论文部分内容阅读
涡轮叶盘作为航空发动机的核心部件,在实际工况中存在着高、低循环疲劳、蠕变变形等多种失效模式及其耦合作用,为了提高涡轮叶盘的多失效模式可靠性分析的计算精度和效率,将极值响应面法、分布协同响应面法、广义回归神经网络和多种群遗传算法相结合,提出了相应的智能分布协同响应面法对叶盘进行可靠性分析及优化设计。(1)基于广义回归极值响应面法叶盘低循环疲劳寿命可靠性分析。为了探究热-结构耦合对涡轮叶盘的低循环疲劳寿命可靠性的影响,将广义回归型神经网络法(GRNN)与极值响应面法(ERSM)相结合,提出了广义回归极值响应面法(Generalized Regression Extreme Response Surface Method,GRERSM)。以叶盘材料参数和工作参数作为输入随机变量,通过热-固耦合以最小疲劳寿命点的寿命值作为分析目标,利用拉丁超立方抽样法技术(LHS)对输入随机变量抽取小批量样本值,建立GRERSM数学模型,利用蒙特卡洛法(MCM)对输入随机变量抽取大批量样本,将样本点代入GRERSM模型并分析,得到了热-结构耦合状态下叶盘低循环疲劳寿命可靠度及灵敏度。分析结果表明:当低循环疲劳寿命许用值y~*=6000 cycles时,叶盘最小疲劳寿命的可靠度为P_r=0.99848。(2)基于分布协同广义回归响应面法轮盘-叶片的疲劳-蠕变耦合损伤可靠性分析。为了研究多目标耦合失效模式可靠性分析,将广义回归神经网络(GRNN)与分布协同响应面法(DCRSM)相结合,提出了分布协同广义回归响应面法(Distributed Collaborative Generalized Regression Response Surface Method,DCGRRSM)。以叶片-轮盘的最大应力点、最大应变点和最小疲劳寿命点为研究对象,通过MATLAB求解叶片-轮盘的疲劳-蠕变耦合损伤,使用LHS获得小批量样本,建立DCGRRSM数学模型,利用MCM对DCGRRSM进行大批量抽样分析,得到高压涡轮叶片-轮盘的疲劳-蠕变耦合可靠度。分析结果表明:当轮盘-叶片的疲劳-蠕变耦合损伤许用值分别取0.2272和0.2476时,疲劳-蠕变耦合损伤的可靠度为0.9956。(3)基于分布协同广义回归极值响应面法叶尖径向运行间隙可靠性分析。为了研究高温蠕变对高压涡轮叶尖径向运行间隙的影响,将广义回归极值响应面法(GRERSM)与分布协同响应面法相(DCRSM)结合,提出了分布协同广义回归极值响应面法(Distributed Collaborative Generalized Regression Extreme Response Surface Method,DCGRERSM)。考虑温度、转速、材料参数和对流换热系数的随机性,以轮盘、叶片和机匣的最大径向蠕变变形点为研究对象,建立DCGRERSM数学模型,利用MCM对DCGRERSM模型进行大批量抽样对叶尖径向运行间隙进行可靠性分析。分析结果表明:稳态叶尖间隙设定为δ=2.2mm时,高压涡轮叶尖径向运行间隙可靠度为0.9909。(4)基于多种群遗传算法叶尖径向运行间隙可靠性优化设计。针对多目标协同可靠性优化设计问题,将多种群遗传算法(MPGA)与分布协同广义回归极值响应面法(DCGRERSM)相结合,提出了多种群遗传算法-分布协同广义回归极值响应面法(Multiple population genetic algorithm-Distributed Collaborative Generalized Regression Extreme Response Surface Method,MPGA-DCGRERSM),首先用建立DCGRERSM数学模型,使用MCM对DCGRERSM进行动态可靠性和灵敏度分析,得到各输入随机变量对叶尖径向运行间隙可靠性的影响程度,然后建立多目标协同可靠性优化设计(MOSRBDO)模型,最后使用MPGA对MOSRBDO模型进行寻优迭代,得到优化目标的最优解。优化设计结果表明:优化后轮盘、叶片和机匣的蠕变变形分别降低了0.1258,0.0536,0.0710,叶尖径向运行间隙变形量降低了0.1084,可靠度提升了0.77%。