基于Fourier正交基神经网络的涡轮盘低循环疲劳可靠性分析

涡轮盘作为航空发动机的关键部件,在高温、高转速的严酷条件下工作,低循环疲劳成为涡轮盘的主要失效模式。而且涡轮盘的结构复杂性,在进行疲劳可靠性分析时,直接使用Monte-Carlo法的计算量非常大,而传统的响应面法精度达不到计算要求。Fourier正交基神经网络具有很强的非线性逼近能力,在对涡轮盘进行疲劳寿命分析时,采用Fourier正交基神经网络和Monte-Carlo法相结合的方法,并与传统响应面法和Monte-Carlo法进行对比。结果表明,前者不但可以满足精度要求,而且效率高,在涡轮盘等复杂结构可靠性分析中具有很好的工程应用前景。