发动机涡轮轴弯矩试验方法研究

概述了双转子发动机结构及受力分析 ,介绍了低压涡轮轴和高压涡轮轴弯矩试验方法 ,以及弯矩对双转子轴系可靠性的影响。     

多源不确定性下叶盘结构疲劳可靠性分析与优化设计

为了更好地满足叶盘结构的设计需求,针对叶盘结构疲劳寿命分散和几何参数众多等问题,基于随机有限元法构建了融合多源不确定性的叶盘结构疲劳可靠性分析与优化设计框架.首先,采用应力敏感因子分析筛选叶盘结构关键尺寸;然后,将关键尺寸、材料属性及载荷定义为随机变量,基于其分布规律进行拉丁超立方抽样以开展随机有限元分析和寿命预测;最...     

发动机涡轮轴变矩试验方法研究

概述了双转子发动机结构及受力分析，介绍了低压涡轮轴和高压涡轮轴弯矩试验方法，以及弯矩对双转子轴系可靠性的影响。     

涡轮冷却叶片寿命可靠性分析参数化仿真平台

目前,涡轮冷却叶片等复杂结构的多模式寿命可靠性分析中存在各功能模块的集成与管理不成体系、参数化联合调用技术不完善的工程应用问题。针对这些问题,完善了随机不确定性下涡轮冷却叶片多模式寿命可靠性分析的工程化方法,搭建了多模式寿命可靠性分析的参数化、多软件联合仿真平台,为某型号叶片寿命可靠性分析提供合理的工程化方法及高效便捷的自动化实现工具。主要工作包括：一建立了不确定性环境下含孔、肋及空腔复杂结构网格划分和结构有限元仿真的参数化方法,实现了随机变量不同取值下仿真的自动执行,解决了可靠性理论方法应用至复杂工程结构的瓶颈问题;二在经回归处理的概率寿命曲线中考虑温度插值及多失效模式串联系统,拓展了概率寿命曲线的应用范围,使得所建涡轮叶片寿命可靠性模型更符合实际;三提出了可靠性分析数字模拟过程中嵌入包括有限元结构分析和疲劳寿命极限状态面两方面的双层自适应代理模型方法,该自适应策略可在保证寿命可靠性分析精度的基础上提高效率。通过所建平台在某型号叶片上的算例分析及与蒙特卡洛法参考解的对比,验证了所提多模式系统寿命可靠性分析工程化方法的高效和准确性及仿真平台的实用性。     

基于MINITAB的飞机辅助动力装置的寿命分析

飞机辅助动力装置(APU)是现代客机上的一种小型涡轮轴发动机。本文对大量采集到的APU使用寿命数据进行分析,通过建立相应的可靠性寿命模型,利用MINITAB软件对APU的寿命及可靠性进行研究。     

某系列发动机涡轮轴技术寿命研究

简要介绍了系列发动机涡轮轴寿命研究课题取得的技术成果和主要技术工作内容，并重点介绍涡轮轴疲劳寿命试验技术和寿命的分析确定方法。     

微动疲劳寿命可靠性分析方法

针对结构的微动疲劳问题,发展了一种寿命可靠性分析方法.在微动条件下,接触区域处于多轴应力状态,采用基于临界平面法的多轴疲劳参数对结构的微动疲劳寿命进行预测.在确定性寿命计算的基础上,考虑弹性模量、摩擦系数以及寿命预测模型中材料常数的随机性,利用响应面方法,结合Monte-Carlo模拟技术获得结构微动疲劳寿命可靠性模型.最后将此方法用于燕尾榫结构的微动疲劳寿命可靠性分析,验证了所提出方法的可行性和有效性.      

航空发动机低压涡轮轴结构参数建模与分析

为研究成熟核心机的衍生发展能力,基于流体力学原理及强度理论,提出了1种低压涡轮轴结构参数的建模方法。根据涡扇发动机基本原理,建立了风扇叶尖直径、风扇角速度和低压涡轮轴输出扭矩的数学模型,并根据扭转强度、破坏扭矩和扭转稳定性等强度理论,建立了1种低压涡轮轴结构参数的数学模型。运用该模型讨论了某型核心机的衍生发展能力,分析了涵道比、低压涡轮轴壁厚与其外径及质量间的影响规律。结果表明:当涵道比一定时,低压涡轮轴外径与壁厚成反比,质量与壁厚成正比;当壁厚一定时,低压涡轮轴外径和质量均与涵道比成正比。     

纤维增强复合材料涡轮轴结构疲劳寿命预测

研究了连续纤维增强复合材料低压涡轮轴结构在给定低循环载荷作用下的疲劳寿命估算方法.考虑连续纤维增强复合材料结构特性，研究了基于局部应力应变法的低周疲劳寿命预测方法，并对预测方法的有效性进行了验证.基于此方法，计算了某型航空发动机低压涡轮轴的最大应力、应变和疲劳寿命.结果表明:在0°~90°范围内，45°铺层角度的复合材料层疲劳寿命值最大；当金属厚度不变，外层金属和首层复合材料层的疲劳寿命随复合材料厚度增加而增大；当轴结构壁厚保持6mm不变，减小复合材料层的厚度，同时相应增大最内层或最外层金属包套的厚度，其结构疲劳寿命都随着复材层的厚度减小而减小;外层金属包套的寿命则远大于首层复合材料的疲劳寿命.      

