本技术公开了一种航空发动机叶盘结构可靠性数实融合测试方法,应用于航空发动机时变可靠性评估领域。所述方法包括:采集叶盘结构全飞行循环下的关键部位的响应数据;建立有限元虚拟实体获得航空发动机叶盘结构全飞行循环下的时变输入变量和时变输出响应;建立物理信息嵌入的损失函数,并基于贝叶斯神经网络推断框架,建立最优的物理信息嵌入多重响应回归模型;提取大批量时不变数据集,利用所建多响应回归模型拟合极限状态函数,基于蒙特卡洛思想计算时变系统可靠度,完成时变系统可靠性评估。本发明将复杂的时变可靠性评估问题转换为时不变响应回归问题,在简化计算任务的同时有效提高计算精度。
背景技术
作为航空发动机的关键部件,叶盘结构承受着苛刻的载荷和复杂的工况变化(如启动、怠速、起飞、爬升和巡航等阶段),直接影响着发动机的性能和安全性。然而,传统可靠性评估方法通常依赖于实物模型的数据获取,但在实际应用中往往面临诸多挑战。实物模型的制造与测试过程不仅周期长、资源消耗大,且成本高昂,特别是在航空航天领域,对测试数据的准确性和实时性要求尤为严苛。
近年来,时变可靠性评估的研究逐渐增多,现有方法大致可分为三类:基于交叉率的方法、基于时间离散化的方法,以及代理模型方法。由于代理模型方法在计算效率和精度上的优势,特别是在处理隐式时变问题时的适用性,已成为时变可靠性评估领域的研究重点。然而,针对航空发动机叶盘等多种运行状态复杂的复杂结构,传统的代理模型方法需要依赖大量的试验数据和历史数据,才能描述出系统在不同运行状态上的可靠性变化。
实现思路