公开(公告)号：CN118228411A

公开(公告)日：2024-06-21

申请号：CN202410358754.8

申请日：2024-03-27

Applicant: 复旦大学

Inventor： 费成巍 ,  温炯然 ,  郑柏阳

IPC: G06F30/17 ,  G06F30/23 ,  G06F30/27 ,  G06F111/06 ,  G06F111/08 ,  G06F119/02 ,  G06F119/14

Abstract: 本发明公开一种航空复杂装配表面缺陷容限可靠度确定方法、设备及产品，涉及航空复杂装配技术领域。所述方法包括：根据预设应力阈值将目标航空复杂装配表面应力分布云图进行分区得到安全区和危险区；根据仿真样本集对疲劳寿命代理模型进行训练；根据各点的各不确定性能参数的概率分布模型得到各点对应的第二输入参数组合；将各点对应的第二输入参数组合输入训练好的疲劳寿命代理模型得到各点的预测疲劳寿命；根据各点的预测疲劳寿命、设计寿命、各点的联合概率密度和各点的蒙特卡洛抽样概率密度得到安全区和危险区的缺陷容限可靠度。本发明可分区确定航空复杂装配表面缺陷容限的可靠度。

公开(公告)号：CN115526113A

公开(公告)日：2022-12-27

申请号：CN202211283229.1

申请日：2022-10-20

Applicant: 复旦大学

Inventor： 费成巍 ,  韩耀加 ,  李晨 ,  李桓 ,  温炯然

IPC: G06F30/27 ,  G06F30/17 ,  G06F30/23 ,  G06F30/28 ,  G06N3/04 ,  G06N3/08 ,  G06F111/04 ,  G06F111/10 ,  G06F113/08 ,  G06F119/08 ,  G06F119/14 ,  G06F119/02

Abstract: 本发明公开一种涡轮叶盘低周疲劳寿命预测方法及系统，涉及航空航天发动机技术领域，包括：获取涡轮叶盘有限元模型和待测涡轮叶盘的计算点；对计算点对应的物理数据进行抽样，以得到输入样本集；根据输入样本集和涡轮叶盘有限元模型确定训练集；根据训练集训练CNN‑DNN模型，以得到最优的CNN‑DNN模型；CNN‑DNN模型包括依次连接的输入层、第一卷积层、第二卷积层、池化层、扁平层、第一密集连接层、第二密集连接层和输出层；根据最优的CNN‑DNN模型，通过抽样确定多组涡轮叶盘疲劳寿命数据组，进而计算所述待测涡轮叶盘的可靠度，确定低周疲劳寿命。更高效、更准确地实现对于涡轮叶盘低周疲劳寿命的预测。