基于Fourier正交基神经网络的涡轮盘低循环疲劳可靠性分析

涡轮盘作为航空发动机的关键部件,在高温、高转速的严酷条件下工作,低循环疲劳成为涡轮盘的主要失效模式。而且涡轮盘的结构复杂性,在进行疲劳可靠性分析时,直接使用Monte-Carlo法的计算量非常大,而传统的响应面法精度达不到计算要求。Fourier正交基神经网络具有很强的非线性逼近能力,在对涡轮盘进行疲劳寿命分析时,采用Fourier正交基神经网络和Monte-Carlo法相结合的方法,并与传统响应面法和Monte-Carlo法进行对比。结果表明,前者不但可以满足精度要求,而且效率高,在涡轮盘等复杂结构可靠性分析中具有很好的工程应用前景。     

涡轮盘低循环疲劳两种可靠性分析方法的对比

使用基于应力和基于应变的疲劳可靠性分析方法,对比分析了涡轮盘低循环疲劳寿命及可靠性。P-S-N曲线由三参数函数式来描述,并由异方差回归拟合,涡轮盘危险点的应力应变可由有限元分析和响应面法得到,对比了应力寿命、应力强度、应变寿命和应变强度四种疲劳可靠性模型的寿命及可靠度,结果表明基于应力的分析方法,也可用于涡轮盘低循环疲劳可靠性分析。     

非对称循环疲劳寿命研究及涡轮盘概率寿命分析

提出基于试棒非对称循环疲劳实验数据的发动机轮盘低周疲劳寿命可靠性分析方法.通过250℃恒温两种不同应变比下GH4133材料疲劳实验,得到应变疲劳寿命曲线.通过有限元数值模拟标准试棒寿命,说明用非对称循环应变寿命曲线估算结构寿命比对称循环应变寿命曲线估算更准确.最后采用所提方法计算分析某涡轮盘销钉孔边低周疲劳概率寿命,寿命数值计算结果与试验结果吻合良好.     

基于模糊理论与层次贝叶斯方法的涡轮盘疲劳可靠性分析

航空发动机涡轮盘的可靠性数据来源通常是多源的,并且各数据信息来源的可信性也不同,给涡轮盘可靠性分析带来严峻挑战.为了解决这一问题,本文首先采用层次贝叶斯方法对涡轮盘的观测数据和其他多源先验信息进行融合;其次对不同来源的涡轮盘可靠性数据进行贝叶斯推理,获得各自的后验分布;最后利用模糊理论对多源信息的后验分布展开分析,形成...     

基于贝叶斯评估的航空发动机涡轮盘疲劳寿命可靠性研究

为了在数据缺乏的状况下研究航空发动机GH4133涡轮盘材料失效问题,利用贝叶斯先验分布融合涡轮盘材料的疲劳失效信息,求得后验分布,绘制该涡轮盘的低周疲劳寿命失效曲线、疲劳寿命可靠度曲线,计算该涡轮盘的平均寿命以及可靠度P=99.87%下的可靠寿命。结果表明,针对涡轮盘小子样的问题,采用贝叶斯先验分布将涡轮盘材料的疲劳寿命信息融入到涡轮盘小子样可靠性分析中,可以扩展分析数据的信息,提高分析的准确度。     

某型航空发动机涡轮盘低循环疲劳寿命分析

确定发动机零部件的最大应力应变循环是进行零部件寿命研究的重要内容之一.弹塑性有限元分析常用于计算最大应力应变循环,但是由于各种载荷、约束等条件考虑不全面,得到的应力应变循环往往偏大.同时,某些零部件的瞬态温度场是决定其疲劳强度和使用寿命的重要因素,而获得准确的瞬态温度场是非常困难的.文中对某型发动机的高压涡轮盘进行疲劳试验条件下弹塑性有限元分析,对一台涡轮盘的残余应力进行测试,利用稳态温度场计算涡轮盘危险点最大应力应变循环,并根据弹塑性有限元分析和通过残余应力测试得到的最大应力应变循环进行低循环疲劳寿命预测.研究结果表明,弹塑性有限元分析法预测的寿命偏低,由残余应力可以较准确地确定最大应力应变循环.     

