CN117473841A - 考虑疲劳体积效应的轮盘低周疲劳寿命分析体方法及系统 - Google Patents
考虑疲劳体积效应的轮盘低周疲劳寿命分析体方法及系统 Download PDFInfo
- Publication number
- CN117473841A CN117473841A CN202311825527.3A CN202311825527A CN117473841A CN 117473841 A CN117473841 A CN 117473841A CN 202311825527 A CN202311825527 A CN 202311825527A CN 117473841 A CN117473841 A CN 117473841A
- Authority
- CN
- China
- Prior art keywords
- wheel disc
- strain
- fatigue
- stress
- finite element
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000000694 effects Effects 0.000 title claims abstract description 25
- 239000000463 material Substances 0.000 claims abstract description 138
- 239000006185 dispersion Substances 0.000 claims abstract description 20
- 238000012417 linear regression Methods 0.000 claims description 24
- 230000003938 response to stress Effects 0.000 claims description 18
- 238000010276 construction Methods 0.000 claims description 13
- 238000001228 spectrum Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 8
- 125000004122 cyclic group Chemical group 0.000 claims description 7
- 238000009661 fatigue test Methods 0.000 claims description 7
- 239000003795 chemical substances by application Substances 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 3
- 231100001261 hazardous Toxicity 0.000 description 8
- 238000012360 testing method Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000005484 gravity Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005242 forging Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
-
- 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
- G06F2119/04—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
- G06F2119/08—Thermal analysis or thermal optimisation
-
- 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)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明涉及航空发动机技术领域,公开了考虑疲劳体积效应的轮盘低周疲劳寿命分析体方法及系统,本发明根据轮盘材料在双对数坐标系下寿命分别与弹性分量、塑性分量成线性关系,获得表征轮盘材料的疲劳性能的分散性参数,通过引入分散性参数随机化Manson‑Coffin公式,建立了轮盘材料应变疲劳概率模型;然后针对轮盘结构,引入包含危险体积信息的“体方法”进行轮盘应变疲劳可靠性分析,解决目前局部应力/应变法针对大体积、高应力梯度轮盘疲劳寿命预测误差大、甚至偏危险的不足。
Description
技术领域
本发明涉及航空发动机技术领域,公开了考虑疲劳体积效应的轮盘低周疲劳寿命分析体方法及系统。
