专利名称：基于Bayes信息更新的涡轮盘概率故障物理寿命预测方法
技术领域：
本发明属于机械产品的可靠性设计与寿命预测领域，具体是一种面向航空发动机轮盘的可靠性设计与寿命预测新方法。
背景技术：
航空发动机是飞机的动力装置，为其提供飞行推力，被誉为飞机的“心脏”。航空发动机是精密、复杂的高技术产品，大量零部件在十分恶劣的环境下工作，承受着高温、高压和高转速的工作负荷。随着航空工业的发展，对航空发动机性能要求不断提高，推重比不断增加，使得航空发动机涡轮前温度和转速均不断提高，导致航空发动机各部件特别是
涡轮转子部件在更加复杂的循环热载荷和机械载荷下工作，其高温疲劳失效问题愈来愈突出。因此，要想设计出高效涡轮，必须要有更准确、更完善的反映这类结构的寿命预测模型和可靠性分析方法。这对航空发动机高温复杂结构的寿命可靠性和健康评估提出了严峻的挑战。作为燃气涡轮三大重要部件之一的燃气涡轮,其性能的好坏对燃气涡轮发动机的整体性能有着至关重要的影响，其中涡轮盘是航空发动机典型的耐久性和断裂关键件之一。图I所示为某型航空发动机涡轮结构示意图，涡轮盘的主要功能是安装叶片以传输功率。涡轮盘在高温、高速下工作，属主承力零件，工作时承受着离心力、热应力和振动应力等载荷的交互作用，在此严酷环境下一旦发生破坏性故障将导致极其严重的后果。因此，正确评估和预测航空发动机涡轮盘的剩余寿命，最大限度地发挥航空发动机的作用而又避免意外的事故和灾害，对于我国可持续经济发展和节约型社会建设具有十分重要的现实意义。涡轮盘的主要失效模式是低循环疲劳、破裂、蠕变等以及这些模式之间的相互作用。涡轮盘避免这些故障的能力取决于其设计、材料性质和工作环境。部件设计所采用的材料是一定的，工作环境会变化，因而部件在全寿命周期各阶段所面临的不确定因素对其寿命有决定性的影响。所有这些因素的相互关系影响到部件寿命的消耗。影响寿命消耗的其它因素还有制造和材料缺陷、装配和维修误差、外物损伤、超限。航空发动机涡轮盘的寿命和可靠性是制约整机寿命和可靠性水平的主要因素之一。高温、高压的工作环境使得航空发动机涡轮盘的疲劳破坏机理异常复杂，主要体现在复杂载荷、多种环境因素以及多种失效模式等特点上，涡轮盘的寿命预测研究目前主要集中在简化载荷和单一失效模式下的确定性寿命预测。随着涡轮盘结构性能参数的逐渐提高以及工作环境的更加严酷，人们发现传统疲劳寿命预测方法与工程实践的矛盾愈加显现，这是因为传统确定性疲劳寿命预测方法不能较好地描述工程中客观存在的不确定性。为了保证结构的经济性和安全性，人们先后发展了安全寿命设计、耐久性及损伤容限设计。然而，按常规疲劳强度设计的机械零件有时还会损坏，究其原因，一个重要的问题是在常规疲劳强度设计中，将载荷、材料的性能指标、零件的结构尺寸等数据视作确定值，但实际上这些因素都具有明显的、不可忽略的随机特性。使用确定性疲劳寿命预测模型进行寿命预测时，往往难于对目标重量、使用寿命及其它设计准则等方面进行综合优化和平衡，亦无法给出定量的可靠性指标。针对结构疲劳寿命分析中存有的不确定性，将可靠性引入到结构疲劳分析中势在必然。涡轮盘承受的载荷形态多样，因而建立准确的物理模型来描述其寿命规律存在较大困难。目前尚未发现对其进行基于概率故障物理的疲劳寿命与可靠性分析方面的研究。现有确定性疲劳寿命预测方法朝着基于概率统计的不确定性疲劳寿命预测方向发展，且传统基于大样本渐进学习理论的统计方法并不适合航空发动机涡轮盘试验样本稀少的特点。因此，对于具有显著“高可靠”、“小样本”等特征的航空发动机，结合涡轮盘的失效机理、失效起因和不确定性分析，需要研究一种基于Bayes信息更新、可靠性故障物理技术的概率疲劳寿命预测的方法，以对其进行可靠性设计
发明内容
本发明的目的针对传统疲劳寿命预测方法用于航空发动机涡轮盘强度设计时的不足，提出了基于Bayes信息更新的航空发动机轮盘概率故障物理寿命预测方法。本发明的技术方案是基于Bayes信息更新的航空发动机轮盘概率故障物理寿命预测方法，包括如下步骤步骤I :根据航空发动机轮盘结构特征，用基于故障物理的可靠性分析方法确定涡轮盘的故障物理信息；步骤2 :运用FTA/FMECA方法对步骤I得到的航空发动机轮盘的故障物理信息和由维修数据统计得到的已有的故障信息进行分析得到轮盘的主要失效模式及其故障位置，收集并整理轮盘面向全寿命周期的不确定因素和不精确数据；步骤3 :根据步骤2得到的轮盘主要失效模式和故障位置建立航空发动机轮盘的故障物理寿命预测模型。