CN115879247B - 一种基于系统辨识的轮盘关键部位应力计算方法 - Google Patents

Abstract

本发明提供了一种基于系统辨识的轮盘关键部位应力计算方法，包括以下步骤：获取航空发动机的载荷谱参数以及轮盘观测应力；对载荷谱参数数据和轮盘观测应力数据分组，形成训练样本和验证样本；选择初始模型，并基于训练样本对初始模型训练，构建基于系统辨识的应力计算模型；采用基于系统辨识的应力计算模型对轮盘关键部位应力计算。本发明采用构建的基于系统辨识的应力模型进行计算轮盘关键部位应力，能够快速得到轮盘关键部位的应力历程，进而开展轮盘寿命消耗分析，满足轮盘寿命监视的需求。

Description

一种基于系统辨识的轮盘关键部位应力计算方法

技术领域

本发明涉及航空发动机轮盘强度设计技术领域，具体为一种基于系统辨识的轮盘关键部位应力计算方法。

背景技术

发动机的轮盘作为限寿件，其一旦发生失效可能导致危害性后果，一般需要在规定使用周期内进行检查，且必须在所有可用寿命消耗完之前进行更换，为了保证安全性，先进的航空发动机一般都配有寿命监视系统。

航空发动机健康管理系统中寿命监视系统是机载系统的一部分，要求通过跟踪时变的压力、温度和转子转速的变化累积使用寿命，并驱动定寿算法即关键部件的物理失效实时模型对限寿件的寿命进行监视。

目前，限寿件的寿命通常采用有限元方法计算其关键部位的应力值后分析获得，但是该方法的计算过程较为复杂、耗时较长，不能满足寿命监视对于快速计算的需求。

鉴于此，提出了一种基于系统辨识的轮盘关键部位应力计算方法，进而对发动机中某些限寿件的寿命监视。

发明内容

本发明的目的在于提供一种简单、高效的基于系统辨识的轮盘关键部位应力计算方法。

实现发明目的的技术方案如下：一种基于系统辨识的轮盘关键部位应力计算方法，包括以下步骤：

S1、获取航空发动机的载荷谱参数以及轮盘观测应力；

S2、对载荷谱参数数据和轮盘观测应力数据分组，形成训练样本和验证样本；

S3、选择初始模型，并基于训练样本对初始模型训练，构建基于系统辨识的应力计算模型；

S4、采用基于系统辨识的应力计算模型对轮盘关键部位应力计算。

在一个实施例中，步骤S1中，航空发动机载荷谱参数和轮盘观测应力的获取方法，包括：

S11、基于试验方法或仿真分析方法，获取航空发动机各时间历程下不同载荷谱的初始参数；

S12、对发动机轮盘的引气流路进行物理特性及相关性分析，从初始参数筛选影响发动机轮盘关键部位应力的主要参数；

S13、对主要参数归一化处理，获得各时间历程下的载荷谱参数；

S14、依据有限元仿真分析方法，对各时间历程下载荷谱参数进行温度场分析和应力分析，获取各时间历程下的轮盘观测应力。

在一个实施例中，步骤中S12中，主要参数包括发动机的高度、马赫数、转速、油门杆角度、各截面温度力、各截面压力，以及喷管喉道面积反馈值。

在一个实施例中，步骤S2中，训练样本包括起飞、中间、停车中任意一个时间历程或多个时间历程的载荷谱参数和轮盘观测应力；

所述验证样本包括由起飞、中间、停车形成的全时间历程的载荷谱参数和轮盘观测应力。

在一个实施例中，步骤S3中，选择初始模型，并基于训练样本对初始模型训练，构建基于系统辨识的应力计算模型，包括：

S31、基于轮盘观测应力-时间历程的非线性特征，选择初始模型为非线性ARX模型；

S32、用训练样本对非线性ARX模型训练，获取非线性ARX模型的模型阶次和非线性算法，构建基于系统辨识的应力计算模型。

在一个实施例中，步骤S32中，所述非线性算法为小波网络算法，所述模型阶次为4阶，即前4个应力点对当前应力有影响，每个载荷谱参数的前4个数据点对当前应力有影响，不考虑样本点对应力的延迟影响。

在一个实施例中，轮盘关键部位包括轮盘中心孔、偏心孔、倒圆、榫槽中的任意一种。

在一个实施例中，步骤S3中，还包括：

采用验证样本，对构建的基于系统辨识的应力计算模型进行验证。

与现有技术相比，本发明的有益效果是：本发明设计的基于系统辨识的轮盘关键部位应力计算方法，能够快速得到轮盘关键部位的应力历程，进而开展轮盘寿命消耗分析，满足轮盘寿命监视的需求。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。

