一种叶片振动疲劳概率寿命预测系统及预测方法与流程

本发明属于涡轮叶片寿命预测技术领域，尤其涉及一种叶片振动疲劳概率寿命预测系统及预测方法。

背景技术：

目前，叶片是发动机的重要零部件，发动机依靠叶片对气体压缩和膨胀，产生强大动力推动车辆前进。叶片工作时承受高的离心负荷、气动负荷、振动交变负荷等，容易发生故障。发动机的结构性故障中，叶片故障比例相当高，严重影响了发动机的使用安全。随着现代大推力，高推比、高涵道比发动机的出现，叶片振动疲劳问题更加突出，精确估算叶片振动疲劳寿命有着重要的工程和理论意义。

作用于叶片的外部激励不仅与工况有关还受随机因素的影响；由于材料组织的不均匀性、内部缺陷等随机分布和加工制造过程中尺寸公差分散性影响，叶片的疲劳断裂性能具有很大分散性。因此，叶片振动疲劳概率寿命预测中，尚未出现叶片振动疲劳概率寿命预测模型，进行预测的准确性和便捷性差。

通过上述分析，现有技术存在的问题及缺陷为：叶片振动疲劳概率寿命预测中，尚未出现叶片振动疲劳概率寿命预测模型，进行预测的准确性和便捷性差。

技术实现要素：

针对现有技术存在的问题，本发明提供了一种叶片振动疲劳概率寿命预测系统及预测方法。

本发明是这样实现的，一种叶片振动疲劳概率寿命预测方法，所述叶片振动疲劳概率寿命预测方法包括以下步骤：

步骤一，通过车辆状态监测模块利用车辆状态监测程序监测车辆运行状态，得到车辆状态为启动或是运行或是停车；

步骤二，通过应力监测模块利用应力监测程序对涡轮叶片叶根的应力进行监测，得到应力变化数据；通过转速监测模块利用转速监测程序对涡轮叶片工作转速进行监测；

步骤三，通过中央控制模块利用中央处理器控制所述叶片振动疲劳概率寿命预测系统各个模块的正常运行；

步骤四，确定组合路况，通过疲劳损伤确定模块选择三种及以上的路面等级较低的强化路组合，并对车辆重要结构的损伤危险点进行载荷测试；

步骤五，应用雨流计数法对各单一路况作用下车辆结构载荷分别进行计数统计，编制载荷谱；

步骤六，利用疲劳损伤确定程序依照失效应力计算各路况条件下的车辆结构损伤值，即一次启动-运行-停车过程的疲劳损伤量；

步骤七，通过疲劳曲线构建模块利用疲劳曲线构建程序构建高周疲劳s-n曲线；根据实际工况，通过修正模块确定高周疲劳s-n曲线中的不确定性参数及其分布信息；

步骤八，根据高周疲劳s-n曲线中的不确定性参数分布特性，随机选取样本集，并从中选出n个样本点作为初始实验设计点，建立修正模型；

步骤九，根据构建的修正模型，获取所有样本点集对应的功能函数近似值，计算高周疲劳s-n曲线的偏差；

步骤十，根据主动学习策略评估最佳点，将所述样本点增加到原有实验设计点中，更新修正模型；

步骤十一，利用修正程序依照步骤十更新后的修正模型进行高周疲劳s-n曲线的修正；

步骤十二，通过材质信息获取模块利用材质信息获取程序从汽车内置存储器中获取叶片材质信息；通过叶片持久性计算模块利用叶片持久性测定程序依照叶片材质计算叶片持久性；

步骤十三，通过温度监测模块利用温度传感器进行涡轮叶片所在的发动机内温度的监测；通过累计损伤确定模块利用累计损伤确定程序确定涡轮叶片累计损伤量；

步骤十四，通过预测模型构建模块利用预测模型构建程序构建叶片振动疲劳概率寿命预测模型；通过信息输入模块利用信息输入程序将信息输入预测模型，得到叶片振动疲劳概率寿命预测结果；

步骤十五，通过存储显示模块利用云数据库服务器存储车辆状态监测数据、应力监测数据、转速监测数据、疲劳损伤确定结果、高周疲劳s-n曲线、叶片材质信息、叶片持久性计算结果、温度监测数据、累计损伤确定结果、叶片振动疲劳概率寿命预测模型以及叶片振动疲劳概率寿命预测结果，并通过显示器进行数据的实时更新显示。

