力学季刊

作者：闫文慧, 高海峰

关键词：涡轮盘；低循环疲劳；MEA-BP；神经网络；概率评估

作为航空发动机的关键部件，涡轮盘在高温、高转速的严酷条件下工作．低循环疲劳作为涡轮盘的主要失效模式，对其失效寿命和可靠性有重要影响．涡轮盘的结构复杂性，使得基于仿真数据的疲劳寿命预测和概率评估的难度显著增加，直接使用蒙特·卡罗方法(Monte Carlo Method, MCM)的计算量非常大，而传统响应面法(Response Surface Method, RSM)精度达不到计算要求．鉴于思维进化算法(Mind Evolutionary Algorithm, MEA)优化反向传播(Back Propagation, BP)神经网络的方法具有很强的非线性逼近能力，本文探索MEA-BP神经网络和MCM抽样相结合的方法，开展涡轮盘的低循环疲劳寿命预测与概率评估．与MCM、RSM、BP神经网络法进行对比，验证MEA-BP神经网络的优越性．结果表明，MEA-BP神经网络不但可以满足精度要求，而且可以显著提高计算效率．通过灵敏度分析，得出了影响寿命的主要因素，为涡轮盘可靠性设计提供有效依据．

来源：2023年第3期

《力学季刊》期刊编辑部

查看力学季刊杂志2023年第3期