基于多源异构信息的航空发动机转子参数校准与可靠性分析

doi:10.7527/S1000-6893.2023.28575

固体力学与飞行器总体设计

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

基于多源异构信息的航空发动机转子参数校准与可靠性分析

杨乐昌¹^,²(), 汪晨星¹

^1.北京科技大学机械工程学院，北京 100083
^2.香港城市大学系统工程系，香港 999077

收稿日期:2023-02-17 修回日期:2023-03-20 接受日期:2023-05-04 出版日期:2023-12-15 发布日期:2023-05-06
通讯作者: 杨乐昌 E-mail:yanglechang@ustb.edu.cn
基金资助:
国家自然科学基金(72271025);广东省基础与应用基础研究基金(2023A1515011532);航空科学基金(2018ZC74001)

Parameter calibration and reliability analysis of an aero-engine rotor based on multi-source heterogeneous information

Lechang YANG¹^,²(), Chenxing WANG¹

^1.School of Mechanical Engineering，University of Science and Technology Beijing，Beijing 100083，China
^2.Department of Systems Engineering，City University of Hong Kong，Hong Kong 999077，China

Received:2023-02-17 Revised:2023-03-20 Accepted:2023-05-04 Online:2023-12-15 Published:2023-05-06
Contact: Lechang YANG E-mail:yanglechang@ustb.edu.cn
Supported by:
National Natural Science Foundation of China(72271025);Guangdong Basic and Applied Basic Research Foundation(2023A1515011532);Aeronautical Science Foundation of China(2018ZC74001)

摘要/Abstract

摘要：

复杂系统可靠性分析结果的准确性与输入参数精度密切相关。针对包含多源不确定信息的可靠性分析问题，提出了基于贝叶斯最大熵的随机模型修正与参数校准方法。该方法将类型统计信息（例如矩信息、可靠度）转换为约束条件，进而利用不确定性优化求解传统参数估计问题。考虑混合不确定性，引入Wasserstein距离构建似然函数，并利用近似算法提高计算效率。该方法通过增加“熵项”的方式拓展了经典贝叶斯推理的适用范围，可处理多源异构数据与混合不确定性问题。针对多部件航空发动机转子系统，建立了基于survival signature的多态系统可靠性模型，并应用上述方法开展可靠性分析，结果显示本方法较传统方法具有更高精度与更强的稳健性。

关键词: 可靠性分析, 多源异构信息, 混合不确定性, 多状态系统, 生存特征

Abstract:

The accuracy of reliability analysis results of complex systems is closely related to the accuracy of input parameters. A stochastic model correction and parameter calibration method based on Bayesian maximum entropy is proposed to solve the reliability analysis problem containing multi-source uncertain information. By converting multi-source statistical information （such as moment information and reliability） into constraint conditions， this method transforms parameter estimation into uncertainty optimization problem. Further considering the mixed uncertainty， Wasserstein distance is introduced to construct the likelihood function， and the approximation algorithm is used to improve the computational efficiency. This method extends the application scope of classical Bayesian inference by adding "entropy term" and can deal with multi-source heterogeneous data and mixed uncertainty problems. A multi-state system reliability model based on survival signature was established for a multi-component aero-engine rotor system， and the reliability analysis was carried out by using the above method. Through comparative analysis， it was verified that the proposed method has higher accuracy and stronger robustness than the traditional method.

Key words: reliability analysis, multi-source heterogeneous information, mixed uncertainty, multistate system, survival signature

中图分类号:

V215.7

杨乐昌, 汪晨星. 基于多源异构信息的航空发动机转子参数校准与可靠性分析[J]. 航空学报, 2023, 44(23): 228575-228575.

Lechang YANG, Chenxing WANG. Parameter calibration and reliability analysis of an aero-engine rotor based on multi-source heterogeneous information[J]. Acta Aeronautica et Astronautica Sinica, 2023, 44(23): 228575-228575.