进一步，所述叶片振动疲劳概率寿命预测在停车状态下进行。

进一步，步骤六中，所述计算各路况条件下的车辆结构损伤值的方法，包括：

应用glyphworks软件编制疲劳损伤计算流程，计算每种路况作用下车辆结构的疲劳损伤值。

进一步，所述各路况条件下的车辆结构损伤值的计算方法，包括：

δdf＝1/nsw；

其中，δdf为疲劳损伤量；nsw为最大应力。

进一步，步骤九中，所述计算高周疲劳s-n曲线的偏差的方法，包括：

通过样本点集中所有样本点中具有负的的数目与样本点总数之比来获得偏差的概率，计算高周疲劳s-n曲线的偏差。

进一步，步骤十三中，所述通过累计损伤确定模块利用累计损伤确定程序确定涡轮叶片累计损伤量的方法，包括：

根据损伤等效原则计算车辆结构损伤的当量系数；利用当量系数分析涡轮叶片累计损伤量。

进一步，所述根据损伤等效原则计算车辆结构损伤的当量系数的方法，包括：

(1)依照疲劳损伤等效原则，假设在第j种路面下产生的疲劳损伤与第i种路面下产生的损伤相等；

(2)计算任一路况条件下车辆结构疲劳损伤相对于某一关注路况条件下疲劳损伤的当量里程；

(3)计算任一路况条件下车辆结构疲劳损伤相对于某一关注路况条件下疲劳损伤的当量系数。

本发明的另一目的在于提供一种应用所述的叶片振动疲劳概率寿命预测方法的叶片振动疲劳概率寿命预测系统，所述叶片振动疲劳概率寿命预测系统，包括：

车辆状态监测模块，与中央控制模块连接，用于通过车辆状态监测程序监测车辆运行状态，得到车辆状态为启动或是运行或是停车；

应力监测模块，与中央控制模块连接，用于通过应力监测程序对涡轮叶片叶根的应力进行监测，得到应力变化数据；

转速监测模块，与中央控制模块连接，用于通过转速监测程序对涡轮叶片工作转速进行监测；

中央控制模块，与车辆状态监测模块、应力监测模块、转速监测模块、疲劳损伤确定模块、疲劳曲线构建模块、修正模块、材质信息获取模块、叶片持久性计算模块、温度监测模块、累计损伤确定模块、预测模型构建模块、信息输入模块、存储显示模块连接，用于通过中央处理器控制所述叶片振动疲劳概率寿命预测系统各个模块的正常运行；

疲劳损伤确定模块，与中央控制模块连接，用于通过疲劳损伤确定程序依照失效应力确定一次启动-运行-停车过程的疲劳损伤量；

疲劳曲线构建模块，与中央控制模块连接，用于通过疲劳曲线构建程序构建高周疲劳s-n曲线；

修正模块，与中央控制模块连接，用于通过修正程序对高周疲劳s-n曲线进行修正；

材质信息获取模块，与中央控制模块连接，用于通过材质信息获取程序从汽车内置存储器中获取叶片材质信息；

叶片持久性计算模块，与中央控制模块连接，用于通过叶片持久性测定程序依照叶片材质计算叶片持久性；

温度监测模块，与中央控制模块连接，用于通过温度传感器进行涡轮叶片所在的发动机内温度的监测；

累计损伤确定模块，与中央控制模块连接，用于通过累计损伤确定程序确定涡轮叶片累计损伤量；

预测模型构建模块，与中央控制模块连接，用于通过预测模型构建程序构建叶片振动疲劳概率寿命预测模型；

信息输入模块，与中央控制模块连接，用于通过信息输入程序将信息输入预测模型，得到叶片振动疲劳概率寿命预测结果；

存储显示模块，与中央控制模块连接，用于通过云数据库服务器存储车辆状态监测数据、应力监测数据、转速监测数据、疲劳损伤确定结果、高周疲劳s-n曲线、叶片材质信息、叶片持久性计算结果、温度监测数据、累计损伤确定结果、叶片振动疲劳概率寿命预测模型以及叶片振动疲劳概率寿命预测结果，并通过显示器进行数据的实时更新显示。

本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施所述的叶片振动疲劳概率寿命预测方法。

本发明的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行所述的叶片振动疲劳概率寿命预测方法。

结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明通过对车辆发动机中涡轮叶片的应力和转速的监测，能够实现疲劳损伤的准确计算，构建的疲劳曲线更准确；并且对疲劳曲线进行修正能够实现高周疲劳s-n曲线的准确性的提升，实现疲劳量的计算的准确性的提升；在预测中充分考虑无论叶片的材质，预测过程更科学合理；通过预测模型构建能够实现预测方案的整合，进行预测更方便。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，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。