背景技术
发动机轮盘的一大主要特征是体积较大、同应力分布的周期性子域较多。因此造成轮盘疲劳寿命具有有显著的尺寸效应,其寿命分布特征与标准试件不同。例如纯从体积上来分析,标准试样体积与轮盘体积相差一般在两个数量级以上。虽然疲劳体积效应考虑的不是构件总体积,其潜在的开裂或发生故障的危险体积相差可能比总体积小许多,但无论如何,轮盘作为大尺寸构件,详细考虑尺寸效应问题非常有必要。此外轮盘不仅潜在危险区比标准试样大很多,而且轮盘还存在多个局部应力集中部位,这些应力集中部位的应力集中程度往往各异。其应力梯度大小与标准光滑棒或缺口棒不完全相同,从而进一步增大了轮盘寿命预测的难度及其准确性。
现有技术在传统的轮盘寿命可靠性分析中,疲劳性能数据主要还是通过小体积标准试验件获得,通常没有考虑疲劳体积效应,即便考虑也仅乘以一经验系数进行折算疲劳体积效应,缺乏充分理论根据且难以适用于复杂构件。因此,基于标准棒和传统局部应力应变法的“点准则”预测的寿命往往精度偏低,尤其是当进行疲劳可靠性分析时,得到的分布参数不能真实反映轮盘的寿命特征。
发明内容
本发明的目的在于提供考虑疲劳体积效应的轮盘低周疲劳寿命分析体方法及系统,针对轮盘结构,引入包含危险体积信息的“体方法”进行轮盘应变疲劳可靠性分析,解决目前局部应力/应变法针对大体积、高应力梯度轮盘疲劳寿命预测误差大、甚至偏危险的不足。
为了实现上述技术效果,本发明采用的技术方案是:
考虑疲劳体积效应的轮盘低周疲劳寿命分析体方法,包括:
开展轮盘材料标准棒疲劳试验,分析获得表征轮盘材料的疲劳性能的分散性参数,在Manson-Coffin公式中所述分散性参数,建立轮盘材料应变疲劳概率模型;
将轮盘材料循环应力应变曲线公式中的弹性模量作为表征材料受力响应的随机性,并引入几何参数表示结构随机性,引入载荷变量表征载荷随机性,建立同时考虑轮盘材料受力响应性能、几何参数以及载荷变量的轮盘有限元参数化模型;
在轮盘有限元参数化模型上按照载荷谱进行轮盘应力应变循环历程分析,对轮盘有限元参数化模型的各单元应力应变变程进行统计,获得分析条件下的轮盘危险体积—应力—应变分布;
根据轮盘危险体积—应力—应变分布以及轮盘材料应变疲劳概率模型分析获得每个有限元网格单元给定寿命的失效概率,根据不同区域失效概率以及Weibull串联模型,得到整个轮盘给定寿命的失效概率;
对轮盘有限元参数化模型进行拉丁超立方抽样,获得轮盘应力应变分析的样本点;将样本点的整个轮盘给定寿命的失效概率与样本点对应的弹性模量、几何参数及载荷变量建立关联,构建代理模型;
利用代理模型分析获得轮盘的概率寿命分布。
进一步地,应变疲劳概率模型为,其中/>为轮盘材料标准棒的总应变幅,/>为轮盘材料的弹性模量,/>为标准棒的寿命,/>为标准棒的平均应力,/>为轮盘材料的疲劳强度系数,/>为轮盘材料的疲劳延性系数,/>为轮盘材料的疲劳强度指数,c为轮盘材料的疲劳延性指数,/>为轮盘材料双对数坐标系下寿命与弹性应变幅分量的线性回归标准差、/>为轮盘材料在双对数坐标系下寿命与塑性应变幅分量的线性回归标准差,/>为轮盘材料双对数坐标系下寿命与弹性应变幅分量的线性回归标准随机正态变量,/>为轮盘材料在双对数坐标系下寿命与塑性应变幅分量的线性回归标准随机正态变量。
进一步地,建立同时考虑轮盘材料受力响应性能、几何参数以及载荷变量的轮盘有限元参数化模型的方法包括:提取含半个销钉孔的轮盘扇形段,建立轮盘扇形段有限元参数化模型。
进一步地,获得分析条件下的轮盘危险体积—应力—应变分布的方法包括:
将每个有限元参数化模型的网格单元分成多个子块,利用节点应变幅及平均应力法计算每个有限元网格单元内每个子块形心处的应变幅及平均应力;
累积具有相同应变幅及平均应力水平的子块体积,得到轮盘每个有限元网格单元应变幅及平均应力水平的体积分布;
筛除每个有限元网格单元中应变幅小于应变下限值的体积分布,得到轮盘危险体积—应力—应变分布。
为实现上述技术效果,本发明还提供了考虑疲劳体积效应的轮盘低周疲劳寿命分析系统,包括:
应变疲劳概率模型构建模块,用于根据轮盘材料标准棒疲劳试验,分析获得表征轮盘材料的疲劳性能的分散性参数,在Manson-Coffin公式中所述分散性参数,建立轮盘材料应变疲劳概率模型;
有限元参数化模型构建模块,用于将轮盘材料循环应力应变曲线公式中的弹性模量作为表征材料受力响应的随机性,并引入几何参数表示结构随机性,引入载荷变量表征载荷随机性,建立同时考虑轮盘材料受力响应性能、几何参数以及载荷变量的轮盘有限元参数化模型;
数据获取模块,用于根据轮盘有限元参数化模型上按照载荷谱进行轮盘应力应变循环历程分析,对轮盘有限元参数化模型的各单元应力应变变程进行统计,获得分析条件下的轮盘危险体积—应力—应变分布;
数据处理模块,用于根据轮盘危险体积—应力—应变分布以及轮盘材料应变疲劳概率模型分析获得每个有限元网格单元给定寿命的失效概率,根据不同区域失效概率以及Weibull串联模型,得到整个轮盘给定寿命的失效概率;
