[发明专利]一种基于修正系数的透平阻尼叶片响应求解方法及系统

权利要求书

1.一种基于修正系数的透平阻尼叶片响应求解方法，其特征在于，包括以下步骤：

获取待响应求解的透平阻尼叶片的有限元分析模型，基于所述有限元分析模型获取总体刚度矩阵、总体质量矩阵和总体阻尼矩阵；

基于所述总体刚度矩阵、总体质量矩阵和总体阻尼矩阵，构建获得所述有限元分析模型的频域动力学方程；

基于位移谐波系数向量与干摩擦力谐波系数向量求解所述频域动力学方程，完成透平阻尼叶片响应求解；其中，求解所述频域动力学方程时，位移谐波系数向量与干摩擦力谐波系数向量之间的映射关系基于预训练好的全连接人工神经网络获得。

2.根据权利要求1所述的一种基于修正系数的透平阻尼叶片响应求解方法，其特征在于，所述基于所述总体刚度矩阵、总体质量矩阵和总体阻尼矩阵，构建获得所述有限元分析模型的频域动力学方程中，

获得的频域动力学方程的表达式为，

SX-F_e-F_n＝0；

式中，S表示动态刚度矩阵，F_e表示激振力谐波系数向量；F_n表示干摩擦力谐波系数向量，X为位移谐波系数向量；

式中，Λ_i表示第i阶谐波所对应的谐波系数矩阵；

式中，ω_e表示激振力频率，M表示平阻尼叶片的总体质量矩阵，K表示阻尼叶片的总体刚度矩阵，C表示阻尼叶片的总体阻尼矩阵。

3.根据权利要求2所述的一种基于修正系数的透平阻尼叶片响应求解方法，其特征在于，所述全连接人工神经网络的结构包括输入层、隐藏层1、隐藏层2和输出层；所述隐藏层1的激活函数为ReLU，所述隐藏层2的激活函数为Sigmoid；

所述预训练好的全连接人工神经网络的获取步骤包括：获取神经网络的训练集样本集合，其中的每个训练样本均包括样本位移谐波系数向量与样本干摩擦力谐波系数向量；基于所述训练集样本集合更新所述全连接人工神经网络的参数至预设收敛条件，获得所述预训练好的全连接人工神经网络；

其中，获取神经网络的训练集样本集合的步骤具体包括：

对求解方程进行处理，包括：基于透平阻尼叶片，定义方程模型中幅值修正系数和相位修正系数；其中，式中，x_c,j表示第j个接触单元处的时域相对位移，A_c,j表示第j个接触单元处的时域幅值，i表示虚数单位，ω表示叶片振动角频率，σ_j表示第j个接触单元的相对位移相对于激振力的相位滞后；f_c,j表示第j个接触单元处的干摩擦力，表示第j个接触单元处的幅值修正系数，表示第j个接触单元处的相位修正系数；

将方程模型中非线性项无量纲化，并通过频域法表示；其中，采用接触单元处的切向刚度k_x、摩擦系数μ以及法向压力N₀来将摩擦力无量纲化，表达式为，式中，表示无量纲干摩擦力，表示无量纲幅值修正系数，表示无量纲位移，表示关于1rad无量纲化后的相位修正系数；

通过构建得到的透平阻尼叶片有限元模型的频域动力学方程和时频交互算法，获取多个频率激振力下的干摩擦力谐波系数向量F_n与位移谐波系数向量X作为训练样本集合。

4.根据权利要求3所述的一种基于修正系数的透平阻尼叶片响应求解方法，其特征在于，所述通过构建得到的透平阻尼叶片有限元模型的频域动力学方程和时频交互算法，获取多个频率激振力下的干摩擦力谐波系数向量F_n与位移谐波系数向量X作为训练样本集合的步骤包括：

(1)获取激振力频率、幅值以及透平阻尼叶片接触面间相对位移；

(2)通过透平阻尼叶片接触面间相对位移，通过摩擦模型计算得到非线性摩擦力的时域解；通过傅里叶变换，得到非线性摩擦力的频域解；求解获得的透平阻尼叶片有限元模型的频域动力学方程，并对计算得到的阻尼叶片整体位移场进行逆傅里叶变换，更新透平阻尼叶片接触面间相对位移；

(3)重复步骤(2)进行更新，直至接触面间相对位移迭代值前后两次误差满足预设需求，获得该激振频率下干摩擦力谐波系数向量Fn与位移谐波系数向量X；

(4)改变激振力频率和幅值大小，重复步骤(1)至步骤(3)获取多组干摩擦力谐波系数向量Fn与位移谐波系数向量X作为训练样本集合。