图1为本发明基于系统辨识的轮盘关键部位应力计算方法的流程图；

图2为具体实施方式中构建基于系统辨识的应力计算模型的流程图。

具体实施方式

下面结合具体实施例来进一步描述本发明，本发明的优点和特点将会随着描述而更为清楚。但这些实施例仅是范例性的，并不对本发明的范围构成任何限制。本领域技术人员应该理解的是，在不偏离本发明的精神和范围下可以对本发明技术方案的细节和形式进行修改或替换，但这些修改和替换均落入本发明的保护范围内。

本具体实施方式提供了一种基于系统辨识的轮盘关键部位应力计算方法，参见图1所示，轮盘关键部位应力计算方法包括以下步骤：

S1、获取航空发动机的载荷谱参数以及轮盘观测应力。

本步骤中，航空发动机载荷谱参数和轮盘观测应力的获取方法，包括：

S11、基于试验方法或仿真分析方法，获取航空发动机各时间历程下不同载荷谱的初始参数；

其中，初始参数包括发动机的高度、马赫数、转速、油门杆角度、各截面温度力、各截面压力，以及喷管喉道面积反馈值，还包括加力接通状态、机动过载参数、机动角速度等。

S12、对发动机轮盘的引气流路进行物理特性及相关性分析，从初始参数筛选影响发动机轮盘关键部位应力的主要参数；

其中，主要参数包括发动机的高度、马赫数、转速、油门杆角度、各截面温度力、各截面压力，以及喷管喉道面积反馈值。

S13、对主要参数归一化处理，获得各时间历程下的载荷谱参数；

其中，主要参数采用现有已知的归一化处理方法进行处理。

S14、依据有限元仿真分析方法，对各时间历程下载荷谱参数进行温度场分析和应力分析，获取各时间历程下的轮盘观测应力。

S2、对载荷谱参数数据和轮盘观测应力数据分组，形成训练样本和验证样本。

本步骤中，训练样本包括起飞、中间、停车中任意一个时间历程或多个时间历程的载荷谱参数和轮盘观测应力；

所述验证样本包括由起飞、中间、停车形成的全时间历程的载荷谱参数和轮盘观测应力。

S3、选择初始模型，并基于训练样本对初始模型训练，构建基于系统辨识的应力计算模型。

本步骤中，选择初始模型，并基于训练样本对初始模型训练，构建基于系统辨识的应力计算模型，包括：

S31、基于轮盘观测应力-时间历程的非线性特征，选择初始模型为非线性ARX模型；

S32、用训练样本对非线性ARX模型训练，获取非线性ARX模型的模型阶次和非线性算法，构建基于系统辨识的应力计算模型。

在一个改进实施例中，步骤S32中，所述非线性算法为小波网络算法，所述模型阶次为4阶，即前4个应力点对当前应力有影响，每个载荷谱参数的前4个数据点对当前应力有影响，不考虑样本点对应力的延迟影响。

在另一个改进实施例中，还包括对经过步骤S31~S32构建的基于系统辨识的应力计算模型进行验证评估：

S33、采用验证样本，对构建的基于系统辨识的应力计算模型进行验证；

本步骤中，基于系统辨识的应力计算模型验证使用包括按照输入参数分阶段比对模型，下一阶段的初始值使用前一阶段的终值以保证连续性，输出应力值，将输出的应力值与观测应力比较，两者误差需在±5%以内。

S4、采用基于系统辨识的应力计算模型对轮盘关键部位应力计算。

本具体实施方式中，上述轮盘关键部位应力计算方法能够对轮盘关键部位中包括但不限于轮盘中心孔、偏心孔、倒圆、榫槽的应力进行计算。

本发明提供的基于系统辨识的轮盘关键部位应力计算方法，具有以下优点：能够快速得到轮盘关键部位的应力历程，进而开展轮盘寿命消耗分析，满足轮盘寿命监视的需求。

本具体实施方式结合附图2对上述基于系统辨识的应力计算模型的构建方法进行说明：

1.通过试验方法或仿真分析方法，获取航空发动机起飞、中间、停车三个时间历程下不同载荷谱的初始参数。

初始参数包括发动机的高度、马赫数、转速、油门杆角度、发动机各截面的温度、各截面压力、喷管喉道面积反馈值、加力接通状态、机动过载参数、机动角速度等共14个参数，初始参数参加下表1所示：

