可靠性寿命高效分析方法及在涡轮轴中的应用

doi:10.7527/S1000-6893.2025.32111

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

可靠性寿命高效分析方法及在涡轮轴中的应用

陆艺鑫¹^,²^,³, 吕震宙¹^,²^,³(), 李恒朝¹^,²^,³

^1.西北工业大学航空学院，西安 710072
^2.清洁高效透平动力装备全国重点实验室，西安 710072
^3.飞行器基础布局全国重点实验室，西安 710072

收稿日期:2025-04-10 修回日期:2025-06-18 接受日期:2025-07-30 出版日期:2025-08-12 发布日期:2025-08-11
通讯作者: 吕震宙 E-mail:zhenzhoulu@nwpu.edu.cn
基金资助:
国家自然科学基金(12572141)

Efficient analysis method of reliability lifetime and its application in turbine shaft

Yixin LU¹^,²^,³, Zhenzhou LYU¹^,²^,³(), Hengchao LI¹^,²^,³

^1.School of Aeronautics，Northwestern Polytechnical University，Xi’an 710072，China
^2.State Key Laboratory of Clean and Efficient Turbomachinery Power Equipment，Xi’an 710072，China
^3.State Key Laboratory of Aircraft Configuration Design，Xi’an 710072，China

Received:2025-04-10 Revised:2025-06-18 Accepted:2025-07-30 Online:2025-08-12 Published:2025-08-11
Contact: Zhenzhou LYU E-mail:zhenzhoulu@nwpu.edu.cn
Supported by:
National Natural Science Foundation of China(12572141)

摘要/Abstract

摘要：

为保证航空结构的安全服役，有必要分析极小目标失效概率约束下的可靠性寿命。然而，现有分析方法的计算效率难以满足工程中高可靠性要求下寿命分析需求。为此，提出一种基于首次失效时刻的序列分层重要抽样可靠性寿命分析方法。首先，建立序列分层探索极小目标失效概率对应的稀有失效域的策略，将稀有失效域的探索问题转换为逐步探索一系列概率从大到小的失效域问题，降低获取稀有失效域信息的难度。然后，提出分层构建显式规则重要抽样密度函数的方法，降低稀有失效域内重要抽样样本获取的难度和计算量，提升可靠性寿命分析的计算效率。最后，为了减小时变功能函数的调用次数，将Kriging代理模型嵌入提出的序列分层重要抽样方法中，并设计首次失效时刻误判引导的自适应更新策略，增强序列分层重要抽样方法求解极小目标失效概率约束下的可靠性寿命的效率。结果表明：对于测试函数，所提方法与现有先进方法相比，功能函数调用次数和计算耗时分别最多减少了45.4%和99.6%；对于某型航空发动机涡轮轴结构，所提方法与现有先进方法相比，功能函数调用次数和计算耗时分别最多减少了40.2%和90.7%。

关键词: 可靠性寿命, 可靠性分析, 重要抽样, 代理模型, 涡轮轴

Abstract:

In order to ensure the safe service of aero structure， it is of great significance to evaluate the reliability lifetime under the constraint of extremely small target failure probability. However， the computational efficiency of the existing reliability lifetime analysis methods is difficult to meet the requirements of reliability lifetime analysis under high reliability requirements in engineering effectively. For this issue， a sequential stratified importance sampling method based on the first failure instant is proposed to solve reliability lifetime. Firstly， a sequential stratified exploration strategy for the rare failure domain with the extremely small target failure probability is established， which transforms the exploration problem of the rare failure domain into a gradual exploration problem of a series of failure domains with large probabilities， and it can effectively reduce the difficulty of obtaining the rare failure domain information. Secondly， the method for hierarchically constructing the explicit rule importance sampling density function is proposed to reduce the difficulty and computational complexity of obtaining the importance sample in the rare failure domain， which improves the computational efficiency for solving the reliability lifetime. Finally， in order to reduce the number of model evaluations， the Kriging surrogate model is embedded into the proposed sequential stratified importance sampling method， and an adaptive update strategy guided by misjudgment of the first failure instant is designed， which improve the efficiency of the sequential stratified importance sampling method to solve the reliability lifetime under the constraint of the extremely small target failure probability. The results show that， for the test function， the proposed method reduces the number of model evaluations and computational time by up to 45.4% and 99.6%， respectively， compared with the state-of-the-art methods. For a certain type of aero-engine turbine shaft structure， the proposed method reduces the number of model evaluations and computational time by up to 40.2% and 90.7%， respectively， compared with the state-of-the-art methods.