代理模型构建模块,用于对轮盘有限元参数化模型进行拉丁超立方抽样,获得轮盘应力应变分析的样本点;将样本点的整个轮盘给定寿命的失效概率与样本点对应的弹性模量、几何参数及载荷变量建立关联,构建代理模型;
分析模块,用于根据所述代理模型分析获得轮盘的概率寿命分布。
进一步地,所述应变疲劳概率模型构建模块中构建的应变疲劳概率模型为,其中/>为轮盘材料标准棒的总应变幅,/>为轮盘材料的弹性模量,/>为标准棒的寿命,/>为标准棒的平均应力,/>为轮盘材料的疲劳强度系数,/>为轮盘材料的疲劳延性系数,/>为轮盘材料的疲劳强度指数,c为轮盘材料的疲劳延性指数,/>为轮盘材料在双对数坐标系下寿命与弹性应变幅分量的线性回归标准差、/>为轮盘材料在双对数坐标系下寿命与塑性应变幅分量的线性回归标准差,/>为轮盘材料在双对数坐标系下寿命与弹性应变幅分量的线性回归标准随机正态变量,/>为轮盘材料在双对数坐标系下寿命与塑性应变幅分量的线性回归标准随机正态变量。
进一步地,所述有限元参数化模型构建模块用于提取含半个销钉孔的轮盘扇形段,建立同时考虑轮盘材料受力响应性能、几何参数以及载荷变量的轮盘有限元参数化模型。
进一步地,所述数据获取模块用于将每个有限元参数化模型的网格单元分成多个子块,利用节点应变幅及平均应力法计算每个有限元网格单元内每个子块形心处的应变幅及平均应力;累积具有相同应变幅及平均应力水平的子块体积,得到轮盘每个有限元网格单元应变幅及平均应力水平的体积分布;筛除每个有限元网格单元中应变幅小于应变下限值的体积分布,得到轮盘危险体积—应力—应变分布。
与现有技术相比,本发明所具备的有益效果是:本发明根据轮盘材料在双对数坐标系下寿命分别与弹性分量、塑性分量成线性关系,获得表征轮盘材料的疲劳性能的分散性参数,通过随机化Manson-Coffin公式建立应变疲劳概率模型时引入分散性参数,得到的轮盘材料应变疲劳概率模型;然后针对轮盘结构,引入包含危险体积信息的“体方法”进行轮盘应变疲劳可靠性分析,解决目前局部应力/应变法针对大体积、高应力梯度轮盘疲劳寿命预测误差大、甚至偏危险的不足。
附图说明
图1为实施例2中轮盘的1/32扇形段有限元参数化模型示意图;
图2为实施例2中含有销钉孔的轮盘有限元参数化模型局部示意图;
图3为实施例2中轮盘销钉孔附近最大转速时等效应力图;
图4为实施例2中具有相同应变幅和应力水平的有限元网格单元体积分布图;
图5为实施例2中应变幅大于0.005的危险体积随应变幅分布图;
图6为实施例2中具有相同应变幅及平均应力体积分布图;
图7为实施例2中轮盘在各应变水平下对应的平均应力曲线图;
图8为实施例2中不同应变幅水平下危险体积大小与当给定寿命4000时各危险体积的失效概率分布图;
图9为实施例2中不同给定寿命下危险体积失效概率变化趋势图;
其中,1、扇形段;2、销钉孔。
具体实施方式
下面结合实施例及附图对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例,凡基于本发明内容所实现的技术均属于本发明的范围。
实施例1
参见图1-图9,考虑疲劳体积效应的轮盘低周疲劳寿命分析体方法,包括:
开展轮盘材料标准棒疲劳试验,分析获得表征轮盘材料的疲劳性能的分散性参数,在Manson-Coffin公式中所述分散性参数,建立轮盘材料应变疲劳概率模型;
将轮盘材料循环应力应变曲线公式中的弹性模量作为表征材料受力响应的随机性,并引入几何参数表示结构随机性,引入载荷变量表征载荷随机性,建立同时考虑轮盘材料受力响应性能、几何参数以及载荷变量的轮盘有限元参数化模型;
在轮盘有限元参数化模型上按照载荷谱进行轮盘应力应变循环历程分析,对轮盘有限元参数化模型的各单元应力应变变程进行统计,获得分析条件下的轮盘危险体积—应力—应变分布;
根据轮盘危险体积—应力—应变分布以及轮盘材料应变疲劳概率模型分析获得每个有限元网格单元给定寿命的失效概率,根据不同区域失效概率以及Weibull串联模型,得到整个轮盘给定寿命的失效概率;
对轮盘有限元参数化模型进行拉丁超立方抽样,获得轮盘应力应变分析的样本点;将样本点的整个轮盘给定寿命的失效概率与样本点对应的弹性模量、几何参数及载荷变量建立关联,构建代理模型;
利用代理模型分析获得轮盘的概率寿命分布。
疲劳寿命可靠性分析最终需要解决是载荷、寿命、概率之间的关系,无论采用哪种可靠性模型,这些都是不可回避的关键参量。因此在本实施例中,针对轮盘结构,引入包含危险体积信息的“体方法”进行轮盘应变疲劳可靠性分析:
首先根据轮盘材料在双对数坐标系下寿命分别与弹性分量、塑性分量成线性关系,获得表征轮盘材料的疲劳性能的分散性参数,通过随机化Manson-Coffin公式建立应变疲劳概率模型时引入分散性参数,得到的轮盘材料应变疲劳概率模型,如本实施例中轮盘材料应变疲劳概率模型为:
该模型与Manson-Coffin不同的在于新引入两相关标准正态随机变量、/>,其中/>为轮盘材料标准棒的总应变幅,/>为轮盘材料的弹性模量,/>为标准棒的寿命,/>为标准棒的平均应力,/>为轮盘材料的疲劳强度系数,/>为轮盘材料的疲劳延性系数,/>为轮盘材料的疲劳强度指数,c为轮盘材料的疲劳延性指数,/>为轮盘材料在双对数坐标系下寿命与弹性应变幅分量的线性回归标准差、/>为轮盘材料在双对数坐标系下寿命与塑性应变幅分量的线性回归标准差,/>为轮盘材料在双对数坐标系下寿命与弹性应变幅分量的线性回归标准随机正态变量,/>为轮盘材料在双对数坐标系下寿命与塑性应变幅分量的线性回归标准随机正态变量。
其次需要进行轮盘等应力/应变体积分级累积:轮盘有限元参数化模型的有限元网格的各个单元是比较自然的离散子块,但如果单元网格尺寸较大或应力集中严重,在单元内应力相差就大。因此本实施例可采用将单元进一步细化分成很小的子块,每个小子块为近似均匀应力场。因此对应力场不均匀程度大的单元来说,需要进一步在单元内进行应力/应变分级统计体积。根据轮盘危险体积—应力—应变分布以及轮盘材料应变疲劳概率模型分析获得每个有限元网格单元给定寿命的失效概率,根据不同区域失效概率以及Weibull串联模型,得到整个轮盘给定寿命的失效概率;考虑到不同的轮盘几何参数、载荷变量、材料性能随机性,对不同几何参数、载荷变量以及材料性能的随机轮盘有限元参数模型进行拉丁超立方抽样,获得轮盘应力一系列样本点;将样本点的整个轮盘给定寿命的失效概率与样本点对应的弹性模量、几何参数及载荷变量建立关联,构建用于计算不同温度区域的危险体积、应力分布的代理模型,最后利用代理模型分析获得轮盘的概率寿命分布。
基于相同的发明构思,本实施例还提供了考虑疲劳体积效应的轮盘低周疲劳寿命分析系统,包括:
应变疲劳概率模型构建模块,用于根据轮盘材料标准棒疲劳试验,分析获得表征轮盘材料的疲劳性能的分散性参数,在Manson-Coffin公式中所述分散性参数,建立轮盘材料应变疲劳概率模型;
有限元参数化模型构建模块,用于将轮盘材料循环应力应变曲线公式中的弹性模量作为表征材料受力响应的随机性,并引入几何参数表示结构随机性,引入载荷变量表征载荷随机性,建立同时考虑轮盘材料受力响应性能、几何参数以及载荷变量的轮盘有限元参数化模型;
数据获取模块,用于根据轮盘有限元参数化模型上按照载荷谱进行轮盘应力应变循环历程分析,对轮盘有限元参数化模型的各单元应力应变变程进行统计,获得分析条件下的轮盘危险体积—应力—应变分布;
数据处理模块,用于根据轮盘危险体积—应力—应变分布以及轮盘材料应变疲劳概率模型分析获得每个有限元网格单元给定寿命的失效概率,根据不同区域失效概率以及Weibull串联模型,得到整个轮盘给定寿命的失效概率;
代理模型构建模块,用于对轮盘有限元参数化模型进行拉丁超立方抽样,获得轮盘应力应变分析的样本点;将样本点的整个轮盘给定寿命的失效概率与样本点对应的弹性模量、几何参数及载荷变量建立关联,构建代理模型;
分析模块,用于根据所述代理模型分析获得轮盘的概率寿命分布。
实施例2
本实施例选取某发动机高压一级涡轮盘为例,采用本发明的“体方法”进行轮盘低周疲劳寿命分析,具体分析流程如下:
步骤1、开展轮盘材料标准棒疲劳试验,分析获得表征轮盘材料的疲劳性能的分散性参数,在Manson-Coffin公式中所述分散性参数,建立轮盘材料应变疲劳概率模型;
本实施例中,轮盘材料选用GH4133合金盘锻件,弹性模量E=199.2GPa,泊松比µ=0.35,材料密度8.21×103kg/m3,试验温度为250℃。根据轮盘材料在双对数坐标系下寿命分别与弹性分量、塑性分量成线性关系,获得表征轮盘材料的疲劳性能的分散性参数,通过随机化Manson-Coffin公式建立应变疲劳概率模型时引入分散性参数,得到的轮盘材料应变疲劳概率模型为:
该模型与Manson-Coffin不同的在于新引入相关系数为0.445的标准正态随机变量、/>,其中/>为轮盘材料标准棒的总应变幅,/>为轮盘材料的弹性模量,/>为标准棒的寿命,/>为标准棒的平均应力,/>为轮盘材料的疲劳强度系数,/>为轮盘材料的疲劳延性系数,/>为轮盘材料的疲劳强度指数,c为轮盘材料的疲劳延性指数,/>为轮盘材料在双对数坐标系下寿命与弹性应变幅分量的线性回归标准差、/>为轮盘材料在双对数坐标系下寿命与塑性应变幅分量的线性回归标准差,/>为轮盘材料在双对数坐标系下寿命与弹性应变幅分量的线性回归标准随机正态变量,/>为轮盘材料在双对数坐标系下寿命与塑性应变幅分量的线性回归标准随机正态变量。
步骤2、将轮盘材料循环应力应变曲线公式中的弹性模量作为表征材料受力响应的随机性,并引入几何参数表示结构随机性,引入载荷变量表征载荷随机性,建立同时考虑轮盘材料受力响应性能、几何参数以及载荷变量的轮盘有限元参数化模型;
