[发明专利]一种基于SENet的透平叶片高周疲劳寿命预测方法

摘要

本发明公开了一种基于SENet的透平叶片高周疲劳寿命预测方法，包括步骤：1、采集发生高周疲劳失效的透平叶片故障信号；2、采用SFI及FEM方法计算作业时透平叶片的受迫振动和自激振动时序信号，通过FFT转换为频域信号，计算作业时的前六阶振动响应；3、对所有采样叶片进行振动响应计算，将数据归一化，划分训练集和验证集；4、将SE块集成到ResNet神经网络中，形成SE‑ResNet为架构的SENet网络并训练；5、针对实际运行的透平叶片进行高周疲劳寿命预测；6、增添新数据、针对不同材料进行新的网络训练。本发明能够实现精准的高周疲劳寿命预测，避免了复杂的寿命预测机理分析，大幅减少了寿命预测的人工及实验测试成本，具有重要的工程意义及广阔的应用前景。

主权项

1.一种基于SENet的透平叶片高周疲劳寿命预测方法，其特征在于，包括以下步骤：第一步，采集发生高周疲劳失效的同种材料透平叶片的故障信号，记录此时对应的透平叶片寿命[Yi]，其中i表示第i个出现高周疲劳失效的透平叶片；第二步，分析透平叶片受到周期性非定常气流激振力时产生的受迫振动，对透平叶片的流体域及固体域划分结构化网格，加载转速及进出口状态边界条件，采用单向流固耦合的方法计算发生高周疲劳失效的透平叶片在作业状态下受到的周期性非定常气流激振力，获取透平叶片受到的周期性非定常气流激振力的时序信号，将获取的时序信号转化为气流激振力的频域信号[Ai]m×n，其中单向流固耦合以下简称SFI；第三步，分析透平叶片自激振动的振动响应，采用第二步中发生高周疲劳失效的透平叶片的固体域结构化网格，并提取SFI计算中得到的透平叶片温度分布，采用有限元计算方法，加载转速及温度边界条件，计算透平叶片的自激振动时序信号并将其转化为频域信号[Si]m×n，通过对受迫振动幅值和自激振动幅值的线性叠加得到[Vi]m×n＝[Ai]m×n+[Si]m×n，将[Vi]m×n施加至各节点，计算其振动位移数据，即可提取该透平叶片在作业状态下的前六阶振动响应[Di]m×n×6，其中有限元计算方法以下简称FEM；第四步，对提取寿命数据的i个叶片均进行第二步和第三步的计算，并对[D_i]_m×n×6的数据进行归一化处理，得到按照训练集/验证集＝4.0的比例划分训练集为验证集为并随机打乱训练集数据，作为神经网络的输入；第五步，构建SENet，每一个训练数据信号通过SENet的主体结构，最终经过一个全连接层得到透平叶片高周疲劳寿命的回归预测值，结合透平叶片高周疲劳寿命预测方法这一实际问题，通过同步SGD优化器，设置可变学习率来训练网络；第六步，在实际透平叶片的高周疲劳寿命预测中，通过已训练的SENet输出该实际运行工况下透平叶片的高周疲劳寿命预测值。