Key words: reliability lifetime, reliability analysis, importance sampling, surrogate model, turbine shaft

中图分类号:

V215.7

陆艺鑫, 吕震宙, 李恒朝. 可靠性寿命高效分析方法及在涡轮轴中的应用[J]. 航空学报, 2026, 47(2): 232111.

Yixin LU, Zhenzhou LYU, Hengchao LI. Efficient analysis method of reliability lifetime and its application in turbine shaft[J]. Acta Aeronautica et Astronautica Sinica, 2026, 47(2): 232111.

图/表 14

图 1

图 2

图 3

表1

测试函数计算结果

函数	方法	t_s/s	$δ R E$ /%	调用次数N_call	耗时/s
函数1	D-MCS	0.100 2		6×10¹⁰	3 356.83
	SLAS	0.100 2	0	163	81 237.16
	KFFI	0.100 2	0	158	77 896.92
	TP-SS-AK	0.103 2	2.99	107	9 381.23
	所提方法	0.098 7	1.50	89	314.73
函数2	D-MCS	0.121 2		10¹³	2.48×10⁶
	TP-SS-AK	0.125 4	3.47	1 176	14 305.33
	所提方法	0.118 8	1.98	523	973.16

表1

图 4

图 5

图 6

图 7

表2

图 8

表3

表4

涡轮轴结构可靠性寿命计算结果

目标失效概率	方法	t_s/月	N_call	耗时/天
$P f * = 7 × 10 - 3$	SLAS	4.14	453	37.47
	KFFI	4.14	430	35.55
	TP-SS-AK	4.14	295	5.93
	所提方法	4.14	271	3.48
$P f * = 2 × 10 - 6$	TP-SS-AK	1.93	367	9.43
$P f * = 2 × 10 - 6$	所提方法	1.93	308	5.74

