[发明专利]一种参数化的吊装结构疲劳寿命智能预测方法

说明书

本发明涉及一种参数化的吊装结构疲劳寿命智能预测方法，包括以下步骤：(1)选定参数化设计变量，建立参数化的底架吊装结构有限元分析模型；(2)选择拉丁方实验设计方法采样得到n组训练样本；(3)对训练样本进行归一化处理得到训练集；(4)根据训练集建立支持向量机SVM的吊装结构疲劳寿命预测模型；(5)采用改进的粒子群算法IPSO对得到的支持向量机的吊装结构疲劳寿命预测模型中的核函数参数δ和惩罚参数C进行优化，所述改进的粒子群算法IPSO为基于RL‑BFGS的粒子群优化算法，(6)利用IPSO‑SVM吊装结构疲劳寿命预测模型对车下吊装结构进行预测。该方法其能够快速、准确反映吊装结构疲劳寿命，在缩短设计周期的同时提高疲劳寿命预测精度。

技术领域

本发明属机械结构可靠性预测方法技术领域，具体涉及一种参数化的吊装结构疲劳寿命智能预测方法。

背景技术

目前，一些气动、电气及电子设备通过动车组底架滑槽吊装的方式与车体连接。由于铁路运行环境的性质，在车辆运行过程中这些结构将受到由车体传递的路面随机振动及冲击等载荷的作用，承载结构可能在使用周期内发生疲劳开裂，严重影响列车的运行安全。因此在设计过程中，需要根据吊装结构的固有频率合理分配动刚度，使结构符合各项动力学要求。

现有技术，针对机械结构疲劳寿命的预测，一般建立详细的有限元模型，通过仿真分析获得机械结构最大应力点并预测疲劳寿命。但该种方法只能针对固定机械结构，若出现改动则需要重新建模进行预测，预测精度低，预测周期长、不利于结构修改重分析。因此研究一种能快速有效分析预测吊装结构主要承载疲劳寿命的分析方法成为迫切的需要。

发明内容

针对现有的吊装结构疲劳寿命预测方法所存在的预测精度偏低，预测速度慢等问题，本发明提供一种新的参数化的吊装结构疲劳寿命智能预测方法，该方法其能够快速、准确反映吊装结构疲劳寿命，在缩短设计周期的同时能更精准地预测出吊装结构的疲劳寿命。

为实现上述目的，本发明是采用如下技术方案实现的：

一种参数化的吊装结构疲劳寿命智能预测方法，包括以下步骤：

步骤1、选定参数化设计变量，建立参数化的底架吊装结构有限元分析模型，所述参数化设计变量包括吊装滑槽长度l、滑块数量n、吊装结构重量m和吊装结构重心ox、oy、oz；

步骤2、选择拉丁方实验设计方法采样得到n组训练样本，选定工况载荷，求解参数化模型冲击强度和随机振动疲劳有限元分析结果，并根据第四强度理论计算冲击强度安全系数，根据Miner累积损伤法计算随机振动疲劳寿命；

步骤3、对训练样本进行归一化处理，令其中xRmax和xRmin分别为数据中的最大值和最小值，归一化后得到训练集R_n＝{(x′_R1，y_R1)，(x′_R2，y_R2)，...，(x′_Rn，y_Rn)}，其中x_R＝[l,n,m,ox,oy,oz]，y_R＝[DV,SF]，DV为结构累积损伤值，SF为冲击强度安全系数；

步骤4、根据训练集建立支持向量机SVM的吊装结构疲劳寿命预测模型，所述的疲劳寿命预测模型如公式(1)所示：

公式(1)中，SV为支持向量，为引入的拉格朗日乘子的最优解，C为惩罚参数,其中，δ为核函数参数，{x_i,x_j,y_i,y_j}∈R_n；

步骤5、采用改进的粒子群算法IPSO对步骤4得到的支持向量机的吊装结构疲劳寿命预测模型中的核函数参数δ和惩罚参数C进行优化，得到基于改进粒子群算法的支持向量机IPSO-SVM的吊装结构疲劳寿命预测模型；