[发明专利]基于粒子群优化算法的飞机机电系统密封结构长寿命设计方法

说明书

本发明涉及一种基于粒子群优化算法的飞机机电系统密封结构长寿命设计方法，采用RBF神经网络代理模型，将O型密封圈有限元模型中的建模参数和易失效点应力作为样本输入RBF神经网络进行训练，采用交叉验证的方法使预测误差降低到10％以下。然后采用疲劳寿命经验公式计算密封圈寿命。以O型密封圈的寿命为目标函数，预压缩量为待优化参数，密封圈不发生泄露为约束条件，采用自适应粒子群(APSO)算法，对O型密封圈的预压缩量进行优化。相对于传统的优化算法，本发明对复杂结构的参数优化具有很好的全局搜索能力和较快的收敛速度。

技术领域

本发明属于结构优化设计领域，涉及一种复杂结构长寿命设计方法，具体为基于粒子群优化算法的飞机机电系统密封结构长寿命设计方法。

背景技术

密封结构在现代工业领域应用十分广泛。因密封结构失效造成的安全事故和经济损失不容忽视。在航空航天领域，飞行器密封结构失效会导致严重后果，造成了很大损失，轻则影响飞行寿命，重则机毁人亡。

在密封结构的各种失效模式中，疲劳失效是结构最主要的失效原因。针对复杂情况下的密封机构疲劳失效问题，研究人员做了许多相关研究，以期延长密封结构的使用寿命。

O型密封圈是使用最为普遍的密封结构。橡胶材料因为本身具有大的回弹性和吸收能量的特征而成为O型密封圈的主要材料。作为一种区别于金属的超弹性材料，目前对橡胶疲劳寿命预测分析主要有两个方面角度研究：一是在断裂力学为基础的角度，具体包括裂纹萌生阶段和裂纹扩展阶段；二是以疲劳寿命曲线为基础，采用多项式回归法计算疲劳寿命，或者基于该疲劳寿命曲线机理，运用有限元软件进行仿真模拟得出橡胶疲劳寿命。本发明主要采取疲劳寿命曲线的方式来计算密封圈的疲劳寿命。

自适应权值粒子群算法(APSO)是粒子群算法的改进算法，也是启发式算法搜索算法的一种，自适应权值粒子群算法能够自适应的更新权值，并且保证粒子具有良好的全局搜索能力和较快的收敛速度，能较好地实现非线性和多维度复杂的工况优化分析。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种基于粒子群优化算法的飞机机电系统密封结构长寿命设计方法。

技术方案

一种基于粒子群优化算法的飞机机电系统密封结构长寿命设计方法，其特征在于步骤如下：

步骤1：建立O型密封圈有限元模型，确定待优化参量为预压缩量F及其优化范围，选取密封圈上两个最大应力点A、B，易发生泄露的边界接触上的两个点C、D；

步骤2：针对需要优化的预压缩量F，采用正态抽样的方法，在优化区间内选取若干组预压缩量作为输入数据，代入到O型密封圈有限元模型，记录最大应力点的应力和边界接触点的应力作为输出数据；

步骤3：在若干组输入数据中随机选取80％作为训练数据，另外20％作为测试数据，将训练数据平均划分为多组，采用交叉验证的方法选出若干组最优输入训练集和最佳训练速度，对RBF神经网络分别进行训练，直至预测误差满足要求，得到A,B,C,D四个点的RBF神经网络：A_net；B_net；C_net和D_net；将O型密封圈的预压缩量F输入RBF神经网络模型，得到O型密封圈四个点的应力σ_A＝A_net(F)；σ_B＝B_net(F)；σ_C＝C_net(F)；σ_D＝D_net(F)；密封圈的最大应力σ_max＝max{σ_A，σ_B}；密封圈不发生泄露的条件为min(σ_C,σ_D)≥P_oil，其中，P_oil为机电系统油压；