本实施例中,根据对称条件取出含半个销钉孔2的1/32轮盘扇形段1进行计算,扇形段1实体结构和对应的有限元模型如图1、图2所示。根据轮盘试验和有限元分析结果,盘轴连接销钉孔2边是最薄弱环节,孔边容易萌生径向裂纹,有限元计算时盘上榫齿凸台部分已经去掉,代以叶片和榫齿凸台离心力等效面载荷施加在轮毂面上,其中/>表示转速。
本实施例中的试验温度为恒温250℃,转速谱为2000~12710r/min三角谱;图3为该涡轮盘销钉孔2附近最大转速时等效应力图。图中显示,在轮盘子午面内孔边等效应力最大,销钉孔2两侧表面附近均为危险区。
步骤3、在轮盘有限元参数化模型上按照载荷谱进行轮盘应力应变循环历程分析,对轮盘有限元参数化模型的各单元应力应变变程进行统计,获得分析条件下的轮盘危险体积—应力—应变分布;具体流程如下:
3.1、将每个有限元参数化模型的网格单元分成多个子块,利用节点应变幅及平均应力法计算每个有限元网格单元内每个子块形心处的应变幅及平均应力;
本实施例中,在得到各有限元节点在加、卸载中平均应力与应变幅后,可插值有限元网格单元内任一点平均应力应变幅。计算时选择的分级原则是应变幅按每0.0002分一级,平均应力每相差10MPa分一级。因此本实施例中一个有限元网格单元按应变分为5级后,则有限元网格单元被均分125个小子块,利用节点应变幅及平均应力计算这125个小子块形心处的应变幅及平均应力。
3.2、累积具有相同应变幅及平均应力水平的子块体积,完成后就得到轮盘每个有限元网格单元应变幅及平均应力水平的体积分布(平面上体积/>分布);如图4所示为具有相同应变幅和应力水平的有限元网格单元体积分布图,其中轮盘绝大部分体积应变幅处于0.005以下,而应变幅度小于0.005时平均应力与应变幅之间线性相关性很强,由于应变幅水平低,不到最大应变幅的一半;
3.3、筛除每个有限元网格单元中应变幅小于应变下限值的体积分布,得到轮盘危险体积—应力—应变分布;
应变幅最大的点未必是平均应力最高点。如果仅从应变幅最大选危险点计算寿命,可能会漏选整个结构中最薄弱点。对轮盘疲劳寿命计算来说,应变幅度小于0.005这部分体积可以认为是安全的。但是随着应变幅度增大,应变幅与平均应力之间的关联就表现得越弱,分散性显得越大。因此本实施例确定应变下限值为0.005,选择应变幅大于0.005的体积作为所考虑的轮盘危险体积,其体积随应变幅分布见图5,危险体积分布随应变幅增大呈递减规律,应变幅大于0.0079的总体积为241mm3,相当于两个变截面棒的危险等效体积。
最终筛除每个有限元网格单元中应变幅小于应变下限值0.005的体积分布后,得到轮盘危险体积—应力—应变分布如图6所示;其中应力为将同一应变水平下的平均应力按体积加权平均,可得各应变幅水平下平均应力的平均值,如图7所示为轮盘各应变幅水平平均应力平均值。
步骤4、根据轮盘危险体积—应力—应变分布以及轮盘材料应变疲劳概率模型分析获得每个有限元网格单元给定寿命的失效概率,根据不同区域失效概率以及Weibull串联模型,得到整个轮盘给定寿命的失效概率;
本实施例中,对结构危险体积进行详细的应力/应变分析是关键的一步,轮盘材料应变疲劳概率模型则可应用Monte Carlo法对每种材料只需计算一次,作为材料数据库供计算时调用。各种不同应力复杂结构只是其危险体积在平面上分布不同。再根据图6的轮盘危险体积—应力—应变分布,利用Weibull串联理论计算轮盘给定寿命的失效概率。
步骤5、对轮盘有限元参数化模型进行拉丁超立方抽样,获得轮盘应力应变分析的样本点;将样本点的整个轮盘给定寿命的失效概率与样本点对应的弹性模量、几何参数及载荷变量建立关联,构建代理模型;
步骤6、利用代理模型分析获得轮盘的概率寿命分布。
轮盘系统给定寿命失效概率是各受不同应变幅水平体积失效概率综合的结果。本实施例中,为比较不同应变幅水平的各危险体积对轮盘系统失效概率的权重大小,图8示出了不同应变幅水平下危险体积大小与当给定寿命3000次循环、4000次循环和5000次循环时各危险体积的失效概率。从图8中可以看出,对于给定寿命4000次标准循环,应变幅水平最高并非对系统失效概率贡献最大,应变幅高而危险体积小或体积大而应变幅水平低均不在系统失效概率中所占比重最大,也反映出“体方法”对体积比重最小而应变水平最高的很小一部分危险体积不如“点准则”敏感,这对改变“点准则”估寿方法严重依赖于有限元计算的最大应力点结果是非常有益的。另外,从该图中可以看出,虽然应变幅小于0.007体积较大,但其失效率非常低,也即说明本发明为减少计算量舍弃应变幅低于0.006部分体积的可行性。图9比较了不同给定寿命下危险体积失效概率变化趋势,给定寿命越高,较低应变幅水平下的体积对轮盘系统失效作用就越明显,所占比重就越高。
以上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、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.考虑疲劳体积效应的轮盘低周疲劳寿命分析体方法,其特征在于,包括:
开展轮盘材料标准棒疲劳试验,分析获得表征轮盘材料的疲劳性能的分散性参数,在Manson-Coffin公式基础上引入分散性参数,建立轮盘材料应变疲劳概率模型;
将轮盘材料循环应力应变曲线公式中的弹性模量作为表征材料受力响应的随机性,并引入几何参数表示结构随机性,引入载荷变量表征载荷随机性,建立同时考虑轮盘材料受力响应性能、几何参数以及载荷变量的轮盘有限元参数化模型;
在轮盘有限元参数化模型上按照载荷谱进行轮盘应力应变循环历程分析,对轮盘有限元参数化模型的各单元应力应变变程进行统计,获得分析条件下的轮盘危险体积—应力—应变分布;
根据轮盘危险体积—应力—应变分布以及轮盘材料应变疲劳概率模型分析获得每个有限元网格单元给定寿命的失效概率,根据不同区域失效概率以及Weibull串联模型,得到整个轮盘给定寿命的失效概率;
对轮盘有限元参数化模型进行拉丁超立方抽样,获得轮盘应力应变分析的样本点;将样本点的整个轮盘给定寿命的失效概率与样本点对应的弹性模量、几何参数及载荷变量建立关联,构建代理模型;
利用代理模型分析获得轮盘的概率寿命分布。
2.根据权利要求1所述的考虑疲劳体积效应的轮盘低周疲劳寿命分析体方法,其特征在于,应变疲劳概率模型为,其中为轮盘材料标准棒的总应变幅,/>为轮盘材料的弹性模量,/>为标准棒的寿命,/>为标准棒的平均应力,/>为轮盘材料的疲劳强度系数,/>为轮盘材料的疲劳延性系数,/>为轮盘材料的疲劳强度指数,c为轮盘材料的疲劳延性指数,/>为轮盘材料在双对数坐标系下寿命与弹性应变幅分量的线性回归标准差、/>为轮盘材料在双对数坐标系下寿命与塑性应变幅分量的线性回归标准差,/>为轮盘材料在双对数坐标系下寿命与弹性应变幅分量的线性回归标准随机正态变量,/>为轮盘材料在双对数坐标系下寿命与塑性应变幅分量的线性回归标准随机正态变量。
3.根据权利要求1所述的考虑疲劳体积效应的轮盘低周疲劳寿命分析体方法,其特征在于,建立同时考虑轮盘材料受力响应性能、几何参数以及载荷变量的轮盘有限元参数化模型的方法包括:提取含半个销钉孔的轮盘扇形段,建立轮盘扇形段有限元参数化模型。
4.根据权利要求1所述的考虑疲劳体积效应的轮盘低周疲劳寿命分析体方法,其特征在于,获得分析条件下的轮盘危险体积—应力—应变分布的方法包括:
将每个有限元参数化模型的网格单元分成多个子块,利用节点应变幅及平均应力法计算每个有限元网格单元内每个子块形心处的应变幅及平均应力;
累积具有相同应变幅及平均应力水平的子块体积,得到轮盘每个有限元网格单元应变幅及平均应力水平的体积分布;
筛除每个有限元网格单元中应变幅小于应变下限值的体积分布,得到轮盘危险体积—应力—应变分布。
5.考虑疲劳体积效应的轮盘低周疲劳寿命分析系统,其特征在于,包括:
应变疲劳概率模型构建模块,用于根据轮盘材料标准棒疲劳试验,分析获得表征轮盘材料的疲劳性能的分散性参数,在Manson-Coffin公式中所述分散性参数,建立轮盘材料应变疲劳概率模型;
有限元参数化模型构建模块,用于将轮盘材料循环应力应变曲线公式中的弹性模量作为表征材料受力响应的随机性,并引入几何参数表示结构随机性,引入载荷变量表征载荷随机性,建立同时考虑轮盘材料受力响应性能、几何参数以及载荷变量的轮盘有限元参数化模型;
数据获取模块,用于根据轮盘有限元参数化模型上按照载荷谱进行轮盘应力应变循环历程分析,对轮盘有限元参数化模型的各单元应力应变变程进行统计,获得分析条件下的轮盘危险体积—应力—应变分布;
数据处理模块,用于根据轮盘危险体积—应力—应变分布以及轮盘材料应变疲劳概率模型分析获得每个有限元网格单元给定寿命的失效概率,根据不同区域失效概率以及Weibull串联模型,得到整个轮盘给定寿命的失效概率;
代理模型构建模块,用于对轮盘有限元参数化模型进行拉丁超立方抽样,获得轮盘应力应变分析的样本点;将样本点的整个轮盘给定寿命的失效概率与样本点对应的弹性模量、几何参数及载荷变量建立关联,构建代理模型;
分析模块,用于根据所述代理模型分析获得轮盘的概率寿命分布。
6.根据权利要求5所述的考虑疲劳体积效应的轮盘低周疲劳寿命分析系统,其特征在于,所述应变疲劳概率模型构建模块中构建的应变疲劳概率模型为,其中/>为轮盘材料标准棒的总应变幅,/>为轮盘材料的弹性模量,/>为标准棒的寿命,/>为标准棒的平均应力,/>为轮盘材料的疲劳强度系数,/>为轮盘材料的疲劳延性系数,/>为轮盘材料的疲劳强度指数,c为轮盘材料的疲劳延性指数,/>为轮盘材料双对数坐标系下寿命与弹性应变幅分量的线性回归标准差、/>为轮盘材料在双对数坐标系下寿命与塑性应变幅分量的线性回归标准差,/>为轮盘材料在双对数坐标系下寿命与弹性应变幅分量的线性回归标准随机正态变量,/>为轮盘材料在双对数坐标系下寿命与塑性应变幅分量的线性回归标准随机正态变量。
