[发明专利]一种曲轴加速疲劳试验方法

说明书

本发明公开了一种曲轴加速疲劳试验方法，包括如下步骤：步骤一、建立曲轴固有频率与循环次数的经验模型，所述经验模型为双指数模型：步骤二、对建立的经验模型进行简化，建立预测曲轴剩余疲劳寿命的卡尔曼滤波系统观测模型；步骤三、通过UKF系统观测模型预测曲轴的剩余疲劳寿命。本发明采用改进以后的卡尔曼滤波剩余寿命预测方法，可以应用于曲轴加速疲劳方法，而且所用实验数据少，预测结果与实际结果接近，只需做前一部分的实验就能对实际结果进行预测，在降低实验成本的同时也能减少实验时间，具有良好的经济实用性。

技术领域

本发明涉及曲轴试验技术领域，具体是一种曲轴加速疲劳试验方法。

背景技术

曲轴是发动机结构中关键的零部件之一，其几何参数直接关系到整个发动机的总体尺寸，同时也直接关系到其使用寿命和可靠性。如果曲轴损坏，将对发动机其它部件造成很大的影响和损伤。在发动机的正常运转过程中，由于受汽轮和汽缸的长时间的反复交替负载，使其产生疲劳、磨损现象，从而使其工作失效。如果曲轴出现了严重的损坏，很可能会造成发动机损坏，甚至造成严重的交通事故，因此，对曲轴的剩余使用寿命进行评估成为了一个重要的课题。曲轴的疲劳可靠度是目前发动机追求的重要性能指标，因此，在实际生产和使用中，疲劳对曲轴剩余寿命的影响举足轻重。

曲轴的弯曲疲劳测试有多种方法，根据振动原理设计的谐振装置在实际测试中得到了广泛的应用，这种测试方法可以在一定的荷载水平下对曲轴加载弯曲载荷，但是它的缺点，是测试费用高，测试周期长。因此，在进行曲轴疲劳测试时，如何能够加速这一试验过程，实现对其剩余寿命的预测，并据此来确定其疲劳极限载荷，这对提升曲轴的工作性能有着重要的意义。实际工程中，谐振式曲轴弯疲劳测试装置的试验步骤包括：标定、加载、分析，其中加载过程耗时长也成本高，本发明的加速疲劳试验方法主要从这一步骤入手。在实际工程中，一般采用粒子滤波、卡尔曼滤波、线性最小均方误差计、回声状态网络、自适应神经-模糊推理等方法来预测剩余寿命，这些方法各有利弊和适用范围。其中，卡尔曼滤波(Kalman Filter,KF)算法的优点是计算时仅需上一时刻的测量值信息，易于实时地进行迭代运算，而且KF是线性高斯系统的最佳滤波方法。

无迹卡尔曼滤波(Unscented Kalman Filter，UKF)是通过无迹变换(UnscentedTransform，UT)来处理均值和协方差的非线性传递问题。无迹变换的主要思想是“近似概率分布比近似非线性函数容易”，UT变化计算均值和协方差，通过含有均值和协方差确定的点集(sigma points)来近似概率分布，通过选择合适的权值估计均值和协方差，UKF具有更高的估计精度，满足了具有各种复杂要求的非线性滤波和控制方面的应用需求。UT变换基本原理如下：假设一个非线性系统y＝f(x),其中x为n维状态向量，且其平均值为方差为Px,则可以经过UT变换构造2n+1个Sigma点Xi,同时构造Xi相应的权值Wi，进而得到y的统计特性。

肖祥(西南石油大学)在2016年发表的《CNG发动机含裂纹曲轴的剩余寿命及裂纹故障检测研究》一文中，对曲轴的疲劳裂纹扩展曲线进行研究，研究表明曲轴裂纹扩展速率分为A、B、C三个阶段，A区为裂纹的初始稳定扩展区，B区为稳定裂纹扩展区，C区为快速裂纹扩展区，分别对应低、中、高速率三个区域。

发明内容

发明目的：本发明提供一种曲轴加速疲劳试验方法，本发明根据已知的曲轴固有频率实验数据，运用卡尔曼滤波算法建立相应寿命预测模型，对曲轴剩余寿命进行预测并分析预测结果的准确性，接着针对卡尔曼滤波算法在预测时误差较大这一问题，对数据的样本空间进行改进。

技术方案：一种曲轴加速疲劳试验方法，包括如下步骤：

步骤一、建立曲轴固有频率与循环次数的经验模型，所述经验模型为双指数模型：

y＝a exp(bx)+c exp(dx)

其中，y表示曲轴固有频率，x表示循环次数，a、b、c、d为未知数；