图/表 11

图 1

图 2

图 3

图 4

表1

参数设置

组件名	参数	含义	值
涡轮盘（C₁₁、C₁₂、C₁₃）	p	经验系数	1.45×10¹²
	$σ m a x$ /MPa	最大应力	874
	n	经验系数	0.08
	K	经验系数	1 419
	q	经验系数	q ~ Gaussian （μ_q， σ_q ） $μ q ∈ [- 0.4, - 0.2], σ q ∈ [0,0.1]$
轴承（C₂₁、C₂₂、C₂₃）	k	经验系数	k ~ Gaussian （μ_k， σ_k ） $μ k ∈ [0.2,2], σ k ∈ [0,0.1]$
	F	载荷	20N
	v	滑移速度	v ~ Gaussian （μ_v， σ_v ） μ_v = 0.1， σ_v = 0.02
涡轮叶片（C₃₁、C₃₂、C₃₃）	λ₂₁	状态转移速率	3×10^-5
涡轮叶片（C₃₁、C₃₂、C₃₃）	λ₁₀	状态转移速率	5×10^-5
涡轮轴（C₄）	α	尺度参数	6×10⁵
涡轮轴（C₄）	β	形状参数	4.0

表1

图 5

图 6

图 7

图 8

图 9

表A1

系统survival signature

l₁		l₂		l₃			l₄		$Φ H = h (l 1,0, …, l 4,2)$
l₁₀	l₁₂	l₂₀	l₂₂	l₃₀	l₃₁	l₃₂	l₄₀	l₄₂	h=0	h=1	h=2
［0，1，2，3］	［0，1，2，3］	［0，1，2，3］	［0，1，2，3］	［0，1，2，3］	［0，1，2，3］	［0，1，2，3］	1	0	1	0	0
3	0	［0，1，2，3］	［0，1，2，3］	［0，1，2，3］	［0，1，2，3］	［0，1，2，3］	0	1	1	0	0
［0，1，2，3］	［0，1，2，3］	3	0	［0，1，2，3］	［0，1，2，3］	［0，1，2，3］	0	1	1	0	0
［0，1，2，3］	［0，1，2，3］	［0，1，2，3］	［0，1，2，3］	3	0	0	0	1	1	0	0
［1，2］	［1，2］	［1，2］	［1，2］	2	1	0	0	1	8/9	1/9	0
［1，2］	［1，2］	［1，2］	［1，2］	2	0	1	0	1	8/9	0	1/9
［1，2］	［1，2］	［1，2］	［1，2］	1	2	0	0	1	8/9	1/9	0
［1，2］	［1，2］	［1，2］	［1，2］	1	1	1	0	1	8/9	1/18	1/18
［1，2］	［1，2］	［1，2］	［1，2］	1	0	2	0	1	8/9	0	1/9
［1，2］	［1，2］	［1，2］	［1，2］	0	3	0	0	1	2/3	1/3	0
［1，2］	［1，2］	［1，2］	［1，2］	0	2	1	0	1	7/9	1/9	1/9
［1，2］	［1，2］	［1，2］	［1，2］	0	1	2	0	1	7/9	1/9	1/9
［1，2］	［1，2］	［1，2］	［1，2］	0	0	3	0	1	2/3	0	1/3
［1，2］	［1，2］	0	3	2	1	0	0	1	2/3	1/3	0
［1，2］	［1，2］	0	3	2	0	1	0	1	2/3	0	1/3
［1，2］	［1，2］	0	3	1	2	0	0	1	2/3	1/3	0
［1，2］	［1，2］	0	3	1	1	1	0	1	2/3	1/6	1/6
［1，2］	［1，2］	0	3	1	0	2	0	1	2/3	0	1/3
［1，2］	［1，2］	0	3	0	3	0	0	1	0	1	0

