为解决航空发动机涡轮榫接结构疲劳试验成本高、周期长,且试验过程状态难以实时监控等问题,开展了涡轮榫接结构疲劳的虚拟试验技术研究。通过涡轮榫接结构模拟件的疲劳试验获取载荷-位移数据,构建NARX(nonlinear auto regressive model ...为解决航空发动机涡轮榫接结构疲劳试验成本高、周期长,且试验过程状态难以实时监控等问题,开展了涡轮榫接结构疲劳的虚拟试验技术研究。通过涡轮榫接结构模拟件的疲劳试验获取载荷-位移数据,构建NARX(nonlinear auto regressive model with exogenous inputs)神经网络模型,开展位移初步预测;在此基础上采用Kalman滤波引入实测数据对预测状态进行修正,实现疲劳虚拟试验位移的实时预测和更新且预测误差均小于5%;最后,基于3D MAX和Unity 3D平台,构建高度保真的涡轮榫接结构数字模型和虚拟环境,实现涡轮榫接结构疲劳虚拟试验过程的直观展示以及数据可视化。展开更多
基金supported by the Major Program of the National Natural Science Foundation of China (grant nos.82192910 and 82192911)the Innovation Team and Talents Cultivation Program of the National Administration of Traditional Chinese Medicine (grant nos.ZYYCXTD-D-202207 and ZYYCXTD-C-202009)。
文摘为解决航空发动机涡轮榫接结构疲劳试验成本高、周期长,且试验过程状态难以实时监控等问题,开展了涡轮榫接结构疲劳的虚拟试验技术研究。通过涡轮榫接结构模拟件的疲劳试验获取载荷-位移数据,构建NARX(nonlinear auto regressive model with exogenous inputs)神经网络模型,开展位移初步预测;在此基础上采用Kalman滤波引入实测数据对预测状态进行修正,实现疲劳虚拟试验位移的实时预测和更新且预测误差均小于5%;最后,基于3D MAX和Unity 3D平台,构建高度保真的涡轮榫接结构数字模型和虚拟环境,实现涡轮榫接结构疲劳虚拟试验过程的直观展示以及数据可视化。