涡轮盘疲劳裂纹故障分析

火箭发动机涡轮盘工作在高温、高转速及恶劣的振动环境中，并承受着较大气动力作用，是发动机的关键组合件，涡轮盘的失效破坏将严重影响发动机的正常工作，甚至带来灾难性的后果。针对某火箭发动机涡轮盘在热试车中出现的裂纹故障，进行全面的分析，准确定位故障类型，以试验和计算分析给出合理的故障原因，重点是在疲劳分析方面所做的工作，包括振动模拟试验、疲劳强度计算，并根据疲劳强度分析结果提出改进方案。结果表明原结构圆角处应力集中明显，静态应力值水平高，在发生耦合振动后，涡轮盘出现疲劳裂纹，最终发生低周大应力破坏。试验和计算表明，采用改进方案可有效降低尺圆角处的应力集中，明显提高疲劳强度。对采用改进方案后的涡轮盘发动机进行了多次热试车，证实改进后的结构未发生耦合振动，未发现疲劳裂纹，改进方案是可行的。     

某型发动机涡轮盘温度及应力计算分析

低循环疲劳是导致航空发动机涡轮盘失效的主要因素之一。以某型发动机的涡轮盘为研究对象,建立该涡轮盘的有限元模型并对其在最大工作状态下的温度和应力进行了分析计算,确定了涡轮盘热弹性应力和径向应力最大的1/4辐板处为低循环疲劳试验的考核部位,其工作温度为试验温度,为后续的低循环疲劳试验奠定了基础。     

轮盘低循环疲劳寿命可靠性分析方法

疲劳寿命呈现异方差特性,其标准差随弹性应变幅和塑性应变幅的减小而增大,因此在Manson-Coffin公式中引入标准正态变量斗和线性标准差σe、σp,将ε-N曲线参数表示为随机变量μ的函数,建立了低循环疲劳寿命的概率模型。在低循环疲劳试验数据的基础上应用异方差回归分析方法获得了该模型的参数,通过蒙特卡洛模拟验证了模型的精度。应用该模型进行等厚空心轮盘的低循环疲劳寿命可靠性分析,得到了轮盘中心孔危险点的疲劳寿命分布。由于没有事先假设疲劳性能参数的分布特性,参数均由试验数据分析得到,并且采用异方差回归分析能够充分利用数据信息,在提高分析精度的同时能够节约疲劳试件,因此该分析方法具有较好的工程应用前景。     

低周疲劳失效的涡轮盘可靠性灵敏度设计

将有限元方法、低周疲劳模型、径向基函数神经网络技术与可靠性理论相结合,给出了涡轮盘低周疲劳可靠性灵敏度设计方法。应用径向基函数神经网络拟合得到随机设计变量与失效寿命之间的函数关系式,根据随机摄动法与可靠性灵敏度技术进行灵敏度设计。径向基函数神经网络技术的引入克服了工程实际无法给出极限状态函数显式的问题,而灵敏度技术使各变量对可靠度的影响得以定量表达,具有很好的指导意义。     

基于径向基函数神经网络的超分辨率图像重建

为了突破成像极限,经济可行地获取高质量的卫星图像,提出了一种基于径向基神经网络的超分辨率图像重建算法。以径向基神经网络为基础,依据卫星图像退化模型获取网络训练所需的学习样本图像,采用向量映射的方式加速网络收敛。其中,径向基函数的中心、宽度及网络的隐含层数、连接权值是决定径向基神经网络的关键参数,直接关系到网络的重建性能。采用最近邻聚类算法,动态地建立起基函数的中心及宽度,自适应地确定网络的隐含层数及连接权值。建立起的径向基函数神经网络显著地提高了图像重建性能和网络收敛速度(221s即可收敛)。仿真实验和泛化实验表明,训练好的径向基神经网络可以有效地进行卫星图像的超分辨率重建,效率高,误差小。     

基于RBF神经网络的非线性主元分析方法

本文在分析非线性主成分曲线性质基础上,提出了基于聚类、线性主成分分析、神经网络技术的非线性主成分分析方法.该方法与以往方法比较,在概念上具有和线性主成分分析相同的解释,并且给出了非线性主成分得分和负载的计算方法;在结构上较为简单,采用的神经网络结构为3层,训练容易.网络训练的数据样本采用聚类和线性主成分分析方法获得,解决了以往方法缺乏训练数据的问题.数字仿真和三水箱实验验证了提出方法的有效性.     