表A1

参考文献 26

1	游令非，张建国，周霜，等. 航空发动机限寿件疲劳可靠度计算新方法［J］. 航空学报， 2019， 40（12）： 223228.
	YOU L F， ZHANG J G， ZHOU S， et al. A new method for fatigue reliability calculation of aero-engine limited life parts［J］. Acta Aeronautica et Astronautica Sinica， 2019， 40（12）： 223228 （in Chinese）.
2	陶春虎. 航空发动机转动部件的失效与预防［M］. 北京：国防工业出版社， 2000.
	TAO C H. Failure analysis and prevention for rotor in aero-engine［M］. Beijing： National Defense Industry Press， 2000 （in Chinese）.
3	GUO J， LI Z J， LI M Y. A review on prognostics methods for engineering systems［J］. IEEE Transactions on Reliability， 2020， 69（3）： 1110-1129.
4	BI S F， BROGGI M， BEER M. The role of the Bhattacharyya distance in stochastic model updating［J］. Mechanical Systems and Signal Processing， 2019， 117： 437-452.
5	CHING J， BECK J L， PORTER K A. Bayesian state and parameter estimation of uncertain dynamical systems［J］. Probabilistic Engineering Mechanics， 2006， 21（1）： 81-96.
6	JAYNES E T. Information theory and statistical mechanics［J］. Physical Review， 1957， 106（4）： 620-630.
7	JAYNES E T. Prior probabilities［J］. IEEE Transactions on Systems Science and Cybernetics， 1968， 4（3）： 227-241.
8	GIFFIN A， CATICHA A， KNUTH K H， et al. Updating probabilities with data and moments［C］∥AIP Conference Proceedings. Saratoga Springs ：AIP， 2007：74-84.
9	GIFFIN A. Maximum entropy： the universal method for inference［EB/OL］. arXiv Preprint：arXiv：，2009.
10	GIFFIN A. From physics to economics： an econometric example using maximum relative entropy［J］. Physica A： Statistical Mechanics and Its Applications， 2009， 388（8）： 1610-1620.
11	WANG Y H， LIU Y M. Bayesian entropy network for fusion of different types of information［J］. Reliability Engineering & System Safety， 2020， 195： 106747.
12	ZHOU D Q， HE J J， DU Y M， et al. Probabilistic information fusion with point， moment and interval data in reliability assessment［J］. Reliability Engineering & System Safety， 2021， 213： 107790.
13	PRITCHARD J K， SEIELSTAD M T， PEREZ-LEZAUN A， et al. Population growth of human Y chromosomes： a study of Y chromosome microsatellites［J］. Molecular Biology and Evolution， 1999， 16（12）： 1791-1798.
14	ERYILMAZ S， TUNCEL A. Generalizing the survival signature to unrepairable homogeneous multi-state systems［J］. Naval Research Logistics （NRL）， 2016， 63（8）： 593-599.
15	COOLEN F P， COOLEN-MATURI T， AL-NEFAIEE A H. Nonparametric predictive inference for system reliability using the survival signature［J］. Proceedings of the Institution of Mechanical Engineers， Part O： Journal of Risk and Reliability， 2014， 228（5）： 437-448.
16	COOLEN F P A， COOLEN-MATURI T. The structure function for system reliability as predictive （imprecise） probability［J］. Reliability Engineering & System Safety， 2016， 154： 180-187.
17	COOLEN-MATURI T， COOLEN F P A， BALAKRISHNAN N. The joint survival signature of coherent systems with shared components［J］. Reliability Engineering & System Safety， 2021， 207： 107350.
18	BEHRENSDORF J， REGENHARDT T E， BROGGI M， et al. Numerically efficient computation of the survival signature for the reliability analysis of large networks［J］. Reliability Engineering & System Safety， 2021， 216： 107935.
19	PATELLI E， FENG G， COOLEN F P A， et al. Simulation methods for system reliability using the survival signature［J］. Reliability Engineering & System Safety， 2017， 167： 327-337.
20	崔利杰，陈浩然，任博，等. 混合不确定条件下航空不安全事件量化分析方法［J］. 国防科技大学学报， 2020， 42（2）： 92-97.
	CUI L J， CHEN H R， REN B， et al. Quantitative analysis method of aviation unsafe events under mixed uncertain conditions［J］. Journal of National University of Defense Technology， 2020， 42（2）： 92-97 （in Chinese）.
21	李泽贤，马梦颖，武健辉，等. 考虑随机和认知混合不确定性的CFD模型修正方法［J/OL］. 北京航空航天大学学报. （2022-10-09）［2023-02-13］..
	LI Z X， MA M Y， WU J H， et al. CFD model modification method considering stochastic and cognitive mixed uncertainties ［J/OL］. Journal of Beijing University of Aeronautics and Astronsutics，（2022-10-09）［2023-02-13］. （in Chinese）.
22	YANG L C， BI S F， FAES M G R， et al. Bayesian inversion for imprecise probabilistic models using a novel entropy-based uncertainty quantification metric［J］. Mechanical Systems and Signal Processing， 2022， 162： 107954.
23	CHING J， CHEN Y C. Transitional Markov chain Monte Carlo method for Bayesian model updating， model class selection， and model averaging［J］. Journal of Engineering Mechanics， 2007， 133（7）： 816-832.
24	CZAPLA D， HORBACZ K， WOJEWÓDKA-ŚCIĄŻKO H. Exponential ergodicity in the bounded-Lipschitz distance for some piecewise-deterministic Markov processes with random switching between flows［J］. Nonlinear Analysis， 2022， 215： 112678.
25	ZHU S P， HUANG H Z， HE L P， et al. A generalized energy-based fatigue-creep damage parameter for life prediction of turbine disk alloys［J］. Engineering Fracture Mechanics， 2012， 90： 89-100.
26	ARCHARD J F. Contact and rubbing of flat surfaces［J］. Journal of Applied Physics， 1953， 24（8）： 981-988.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

