基于不確定性的航空發(fā)動(dòng)機(jī)渦輪盤(pán)概率疲勞壽命預(yù)測(cè).pdf

1、作為航空發(fā)動(dòng)機(jī)的斷裂和耐久性關(guān)鍵件之一，渦輪盤(pán)長(zhǎng)期經(jīng)受交變載荷的作用，且處于高溫環(huán)境中，特別容易產(chǎn)生疲勞、蠕變累積損傷，影響安全服役時(shí)間。為此，結(jié)合渦輪盤(pán)失效機(jī)理，建立壽命預(yù)測(cè)模型成為保證其安全服役的有效手段之一。本文探討概率疲勞壽命預(yù)測(cè)建模的研究，同時(shí)考慮了壽命預(yù)測(cè)模型和壽命數(shù)據(jù)中存在的認(rèn)知不確定性和隨機(jī)不確定性，歸納出四類(lèi)不確定性來(lái)源：模型不確定性、參數(shù)不確定性、測(cè)量誤差、建模誤差，且使用概率方法量化出這些不確定性。在此基礎(chǔ)上，結(jié)合

2、蒙特卡洛仿真算法量化出不確定性傳遞引起的壽命預(yù)測(cè)不確定性。本文開(kāi)展的研究擬量化多種不確定性及其對(duì)壽命預(yù)測(cè)能力的影響，并在此基礎(chǔ)上構(gòu)建減小預(yù)測(cè)不確定性的理論框架，具有重要的理論意義和應(yīng)用價(jià)值。論文研究主要內(nèi)容和研究成果如下：
　　（1）選用塑性應(yīng)變能密度模型（Plastic Strain Energy Density，PSED）和廣義能量損傷參數(shù)模型（Generalized Damage Parameter，GDP）模型實(shí)現(xiàn)了渦輪盤(pán)

3、疲勞壽命預(yù)測(cè)。
　　發(fā)動(dòng)機(jī)渦輪盤(pán)失效形式主要是反復(fù)載荷作用產(chǎn)生的疲勞損傷和高溫變形下的蠕變損傷引起的低周疲勞失效。本論文認(rèn)為塑性應(yīng)變能與輪盤(pán)失效模式關(guān)系最緊密。PSED和GDP模型都是使用塑性應(yīng)變能密度或與其相關(guān)的參數(shù)作為損傷參數(shù)，是合乎渦輪盤(pán)失效形式的模型，適合用于預(yù)測(cè)渦輪盤(pán)使用壽命。同時(shí)根據(jù)失效形式，渦輪盤(pán)常用GH4133作為制造材料。使用GH4133的疲勞壽命數(shù)據(jù)，對(duì)比模型預(yù)測(cè)壽命和實(shí)驗(yàn)壽命，結(jié)果表明兩模型適合預(yù)測(cè)渦輪盤(pán)疲勞

4、壽命，但都存在預(yù)測(cè)偏差。
　　（2）構(gòu)建的理論框架，適合量化認(rèn)知不確定性和隨機(jī)不確定性，并使用概率密度函數(shù)描述壽命預(yù)測(cè)不確定性。
　　依據(jù)認(rèn)知不確定性和隨機(jī)不確定性的特點(diǎn)及不同的不確定性來(lái)源歸納出的測(cè)量誤差、預(yù)測(cè)誤差、模型不確定性、參數(shù)不確定性這四類(lèi)不確定性。使用GH4133實(shí)驗(yàn)數(shù)據(jù)，通過(guò)歷史經(jīng)驗(yàn)和基于 Bayes推理的模型更新策略分別量化這些不確定性。在此基礎(chǔ)上，使用BF判斷數(shù)據(jù)與模型的吻合程度，進(jìn)而采用BMA（Bayes

5、ian Model Averaging）或UF（Uncertainty Factors）表示出壽命概率密度函數(shù)，結(jié)合蒙特卡洛仿真算法描述多種不確定性傳遞引起的壽命預(yù)測(cè)不確定性。
　?。?）對(duì)普通RJMCMC（(Reversible Jump Markov Chain Monte Carlo)）算法提出了改進(jìn)算法，DRAM-RJMCMC仿真算法，并應(yīng)用于渦輪盤(pán)的概率壽命預(yù)測(cè)。
　　普通的 RJMCMC算法不僅收斂速度慢，而且候