基于PATRAN二次开发的强度校核程序及工程应用

强度校核是飞机设计过程中的一个重要环节,但多数校核过程仍停留在手工阶段,为此,我们在MSC-PATRAN平台上,开发了一个交互式强度校核界面,在总体结构应力分析的基础上,利用校核部位的各种细节数据、校核软件和PATRAN图形显示,完成了飞机纵向结构的强度校核,实现了结构总体建模分析、细节建模强度评估和结果显示一体化。     

弹道导弹主动段机动可攻击区域研究

为了确定导弹在主动段的可攻击区域,研究了发动机剩余工作时间对可攻击区域的影响,提出了弹道导弹主动段变换打击目标的概念。通过数据仿真得到导弹的可攻击区域,应用几何拟合的方法对可攻击区域进行估计,计算导弹在主动段的实时可攻击区域。仿真结果表明,所提几何拟合方法能够有效地描述发动机剩余工作时间对可攻击区域的影响,可攻击区域的吻合度较高。     

基于Wiener过程的发动机多阶段剩余寿命预测

针对现阶段发动机的寿命预测研究没有考虑到非线性与多阶段的问题,提出了基于多阶段非线性Wiener过程的航空发动机实时剩余寿命预测的方法。该方法融合了同类型发动机的历史性能退化监测数据与个体发动机的实时监测数据。首先,考虑了发动机性能退化非线性的特点,并采用多阶段Wiener过程建立发动机的性能退化模型。然后,根据发动机的历史性能监测数据,利用极大似然估计和一维搜索方法进行参数先验分布的估计。再次,在先验分布和个体发动机的退化数据的基础上,用贝叶斯方法对参数分布更新。最后,得到个体发动机剩余寿命的实时预测值。通过实例验证本文方法预测的准确性。      

纤维增强复合材料剩余强度衰减模型

分析了复合材料剩余强度随加载次数增加而单调衰减的疲劳损伤机理,得出复合材料剩余强度衰减率在其疲劳寿命全程内呈"快→缓→快"演化过程,并提出一个剩余强度衰减模型来描述这一过程.该模型从材料的疲劳破坏机制上分析了铺层形式对复合材料剩余强度衰减的影响,并综合考虑了材料抗疲劳性能、受载水平等影响因素.6种复合材料的系列试验数据验证了该模型.结果表明,该模型合理描述了复合材料剩余强度的衰减规律.     

TB200飞机无裂纹零号框改装方案剩余强度研究

基于有限元方法确定了造成TB200型飞机零号框裂纹的主要应力分量,验证了有限元分析模型的可靠性。对零号框损伤后结构的应力状态进行了分析,说明了对未损伤结构进行加固改装的必要性。给出了对未损伤零号框结构进行加固改装的方案,分析了改装后结构的应力状态和表征剩余强度的静强度恢复系数。计算结果表明加固改装方案能有效降低零号框应力,载荷主要由零号框加强片承担,结构剩余静强度高于框原始状态静强度。预测了加固改装后结构出现损伤的具体位置和损伤形式。     

含多裂纹铝板的剩余强度评估

提出了一种计算飞机多裂纹平板结构剩余强度的方法.该方法采用多裂纹结构中主裂纹旁的小裂纹的张开位移来预测剩余强度.裂尖张开位移和剩余强度通过应用弹塑性有限元获得.采用已发表的实验来应用和验证这个方法,结果表明:本模型预测的剩余强度与实验值相比误差在10%之内.     

基于剩余强度的复合材料补片形状优化研究

以复合材料层合板的圆形孔洞损伤为例,利用三维有限元模型分析了六种不同形状补片修补结构在受纵向拉伸时的应力分布情况.分别仿真了常规形状的补片以及混合型形状的补片修补情形,同时利用由剩余强度理论和局部应力应变法相结合得出的数学模型,对各种修补模型进行了剩余强度的计算.通过计算得出,带倒角矩形、两圆相交型等混合型补片对损伤母板进行修理后其强度恢复明显,应力峰值较小.混合型形状补片对复合材料贴补修理有一定的指导意义.     

考虑编织角动态变化的3维编织碳/碳复合材料高温剩余刚度模型

为研究3维编织碳/碳复合材料在高温环境下的疲劳特性,建立了一种编织角与循环数相关的编织角动态变化模型,将 其引入考虑温度的单向复合材料剩余刚度模型中,根据应力、编织角的变化以及温度等因素的影响,建立了3维编织复合材料高 温疲劳剩余刚度模型。在700 ℃的大气环境下,对添加抗氧化涂层的3维编织碳/碳复合材料进行了拉-拉疲劳试验,获取了剩余 刚度、剩余强度以及试验段长度等参量。结果表明：在700 ℃下3维编织碳/碳复合材料在拉-拉疲劳加载初期的剩余刚度显著提 高,然后保持稳定,在接近疲劳寿命时突降;剩余强度经10 5 循环后比初始强度提高了19.75%;在疲劳过程中的迟滞回线面积随着 循环数的增加逐渐增大;高温剩余刚度模型对700 ℃下剩余刚度试验数据拟合度较高,且通过编织角动态变化模型求得的不同循 环数下编织角模拟值与试验值的误差小于5%。     

数据驱动的卫星关键部件剩余寿命预测模型

针对目前基于统计学方法对卫星及其关键部件进行剩余寿命预测时普遍存在的建模困难、预测精度不高等问题,为更快速、更精确地预测在轨运行卫星关键零部件的剩余使用寿命（RUL）,选取时序数据特征提取能力较强的门控循环单元（GRU）网络构建RUL预测模型。在模型构建时,除了利用卫星遥测数据之外,还将反映卫星通信质量的统计类数据添加到模型中;同时,为进一步提高GRU模型的预测精度,将卷积神经网络（CNN）与GRU融合。最后,以某型号卫星的天线转发器这一关键部件作为研究对象,通过模型预测结果的评价对比,验证CNN-GRU预测模型的RUL预测精度相比GRU模型的有明显提升。