图1是本发明实施例提供的叶片振动疲劳概率寿命预测方法流程图。

图2是本发明实施例提供的叶片振动疲劳概率寿命预测系统结构框图；

图中：1、车辆状态监测模块；2、应力监测模块；3、转速监测模块；4、中央控制模块；5、疲劳损伤确定模块；6、疲劳曲线构建模块；7、修正模块；8、材质信息获取模块；9、叶片持久性计算模块；10、温度监测模块；11、累计损伤确定模块；12、预测模型构建模块；13、信息输入模块；14、存储显示模块。

图3是本发明实施例提供的通过疲劳损伤确定模块利用疲劳损伤确定程序依照失效应力确定一次启动-运行-停车过程的疲劳损伤量的方法流程图。

图4是本发明实施例提供的通过修正模块利用修正程序对高周疲劳s-n曲线进行修正的方法流程图。

图5是本发明实施例提供的根据损伤等效原则计算车辆结构损伤的当量系数的方法流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

针对现有技术存在的问题，本发明提供了一种叶片振动疲劳概率寿命预测系统及预测方法，下面结合附图对本发明作详细的描述。

如图1所示，本发明实施例提供的叶片振动疲劳概率寿命预测方法，包括以下步骤：

s101，通过车辆状态监测模块利用车辆状态监测程序监测车辆运行状态，得到车辆状态为启动或是运行或是停车；

s102，通过应力监测模块利用应力监测程序对涡轮叶片叶根的应力进行监测，得到应力变化数据；通过转速监测模块利用转速监测程序对涡轮叶片工作转速进行监测；

s103，通过中央控制模块利用中央处理器控制所述叶片振动疲劳概率寿命预测系统各个模块的正常运行；

s104，通过疲劳损伤确定模块利用疲劳损伤确定程序依照失效应力确定一次启动-运行-停车过程的疲劳损伤量；

s105，通过疲劳曲线构建模块利用疲劳曲线构建程序构建高周疲劳s-n曲线；通过修正模块利用修正程序对高周疲劳s-n曲线进行修正；

s106，通过材质信息获取模块利用材质信息获取程序从汽车内置存储器中获取叶片材质信息；通过叶片持久性计算模块利用叶片持久性测定程序依照叶片材质计算叶片持久性；

s107，通过温度监测模块利用温度传感器进行涡轮叶片所在的发动机内温度的监测；通过累计损伤确定模块利用累计损伤确定程序确定涡轮叶片累计损伤量；

s108，通过预测模型构建模块利用预测模型构建程序构建叶片振动疲劳概率寿命预测模型；通过信息输入模块利用信息输入程序将信息输入预测模型，得到叶片振动疲劳概率寿命预测结果；

s109，通过存储显示模块利用云数据库服务器存储车辆状态监测数据、应力监测数据、转速监测数据、疲劳损伤确定结果、高周疲劳s-n曲线、叶片材质信息、叶片持久性计算结果、温度监测数据、累计损伤确定结果、叶片振动疲劳概率寿命预测模型以及叶片振动疲劳概率寿命预测结果，并通过显示器进行数据的实时更新显示。

如图2所示，本发明实施例提供的叶片振动疲劳概率寿命预测系统包括：车辆状态监测模块1、应力监测模块2、转速监测模块3、中央控制模块4、疲劳损伤确定模块5、疲劳曲线构建模块6、修正模块7、材质信息获取模块8、叶片持久性计算模块9、温度监测模块10、累计损伤确定模块11、预测模型构建模块12、信息输入模块13、存储显示模块14。

车辆状态监测模块1，与中央控制模块4连接，用于通过车辆状态监测程序监测车辆运行状态，得到车辆状态为启动或是运行或是停车；

应力监测模块2，与中央控制模块4连接，用于通过应力监测程序对涡轮叶片叶根的应力进行监测，得到应力变化数据；

转速监测模块3，与中央控制模块4连接，用于通过转速监测程序对涡轮叶片工作转速进行监测；

中央控制模块4，与车辆状态监测模块1、应力监测模块2、转速监测模块3、疲劳损伤确定模块5、疲劳曲线构建模块6、修正模块7、材质信息获取模块8、叶片持久性计算模块9、温度监测模块10、累计损伤确定模块11、预测模型构建模块12、信息输入模块13、存储显示模块14连接，用于通过中央处理器控制所述叶片振动疲劳概率寿命预测系统各个模块的正常运行；

