当前位置:主页 > 科技论文 > 机电工程论文 >

基于极限学习机多种响应面法的结构模糊可靠性分析

发布时间:2020-07-03 07:16
【摘要】:机械结构的复杂程度越来越高,对其设计要求也逐步提高,对复杂结构的可靠性分析也越来越受到重视。航空发动机是飞机的推进系统,其叶盘出现的故障一直是发动机中较为严重的问题,所以准确地对叶盘进行可靠分析具有非常重要的现实意义。为了提高可靠性分析的精度和效率,本文将极限学习机神经网络的非线性拟合能力和响应面法结合起来,并将其应用到叶盘模型中进行验证。主要内容包括:(1)基于极限学习机响应面法的叶片可靠性分析。建立三维叶片的有限元模型,选取叶片的材料密度、弹性模量、转速和气动力为随机输入变量,叶片的变形为输出响应,利用ANSYS Workbench软件对叶片进行静力学分析,得到叶片的接触变形的分布云图,利用拉丁超立方抽样技术抽取100组随机变量,得到相应的100组响应量,用极限学习机响应面法对样本进行训练拟合,得到极限学习机响应面函数,利用蒙特卡洛法对函数进行10000次抽样,把抽样得到的随机变形值和许用变形值相比较,得到其可靠度。(2)基于极限学习机多重响应面法的叶盘可靠性分析。对叶盘进行有限元仿真时,考虑叶盘在流-固耦合场下的影响因素,以叶盘的材料密度、转速和进口流速为随机输入变量,叶盘的变形、应力和应变为输出响应,通过极限学习机多重响应面法建立叶盘输出响应与随机变量之间的函数关系,得到显性的函数表达式,考虑到叶盘失效模式的相关性,利用蒙特卡洛法对方程进行联动抽样,进而对叶盘进行可靠度计算。通过方法对比表明,极限学习机多重响应面法具有很高的计算精度和计算速度。(3)基于极限学习机响应面法的叶片抗共振模糊可靠性分析。为了准确地计算涡轮叶片的抗共振可靠性,本章选取叶片的材料密度、叶身身高、叶尖厚度、转速和气动压力为随机输入变量,叶片的固有频率为输出响应,对叶片进行模态分析,利用极限学习机响应面法得到随机输入变量和响应量之间关系的函数模型,并用MCM法对函数模型进行抽样,得到典型转速下前6阶随机固有频率值。绘制坎贝尔(Compbell)图可以直观的找到动频曲线和激振力频率曲线的交点,即为可能发生的共振点,对应的转速为共振转速。由于叶片不发生共振的概率为叶片的工作转速避开共振转速,考虑共振状态的模糊性,由叶片抗共振模糊可靠性模型求得叶片的共振可靠度。(4)基于极限学习机多重极值响应面法的叶盘振动模糊可靠性分析。在综合考虑了设计变量的随机性与模糊性共存和中间过渡状态的模糊性的基础上,提出了基于极限学习机多重极值响应面法的叶盘振动模糊可靠性分析,通过熵的等效转变法,将模糊变量转化成等效的随机变量,从而将含有模糊变量的可靠性问题转化为全部由随机变量控制的问题来求解,利用模糊可靠性计算模型求得叶盘振动的可靠性,计算得到的可靠度结果能更好地反映叶盘的实际情况。
【学位授予单位】:哈尔滨理工大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:TH122
【图文】:

输入变量,隐含层,神经元


- 9-图 2-1 ELM 神经网络结构图ig.2-1 Structure Chart of ELM Neural Network输入变量,隐含层有l 个神经元,对应的

叶片,网络模型


叶片网络模型

【相似文献】

相关期刊论文 前10条

1 施琦良;程义强;王茂山;;响应面法优化“夫妻肺片”调味工艺[J];美食研究;2016年04期

2 陶征;刘旭;郭勤涛;;响应面法用于磨机传动系统扭转振动模型修正[J];振动.测试与诊断;2016年06期

3 郭香琴;周石洋;杨善彬;;响应面法优化二甲基砜的制备工艺[J];精细化工中间体;2017年02期

4 吴明霞;;响应面法优化明胶澄清苹果酒条件的研究[J];宁德师范学院学报(自然科学版);2015年03期

5 李莉;张赛;何强;胡学斌;;响应面法在试验设计与优化中的应用[J];实验室研究与探索;2015年08期

6 季昀;张石;张媛;李康;陈奕林;郭tqyN;;变f响应面法及其在重力坝结构可靠性分析中的应用[J];三峡大学学报(自然科学版);2014年05期

7 李瑞瑞;刘佃磊;杨晴;郝琼;姜凯凯;李丕武;;响应面法优化黑曲霉产葡萄糖氧化酶的发酵条件[J];中国生物工程杂志;2013年10期

8 张天然;于长青;;响应面法优化深黄被孢酶发酵生产花生四烯酸的培养条件[J];农产品加工(学刊);2012年02期

9 宇光海;尹艳丽;张W

本文编号:2739365


资料下载
论文发表

本文链接:https://www.wllwen.com/jixiegongchenglunwen/2739365.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户53a42***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com