1.一种基于人工神经网络技术的飞机平尾寿命监控方法,用于获得每次飞机完成一次飞行起落后的飞机平尾的消耗寿命以及剩余寿命,其特征在于,所述基于人工神经网络技术的飞机平尾寿命监控方法包括如下步骤:
步骤1:确定飞机平尾基准损伤;
步骤2:建立飞机平尾的人工神经网络载荷模型;
步骤3:在飞机完成一次飞行其落后获取飞机平尾数据,并进行飞机平尾的当量消耗寿命的计算,从而得到飞机平尾的消耗寿命以及剩余寿命。
2.如权利要求1所述的基于人工神经网络技术的飞机平尾寿命监控方法,其特征在于,对飞机平尾进行疲劳试验,获得飞机平尾的一个谱块的当量损伤、疲劳试验中飞机平尾的单位小时当量损伤以及功能试验中飞机平尾的单位小时当量损伤;并根据所述疲劳试验中飞机平尾的单位小时当量损伤以及功能试验中飞机平尾的单位小时当量损伤通过公式获得飞机平尾的单位小时当量损伤。
3.如权利要求2所述的基于人工神经网络技术的飞机平尾寿命监控方法,其特征在于,所述疲劳试验包括全机疲劳试验以及功能试验,其中,所述全机疲劳试验用于获得平尾的一个谱块的当量损伤以及疲劳试验中飞机平尾的单位小时当量损伤;所述功能试验用于获得功能试验中飞机平尾的单位小时当量损伤。
4.如权利要求3所述的基于人工神经网络技术的飞机平尾寿命监控方法,其特征在于,所述全机疲劳试验具体为:
设定飞机平尾的关键部位的应力水平与重心过载呈线性关系,通过有限元分析计算出平尾关键部位的1g应力水平,将疲劳试验重心过载谱转换为平尾关键部位的应力谱,根据如下当量损伤计算公式计算出一个谱块的当量损伤:
Di=Σ[(Smax,i-Smin,i)m/2(Smax,i)m/2];其中,
Smax,i为载荷峰值,Smin,i为载荷谷值;Di为一个谱块的当量损伤;
并根据一个谱块对应的飞行时间为t1,采用如下公式计算出疲劳试验中平尾的单位小时当量损伤为:
其中,
为单位小时损伤,D1为一个谱块的当量损伤,t1为一个谱块对应的飞行时间。
5.如权利要求4所述的基于人工神经网络技术的飞机平尾寿命监控方法,其特征在于,所述功能试验具体为:
模拟飞行过程中飞机平尾的运动,根据飞机平尾的有限元分析,计算出功能试验加载与关键部位的应力关系;将功能试验载荷谱转换为关键部位的应力谱,根据当量损伤计算公式,计算一个加载谱块下关键部位的当量损伤D2,功能试验一个谱块对应的飞行时间为t2,通过如下公式算出疲劳试验中飞机平尾的单位小时当量损伤:
其中,
D2为一个加载谱块下关键部位的当量损伤,t2为功能试验一个谱块对应的飞行时间;为疲劳试验中飞机平尾的单位小时当量损伤。
6.如权利要求5所述的基于人工神经网络技术的飞机平尾寿命监控方法,其特征在于,所述飞机平尾的单位小时当量损伤通过如下公式获得:
其中,
为疲劳试验中飞机平尾的单位小时当量损伤;为疲劳试验中平尾的单位小时当量损伤;为飞机平尾的单位小时当量损伤。
7.如权利要求6所述的基于人工神经网络技术的飞机平尾寿命监控方法,其特征在于,所述步骤2具体为:
构建飞机平尾的人工神经网络载荷模型首先要确定网络的层数以及每层的节点数;输入为应变数据ε1、ε2、ε3,输出为关键部位的应力,由此可以确定输入层节点数为3,输出层节点数为1;
根据下述公式:
式中n为隐含层节点数,ni为输入层节点数,n0为输出层节点数,a为取值在1-10之间的调整系数;确定隐含层节点数范围为2-12,再确定隐含层节点数n=5,神经网络的拓扑结构为3-5-1;
确定输入层、隐含层、输出层的传递函数,设定最大容许误差;对训练数据进行预处理,将训练数据输入神经网络进行训练,当神经网络模型达到熟练,训练结束;使用试验数据,验证神经网络载荷模型的有效性,飞机平尾的人工神经网络载荷模型建立完成。
8.如权利要求7所述的基于人工神经网络技术的飞机平尾寿命监控方法,其特征在于,所述步骤3具体为:
记录飞机完成一次飞行起落后的数据,获得飞机该次飞行中飞机平尾的应变历程,根据所述步骤2所建立的飞机平尾的人工神经网络载荷模型,将应变历程转换为关键部位的应力谱,根据当量损伤计算公式可以计算得出本次飞行,飞机平尾的关键部位的损伤情况Di,所以本次飞行的消耗寿命采用下述公式计算:
其中,
Tcost为本次飞行的消耗寿命;Di为一个谱块的当量损伤;D为单位小时损伤;
所述剩余寿命采用下述公式计算:
Tremain=Ttotal-∑Tcost,i;其中,
Tremain剩余寿命Ttotal总寿命Tcost,i某次飞行的消耗寿命。