基于RBF神经网络的温度场重建算法研究

在声学法锅炉炉膛温度场测量中，重建算法是实现炉膛温度场重建的关键。本文提出一种基于径向基函数神经网络的复杂温度场重建算法。该算法首先对被测温度场用离散余弦变换，建立离散余弦变换低阶次项DCT系数向量与声波路径平均温度向量的映射关系，然后利用RBF神经网络良好的函数逼近能力实现该映射关系，并通过正交最小二乘法进行学习和训练，实现被测温度场的重建。本文对3种原型温度场进行了重建，并在40dB、30dB和20dB等3种不同噪声水平下进行了重建实验。仿真及初步实验结果表明，该算法具有温度场重建精度高、速度快、抗干扰能力强的特点。     

基于RBF神经网络的设备分类器设计

介绍了在Matlab7．0的神经网络工具箱中,开发基于RBF网络的设备状态分类器的方法和要点。给出了仿真结果,并以实例验证了该分类器在设备故障诊断中的有效性。     

基于RBF神经网络的语音信号的噪声消除

针对语音识别中背景噪声的消除问题,提出采用RBF神经网络实现的自适应消噪系统.本文设计的RBF神经网络噪声抵消系统不需要关于输入语音信号和背景噪声的先验知识,非线性映射能力强.采用自适应噪声抵消基本原理,构造RBF神经网络自适应滤波器,然后针对该系统,进行仿真.仿真结果表明该方法对采集的语音信号的背景噪声有良好的抑制能力.     

基于径向基函数神经网络的铣刀磨损监控技术的研究

提出一种基于径向基函数神经网络的铣刀磨损监控方法,径向基函数神经网络的输出是刀具磨损的具体值,这样有利于对刀具磨损进行各种实时补偿。实验表明,利用径向基函数神经网络进行状态识别可对小型立铣刀的磨损进行监控,能够取得良好的效果,同时证明RBF网络的训练速度优于BP网络。     

Ship spare parts demand forecast based on RBF neural network

Due to the fact that in ship maintena n ce process,the method of determining the number of spare parts is not scientific and the actual operation is complicated,this paper analyzes four major facto rs affecting the number of ship spare parts,including number of main planned op eration s,total times of disassembling in maintenance,accumulated working time and mea n t ime between failures.It also establishes a spare parts demand forecast model b ased on the affecting factors and radial-basis function(RBF) neural network.F inally,the paper provide s forecast examples and makes a comparison between the examples and back propaga tion(BP) neura l network forecast result.The comparison results s how that the forecast based on RBF neural network is simple and the forecast res ult fits the actual situa tion and fitting effect is better than that based on BP.     

基于RBF神经网络的单交叉口自学习控制系统

单交叉路口自学习信号控制器主要是通过径向基函数(RBF)神经网络建立了交叉口模型,模拟交通警察指挥交通的思维过程.该控制器能够根据交叉口各相位车辆的排队长度,对各个相位的绿信比和总的信号周期进行实时分配,并且根据交通状况的变化,可以对信号配时效果进行评价,对信号作出调整,具有学习功能.仿真结果表明,该系统能够很好地适应实际的交通状况,可以提高道路交叉口的车辆通行能力.     

基于RBF神经网络的门式起重机故障诊断系统的研究

门式起重机是港口码头、铁路集散中心常见的大型吊装设备,为了避免其发生故障影响工程作业的效率和进度,有必要对门机进行实时监控并对其发生的故障进行诊断和预测.探讨了基于径向基函数（RBF）神经网络的门机故障诊断系统,针对门机的几种常见故障进行诊断,结果表明该方法切实可行.     

基于RBF神经网络的底盘测功机控制算法

介绍了底盘测功机的类型并对电涡流测功机工作原理进行了说明,介绍了RBF(Radial Basis Function),神经网络的算法并分析了其控制系统模型,利用其在线整定PID(Proportion Integration Differentiation)控制技术对系统控制器进行设计,并通过MATLAB仿真给出了系统控制模式的控制效果.经试验验证,控制算法控制效果良好,完全满足底盘测功机对控制品质的要求.