表1：初始参数

。

2.对上述初始参数进行物理特性及相关性分析，从初始参数筛选影响发动机轮盘关键部位应力的主要参数。

主要参数包括发动机的高度、马赫数、转速、油门杆角度、各截面温度力、各截面压力，以及喷管喉道面积反馈值等共8个参数，具体参见下表2所示：

表2：主要参数

。

3.对上述主要参数进行归一化处理，得到航空发动机起飞、中间、停车三个时间历程下的载荷谱参数，作为构建基于系统辨识的应力计算模型的样本自变量；

依据有限元仿真分析方法，对航空发动机起飞、中间、停车三个时间历程下的载荷谱参数进行温度场分析和应力分析，获取各时间历程下的轮盘观测应力，作为构建基于系统辨识的应力计算模型的样本因变量。

4.对航空发动机起飞、中间、停车三个时间历程下的载荷谱参数和轮盘观测应力进行分组，形成训练样本和验证样本；

其中训练样本包括起飞、中间、停车中任意一个时间历程或多个时间历程的载荷谱参数和轮盘观测应力；

所述验证样本包括由起飞、中间、停车形成的全时间历程的载荷谱参数和轮盘观测应力。

5.根据轮盘观测应力-时间历程的非线性特征，选择非线性ARX模型作为初始模型，用训练样本对其进行训练，用验证样本对训练后的模型进行验证优化，得到最终的模型阶次和非线性算法，完成基于系统辨识的应力计算模型的构建；

具体的，模型阶次为4阶，即前4个应力点及每个载荷谱参数的前4个数据点对当前应力有影响，不考虑样本点对应力的延迟影响。非线性算法选择为小波网络；

在此需要说明的是，本具体实施方式中不对模型阶次和非线性算法进行限定，例如模型阶次也可以选择使用4阶以外的其他阶次，非线性算法也可以使用其他算法。

6.发动机工作时，获取起飞时间历程或中间时间历程或停车时间历程的用于轮盘中心孔应力计算的载荷谱参数，输入模型中后输出获得轮盘中心孔应力。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (7)

1.一种基于系统辨识的轮盘关键部位应力计算方法，其特征在于，包括以下步骤：

S1、获取航空发动机的载荷谱参数以及轮盘观测应力；

S2、对载荷谱参数数据和轮盘观测应力数据分组，形成训练样本和验证样本；

S31、基于轮盘观测应力-时间历程的非线性特征，选择初始模型为非线性ARX模型；

S32、用训练样本对非线性ARX模型训练，获取非线性ARX模型的模型阶次和非线性算法，构建基于系统辨识的应力计算模型；

S4、采用基于系统辨识的应力计算模型对轮盘关键部位应力计算。

2.根据权利要求1所述的轮盘关键部位应力计算方法，其特征在于，步骤S1中，航空发动机载荷谱参数和轮盘观测应力的获取方法，包括：

S11、基于试验方法或仿真分析方法，获取航空发动机各时间历程下不同载荷谱的初始参数；

S12、对发动机轮盘的引气流路进行物理特性及相关性分析，从初始参数筛选影响发动机轮盘关键部位应力的主要参数；

S13、对主要参数归一化处理，获得各时间历程下的载荷谱参数；

S14、依据有限元仿真分析方法，对各时间历程下载荷谱参数进行温度场分析和应力分析，获取各时间历程下的轮盘观测应力。

3.根据权利要求2所述的轮盘关键部位应力计算方法，其特征在于，步骤中S12中，主要参数包括发动机的高度、马赫数、转速、油门杆角度、各截面温度力、各截面压力，以及喷管喉道面积反馈值。

4.根据权利要求2所述的轮盘关键部位应力计算方法，其特征在于，步骤S2中，训练样本包括起飞、中间、停车中任意一个时间历程或多个时间历程的载荷谱参数和轮盘观测应力；

所述验证样本包括由起飞、中间、停车形成的全时间历程的载荷谱参数和轮盘观测应力。

5.根据权利要求1所述的轮盘关键部位应力计算方法，其特征在于，步骤S32中，所述非线性算法为小波网络算法，所述模型阶次为4阶。

6.根据权利要求1~5任一项所述的轮盘关键部位应力计算方法，其特征在于，轮盘关键部位包括轮盘中心孔、偏心孔、倒圆、榫槽中的任意一种。

7.根据权利要求6所述的轮盘关键部位应力计算方法，其特征在于，步骤S3中，还包括：

采用验证样本，对构建的基于系统辨识的应力计算模型进行验证。

Images