1.一种涡轮叶片概率损伤容限分析方法,包括如下步骤:第一步:涡轮叶片的三维裂纹扩展随机建模,本申请 采用基于线弹性断裂力学的Paris公式来预测疲劳裂纹扩展寿命:式中,a代表裂纹尺寸,N代表加载次数,C和m是只与材料有关的参数,ΔK代表一个循环中的应力强度因子幅值,对于I型断裂,ΔK=KI;对于复合型断裂,ΔKeff表示有效应力强度因子,可基于能量释放率或其他准则求解,当Kmax小于断裂韧性KIC,ΔK大于裂纹扩展门槛值ΔKth时,对式(1)积分可得裂纹扩展寿命:式中,a0代表初始裂纹尺寸,af代表最终裂纹尺寸,af可由断裂韧性KIC和施加的载荷p进行计算,建立涡轮叶片的裂纹扩展寿命随机模型,若考虑a0、af、KIC和p为随机变量,则裂纹扩展寿命式(2)可重新表示为写成:N=N(X) (3)
式中X表示一个包含M个随机变量的向量,此时,裂纹扩展寿命将是关于随机向量X的随机函数;
第二步:间接求解策略,先对N(X)进行对数化,并将对数化后的裂纹扩展寿命作为一个中间量,然后,通过求解中间量的概率分布间接推导得到N(X)的概率分布,对数化后的裂纹扩展寿命可表达如下:
N′(X)=logN(X) (4)根据概率理论,N(X)的CDF可由下式求解:式中F(n)表示N(X)的累计分布函数,fN(n)表示N(X)的概率密度函数,联合式(4)与式(5)可得:
式中fN′(n′)表示N′(X)的PDF,针对上式进行微分可得到N(X)的PDF:将式(7)代入式(5)有:
最后,N(X)的PDF与CDF都可由N′(X)推导出来;
第三步:随机变量转换,裂纹扩展常数C和m之间通常存在相关性关系,而裂纹扩展常数与载荷之间又相互独立,针对这种既存在相关变量,又存在独立变量的情形,首先利用Nataf变换将随机变量转化为具有相关性的标准正态变量:[Y;ρ′]=Nataf[X;ρ] (9)式中Nataf[·]表示Nataf变化,ρ和ρ′分别表示X和Y的相关系数矩阵,将式(9)代入式(4)中,N′(X)可由下式表示:‑1
N′(X)=N′(Nataf (Y)) (10)‑1
式中Nataf [·]为Nataf[·]的逆函数,通过下式求解ρ′的特征值:[A,D]=eig(ρ′) (11)T
式中eig(·)表示矩阵的特征值分解,A和D分别表示特征值与特征向量矩阵,且A A=I,I表示单位矩阵,然后基于正交变化,相关的标准正态变量Y可转换成独立的标准正态变量Y′:
T ‑1
因为A=A ,将式(12)代入式(10)中,N′(X)可重新表示为:通过上述转换,非正态的相关变量被转换成独立的标准正态变量,为了方便后续的矩分析,确保任何连续性分布都可由高斯埃尔米特积分求解,独立标准正态分布N(0,1)进一步被转换成服从N(0,1/2)的正态分布:式中ΦY(·)表示Y的CDF, 表示U的累计分布函数的反函数,将式(14)代入式(13)中有:
式中ΦU(·)表示U的CDF, 表示Y的累计分布函数的反函数,此时,N′(X)可表示为服从N(0,1/2)的标准正态变量;
第四步:降维矩分析,N′(X)的l阶原点矩可表示为:‑1 l
式中fX(X)表示X的PDF;E表示期望算子,假设Z(U)=[N′(T (U))] ,式中基于此,N′(X)的l阶原点矩可表示为:式中fU(U)表示U的联合概率密度函数,式(17)为一多维积分问题,将裂纹扩展寿命多维积分转换为低维积分,根据二维降维积分方法,Z(U)可表示为:式中k1,k2=1,2,...,M且k1<k2, 是取决于第k1和k2个随机变量 和 的随机响应,Z(0,...,0,uk,0,...,0)是取决于第k个随机变量Uk的随机响应,Uk的PDF为 进而式(18)可由下式求解:采用高斯艾尔米特求积公式,一维积分可由下式求解:式中wq和hq分别表示积分权值和积分点,r表示高斯积分点数,将式(15)代入式(21)有:类似的式(20)可由下式求解:式中r1与r2分别表示 与 方向的高斯积分点个数,wp和wq分别表示积分权值,hp和hq分别表示相应的积分点,将式(22)和式(23)代入式(18)中可求得N′(X)的各阶原点矩,进而可由下式求得N′(X)的各阶中心距κl,l=1,2,3,4:第五步:疲劳扩展寿命分布预测,基于矩分析结果,N′(X)的PDF与CDF可进一步由MEP求解,N′(X)首先被转换成标准正态变量:β=(N′(X)‑μN′(X))/σN′(X) (25)式中μN′(X)与σN′(X)分别表示N′(X)的均值和标准差,根据MEP,β的PDF应该满足下式:式中mβi(i=0,1,...,4)表示β的原点矩,可由其相应的中心距κi,i=1,2,...,4求解;
式中未知系数ai,i=0,1,...,4可由式(23)求解,进而,N′(X)的PDF可由下式求解:
将上式代入式(7)中,可求解N(X)的PDF:进而将上式代入式(8)可求得N(X)的CDF:由此即可求解N(X)的PDF和CDF。