强度丨北航&电科大：航空发动机复杂多层级一体化可靠性评估

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   

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。

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：

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。