[发明专利]考核疲劳振动对产品组部件固定角度影响和预测的方法

权利要求书

1.一种考核疲劳振动对产品组部件固定角度影响和预测的方法，其特征在于：所述方法包括，

S100、建立待考核产品的三维几何结构模型；

S200、以三维几何结构模型为基础，建立待考核产品的有限元结构模型；

S300、基于有限元结构模型在求解器中进行自由模态计算；

S400、基于不同方向、不同幅值的振动方案，基于有限元的耐久性受迫响应计算模型对待考核产品进行不间断疲劳振动响应计算，并形成数据样本；

所述S400包括以下步骤，

S4100、基于不同方向、不同正态分布特性，对履带车固紧货物的窄带随机振动程序数据设计出随机全组合方案；

S4200、基于履带车固紧货物的窄带随机振动程序数据中约定的公里数和车速换算关系，得到连续无故障工作时间，其对应关系为：

MTBF＝S_b/T_S，其中，MTBF为极限状态下的连续无故障工作时间，S_b为产品随车行驶无故障最少里程，Ts为程序数据中振动频谱所对应的车速；

S4300、对S4100中得到的每一个振动方案进行基于有限元的耐久性受迫振动响应计算，加载时间为连续无故障工作时间MTBF，并得到连续无故障工作时间MTBF与振动响应之间的数据样本；

S500、基于神经网络拟合疲劳振动相关参数与产品组部件结构固定角度之间的数学函数，并建立角度变化失效的极限状态方程，所述相关参数包括X/Y/Z方向的振动加速度、机械系统组部件的几何累计误差；

S600、选取S400中数据样本对拟合的数学函数进行试验验证；

S700、以基于神经网络建立的极限状态方程为目标函数，采用多项式函数拟合隐式极限状态函数，并基于置信区间进行可靠性预测。

2.根据权利要求1所述方法，其特征在于：所述S300包括以下步骤，

S3100、根据实际应用工况，以履带车固紧货物的窄带随机振动程序数据作为依据，计算道路激励的功率谱密度；

S3200、基于功率谱密度所反映激励能量和频谱特征，计算均值、方差、峰值加速度；

S3300、根据均值、方差、峰值加速度，确定自由模态计算的频率范围，并基于有限元结构模型，在nastran求解器中进行自由模态计算，以得到产品结构自由振动的固有属性，分析振动时结构各组部部件的状态。

3.根据权利要求2所述方法，其特征在于：所述S500包括以下步骤，

S5100、根据产品中组部件之间的结构位置关系，分析得到产品疲劳振动过程中影响产品组部件结构固定角度变化的振动加速度、材料属性、结构特性；

S5200、以影响产品组部件结构固定角度变化的材料属性和结构特性确定几何累计误差，以振动加速度和几何累计误差为输入量，输入四层神经网络并对该神经网络进行训练，得到神经网络模型，其中，输入量在输入时进行归一化处理，其数学表达式如下：

式中i＝X,Y,Z,D₁,D₂,…,D_n，而i取值X、Y、Z时INPUTi分别代表X、Y、Z方向的振动加速度，i取值为Dn时INPUTi代表几何累计误差，D表示角度变化；

四层神经网络的第一层神经网络为i取值1-15；第二层神经网络为i取值1-5；第三层神经网络为i取值1-5；第四层神经网络为i取值1；输出层的归一化处理方程为

S5300、对神经网络模型进行拟合训练，拟合训练次数≥300，得到多方向疲劳应力加载后不同组部件结构影响条件下输出测试角度的拟合曲线，并基于该拟合曲线得到拟合后的数学函数；

S5400、根据产品的故障模式和故障影响分析结构，建立由产品组部件结构固定角度变化造成产品性能失效的极限状态函数，所述极限状态方程基于模拟仿真数据库，采用神经网络拟合出来的数学函数，按响应面法计算出来，其具体方程公式如下

4.根据权利要求3所述方法，其特征在于：所述S700包括以下步骤，

S7100、采用Bucher采样方法，以振动加速度、目标点的角度累计误差为试验中心采样，采样点为xi(i＝1,2,…,2n+1)，各采样点的间隔为fσ，极限状态方程为g(x)；

S7200、基于响应面的极限状态功能函数为二次多项式该功能函数的均值μ_g和方差σ_g分别为

S7300、计算产品关键失效结构处设置的测试与评价点处的功能函数的偏导

S7400、求取λ值，

S7500、根据x＝μ_x+σ_xλ_iβ以及求解β值；

S7600、基于β值，求解可靠度指标，即通过

得到失效概率方程为F(t)＝Φ(-β)，则可靠度指标对功能函数的均值和方差偏导分别为

S7700、基于以上数学关系建模，在matlab平台上建立可靠性预测模型。