7.根据权利要求5所述的考虑疲劳体积效应的轮盘低周疲劳寿命分析系统,其特征在于,所述有限元参数化模型构建模块用于提取含半个销钉孔的轮盘扇形段,建立同时考虑轮盘材料受力响应性能、几何参数以及载荷变量的轮盘有限元参数化模型。
8.根据权利要求5所述的考虑疲劳体积效应的轮盘低周疲劳寿命分析系统,其特征在于,所述数据获取模块用于将每个有限元参数化模型的网格单元分成多个子块,利用节点应变幅及平均应力法计算每个有限元网格单元内每个子块形心处的应变幅及平均应力;累积具有相同应变幅及平均应力水平的子块体积,得到轮盘每个有限元网格单元应变幅及平均应力水平的体积分布;筛除每个有限元网格单元中应变幅小于应变下限值的体积分布,得到轮盘危险体积—应力—应变分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311825527.3A CN117473841B (zh) | 2023-12-28 | 2023-12-28 | 考虑疲劳体积效应的轮盘低周疲劳寿命分析体方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311825527.3A CN117473841B (zh) | 2023-12-28 | 2023-12-28 | 考虑疲劳体积效应的轮盘低周疲劳寿命分析体方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117473841A true CN117473841A (zh) | 2024-01-30 |
CN117473841B CN117473841B (zh) | 2024-03-26 |
Family
ID=89638276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311825527.3A Active CN117473841B (zh) | 2023-12-28 | 2023-12-28 | 考虑疲劳体积效应的轮盘低周疲劳寿命分析体方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117473841B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117972361A (zh) * | 2024-03-29 | 2024-05-03 | 中国航发四川燃气涡轮研究院 | 一种航空发动机关键件寿命预测方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563054A (zh) * | 2017-08-31 | 2018-01-09 | 北京航空航天大学 | 一种基于SWT参数的Weakest‑Link方法的涡轮盘概率寿命分析方法 |
CN108804794A (zh) * | 2018-05-31 | 2018-11-13 | 北京航空航天大学 | 一种基于分区的涡轮盘疲劳寿命及失效风险评估方法 |
WO2021227925A1 (zh) * | 2020-05-09 | 2021-11-18 | 清华大学 | 基于主载荷模式的缺口件疲劳寿命预测方法及预测装置 |
-
2023
- 2023-12-28 CN CN202311825527.3A patent/CN117473841B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563054A (zh) * | 2017-08-31 | 2018-01-09 | 北京航空航天大学 | 一种基于SWT参数的Weakest‑Link方法的涡轮盘概率寿命分析方法 |
CN108804794A (zh) * | 2018-05-31 | 2018-11-13 | 北京航空航天大学 | 一种基于分区的涡轮盘疲劳寿命及失效风险评估方法 |
WO2021227925A1 (zh) * | 2020-05-09 | 2021-11-18 | 清华大学 | 基于主载荷模式的缺口件疲劳寿命预测方法及预测装置 |
Non-Patent Citations (5)
Title |
---|
唐俊星;陆山;: "某涡轮盘低循环疲劳概率寿命数值模拟", 航空动力学报, no. 04, 30 August 2006 (2006-08-30), pages 706 - 709 * |
彭茂林;杨自春;曹跃云;: "应变场强法在涡轮盘片结构寿命预测中的应用", 中国电机工程学报, no. 26, 15 September 2011 (2011-09-15), pages 97 - 101 * |
林阳;朱平;王成龙;: "轿车后桥耐久性数值仿真和试验研究", 计算机仿真, no. 02, 20 February 2007 (2007-02-20), pages 244 - 248 * |
