[发明专利]叶片振动疲劳概率寿命预测方法

权利要求书

1.叶片振动疲劳概率寿命预测方法，其特征在于，包括如下步骤：

步骤1：进行高低周疲劳试验，获得模拟叶片材料各应力级下的疲劳寿命数据；

步骤2：根据疲劳寿命数据建立叶片材料C-P-S-N疲劳曲线模型；

步骤3：测量叶片的尺寸参数、材料性能参数、外激励载荷；

步骤4：将步骤3所测数据应用均匀设计表产生N_sample个计算样本，每一组样本包含参数：长、宽、高、弹性模量、密度、疲劳性能曲线可靠度、材料阻尼、外激励载荷幅值及外激励载荷频率；

步骤5：基于有限元及等效应力法计算叶片危险点应力，得到N_sample个等效应力样本σ_eq；

步骤6：组合等效应力样本及疲劳性能曲线可靠度样本，并代入置信上限为γ的C-P-S-N疲劳曲线模型，获得N_sample个置信上限为γ的疲劳寿命样本；

步骤7：基于N_sample个置信上限为γ的疲劳寿命样本计算叶片振动疲劳概率寿命预测模型中的拉格朗日乘子，并利用叶片振动疲劳概率寿命预测模型预测模拟叶片振动疲劳概率寿命；

步骤2中，建立所述C-P-S-N疲劳曲线模型的步骤包括：

步骤2.1：创建在置信度为γ下，可靠度p对应的疲劳寿命模型；

设某一应力水平的疲劳寿命样本组X服从对数正态分布，则随机变量Y＝lg X服从正态分布N(μ_Y,σ_Y)，μ_Y表示随机变量Y的均值，σ_Y表示随机变量Y的均方差；定义F^-1(μ_Y,σ_Y,1-p)为随机变量Y可靠度为p对应的分位值，则随机变量X可靠度为p对应的疲劳寿命为

基于分散系数法，给定随机变量X的一个次序样本x₍₁₎≤x₍₂₎≤…x_(n)，在置信度为γ下，可靠度p对应的疲劳寿命为：

其中，为基于最小次序统计量分散系数法的疲劳寿命模型，为基于最大次序统计量分散系数法的疲劳寿命模型，为50％置信度的疲劳寿命模型；当γ＞0.5时，为γ置信下限疲劳寿命模型；当γ＜0.5，为(1-γ)置信上限疲劳寿命模型；

步骤2.2：由式(1)确定各应力水平可靠度为p对应的γ置信下限、50％置信度及γ置信上限疲劳寿命；

步骤2.3：建立C-P-S-N疲劳曲线模型：

其中，σ_t-c表示循环拉压应力水平，N_f为疲劳循环数，σ_t,cpsn(γ,p)、m_t,cpsn(γ,p)、c_t,cpsn(γ,p)分别表示疲劳性能参数，由各应力水平置信度为γ、可靠度为p的疲劳寿命数据经过数据拟合确定。

2.根据权利要求1所述的叶片振动疲劳概率寿命预测方法，其特征在于，步骤5中，所述等效应力法为应力场强法。

3.根据权利要求1所述的叶片振动疲劳概率寿命预测方法，其特征在于，步骤7中，所述拉格朗日乘子的计算步骤包括：

设基于N_sample个置信上限为γ的疲劳寿命样本Z的对偶型最大熵分位值函数z(u)表示为：

其中，u表示累积分布函数值，表示拉格朗日乘子，m表示拉格朗日乘子的阶数；拉格朗日乘子由优化函数Min P求出：

其中，

其中，基于N_sample个置信上限为γ的疲劳寿命样本观测系列z₁,z₂,...,z_n为递增离散系列z₁≤z₂≤…≤z_n，p_i＝P(Z≤z_i)为相应z_i的积累频率；Δp_i＝P(Z＝z_i)为相应z_i的频率；的估计公式如下：

4.根据权利要求1所述的叶片振动疲劳概率寿命预测方法，其特征在于，步骤7中，所述叶片振动疲劳概率寿命预测模型为：

其中，N_f(u,γ)表示疲劳寿命分位值，为累积分布函数值u与置信上限γ的函数，m表示拉格朗日乘子的阶数。