[发明专利]一种可靠性优化设计的模糊智能分解协调极值响应面法

权利要求书

1.一种可靠性优化设计的模糊智能分解协调极值响应面法，其特征在于，包括以下步骤：

a. 通过热-结构耦合确定性分析获得叶片-轮盘各自对应失效模式下的输出响应;

b. 构建模糊分解协调极值响应面函数（FIDCERSF）;

c. 运用MCM进行动态可靠性灵敏度分析;

d. 建立模糊分解协调可靠性优化设计模型（FDCRBDO）。

2.根据权利要求1所述的可靠性优化设计的模糊智能分解协调极值响应面法，其特征在于，步骤a中，以叶片-轮盘的密度、温度、气动压力、弹性模量、热膨胀系数作为输入随机变量，通过确定性分析找到叶片的最大应力点、最大蠕变应变点、最低寿命点、最大裂纹J积分点以及轮盘的最大应力点、最大蠕变应变点、最低寿命点，并结合航空发动机GH4133B合金疲劳-蠕变损伤关系式、蠕变持久热强参数综合方程，Miner线性累计损伤法则求出叶片-轮盘的蠕变损伤、疲劳损伤、蠕变持久寿命。

3.根据权利要求1所述的可靠性优化设计的模糊智能分解协调极值响应面法，其特征在于，步骤b中,考虑数据的模糊性与随机性，将上述输入变量作为输入随机变量，运用拉丁超立方抽样技术（LHS）抽取输入随机变量样本，对每个样本求解有限元基本方程，得到对应的应力、蠕变应变、低周疲劳寿命、裂纹J积分、蠕变损伤、疲劳损伤、蠕变持久寿命在分析时域内的输出响应，将动态输出响应在分析时域内的全部最大值及其对应的输入随机变量作为样本点，采用可能性模糊C-均值聚类算法（Possibilistic fuzzy c-means clustering,PFCM）计算样本的隶属度，将数据归一化处理作为FV-SVR模型的训练样本，运用人工鱼群算法（AFSA）对FV-SVR模型进行参数寻优，构造模糊智能分解协调极值响应面函数（FIDCERSF），并确定FIDCERSF系数。

4.根据权利要求1所述的可靠性优化设计的模糊智能分解协调极值响应面法，其特征在于，步骤c中,用FIDCERSF模型代替叶片-轮盘结构的极限状态方程，运用蒙特卡罗法（MCM）对FIDCERSF模型进行大批量联动抽样，得到叶片-轮盘结构的可靠性及灵敏度指标，同时计算各输入随机变量的灵敏度指标。

5.根据权利要求1所述的可靠性优化设计的模糊智能分解协调极值响应面法，其特征在于，步骤d中,以叶片-轮盘的转速、温度、密度为设计变量，以应力、蠕变应变、疲劳损伤、蠕变损伤为目标函数，以可靠度及其他约束条件作为约束函数，建立FDCRBDO模型，进行解耦协调迭代求解，完成叶片-轮盘的可靠性优化设计。