铝合金结构腐蚀疲劳裂纹扩展与剩余强度研究

 在3.5%NaCl腐蚀溶液环境下对含中心孔LY12 CZ铝合金紧固件的疲劳裂纹扩展进行了试验研究,得到3种不同频率下紧固件的腐蚀疲劳裂纹扩展曲线。试验结果说明,随着频率的增加,腐蚀疲劳裂纹扩展速率逐渐降低,腐蚀溶液中疲劳裂纹扩展速率比在空气中大。以试验数据为基础,结合裂纹扩展分析软件AFGROW,提出一种可以用数值方法模拟腐蚀疲劳裂纹扩展的方法,模拟结果和试验结果符合较好。对紧固孔试验件利用2种失效模式进行了剩余强度分析,得到腐蚀环境下紧固孔结构的剩余强度曲线。     

发电用燃气轮机使用寿命的影响因素分析

随着西气东输工程的实施、大型油气田的开发和中低热值燃料应用的发展,发电用燃气轮机在中国的应用越来越广泛。根据燃气轮机运行平稳、可靠性高等特点,基于燃气轮机电站的实际工作经验,对发电用燃气轮机寿命的影响因素进行了分析。     

融合加速退化和现场实测退化数据的剩余寿命预测方法

针对先验信息为加速退化数据的情况,提出了利用非共轭先验分布进行Bayesian统计推断的剩余寿命预测方法。不预先假定Wiener过程参数值的分布类型,利用加速系数将加速应力下的参数值折算到工作应力水平下,进而使用Anderson-Darling方法确定参数值的最优拟合分布类型。在对参数值进行折算时,根据周源泉提出的理论对Wiener过程参数与加速应力之间的关系进行了推导。参数估计时,通过极大似然法得到超参数的估计值,利用WinBUGS软件实现Markov Chain Monte Carlo仿真得到参数的后验均值。通过某型军用电连接器寿命预测实例验证了所提方法的实用价值和研究意义,结果表明本方法可有效解决先验信息为加速退化数据时进行剩余寿命预测的难题。     

复合材料层压板压缩剩余强度分析

为了对复合材料含孔层压板的压缩剩余强度进行快速、精确地评估,采用了有限元渐进损伤剩余强度分析方法。使用Tsai-Wu准则作为强度判据,使用Abaqus用户子程序USDFLD对破坏的单元进行刚度折减。单元的刚度折减采用材料性能退化的方法实现。对复合材料含孔层压板进行有限元渐进损伤分析,得到了含孔层压板的破坏过程、破坏载荷和剩余强度,以及不同角度铺层的主要破坏类型。通过对复合材料含孔层压板压缩剩余强度的有限元分析数据与试验数据对比研究发现,使用Abaqus用户子程序USDFLD的有限元渐进损伤剩余强度分析方法得到的分析结果与试验结果非常接近。试验数据和有限元分析数据验证了Abaqus用户子程序USDFLD和刚度折减方法的正确性以及渐进损伤剩余强度分析结果的精确性。     

含低速冲击损伤层合板的压缩破坏研究

层合板低速冲击后的压缩破坏研究对于复合材料结构设计具有重要意义.按照ASTM D 7136、D 7137试验标准对CCF300/5228层合板进行低速冲击和压缩试验;基于累积损伤理论,以低速冲击数值仿真得到的损伤作为初始损伤,结合应变失效准则和材料性能退化方法,建立含低速冲击损伤层合板的压缩破坏分析模型;使用该模型研究CCF300/5228层合板的损伤演化过程和剩余压缩强度.结果表明：该模型能够较好地解释试验过程中的损伤现象,预测含冲击损伤层合板的剩余压缩强度;损伤扩展和破坏模式与试验结果一致性好.     

主副梁式机翼结构破坏危险性分析

 本文在综合考虑裂纹检出概率、检查间隔、初始裂纹尺寸分布,裂纹扩展、剩余强度分布等因素的条件下,提出了基于概率断裂力学原理的主副梁式机翼结构的破坏危险性分析方法。并以某型飞机机翼为例,进行了数值计算。结果表明:副梁疲劳寿命对主梁的破坏危险性有显著影响。     

机身某部位连接区疲劳和损伤容限分析

从疲劳和损伤容限的概念出发,对某机身13长桁的框腹板进行受力情况、疲劳寿命、裂纹扩展寿命和剩余强度分析,充分讨论了与框腹板相连的接头的可靠性。在考虑精度的情况下用子模型的方式节省了很多计算时间,用扩展有限元法预测裂纹扩展的轨迹也与实验相吻合,为工程应用提供了简洁有效的途径。     

基于贝叶斯LS-SVR的锂电池剩余寿命概率性预测

提出了一种基于贝叶斯最小二乘支持向量回归(LS-SVR)的锂电池剩余寿命在线概率性预测方法.首先,通过滚动窗方法选取锂电池历史健康退化数据,并根据相空间重构原理建立训练样本,其中最小嵌入维数使用Cao氏方法计算获得.然后,运用贝叶斯3层推理训练LS-SVR预测模型,在迭代预测阶段,采用蒙特卡罗方法来表示和管理多步预测中的不确定性及其传递,即用一群离散粒子来近似连续分布,结合“退化轨迹不相交”原则和高斯过程假设,预测出锂电池健康状态未来时刻的发展趋势.最后结合给定的失效阈值,通过统计穿越阈值的粒子数目得到剩余寿命的概率分布.使用美国国家航空航天局阿姆斯研究中心公开的电池数据集与高斯过程回归(GPR)方法进行对比实验,多项预测性能指标结果表明贝叶斯LS-SVR方法具有更高的预测准确度和置信度.     

基于KPCA-BLSTM的航空发动机多信息融合剩余寿命预测

复杂航空发动机在运行过程中易出现多退化信息而导致寿命预测不精确的问题,为此提出基于核主成分分分析（KPCA）和双向长短时记忆（BLSTM）神经网络的多信息融合寿命预测模型。首先采用KPCA 对多维退化数据集进行降维处理和信息融合,得到能够表征设备退化的低维特征数据集;然后利用BLSTM 神经网络模型对带有多维退化信息的航空发动机剩余寿命进行预测,得到监测数据与剩余寿命的映射关系;最后采用C-MAPSS 航空发动机退化数据集对提出的多信息融合寿命预测模型进行仿真验证,并与其他三种模型结果进行对比。结果表明：KPCA-BLSTM 能够对多维退化信息下的剩余寿命进行精准预测,本文提出的预测模型的误差与得分优于其他三种模型,而且预测精度更高。     

一种基于神经网络的航空发动机剩余寿命预估方法

针对航空发动机剩余寿命预估中模型建立困难且计算精度低等问题,提出了一种基于卷积神经网络和长短期记忆神经 网络进行航空发动机剩余寿命预估的方法。利用卷积神经网络中的卷积层与池化层提取传感器数据中的特征,并依据卷积层提 取出的特征,利用长短期记忆神经网络进行时间序列预测,并使用全连接层输出航空发动机剩余寿命。在NASA的C-MAPSS提 供的涡扇发动机退化仿真数据集上对该方法进行了验证。结果表明：基于卷积神经网络和长短期记忆神经网络的航空发动机剩 余寿命预估方法,可以在保证预测精度的前提下,对航空发动机剩余寿命进行较为保守的预估,在保证资源不被浪费的情况下,尽 可能提前发出故障预警信号,从而提高飞行的安全性,进而为航空发动机健康管理系统提供有用信息。该预测方法在对称指标和 非对称指标上均优于此前提出的方法。