表4

图 9

图 10

参考文献 27

[1]	郝静，卢海林，陈龙. 基于PDEM的正交异性钢桥面板焊接节点时变疲劳可靠度评估［J］. 振动与冲击， 2024， 43（18）： 87-95.
	HAO J， LU H L， CHEN L. Time-dependent fatigue reliability assessment for welded joints of orthotropic steel bridge decks based on the probability density evolution method［J］. Journal of Vibration and Shock， 2024， 43（18）： 87-95 （in Chinese）.
[2]	MEI F B， CHEN H， YANG W Y， et al. Time-dependent reliability analysis of aerospace electromagnetic relay considering hybrid uncertainties quantification of probabilistic and interval variables［J］. Chinese Journal of Aeronautics， 2024， 37（12）： 99-115.
[3]	员婉莹. 结构可靠性及全局灵敏度分析算法研究［D］. 西安：西北工业大学， 2019.
	YUN W Y. Research on structural reliability and global sensitivity analysis algorithm［D］. Xi’an： Northwestern Polytechnical University， 2019 （in Chinese）.
[4]	LU Y X， LU Z Z， FENG K X. Safety lifetime analysis using two-phase subset simulation combined with Kriging model［J］. AIAA Journal， 2023， 61（10）： 4681-4696.
[5]	RICE S O. Mathematical analysis of random noise［J］. Bell System Technical Journal， 1944， 23（3）： 282-332.
[6]	LI C Q， FIROUZI A， YANG W. Closed-form solution to first passage probability for nonstationary lognormal processes［J］. Journal of Engineering Mechanics， 2016， 142（12）： 04016103.
[7]	LI Q W， WANG C， ELLINGWOOD B R. Time-dependent reliability of aging structures in the presence of non-stationary loads and degradation［J］. Structural Safety， 2015， 52： 132-141.
[8]	YUAN X K， LIU S L， FAES M， et al. An efficient importance sampling approach for reliability analysis of time-variant structures subject to time-dependent stochastic load［J］. Mechanical Systems and Signal Proces-sing， 2021， 159： 107699.
[9]	HU Z， DU X P. A sampling approach to extreme value distribution for time-dependent reliability analysis［J］. Journal of Mechanical Design， 2013， 135（7）： 071003.
[10]	LI J， CHEN J B， FAN W L. The equivalent extreme-value event and evaluation of the structural system reliability［J］. Structural Safety， 2007， 29（2）： 112-131.
[11]	WANG Z Q， CHEN W. Confidence-based adaptive extreme response surface for time-variant reliability analysis under random excitation［J］. Structural Safety， 2017， 64： 76-86.
[12]	WANG Z Q， WANG P F. A double-loop adaptive sampling approach for sensitivity-free dynamic reliability analysis［J］. Reliability Engineering & System Safety， 2015， 142： 346-356.
[13]	JEREZ D J， JENSEN H A， BEER M. Reliability-based design optimization of structural systems under stochastic excitation： An overview［J］. Mechanical Systems and Signal Processing， 2022， 166： 108397.
[14]	BARAN I， TUTUM C C， HATTEL J H. Reliability estimation of the pultrusion process using the first-order reliability method （FORM）［J］. Applied Composite Materials， 2013， 20（4）： 639-653.
[15]	JACQUELIN E， ADHIKARI S， FRISWELL M I. A second-moment approach for direct probabilistic model updating in structural dynamics［J］. Mechanical Systems and Signal Processing， 2012， 29： 262-283.
[16]	MAHADEVAN S， DEY A. Adaptive Monte Carlo simulation for time-variant reliability analysis of brittle structures［J］. AIAA Journal， 1997， 35： 321-326.
[17]	AU S K， BECK J L. Estimation of small failure probabilities in high dimensions by subset simulation［J］. Probabilistic Engineering Mechanics， 2001， 16（4）： 263-277.
[18]	HU Z， MAHADEVAN S. A single-loop Kriging surrogate modeling for time-dependent reliability analysis［J］. Journal of Mechanical Design， 2016， 138（6）： 061406.
[19]	YUN W Y， LU Z Z， JIANG X， et al. Maximum probable life time analysis under the required time-dependent failure probability constraint and its meta-model estimation［J］. Structural and Multidisciplinary Optimization， 2017， 55（4）： 1439-1451.
[20]	HU Y S， LU Z Z， WEI N， et al. A single-loop Kriging surrogate model method by considering the first failure instant for time-dependent reliability analysis and safety lifetime analysis［J］. Mechanical Systems and Signal Processing， 2020， 145： 106963.
[21]	LI C C， DER KIUREGHIAN A. Optimal discretization of random fields［J］. Journal of Engineering Mechanics， 1993， 119（6）： 1136-1154.
[22]	史朝印，吕震宙，李璐祎，等. 基于自适应Kriging代理模型的交叉熵重要抽样法［J］. 航空学报， 2020， 41（1）： 223123.
	SHI Z Y， LYU Z Z， LI L Y， et al. Cross-entropy importance sampling method based on adaptive Kriging model［J］. Acta Aeronautica et Astronautica Sinica， 2020， 41（1）： 223123 （in Chinese）.
[23]	宋述芳，吕震宙. 基于子集模拟和重要抽样的可靠性灵敏度分析方法［J］. 力学学报， 2008， 40（5）： 654-662.
	SONG S F， LYU Z Z. Reliability sensitivity analysis based on subset simulation and importance sampling［J］. Chinese Journal of Theoretical and Applied Mechanics， 2008， 40（5）： 654-662 （in Chinese）.
[24]	ECHARD B， GAYTON N， LEMAIRE M. AK-MCS： an active learning reliability method combining Kriging and Monte Carlo simulation［J］. Structural Safety， 2011， 33（2）： 145-154.
[25]	LU Y X， LU Z Z. A novel cross-entropy-based importance sampling method for cumulative time-dependent failure probability function［J］. Reliability Engineering & System Safety， 2025， 253： 110511.
[26]	何良莉. 结构可靠性和重要性研究及其在某涡轮轴疲劳寿命可靠性设计中的应用［D］. 西安：西北工业大学， 2021.
	HE L L. Research on reliability analysis ad important measure analysis of the structures and its application in reliability-based optimization design of fatigue life of an aeroengine turbine shaft［D］. Xi’an： Northwestern Polytechnical University， 2021 （in Chinese）.
[27]	陆艺鑫，吕震宙，冯凯旋，等. 涡轮轴低周疲劳寿命可靠性分析及优化设计方法研究［J］. 推进技术， 2022， 43（2）： 14-26.
	LU Y X， LYU Z Z， FENG K X， et al. Probability analysis and reliability based design optimization methods for low cycle fatigue life of turbine shaft［J］. Journal of Propulsion Technology， 2022， 43（2）： 14-26 （in Chinese）.

