743947710000043
分别为应用Dirlik法表征的两条S-N曲线的完整累积疲劳损伤，k1和k2为两条独立S-N曲线的疲劳参数，k*为加速试验加速比例，
Figure FDA0003743947710000044
和
Figure FDA0003743947710000045
为应用Bendat法表征的加速前后的假定累积疲劳损伤，
Figure FDA0003743947710000046
和
Figure FDA0003743947710000047
为应用Dirlik法表征的加速前后的假定累积疲劳损伤。
6.如权利要求1所述的基于加速疲劳试验的振动疲劳寿命高精度预测方法，其特征在于，步骤S5中所述对加速比例与加速疲劳寿命的关系曲线进行修正的公式为：
Figure FDA0003743947710000041
其中，T′a表示修正后改进逆幂律公式计算的加速疲劳寿命值，Ta表示加速疲劳寿命，TEXP表示加速振动疲劳试验获得的试验值，Ta(i)表示与加速疲劳试验相同载荷幅值的改进逆幂律公式预测加速疲劳寿命，a表示加速后的数值，i表示加速疲劳实验载荷幅值的对应数值。
CN202210820182.1A 2022-07-13 2022-07-13 基于加速疲劳试验的振动疲劳寿命高精度预测方法 Pending CN115060605A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210820182.1A CN115060605A (zh) 2022-07-13 2022-07-13 基于加速疲劳试验的振动疲劳寿命高精度预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210820182.1A CN115060605A (zh) 2022-07-13 2022-07-13 基于加速疲劳试验的振动疲劳寿命高精度预测方法

Publications (1)

Publication Number Publication Date
CN115060605A true CN115060605A (zh) 2022-09-16

Family

ID=83205920

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210820182.1A Pending CN115060605A (zh) 2022-07-13 2022-07-13 基于加速疲劳试验的振动疲劳寿命高精度预测方法

Country Status (1)

Country Link
CN (1) CN115060605A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116189832A (zh) * 2023-04-14 2023-05-30 岚图汽车科技有限公司 一种材料疲劳寿命曲线确定方法及相关设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116189832A (zh) * 2023-04-14 2023-05-30 岚图汽车科技有限公司 一种材料疲劳寿命曲线确定方法及相关设备

Similar Documents

Publication Publication Date Title
Chaboche et al. Cyclic inelastic constitutive equations and their impact on the fatigue life predictions
Epstein et al. Post-Newtonian generation of gravitational waves
Chatterjee et al. Understanding the dynamical state of globular clusters: core-collapsed versus non-core-collapsed
Nukala et al. Statistical properties of fracture in a random spring model
US10846362B2 (en) Information processing apparatus, information processing method, data structure and program
Shi et al. Free vibration analysis of moderately thick rectangular plates with variable thickness and arbitrary boundary conditions
CN115060605A (zh) 基于加速疲劳试验的振动疲劳寿命高精度预测方法
Indurkar et al. Void growth and coalescence in porous plastic solids with sigmoidal hardening
Tang et al. Statistical study of vacancy diffusion in TiC and TaC
Bilbao et al. Conservative numerical methods for the full von Kármán plate equations
Anh et al. Extension of the regulated stochastic linearization to beam vibrations
Boumediene et al. Forced harmonic response of viscoelastic sandwich beams by a reduction method
Lovekin et al. Rotation and convective core overshoot in θ Ophiuchi
Wallbrink et al. Spectrum Truncation or Spectrum Compression?: When time and money matters and nothing less than a fraction of the original spectrum is acceptable
CN110851871A (zh) 一种文件解压方法、装置、电子设备及存储介质
Herzallah et al. Existence and uniqueness of the mild solution of an abstract semilinear fractional differential equation with state dependent nonlocal condition
JP2005141645A (ja) 非線形有限要素解析装置及び方法、コンピュータプログラム、記録媒体
Zapatero et al. Numerical and experimental analysis of fatigue crack growth under random loading
US9652477B2 (en) Determining probability that an object belongs to a topic using sample items selected from object and probability distribution profile of the topic
Gogilashvili et al. Explosion energies for core-collapse supernovae I: analytic, spherically symmetric solutions
Guo Probabilistic solutions of stochastic oscillators excited by correlated external and parametric white noises
Arnold et al. Microstructural influence on deformation and fatigue life of composites using the generalized method of cells
Rodzewicz Determination and extrapolation of the glider load spectra
JP2009198481A (ja) 応力解析装置及び方法
Wallbrink Smart load spectrum compression through the preservation of damage content

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