一种基于Kriging和Monte Carlo的主动学习可靠度算法

机械结构可靠性分析时,常常会采用代理模型拟合隐式功能函数来解决计算量大的问题,但由于试验设计方案需要同时考虑代理模型的拟合精度和可靠度计算精度的问题。因此,为了能够充分使用较少的样本信息,最大化可靠度计算精度,本文充分发挥Kriging预测的随机特性,提出一种主动学习可靠度计算方法。首先,类似于优化问题中改善函数的选点方式,提出一种基于Kriging预测的学习函数,基于Monte Carlo法生成大量的候选样本点,找出学习函数最小值对应的样本点作为最佳取样点。其次,推导和提出了一种学习停止的条件,保证了Monte Carlo样本点预测符号的正确性且学习次数明显减小。最后,通过2个数值算例分析结果表明,该算法相比其他方法需要更少的样本数量,得到的可靠度计算精度更高,验证了本文算法的正确性和高效性。     

不确定性载荷作用下的零件时变可靠性模型

分析现有时变可靠性建模方法的特点,建立不确定性载荷作用下的零件时变可靠性模型,给出基于载荷和强度分布的零件可靠度和失效率计算表达式。研究载荷作用的特点,建立不确定性载荷作用过程的二维描述法。在此基础上,分别得到强度不退化和退化时的零件时变可靠性表达式。研究表明,即使强度不退化,零件的可靠度和失效率也会随时间逐渐降低;强度退化时,可靠度随时间降低较为明显,失效率具有“浴盆”曲线的特征。在载荷和强度分布已知的情况下,可直接运用本文模型计算零件在任意时刻的可靠度和失效率。当给定许用失效率时,运用本文模型可以更客观地划分零件的早期失效期、偶然失效期和耗损失效期,进而确定零件筛选试验时间、可靠寿命等指标,对零件进行全寿命周期管理。     

基于固定界面法的旋转裂纹叶片动力学特性分析

为了实现裂纹旋转叶片在复杂环境载荷作用下非线性振动特性求解的高效性和准确性，以某型航空发动机压气机叶片 为研究对象，综合考虑旋转叶片的刚/软化效应、裂纹的呼吸效应和气动载荷的影响，采用固定界面模态综合法对旋转裂纹叶片进 行了84.83%的自由度缩减，并通过与未减缩模型前3阶动频以及振动响应的对比，验证了减缩模型的有效性。结果表明：叶片裂 纹呼吸特性取决于离心载荷和气动载荷的联合作用，且在低转速下气动载荷占主导，而在高转速下离心载荷占主导；减缩模型相 对于未减缩模型在进行响应求解时能提升一定的求解效率，在低转速下提升约37.35%，而在高转速下提升约12.33%；在高频激励 下减缩模型的计算精度较低频激励下的稍差，应根据实际情况合理选择激振频率，并对结果精确性作相应的验证。