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

参数	数值/型号
通气孔半径/mm	0.75
花键间距/mm	3.9
花键内径/mm	39
材料	GH4169
弹性模量/GPa	146
泊松比	0.325

输入变量	分布类型	参数1	参数2	自相关函数
d/mm	正态分布	1.50	0.015
h/mm	均匀分布	3.90	4.10
D/mm	正态分布	39	0.76
ω/（rad·s^-1）	正态分布	1 124	33.72
E/GPa	正态分布	146	4.38
ν	极值分布	0.325	0.006 5
T（t）/ （N·m）	高斯型随机过程	1 800	54	exp［-（t₁- t₂）²/20］

可靠性寿命高效分析方法及在涡轮轴中的应用

Efficient analysis method of reliability lifetime and its application in turbine shaft

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 14

参考文献 27

相关文章 15

编辑推荐

Metrics

本文评价

[1]	崔壮壮, 任斌武, 周旭, 陈喆, 赵国庆. 真实操纵下直升机降落轨迹参数沙盲抑制优化[J]. 航空学报, 2025, 46(S1): 732186-732186.
[2]	李荣祖, 刘莉, 杨盾. 基于多源域融合代理模型的氢能无人机优化设计[J]. 航空学报, 2025, 46(9): 630979-630979.
[3]	员婉莹, 李逢源, 黄博, 王思予, 焦韵菲, 白馨雨, 黄雪琪. 可靠性分析改进元模型重要抽样算法[J]. 航空学报, 2025, 46(7): 230738-230738.
[4]	李凯尚, 范浩奇, 王润梓, 张显程, 涂善东. 基于双尺度损伤理论的高温装备寿命设计方法[J]. 航空学报, 2025, 46(5): 531706-531706.
[5]	冯蕴雯, 崔宇航, 贺谦, 薛小锋, 陆俊. 基于ISMA-Stacking集成建模和贝叶斯融合的全机结构试验可靠性评估[J]. 航空学报, 2025, 46(21): 532365-532365.
[6]	姜璐璐, 潘鑫, 蒋伟, 冯瑞, 陈刚. 基于融合代理策略的超声速降落伞气动优化设计[J]. 航空学报, 2025, 46(1): 630471-630471.
[7]	崔壮壮, 原昕, 赵国庆, 井思梦, 招启军. 共轴刚性旋翼高速直升机前飞性能操纵策略影响[J]. 航空学报, 2024, 45(9): 529256-529256.
[8]	柳家齐, 陈荣钱, 楼锦华, 韩旭, 吴昊, 尤延铖. 基于深度学习的高速直升机旋翼翼型气动优化设计[J]. 航空学报, 2024, 45(9): 529828-529828.
[9]	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.
[10]	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.
[11]	陈树生, 冯聪, 张兆康, 赵轲, 张新洋, 高正红. 基于全局/梯度优化方法的宽速域乘波-机翼布局气动设计[J]. 航空学报, 2024, 45(6): 629596-629596.
[12]	李玉涵, 杨宝玉, 吴亦农, 张强, 唐晓. 卫星光机载荷热模型参数高效修正方法研究进展[J]. 航空学报, 2024, 45(6): 628814-628814.
[13]	王为, 安伟刚, 宋笔锋, 杨文青. 仿信天翁变形翼动态滑翔获能特性[J]. 航空学报, 2024, 45(24): 630576-630576.
[14]	张帆, 丛玮, 田润操, 王鹏. 基于双层变权的异构数据融合及可靠性分析[J]. 航空学报, 2024, 45(22): 230297-230297.
[15]	姜峰, 李华聪, 符江锋, 刘显为. 考虑状态模糊性的结构非概率可靠性分析[J]. 航空学报, 2024, 45(20): 229989-229989.