步骤4 :运用概率统计理论确定并量化步骤2得到的轮盘概率寿命预测中的不确定性。步骤5 :根据步骤3得到的故障物理寿命预测模型，运用Bayes信息更新和故障物理技术，将步骤4得到的寿命预测模型中的模型参数和试验控制参量以分布形式输入，并以寿命分布的形式输出，建立轮盘的混合概率故障物理寿命预测方法；步骤6 :运用马尔科夫链蒙特卡洛仿真解决步骤5中Bayes推理的高维积分计算，计算航空发动机轮盘的概率故障物理预测寿命及其不确定性范围。本发明的有益效果是在常规疲劳强度设计中，传统确定性疲劳寿命预测方法不能较好地描述工程中客观存在的不确定性，而将载荷、材料的性能指标、零件的几何尺寸等数据视作确定值，但实际上这些因素都具有明显的、不可忽略的随机特性。使用确定性疲劳寿命预测模型进行寿命预测时，往往难于对目标重量、使用寿命及其他设计准则等方面进行综合优化和平衡，亦无法给出定量的可靠性指标。由于航空发动机轮盘具有显著的“小样本”、“高可靠”等特点，故障信息和相关维修数据很少，因此传统的基于大样本渐进学习理论的统计方法并不适合于航空发动机试验样本稀少的特点，且传统的确定性寿命预测方法在轮盘的寿命预测中具有较大的局限性，不适合对发动机轮盘进行面向全寿命周期的概率寿命预测与可靠性分析。而基于概率故障物理的寿命预测方法，能对结构进行故障定位和失效机理分析；通过建立故障物理寿命模型，在航空发动机轮盘物理试验之前就找出结构潜在缺陷和故障起因；从而预估结构剩余可靠寿命，并通过综合考虑结构全寿命周期中的现有知识和信息，减少不必要的试验次数和成本，避免了航空发动机轮盘的“小样本”而导致故障信息少的问题。运用概率统计理论对结构全寿命周期的不确定性进行分类和量化，通过反复试验和MCMC虚拟仿真，揭示结构全寿命周期内不确定性的分散性和随机性对其寿命和可靠性的影响规律，最终获得综合考虑故障物理建模中的不同目标或不同程度的不确定因素影响的预测寿命分布以及不确定性范围，从而达到改进结构设计的目的。本发明能显著地缩短航空发动机轮盘设计周期，降低航空发动机轮盘开发的费用，由于能提高试验结果的精度和信息性，从而改进设计或进行创新设计，因此能显著地提高航空发动机轮盘的寿命可靠性。
图I本发明一个实施例所针对的航空发动机涡轮盘结构示意图。图2本发明的实施例中步骤5中的Bayes推理框架图。图3本发明的主流程图。图4本发明的实施例中步骤6中基于VBM模型的第6号试样的预测寿命分布与实测寿命对比图。
具体实施例方式下面结合附图和具体实施例对本发明作进一步说明。现结合实施例、附图对本发明做进一步描述一种基于Bayes信息更新的涡轮盘概率故障物理寿命预测方法，如图3所示，包括如下步骤步骤I :根据航空发动机轮盘结构特征，用基于故障物理的可靠性分析方法确定涡轮盘的故障物理信息；本步骤中，根据航空发动机轮盘结构特征，如图I所示，对航空发动机轮盘进行可靠性故障物理分析，通过应力分析、热分析和载荷谱数据处理，确定航空发动机轮盘的故障物理信息，包括故障位置、故障机理、故障模式及其影响分析。步骤2 :运用 FTA/FMECA 方法(故障树分析，Fault Tree Analysis,简称 FTA) /(失效模式影响与严重性分析，Failure Mode, Effects and Criticality Analysis,简称FMECA)对步骤I得到的航空发动机轮盘的故障物理信息和由维修数据统计得到的已有的故障信息进行分析得到轮盘的主要失效模式及其故障位置，收集并整理轮盘面向全寿命周期的不确定因素和不精确数据；本步骤中，主要得到轮盘的易损伤部位和主要失效模式为轮盘销子孔部位的低循环疲劳失效和轮缘的疲劳-蠕变失效，并获得轮盘从设计、制造、试验、使用以及维修等全寿命周期各阶段的不确定因素和不精确数据。在对航空发动机轮盘进行概率寿命预测时主要考虑以下两方面的物理不确定性①加载条件(如试验加载应力、应变和加载周期Ttl)
