基于代理模型的双幅涡轮盘疲劳蠕变寿命可靠性优化方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113626942A(43)申请公布日2021.11.09(21)申请号202110621020.0(22)申请日2021.06.03(71)申请人西北工业大学地址710072陕西省西安市碑林区友谊西路127号(72)发明人蒋霞吕震宙王璐周易成(74)专利代理机构北京律智知识产权代理有限公司11438代理人阚梓瑄(51)Int.Cl.G06F30/17(2020.01)G06F30/23(2020.01)G06F111/04(2020.01)G06F119/02(2020.01)G06F119/04(2020.01)权利要求书3页说明书17页附图4页(54)发明名称基于代理模型的双幅涡轮盘疲劳蠕变寿命可靠性优化方法(57)摘要本公开提供了一种基于代理模型的双幅涡轮盘疲劳蠕变寿命可靠性优化方法，该优化方法包括：建立双幅板涡轮盘的几何仿真模型；确定随机变量和双幅板涡轮盘的疲劳蠕变寿命之间的关系；建立双幅板涡轮盘的疲劳蠕变寿命可靠性优化设计模型；在扩展空间中采用自适应克里金近似模型构造可靠性约束和目标函数收敛的克里金近似代理模型；在给定的设计参数和可靠度指标下，确定逆设计点，在逆设计点处进行局部抽样，对收敛的可靠性约束和目标函数的克里金近似代理模型进行更新；基于获得的约束函数和目标函数的克里金近似代理模型和逆设计点，利用序列优化与可靠性评估法将可靠性优化问题转换为确定性优化问题求优化解；判断优化解若收敛，则输出优化结果。CN113626942ACN113626942A权利要求书1/3页1.一种基于代理模型的双幅涡轮盘疲劳蠕变寿命可靠性优化方法，其特征在于，包括：建立双幅板涡轮盘的几何仿真模型；根据有限元方法对所述几何仿真模型进行分析，确定影响双幅板涡轮盘的疲劳蠕变寿命的随机变量，以及随机变量和双幅板涡轮盘的疲劳蠕变寿命之间的关系；根据确定的随机变量与双幅板涡轮盘的疲劳蠕变寿命之间的关系，以疲劳蠕变寿命的均值最大为设计目标、疲劳蠕变寿命可靠性为约束建立双幅板涡轮盘的疲劳蠕变寿命可靠性优化设计模型；在扩展空间中采用自适应克里金近似模型构造可靠性约束和目标函数收敛的克里金近似代理模型；在给定的设计参数和可靠度指标下，确定逆设计点，在所述逆设计点处进行局部抽样，采用自适应学习函数识别目标模式，对收敛的所述可靠性约束进行更新，采用基于变异系数的学习函数对目标函数的克里金近似代理模型进行更新；基于获得的约束函数和目标函数的克里金近似代理模型和逆设计点，利用序列优化与可靠性评估法将可靠性优化问题转换为确定性优化问题求解，获取优化解；判断优化解是否收敛，若收敛，则输出优化结果。2.根据权利要求1所述的优化方法，其特征在于，所述优化方法还包括：若优化解不收敛，则以当前的优化解作为下一迭代中的设计参数的初始值。3.根据权利要求1所述的可靠性优化方法，其特征在于，在扩展空间中采用自适应克里金近似模型构造可靠性约束和目标函数收敛的克里金近似代理模型，包括：扩展的可靠性空间中采用拉丁超立方抽样获得输入变量的样本池；从样本池中选取部分初始的训练样本点，根据真实的可靠性约束函数的输入‑输出信息，选取克里金近似代理模型的基函数和协相关函数；采用多模式学习函数对克里金近似代理模型进行自适应并更新直至所有的可靠性约束函数的克里金近似代理模型均收敛；根据约束函数和目标函数的关系，同时可以获得当前目标函数的初始的克里金近似代理模型；采用基于变异系数的学习函数对目标函数的克里金近似代理模型进行自适应更新直至目标函数的克里金近似代理模型收敛。4.根据权利要求3所述的可靠性优化方法，其特征在于，克里金近似代理模型为：TT其中，f(x)＝[f1(x),...,fp(x)]表示为基函数，β＝{β1,...,βp}为相应的回归系数，Z(x)表示为零均值的高斯过程。5.根据权利要求3所述的可靠性优化方法，其特征在于，采用自适应学习函数识别重要失效模式，包括：确定在当前逆设计点处的局部抽样的样本池中样本点处的学习函数U(x)：2CN113626942A权利要求书2/3页其中，和分别表示第j个可靠性约束函数在随机输入参数实现值x的预测均值和标准差；即w为由失效模式的编号组成的集合；识别第IM个可靠性约束函数对应的失效模式为重要失效模式,失效模式指标IM的具体表达式为：6.根据权利要求3所述的可靠性优化方法，其特征在于，采用基于变异系数的学习函数更新目标函数，包括：确定在当前逆设计点处的局部抽样的样本池中样本点处的学习函数Cov(x)：其中，Nfj表示第j个模式的寿命值；和分别表示寿命函数Nfj的克里金近似代理模型在随机输入参数实现值x的预测均值和标准差；若则该目标函数的代理模型是收敛的，否则选择新的样本点更新当前