由于;陆山;: "基于静强和寿命可靠性的双辐板涡轮盘/榫结构优化设计方法", 航空动力学报, no. 06, 27 June 2017 (2017-06-27), pages 1388 - 1392 * |
陆山;张鸿;唐俊星;王春光;: "考虑尺寸效应的轮盘应力疲劳概率寿命分析方法", 航空动力学报, no. 09, 15 September 2011 (2011-09-15), pages 2039 - 2043 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117972361A (zh) * | 2024-03-29 | 2024-05-03 | 中国航发四川燃气涡轮研究院 | 一种航空发动机关键件寿命预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN117473841B (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117473841B (zh) | 考虑疲劳体积效应的轮盘低周疲劳寿命分析体方法及系统 | |
CN111881603B (zh) | 一种考虑失效相关性的机械结构疲劳可靠性评估方法 | |
Mühlbauer et al. | Identifying software performance changes across variants and versions | |
Paolino | Very high cycle fatigue life and critical defect size: Modeling of statistical size effects | |
CN114186444A (zh) | 航空发动机高温部件的载荷谱编制方法、介质、终端、应用 | |
Liu et al. | Crack growth analysis and fatigue life estimation in the piston rod of a Kaplan hydro turbine | |
CN116611348A (zh) | 基于机器学习的金属材料统一无参数疲劳寿命预测方法 | |
CN112926698B (zh) | 一种大型旋转装备振动预测与装配评价方法 | |
Rao et al. | An economic reliability test plan for Marshall-Olkin extended exponential distribution | |
CN111783216B (zh) | 子集模拟结合pce的涡轮叶片疲劳可靠性分析方法 | |
Joshuva et al. | Split-point and attribute-reduced classifier approach for fault diagnosis of wind turbine blade through vibration signals | |
Xiong et al. | A reliability‐based data treatment system for actual load history | |
CN115979804A (zh) | 一种增材制造材料寿命预测方法 | |
CN114492138A (zh) | 零部件多失效模式相对风险定量分析方法 | |
CN114936494A (zh) | 数据物理融合驱动的高温部件可靠性评定方法和系统 | |
CN116049922B (zh) | 应力强度因子门槛值概率建模的金属结构疲劳可靠性预测方法 | |
CN117010247B (zh) | 一种基于临界距离理论的缺口件疲劳寿命可靠性评估方法 | |
CN113449432B (zh) | 一种基于卸载弹性应变能密度的疲劳寿命预测方法 | |
Loganathan et al. | Construction of reliability single sampling plans based on exponentiated exponential distribution | |
CN114925568B (zh) | 六面顶压机铰链梁结构的疲劳寿命预测及可靠性分析方法 | |
CN112487561B (zh) | 增材钛合金dfr确定方法、确定系统、设备及介质 | |
CN113836760B (zh) | 一种涡轮盘蠕变疲劳寿命可靠性评估方法 | |
CN113449431B (zh) | 一种基于卸载能的低周疲劳寿命预测方法 | |
CN118070540A (zh) | 盾构机的数据处理方法、设备及存储介质 | |
CN114841032B (zh) | 一种燃气轮机热部件寿命稳健性的设计方法 |
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 |