[发明专利]航天驱动组件综合应力加速寿命试验损伤累积模型的建模方法无效
申请号: | 201110378290.X | 申请日: | 2011-11-24 |
公开(公告)号: | CN102509023A | 公开(公告)日: | 2012-06-20 |
发明(设计)人: | 王少萍;张超;石健 | 申请(专利权)人: | 北京航空航天大学 |
主分类号: | G06F19/00 | 分类号: | G06F19/00;G06N3/00 |
代理公司: | 北京永创新实专利事务所 11121 | 代理人: | 周长琪 |
地址: | 100191*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明提出一种航天驱动组件综合应力加速寿命试验损伤累积模型的建模方法,属于航天驱动组件可靠性及寿命评估领域。本发明方法针对主要故障模式为疲劳的航天驱动组件,采用综合应力进行加速寿命试验,对实验数据进行分析,确定从开始时间t0到时间ti在应力下累积的失效概率,然后确定失效样本和截尾样本的综合应力加速模型,得到加速模型的极大似然函数,最后对模型中的相关参数进行估计以得到最终的加速模型,根据广义艾林模型能确定任意载荷谱下的寿命值。本发明方法适用于航天驱动组件综合多应力加速寿命试验,能够缩短试验时间,节省试验费用,能够有效地利用试验样本和已经做过常规寿命试验的截尾样本,对航天驱动组件的寿命进行比较准确的评估。 | ||
搜索关键词: | 航天 驱动 组件 综合 应力 加速 寿命 试验 损伤 累积 模型 建模 方法 | ||
【主权项】:
1.一种航天驱动组件综合应力加速寿命试验损伤累积模型的建模方法,其特征在于,首先具有下面设定条件:(1)对以疲劳为主要故障模式的航天驱动组件,产品寿命的近似概率分布函数为:F ( t ) = 1 0.18 [ a 0 + ( 0.18 - a 0 ) ( t η ) 2 3 η 0.4 ] , ( a 0 > 0,0 ≤ t ≤ η , η > 0 ) - - - ( 1 ) ]]> 其中,F(t)为失效概率,η为特征寿命,a0为待估参数,t为时间;(2)特征寿命η与应力满足广义艾林模型:η = η 0 ( V 0 V ) α ( T 0 T ) e B ( 1 T - 1 T 0 ) - - - ( 2 ) ]]> 其中,所选取的加速应力包括温度和某一种加速应力M,T表示温度应力的幅值,V表示加速应力M的幅值,α、B为待估参数,η0表示额定工况下的特征寿命,T0表示额定工况下的温度应力的幅值,V0表示额定工况下的加速应力M的幅值;(3)试样产品的剩余寿命只与当前已失效的累积百分率和当前的应力有关,而与失效百分率的累积方式无关;具体该建模方法包括如下步骤:步骤一,试样从t0=0开始施加应力试验到时间t1,然后改为在应力下试验,试验到时间t2,类似过程一直持续,从时间ti-1开始施加应力试验到时间ti,确定从时间t0到时间ti在应力下累积的失效概率Fi(t)为:F i ( t ) = 1 0.18 [ a 0 + ( 0.18 - a 0 ) ( t - t i - 1 + τ i - 1 η i ) 2 3 η i 0.4 ] , ( t i - 1 ≤ t < t i ) - - - ( 3 ) ]]> 其中,ηi表示在应力条件下的特征寿命,Vi、Ti分别表示在时间ti-1开始到时间ti所施加的加速应力M和温度的幅值,τi-1表示从时间t0到时间ti累积的失效概率折算到应力下的失效概率的折算时间;步骤二,由试验选取的样本,确定极大似然函数Lπ:Lπ = Π j = 1 n 1 f j ( Y j ) Π j = n 1 + 1 n R j ( Y j ) - - - ( 4 ) ]]> 其中,试验选取n个样本,包括n1个失效样本和n2个截尾样本,n=n1+n2,fj(Yj)表示第j个失效样本的累积损伤失效概率密度函数,Rj(Yj)表示第j个截尾样本的累积损伤可靠度函数;步骤三,对参数a0、α、B和η0估计,具体步骤为:第一步:开始遗传算法,给定群体规模POPULATION_NUM、最优个体个数VALUATION_NUM、交配概率PM、变异概率PC和进化代数上限K,初始进化代数k=0,定义空种群population和children,以Z={a0,α,B,η0}作为遗传算法中个体的基本形式;第二步:随机生成POPULATION_NUM个个体,以式(4)的极大似然函数作为遗传算法的目标函数确定每个个体的适应度f,并按适应度f从大到小的顺序插入到种群population中;第三步:依据交配概率PM从种群population中,随机选取个体采用平均和杂交方法进行交配产生子代个体,并根据式(4)的极大似然函数确定每个子代个体的适应度f,将子代个体放入种群children中;依据变异概率PC从种群population中选择个体进行变异,并根据式(4)确定每个变异个体的适应度f,将变异个体也放入种群children中;第四步:将种群children中的所有个体插入种群population中,根据适应值f从大到小的顺序对种群population中的所有个体进行排序,保留种群population中的前POPULATION_NUM个个体,将其余个体删除,清空种群children;第五步:判断种群population中第VALUATION_NUM个个体的适应度f是否跟第1个个体相同,如果是,进入第七步直线,否则继续直线第六步;第六步:更新进化代数k=k+1,判断进化代数是否等于K,如果是,进入第七步,否则跳转到第三步执行;第七步:开始模式搜索算法,取式(4)的极大似然函数的倒数作为模式搜索算法的目标函数,将种群population中前VALUATION_NUM个最优个体作为模式搜索的初始基点X0,设定初始步长pattern_search_deta,搜索精度pattern_search_e,收缩因子pattern_search_beta,加速因子pattern_search_alpha,另取与X0维数相同的零向量X和Y,令Y=X0;第八步:令X=Y,判断步长pattern_search_deta是否小于搜索精度pattern_search_e,如果是,方法运行结束,输出X作为参数估计结果;否则继续执行;第九步:从基点X按步长pattern_search_deta沿当前坐标轴进行轴向搜索,初始搜索是沿第一个坐标轴进行的,先沿该轴的正方向增加pattern_search_deta,确定目标函数值,如果函数值减小,将所得到的解作为基点Y,然后执行第十步;如果不减小,则沿该轴的负方向增加pattern_search_deta,确定目标函数值,如果函数值减小,将所得到的解作为基点Y,然后执行第十步,如果函数值不减小,直接执行第十步;第十步,判断当前坐标轴是否是最后一个坐标轴,如果是转第十一步执行,如果不是,转第九步搜索下一个坐标轴;第十一步:判断基点Y的目标函数值是否小于基点X,如果是转至第十二步进行模式搜索;否则将步长减小pattern_search_beta,然后转第八步执行;第十二步:取方向向量D=Y-X,沿方向向量D,通过加速因子pattern_search_alpha得到基点Y’=Y+D*pattern_search_alpha,判断基点Y’的目标函数值是否小于基点Y,如果是,令Y=Y’,然后转第八步执行,如果不是直接转第八步执行;步骤四,确定参数a0、α、B和η0后,根据式(2)确定任意载荷谱下的航天驱动组件的寿命。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京航空航天大学,未经北京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201110378290.X/,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算;推算;计数
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用