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

为保证双辐板涡轮盘/榫结构疲劳寿命及可靠性，提出基于静强和寿命可靠性的涡轮盘/榫结构优化设计方法.采用盘身轴对称模型和涡轮盘/榫三维模型交替优化策略，进行轮盘静强结构优化.结合材料应力-寿命数据，对满足静强准则的涡轮盘/榫结构进行考虑尺寸效应的寿命可靠性分析，并建立各危险区域给定可靠度的峰值应力-寿命曲线.基于涡轮盘/榫静强优化设计平台，利用给定可靠度的应力-寿命曲线数据修改结构优化单点应力标准.在保证不出现轮盘破裂的前提下，将轮盘寿命可靠性优化的复杂过程简化为基于应力标准的寻优过程.典型例优化结果表明:静强优化后涡轮盘/榫的寿命不能满足设计要求；经寿命可靠性优化后，轮盘疲劳寿命较优化前增加了47.28%，满足寿命可靠性设计要求；且在轮盘静强优化质量减轻16.66％的基础上，再减轻3.43%；该方法在保证优化精度的条件下，可大幅提高优化效率，且易于工程设计中应用.      

基于自适应代理模型的气动优化方法

气动优化设计中,为了减少优化系统的计算周期,提高搜索效率,引入结构简单、计算量较小的代理模型,而运用有效的插值和选样方法(自适应选样)可以大大减少建立代理模型的时间。因此本文提出了一种基于自适应代理模型的气动优化方法。首先对自适应代理模型进行研究,建立了 Kriging 自适应代理模型和支持向量回归自适应代理模型,这两种自适应代理模型在相同样本点情况下比一般代理模型拥有更高的预测能力,然后将这其应用到翼型优化设计中,取得了良好的优化效果,从而表明这两种自适应代理模型不仅简单实用,而且明显提高了气动分析的计算效率。     

基于失效概率的涡轮后机匣全局灵敏度分析

涡轮后机匣是航空发动机安全的关键部件,但是其具有工况复杂、不确定性因素多的缺点。为了探究输入随机变量的不确定性对涡轮后机匣结构失效概率的影响,建立参数化有限元模型进行确定性分析。考虑材料性能、几何参数及外部载荷的不确定性,对涡轮后机匣两种典型失效模式：强度失效以及刚度失效建立极限状态函数;通过构造自适应Kriging 代理模型并结合重要抽样方法评估涡轮后机匣结构失效概率,利用基于失效概率的全局灵敏度方法对涡轮后机匣结构可靠度的不确定性来源进行分析,对各输入随机变量重要性进行排序,构建一种涡轮后机匣全局灵敏度分析框架。结果表明：涡轮后机匣在两种失效模式以及系统失效模式下,发动机推力以及线性膨胀系数对结构失效概率影响最为显著,应对其重点考虑;内外机匣长度以及材料弹性模量对涡轮后机匣结构失效概率影响较小,可对其适当忽略。     

基于自适应代理模型的结构动力可靠度分析方法

结构动力可靠度分析对于衡量结构的安全状态和工作性能具有重要的指导意义。采用一种同时考虑 动态激励载荷和材料力学性能参数随机性的动力可靠度计算高效方法,通过建立不确定性材料力学性能参数 与条件动力可靠度之间的 Kriging代理模型,推导动力可靠度的解析表达式;提出一个新的学习函数来构建自 适应的 Kriging代理过程,通过复合材料飞行器蒙皮骨架结构在随机振动载荷和随机材料力学性能参数共同作 用下的动力可靠度分析对所提方法的准确性与高效性进行验证。结果表明:所提方法不仅能够避免使用代理 模型对动力可靠度求解时由于使用数值积分所引入的误差,同时能够使用尽可能少的计算成本获得准确的动 力可靠度结果。     

基于分解策略的涡轮叶片可靠性及多学科设计优化

将反一阶可靠性分析方法与多学科可行方法相结合,提出了一种适用于涡轮叶片复杂结构的可靠性及多学科设计优化方法.在优化过程中使用Kriging近似模型并不断提高模型精度,解决了多学科可行方法反复调用仿真程序进行多学科分析,计算量较大的问题.该方法将可靠性分析与多学科优化过程分离,提高了优化计算效率.以某型涡轮叶片的设计优化为例,对该方法进行了验证并与传统双循环方法进行了对比.结果表明,优化结果满足可靠性的要求,与双循环方法相比优化效率提高63.8%,证明了该方法在工程应用中的可行性和有效性.      