材料属性(如弹性模量E和疲劳极限σ lim);考虑以下三方面的统计不确定性①裂纹探测不确定性及输出测量误差；②输入控制变量的分散性；③相关材料属性参数分布(如循环 应变硬化指数n');考虑以下两方面的模型不确定性①模型参数；②模型输出误差。通过直接统计所得到的轮盘的故障数据、维修记录、定期检测等各种失效数据和性能退化数据是航空发动机轮盘设计、试验或实际运行过程中的故障信息，因此可作为已知技术而未详细描述其统计过程。此外，本步骤中的FTA/FMECA分析为可靠性分析中的现有技术，因此未对本步骤进行详细说明，但是本领域的普通技术人员可以根据上述的提示实施本步骤。步骤3 :根据步骤2得到的轮盘主要失效模式和故障位置建立航空发动机轮盘的故障物理寿命预测模型；本实施例中，航空发动机轮盘的物理模型如图I所示，由步骤2得到的轮盘材料属性和加载条件出发，将可靠性故障物理技术应用于疲劳寿命预测中，基于步骤2中的故障物理分析，建立机械结构的故障物理寿命预测模型一修正粘性模型(Viscosity-BasedModel, VBM)，即有公式(I) Nf = C ( Λ ε in (Ep- Δ ffFL · T0) Φ) α 公式(I)式中，Nf为轮盘实测寿命；Δ ε in为非弹性应变范围，纯疲劳条件下可用塑性应变范围Λ ερ代替；Λ Wfl为疲劳极限以下应力作用时的塑性应变能密度，具体表达式为AWFL=al/2E·,σ lim为轮盘的疲劳极限；E为轮盘材料的弹性模量；T0为一次应力循环全周期；C，Φ和α为模型参数，可由轮盘的试验数据运用最小二乘法拟合获得；Ep为粘性参数，具体表达式为公式⑵
hm +(^dI +Τ) σπηη +Τ-Δσ, CTnlin >0Ep=I公式⑵
TduOmayi +—'-f22-,< O
、2 Δσ式中，Tdu为一次应力循环中的拉伸保持时间；Tdl为一次应力循环中的压缩保持时间；T为不包含保载时间的周期，即有T = T0-Tdu-Tdl ；σ _为最大应力；σ min为最小应力；Δ σ 为应力范围，即有 Λ σ = Oniax-Oniin0步骤4 :依据步骤2中的故障信息，运用概率统计理论确定并量化轮盘概率寿命预测中的不确定性。本实施例中，将步骤2得到的不确定因素定义为随机变量，如材料属性通常服从正态分布，载荷分布常由实测数据拟合获得，如表I和表2中所示，这些随机变量的分布类型可以用分布检验或已有经验进行确定，分布参数可以用最大似然估计法，由于这些方法本领域的普通技术人员可以根据现有信息得到，因此不再详细描述其具体过程。表I试验控制参数的输入不确定性
权利要求
1.基于Bayes信息更新的航空发动机轮盘概率故障物理寿命预测方法，包括如下步骤 步骤I :根据航空发动机轮盘结构特征，用基于故障物理的可靠性分析方法确定涡轮盘的故障物理信息； 步骤2 :运用FTA/FMECA方法对步骤I得到的航空发动机轮盘的故障物理信息和由维修数据统计得到的已有的故障信息进行分析得到轮盘的主要失效模式及其故障位置，收集并整理轮盘面向全寿命周期的不确定因素和不精确数据； 步骤3 :根据步骤2得到的轮盘主要失效模式和故障位置建立航空发动机轮盘的故障物理寿命预测模型； 步骤4 :运用概率统计理论确定并量化步骤2得到的轮盘概率寿命预测中的不确定性； 步骤5 :根据步骤3得到的故障物理寿命预测模型，运用Bayes信息更新和故障物理技术，将步骤4得到的寿命预测模型中的模型参数和试验控制参量以分布形式输入，并以寿命分布的形式输出，建立轮盘的混合概率故障物理寿命预测方法； 步骤6 :运用马尔科夫链蒙特卡洛仿真解决步骤5中Bayes推理的高维积分计算，计算航空发动机轮盘的概率故障物理预测寿命及其不确定性范围。
全文摘要
本发明涉及基于Bayes信息更新的航空发动机轮盘概率故障物理寿命预测方法。包括如下步骤步骤1根据航空发动机轮盘结构特征，用基于故障物理的可靠性分析方法确定涡轮盘的故障物理信息；步骤2运用FTA/FMECA方法对步骤1得到的航空发动机轮盘的故障物理信息和由维修数据统计得到的已有的故障信息进行分析得到轮盘的主要失效模式及其故障位置，收集并整理轮盘面向全寿命周期的不确定因素和不精确数据；步骤3根据步骤2得到的轮盘主要失效模式和故障位置建立航空发动机轮盘的故障物理寿命预测模型。本发明的有益效果是能显著地缩短航空发动机轮盘设计周期，降低开发的费用，能显著地提高航空发动机轮盘的寿命可靠性。
文档编号G06F19/00GK102682208SQ201210135828
公开日2012年9月19日 申请日期2012年5月4日 优先权日2012年5月4日
发明者何俐萍, 刘宇, 张小玲, 朱顺鹏, 李海庆, 汪忠来, 黄洪钟 申请人:电子科技大学