疲劳损伤确定模块5，与中央控制模块4连接，用于通过疲劳损伤确定程序依照失效应力确定一次启动-运行-停车过程的疲劳损伤量；

疲劳曲线构建模块6，与中央控制模块4连接，用于通过疲劳曲线构建程序构建高周疲劳s-n曲线；

修正模块7，与中央控制模块4连接，用于通过修正程序对高周疲劳s-n曲线进行修正；

材质信息获取模块8，与中央控制模块4连接，用于通过材质信息获取程序从汽车内置存储器中获取叶片材质信息；

叶片持久性计算模块9，与中央控制模块4连接，用于通过叶片持久性测定程序依照叶片材质计算叶片持久性；

温度监测模块10，与中央控制模块4连接，用于通过温度传感器进行涡轮叶片所在的发动机内温度的监测；

累计损伤确定模块11，与中央控制模块4连接，用于通过累计损伤确定程序确定涡轮叶片累计损伤量；

预测模型构建模块12，与中央控制模块4连接，用于通过预测模型构建程序构建叶片振动疲劳概率寿命预测模型；

信息输入模块13，与中央控制模块4连接，用于通过信息输入程序将信息输入预测模型，得到叶片振动疲劳概率寿命预测结果；

存储显示模块14，与中央控制模块4连接，用于通过云数据库服务器存储车辆状态监测数据、应力监测数据、转速监测数据、疲劳损伤确定结果、高周疲劳s-n曲线、叶片材质信息、叶片持久性计算结果、温度监测数据、累计损伤确定结果、叶片振动疲劳概率寿命预测模型以及叶片振动疲劳概率寿命预测结果，并通过显示器进行数据的实时更新显示。

下面结合具体实施例对本发明作进一步描述。

实施例1

本发明实施例提供的叶片振动疲劳概率寿命预测方法如图1所示，作为优选实施例，如图3所示，本发明实施例提供的通过疲劳损伤确定模块利用疲劳损伤确定程序依照失效应力确定一次启动-运行-停车过程的疲劳损伤量的方法包括：

s201，确定组合路况，选择三种及以上的路面等级较低的强化路组合；

s202，结构载荷测试，对车辆重要结构的损伤危险点进行载荷测试；

s203，应用雨流计数法对各单一路况作用下车辆结构载荷分别进行计数统计，编制载荷谱；

s204，计算各路况条件下的车辆结构损伤值，即一次启动-运行-停车过程的疲劳损伤量。

本发明实施例提供的步骤s204中，所述计算各路况条件下的车辆结构损伤值的方法为：应用glyphworks软件编制疲劳损伤计算流程，计算每种路况作用下车辆结构的疲劳损伤。

实施例2

本发明实施例提供的叶片振动疲劳概率寿命预测方法如图1所示，作为优选实施例，如图4所示，本发明实施例提供的通过修正模块利用修正程序对高周疲劳s-n曲线进行修正的方法包括：

s301，根据实际工况，确定高周疲劳s-n曲线中的不确定性参数及其分布信息；

s302，根据高周疲劳s-n曲线中的不确定性参数分布特性，随机选取样本集，并从中选出n个样本点作为初始实验设计点，建立修正模型；

s303，根据构建的修正模型，获取所有样本点集对应的功能函数近似值，计算高周疲劳s-n曲线的偏差；

s304，根据主动学习策略评估最佳点，将所述样本点增加到原有实验设计点中，更新修正模型；

s305，依照更新后的修正模型进行高周疲劳s-n曲线的修正。

本发明实施例提供的步骤s303中，所述计算高周疲劳s-n曲线偏差的方法为：通过样本点集中所有样本点中具有负的的数目与样本点总数之比来获得偏差的概率，计算高周疲劳s-n曲线的偏差。

实施例3

本发明实施例提供的叶片振动疲劳概率寿命预测方法如图1所示，作为优选实施例，如图5所示，本发明实施例提供的根据损伤等效原则计算车辆结构损伤的当量系数的方法包括：

s401，依照疲劳损伤等效原则，假设在第j种路面下产生的疲劳损伤与第i种路面下产生的损伤相等；

s402，计算任一路况条件下车辆结构疲劳损伤相对于某一关注路况条件下疲劳损伤的当量里程；

s403，计算任一路况条件下车辆结构疲劳损伤相对于某一关注路况条件下疲劳损伤的当量系数。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solidstatedisk(ssd))等。

以上所述，仅为本发明较优的具体的实施方式，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，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，都应涵盖在本发明的保护范围之内。