摘要
本研究针对航空发动机叶盘结构在多种工况和失效模式下的可靠性评估问题,提出了基于级联集成学习方法的多层级可靠性评估框架。该方法通过将级联同步建模策略融入集成学习模型,有效解决了多层级失效相关性导致的低评估精度问题。通过对某型航空发动机涡轮叶盘结构进行多工况多模式可靠性评估的实例验证,证明了所提方法的高效性和高精度。研究成果对复杂多层级系统可靠性评估和设计优化具有重要应用价值。
正文
航空发动机叶盘结构系统,在起飞、爬升、巡航等多个工况水平下常表现出变形、应力、应变、疲劳等多种失效模式,其综合可靠性由多个运行工况和多种失效模式共同决定。针对多层级(即运行工况、失效模式)失效相关性引发的低评估精度问题,本研究将级联同步建模策略融入集成学习模型,提出了多层级可靠性评估的级联集成学习方法,通过对各层级子系统的级联式分解和扩展式建模,实现了多层复合函数逼近和涡轮叶盘可靠性评估,从数学基础和工程应用两个层面验证了所提方法,为复杂多层级系统可靠性评估开辟了切实有效的途径。 多级可靠性分析框架
(1)该工作针对多层级子系统之间的级联相关性和多物理响应之间的耦合性,将级联同步建模策略融入集成学习模型,提出了级联集成学习模型(Cascade ensemble learning, CEL)。利用协同抽样技术对各WNN-Ada(Wavelet Neural Network-AdaBoost)集成学习模型进行抽样,实现多层级系统的级联式分解和扩展式建模,其建模思想如图1所示。该工作从数学基础层面验证了所提方法的有效性和计算优势。
![](https://public.fangzhenxiu.com/fixComment/commentContent/imgs/1715101444768_w4vqe6.jpg?imageView2/0)
(2)该工作以某型航空发动机涡轮叶盘结构多工况多模式可靠性评估为例,从工程应用层面对级联集成学习模型和多层级可靠性评估方法加以验证。针对多种工况水平(如90%、95%和100%的载荷水平)和多种失效模式(如最大变形失效、最大应力失效和最大应变失效)的涡轮叶盘结构,利用级联集成学习模型建立各工况各模式、各工况多模式和多工况多模式的代理模型,对其进行大批量的协同抽样,实现了航空发动机涡轮叶盘多层级一体化可靠性评估。 ![](https://public.fangzhenxiu.com/fixComment/commentContent/imgs/1715101447586_f04k1n.jpg?imageView2/0)
![](https://public.fangzhenxiu.com/fixComment/commentContent/imgs/1715101453704_uj6q0n.jpg?imageView2/0)
图4三个运行水平下的响应分布云图
本文主要结论及展望如下:
(1)将级联同步建模策略融入集成学习模型,提出了一种用于航空发动机结构多层级可靠性评估的级联集成学习(CEL)方法,为复杂多层级系统的精准化可靠性评估提供了启发式的分析思路。 (2)从数学基础层面对级联集成学习模型进行了验证,基于多层复合函数逼近的算例,实现了所构建的模型在每个子函数级别的预测结果都位于95%的置信区间内。(3)从工程应用层面对级联集成学习模型进行了验证,通过涡轮叶盘多工况多模式可靠性评估,得出了多工况多模式下的可靠度,量化出了各工况、各模式之间的层级关联性,证明了所提方法具备高精度且高效率的计算性能。本文所提级联集成学习方法能够有效地将复杂的多层级可靠性评估问题分解为若干个简单层级的子问题,为实现复杂运行工况和多种失效模式下多层级可靠性的评估开辟了新途径。鉴于多运行工况、多失效模式、多组成构件、多薄弱部位等多层级失效问题是航空、航天、核电、机械等领域中很多工程系统所面临的普遍问题,因此研究成果对各领域开展多层级可靠性评估和设计优化具有广阔的应用前景。