[发明专利]疲劳裂纹增长预测

说明书

提供了用于预测疲劳裂纹增长的系统和方法。在一个示例实施例中，一种方法可以包括获得与一个或多个机器的一个或多个可旋转结构相关联的历史操作数据，获得指示一个或多个可旋转结构的疲劳裂纹尺寸的数据，以及使用机器学习技术构建将疲劳裂纹增长与操作数据相关联的机器学习模型。

优先权要求

本申请要求以下优先权的权益：2017年10月24日提交的题为“疲劳裂纹增长预测”的美国临时专利申请No.62/576,234；2017年3月13日提交的题为“疲劳裂纹增长预测”的美国临时专利申请No.62/470,539，两者均通过引用并入本文用于所有目的。

技术领域

本主题大体涉及用于预测机械中的疲劳裂纹增长的数字系统，该机械包括可旋转结构，例如用于燃气涡轮发动机的转子。

背景技术

材料疲劳是结构在经受循环载荷时失效的常见现象。如果载荷超过某个阈值，则在应力集中的点处开始形成微观裂纹。最终，裂纹将传播到临界尺寸，结构将破裂。因此，准确跟踪裂纹增长对于确保包括航空在内的各种工业领域的可用性，可靠性和操作安全性非常重要。

疲劳裂纹增长可受多种因素的影响，例如温度，载荷，表面状况，尺寸，冶金微观结构(metallurgicalmicrostructure)，氧化或惰性化学品的存在，残余应力，腐蚀，微动等。此外，裂纹增长可以是具有不同进展阶段的高度非线性过程。鉴于这些挑战，大多数确定疲劳裂纹增长的现有方法采用基于物理的方法，例如线性弹性断裂力学(LEFM)，其是计算密集型的，并且可能不是近实时或实时应用的理想选择。

发明内容

本公开的实施例的方面和优点将部分地在以下描述中阐述，或者可以从描述中学习，或者可以通过实施例的实践来学习。

本公开的一个示例方面涉及一种计算系统，包括一个或多个处理器，以及一个或多个存储器设备。一个或多个存储器设备存储计算机可读指令，计算机可读指令在由一个或多个处理器执行时使一个或多个处理器执行用于构建将疲劳裂纹增长与操作数据相关联的机器学习模型的操作。操作包括获得与一个或多个机器的一个或多个可旋转结构相关联的历史操作数据，获得指示一个或多个可旋转结构的疲劳裂纹尺寸的数据，以及使用机器学习技术构建将疲劳裂纹增长与操作数据相关联的机器学习模型。

本公开的另一示例方面涉及一种用于预测疲劳裂纹增长的计算机实现的方法。该方法包括由一个或多个处理器获得与机器的一个或多个可旋转部件相关联的操作数据。该方法包括由一个或多个处理器访问将操作数据与疲劳裂纹增长相关联的基于非物理的模型。基于历史操作数据，使用机器学习技术构建基于非物理的模型。该方法包括至少部分地基于模型和操作数据，通过一个或多个处理器确定与一个或多个可旋转部件相关联的疲劳裂纹增长。

本公开的另一示例方面涉及存储计算机可读指令的有形非暂时性计算机可读介质，计算机可读指令在由一个或多个处理器执行时使得一个或多个处理器执行操作。操作包括获得与多个机器中的每个机器的一个或多个可旋转结构相关联的历史操作数据，获得指示多个机器中的每个机器的一个或多个可旋转结构的疲劳裂纹尺寸的数据，以及使用机器学习技术构建将疲劳裂纹增长与操作数据相关联的机器学习模型。

可以对本公开的这些示例实施例进行变化和修改。参考以下描述和所附权利要求，将更好地理解各种实施例的这些和其他特征，方面和优点。包含在本说明书中并构成其一部分的附图示出了本公开的实施例，并且与说明书一起用于解释相关原理。

附图说明

在说明书中阐述了针对本领域普通技术人员的实施例的详细讨论，该说明书参考了附图，其中：

图1描绘了根据本公开的示例实施例的示例方法的流程图；

图2描绘了根据本公开的示例实施例的示例方法的流程图；