● 摘要
涡轮叶片是航空发动机十分重要的涡轮转子部件，承受着复杂的循环热载荷及机械载荷，工作过程中一旦失效，后果将十分严重。涡轮叶片低循环疲劳寿命受很多随机参数的影响，具有很大的分散性，因此对涡轮叶片低循环疲劳寿命进行稳健可靠性分析具有重要的意义。论文主要内容如下：(1)用UG对涡轮叶片进行三维全尺寸建模，在有限元分析软件ANSYS中进行热-结构耦合应力分析，选择合适的低循环疲劳寿命计算模型，进行涡轮叶片低循环寿命分析。(2)由于涡轮叶片疲劳寿命通常为随机变量的隐性表达，不能直接应用传统可靠性分析方法对其进行可靠性分析。因此，本文引入人工神经网络思想，提出了基于有限元（FEM）、人工神经网络(ANN)和Monte Carlo模拟法(MCS)相结合的涡轮叶片低循环疲劳寿命可靠性分析方法。(3)在对涡轮叶片低循环疲劳寿命概率分析的基础上，将广义回归型神经网络（generalized regression neural network，GRNN）与果蝇优化算法(fruit fly optimization algorithm，FFOA)结合，利用果蝇优化算法的多点全局的快速搜索能力来优化影响疲劳寿命的随机参数，进行涡轮叶片低循环疲劳寿命稳健性优化设计。通过稳健性优化使得疲劳寿命对随机参数的敏感度降低，概率区间减小，从而可以更精确的对疲劳寿命进行估计。本文所做的疲劳寿命可靠性和稳健性设计的研究结果显示结果验证了该方法在工程应用中的可行性。