[发明专利]一种考虑形位公差的薄壁筒壳结构折减因子预测方法

权利要求书

1.一种考虑形位公差的薄壁筒壳结构折减因子预测方法，其特征在于，包括以下步骤：

第一步，获取筒壳结构信息，包括获取结构构型参数与结构缺陷敏感性特征信息；

第二步，基于已获得的结构缺陷敏感性特征信息，建立缺陷-膜刚度折减关系函数，完成筒壳模型局部刚度的精确折减；所述的缺陷-膜刚度折减关系函数的形式为：

其中，u为壳单元平均缺陷幅值；t为壳单元厚度；k为单元对应节点号；w_ij为节点缺陷幅值；A、B分别为独立的控制参数，分别控制筒壳结构对缺陷的敏感程度和膜刚度折减后的下限；

为了给刚度折减关系函数确定合适的控制参数A、B，采用参数优化的方法，其优化列式如下：

其中，Test_d为该结构在第一步中基于实验或数值方法获得的极限承载力结果；λ_d为使用该膜刚度折减策略计算得到的承载力结果；n为样本点的数量；优化目标为相对目标承载力结果的最大误差最小；

通过优化方法可以得到与拟分析结构匹配程度最高的膜刚度折减策略；

第三步，基于第二步建立的缺陷-膜刚度折减关系函数，建立面向非完善筒壳结构的不完全折减刚度屈曲分析系统，以实现含缺陷非完善筒壳结构的承载力快速分析计算，具体如下：

首先对拟分析结构建立完善模型，并基于此完善模型对结构进行线性屈曲分析，获得结构完善模型的线性屈曲载荷和应力矩阵K^G；在完善模型上施加几何缺陷并基于第二步确定的结构膜刚度折减策略对结构膜刚度进行折减，建立非完善模型，对非完善模型中各个折减后的单元刚度矩阵按照单元编号进行组集，得到非完善模型结构总体刚度矩阵K^F；将完善模型的应力矩阵K^G与非完善模型结构总体刚度矩阵K^F代入控制方程中有：

{K^F+λK^G}Φ＝0 (4)

其中，λ为计算得到的非完善结构线性屈曲承载力结果，为计算得到的非完善结构线性屈曲波形；对上述方程进行求解可以获得非完善结构极限承载力；

第四步，基于第三步建立的非完善筒壳结构折减刚度模型，获得不同缺陷幅值下的最不利缺陷分布与对应的折减因子；其中将几何凹陷缺陷作为缺陷基，并通过优化方法搜索缺陷基的最不利组合形式，确定最不利缺陷分布和相应的折减因子，具体：以各个凹坑缺陷在筒壳结构的分布位置作为变量，通过优化方法寻找多个凹坑缺陷的最不利位置组合和分布形式，优化列式如下：

其中，优化变量F_i为凹坑缺陷的位置坐标，包括轴向高度位置坐标与环向角度位置坐标H为筒壳结构的高度；优化目标为该缺陷作用下筒壳的折减因子KDF^r最小化，约束条件为最大缺陷幅值小于指定幅值u′_r；

基于公式(5)获得给定缺陷幅值下的以凹坑几何缺陷为基的最不利缺陷分布形式，和相应的极限承载下限值，然后除以第三步中完美筒壳结构的屈曲载荷，获得筒壳结构在给定缺陷幅值下的折减因子下限值；再从零逐步增大给定的缺陷幅值约束，通过重复第四步的最不利缺陷搜索过程，分别确定不同缺陷幅值下的折减因子下限值，得到一条筒壳结构的与形位公差相关的折减因子下限曲线，在此基础上形成航天筒壳结构的折减因子设计规范。

2.根据权利要求1所述的一种考虑形位公差的薄壁筒壳结构折减因子预测方法，其特征在于，所述的第一步中，所述的结构构型参数包括长度、半径、厚度；结构缺陷敏感性特征主要包括筒壳缺陷的幅值、分布和相应缺陷作用下的极限承载。

3.根据权利要求1所述的一种考虑形位公差的薄壁筒壳结构折减因子预测方法，其特征在于，所述的第二步中，基于第一步获得的结构缺陷敏感性特征信息，还可以通过人工智能、深度学习方法为特定的薄壁结构确定合理的膜刚度折减关系函数。

4.根据权利要求1所述的一种考虑形位公差的薄壁筒壳结构折减因子预测方法，其特征在于，所述的第四步中，用于搜索最不利缺陷分布的优化方法包括遗传算法、蚁群算法、粒子群算法、序列二次规划等优化算法。

5.根据权利要求1所述的一种考虑形位公差的薄壁筒壳结构折减因子预测方法，其特征在于，所述的第四步中，进行最不利缺陷搜索采用的缺陷基包括凹坑缺陷、模态缺陷或其他假设形式的几何缺陷基和傅里叶级数形式的实测缺陷基。