[1]	龚煜廉, 张建国, 吴志刚, 褚光远, 范晓铎, 黄赢. 主动学习基自适应PC⁃Kriging模型的复合材料结构可靠度算法[J]. 航空学报, 2024, 45(8): 228982-228982.
[2]	张帆, 程伯晗, 王鹏, 董磊. 二元共载系统退化相关的两阶段退化模型及可靠性分析[J]. 航空学报, 2024, 45(7): 229046-229046.
[3]	张帆, 孙紫荆, 肖国松, 刘嘉琛, 王鹏. 基于直觉模糊贝叶斯网络的HUD系统多阶段任务可靠性分析[J]. 航空学报, 2023, 44(4): 226853-226853.
[4]	姜峰, 李华聪, 符江锋, 洪林雄. 基于RBF和主动学习的非概率可靠度求解方法[J]. 航空学报, 2023, 44(2): 226667-226667.
[5]	冯蕴雯, 林心怡, 薛小锋, 杨祥, 刘佳奇. 高可靠单向爆破的民机防爆结构设计[J]. 航空学报, 2023, 44(18): 228297-228297.
[6]	何勇, 王红, 李晶, 齐彦昆. 基于振动监测的部件状态维修与备件订购联合决策[J]. 航空学报, 2022, 43(5): 225304-225304.
[7]	贾贝熙, 吕震宙, 雷婧宇. 涡轮冷却叶片寿命可靠性分析参数化仿真平台[J]. 航空学报, 2021, 42(12): 224747-224747.
[8]	胡晓义, 王如平, 王鑫, 付永涛. 基于模型的复杂系统安全性和可靠性分析技术发展综述[J]. 航空学报, 2020, 41(6): 523436-523436.
[9]	黎放, 何有宸, 狄鹏, 陈童, 尹东亮. 考虑维修力量影响及载荷动态分配的k/n系统模糊可靠性分析[J]. 航空学报, 2018, 39(4): 221718-221718.
[10]	曹文斌, 贾希胜, 胡起伟. 共因失效条件下多状态系统选择性维修优化[J]. 航空学报, 2018, 39(2): 221556-221556.
[11]	刘付超, 魏鹏飞, 周长聪, 张政, 岳珠峰. 含旋转铰间隙平面运动机构可靠性灵敏度分析[J]. 航空学报, 2018, 39(11): 422133-422141.
[12]	张砦, 王友仁. 应用设计过程的胚胎硬件细胞单元粒度优化方法[J]. 航空学报, 2016, 37(11): 3502-3511.
[13]	刘成武, 靳晓雄, 刘云平, 刘继红. 集成BLISCO和iPMA的多学科可靠性设计优化[J]. 航空学报, 2014, 35(11): 3054-3063.
[14]	任博, 吕震宙, 李贵杰, 唐樟春. 基于通用生成函数的系统寿命可靠性分析[J]. 航空学报, 2013, 34(11): 2550-2556.
[15]	于明, 刘永寿, 李磊, 李元生, 岳珠峰. 基于双循环的离心叶轮多学科可靠性优化设计[J]. 航空学报, 2012, (4): 650-657.

基于多源异构信息的航空发动机转子参数校准与可靠性分析

Parameter calibration and reliability analysis of an aero-engine rotor based on multi-source heterogeneous information

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 26

相关文章 15

编辑推荐

Metrics

本文评价