[发明专利]一种薄壁叶片加工时变模态参数高效预测方法及系统

说明书

本发明属于薄壁叶片模态预测领域，并具体公开了一种薄壁叶片加工时变模态参数高效预测方法及系统，其包括如下步骤：对叶片三维模型进行网格划分与节点坐标提取，依据提取得到的节点坐标进行特征处理，获取叶片外形特征数据；基于深度学习搭建叶片频率预测模型和振型预测模型；实时获取叶片加工参数，并根据加工参数修改叶片外形特征数据，将其输入频率预测模型和振型预测模型，得到叶片前五阶频率和振型，实现叶片加工时模态参数的实时预测。本发明实现了依据叶片的三维模型预测叶片加工过程中模态参数的功能，预测过程自动化程度高，人工操作少且简单，软件运算速度快，精度较高，解决了难以获取薄壁叶片加工过程中模态参数的问题。

技术领域

本发明属于薄壁叶片模态预测领域，更具体地，涉及一种薄壁叶片加工时变模态参数高效预测方法及系统。

背景技术

航空发动机是飞机的心脏，在发动机中，叶片的占比为1/3左右，其加工质量直接影响飞机的性能和寿命。

叶片具有薄壁、形状复杂，加工质量和精度要求高等特点，其加工环境复杂、加工易发生振动。

模态分析对叶片加工过程中的振动控制起到了重要作用，目前大部分模态分析的方法只针对单个叶片或者模型进行实验测量或仿真预测，而叶片加工过程的模态变化可达25％左右，使用这些方法进行加工过程中的模态分析较为复杂。如果使用摄动法可以避免反复的实验或者建模，但是其操作较为复杂，运算耗时大。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种薄壁叶片加工时变模态参数高效预测方法及系统，其目的在于，解决目前对薄壁叶片加工过程中模态分析较为复杂且耗时的问题，并具有较高的预测准确率和预测速度。

为实现上述目的，按照本发明的一方面，提出了一种薄壁叶片加工时变模态参数高效预测方法，包括如下步骤：

S1、对叶片三维模型进行网格划分与节点坐标提取，依据提取得到的节点坐标进行特征处理，获取叶片外形特征数据；

S2、基于深度学习搭建叶片频率预测模型和振型预测模型；

S3、实时获取叶片加工参数，并根据加工参数修改叶片外形特征数据；进而将叶片外形特征数据输入频率预测模型和振型预测模型，得到叶片前五阶频率和振型，实现叶片加工时模态参数的实时预测。

作为进一步优选的，步骤S1具体包括：

S11、根据叶片三维模型，提取叶盆和叶背这两个叶面的信息；

S12、分别对两个叶面进行网格划分，每个叶面划分得到256×256个网格节点；

S13、去除网格节点中的杂点，提取有效的叶面节点坐标，并构造成矩阵形式；

S14、将两个叶面节点坐标对应取平均值，得到中间曲面的各节点坐标；

S15、以叶片底面的中间曲线的中点作为原点，切线方向作为x轴，叶片的高度方向为z轴，建立空间直角坐标系；通过齐次变换对叶盆、叶背及中间曲面进行坐标变换，得到该空间直角坐标系下三个曲面的节点坐标；

S16、通过S15中得到的中间曲面的各节点坐标表示叶片的长宽高和曲率信息，通过S15中得到的叶盆、叶背曲面的各节点坐标表示叶片的厚度，实现叶片外形特征数据获取。

作为进一步优选的，所述频率预测模型包括8层编码层、8层解码层和1层池化层；频率预测模型先将叶片外形特征数据编码成256×256×5的矩阵形式，并进行8层编码层的卷积，得到1×1×512矩阵；然后经过8层解码层和1层池化层运算，得到1×1×5的结果矩阵，表示叶片前五阶频率；