基于名义极限因子和降维方法的涡轮盘结构可靠性优化

结合名义极限因子方法完全实现了可靠性分析与优化过程的解耦,使可靠性分析成为进行优化之前的预分析过程,而在预分析中采用的基于降维的可靠性分析技术,在一阶可靠度方法(FORM)获得的计算结果的基础上进行适晕的数值计算就能够提高可靠性分析的结果.最后,以某涡轮盘结构优化为例对提出的方法可行性和效率进行了验证,结果表明:该方法...     

Kriging模型及代理优化算法研究进展

代理模型方法由于能显著提高工程优化设计问题的效率,在航空航天及其他领域得到了广泛重视,并逐渐发展成为一类优化算法,本文称其为代理优化（SBO）算法。在现有的代理模型方法中,如多项式响应面、径向基函数、神经网络、支持向量回归、多变量插值/回归、多项式混沌展开等,源于地质统计学的Kriging模型具有代表性,是一种非常具有应用潜力的代理模型方法。以飞行器设计领域的优化问题为背景,介绍了Kriging代理模型及应用于优化设计的理论和算法的最新研究进展。首先,概述了Kriging模型的基本理论和算法,并讨论了影响Kriging模型鲁棒性和效率的几个关键性问题。其次,回顾了Kriging模型理论和算法研究的3个最新研究进展,包括梯度增强型Kriging、CoKriging和分层Kriging模型。而后,分析提炼了基于Kriging模型的代理优化算法的优化机制和优化框架,给出了“优化加点准则”和“子优化”的概念,并介绍了目前常用的几种优化加点准则及其相应子优化问题的求解与约束处理;同时,还介绍了最新提出的局部EI加点准则以及代理优化的终止条件。最后,介绍了代理优化在标准测试函数算例验证、飞行器气动与多学科优化设计典型算例确认方面的研究进展,并对当前存在的一些关键科学问题以及未来研究方向进行了讨论。     

Reliability and reliability sensitivity analysis of structure by combining adaptive linked importance sampling and Kriging reliability method

The application of reliability analysis and reliability sensitivity analysis methods to complicated structures faces two main challenges: small failure probability (typical less than 10⁻⁵) and time-demanding mechanical models. This paper proposes an improved active learning surrogate model method, which combines the advantages of the classical Active Kriging – Monte Carlo Simulation (AK-MCS) procedure and the Adaptive Linked Importance Sampling (ALIS) procedure. The proposed procedure can, on the one hand, adaptively produce a series of intermediate sampling density approaching the quasi-optimal Importance Sampling (IS) density, on the other hand, adaptively generate a set of intermediate surrogate models approaching the true failure surface of the rare failure event. Then, the small failure probability and the corresponding reliability sensitivity indices are efficiently estimated by their IS estimators based on the quasi-optimal IS density and the surrogate models. Compared with the classical AK-MCS and Active Kriging – Importance Sampling (AK-IS) procedure, the proposed method neither need to build very large sample pool even when the failure probability is extremely small, nor need to estimate the Most Probable Points (MPPs), thus it is computationally more efficient and more applicable especially for problems with multiple MPPs. The effectiveness and engineering applicability of the proposed method are demonstrated by one numerical test example and two engineering applications.     

基于Kriging模型梯度解析解的改进一次二阶矩方法

改进一次二阶矩（AFOSM）法是一种基于功能函数梯度的结构可靠性分析方法，鉴于其对隐式函数的梯度较难求解，提出了一种基于Kriging模型梯度解析解的AFOSM方法，利用Kriging代理模型的解析表达式推导得到功能函数对输入变量的梯度解析解，为AFOSM中设计点的确定提供高精度的梯度信息。通过Kriging与AFOSM的结合，很好地解决了基于有限元模型的隐式情况下梯度计算量相当大、可靠性分析难的问题。数值与工程算例验证了所提Kriging梯度解析解的较高精确性，同时验证了所提基于Kriging解析解的AFOSM结构可靠性分析方法的正确性与较高精度。     

Stochastic structural optimization using particle swarm optimization, surrogate models and Bayesian statistics

This paper focuses on a method to solve structural optimization problems using particle swarm optimization (PSO), surrogate models and Bayesian statistics. PSO is a random/stochastic search algorithm designed to find the global optimum. However, PSO needs many evaluations compared to gradient-based optimization. This means PSO increases the analysis costs of structural optimization. One of the methods to reduce computing costs in stochastic optimization is to use approximation techniques. In this work, surrogate models are used, including the response surface method (RSM) and Kriging. When surrogate models are used, there are some errors between exact values and approximated values. These errors decrease the reliability of the optimum values and discard the realistic approximation of using surrogate models. In this paper, Bayesian statistics is used to obtain more reliable results. To verify and confirm the efficiency of the proposed method using surrogate models and Bayesian statistics for stochastic structural optimization, two numerical examples are optimized, and the optimization of a hub sleeve is demonstrated as a practical problem.