论文部分内容阅读
航空发动机零部件(如风扇叶片、盘和壳体等)故障常常因为微小疲劳裂纹而引起的,零部件一旦发生损伤,其破坏程度迅速发展。在未及时发现的情况下,会很快导致整个结构的毁坏,后果不堪设想,往往导致重大安全事故。因此,研究航空发动机风扇叶片结构损伤的检测方法具有重要的理论和现实意义。
论文总结了基于振动特性的结构损伤检测技术的发展概况以及人工神经网络在结构损伤识别中的应用,综合运用模态分析实验、有限元计算以及人工神经网络等方法,建构处于各种损伤条件下风扇叶片的简化平板模型,并计算各模型的固有频率和振型等模态参数,探讨了损伤位置和损伤程度对其的影响。
论文选取结构的第一阶振型相对改变率和固有频率平方的变化为标识量,建立了用于检测航空发动机风扇叶片结构损伤位置和程度的BP神经网络模型。论文还提出使用有限元计算数据作为网络学习样本,对网络进行训练。通过平板结构四种损伤模型的实验模态分析结果与有限元计算结果对比,验证该方法的准确性和可行性,解决了工程实际中故障样本不足的问题。BP神经网络仿真输出结果达到较高的精度,证明该网络模型能够准确识别损伤的位置和程度。论文研究成果对结构损伤检测、结构改型和优化设计有重要理论意义和一定的参考价值。