CN111159827A - 一种高铁轴承概率疲劳可靠性评估方法 - Google Patents
一种高铁轴承概率疲劳可靠性评估方法 Download PDFInfo
- Publication number
- CN111159827A CN111159827A CN201911376682.5A CN201911376682A CN111159827A CN 111159827 A CN111159827 A CN 111159827A CN 201911376682 A CN201911376682 A CN 201911376682A CN 111159827 A CN111159827 A CN 111159827A
- Authority
- CN
- China
- Prior art keywords
- speed rail
- rail bearing
- damage
- fatigue
- probability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 239000000463 material Substances 0.000 claims abstract description 40
- 238000013528 artificial neural network Methods 0.000 claims abstract description 20
- 238000001228 spectrum Methods 0.000 claims abstract description 15
- 238000009825 accumulation Methods 0.000 claims abstract description 12
- 238000004088 simulation Methods 0.000 claims abstract description 12
- 238000010187 selection method Methods 0.000 claims abstract description 7
- 238000009826 distribution Methods 0.000 claims description 39
- 230000001186 cumulative effect Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 7
- 230000003068 static effect Effects 0.000 claims description 7
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 5
- 239000003795 chemical substances by application Substances 0.000 claims description 4
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 3
- 230000003902 lesion Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 8
- 238000005096 rolling process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种高铁轴承概率疲劳可靠性评估方法,针对L10寿命公式修正复杂,本发明的方法首先对材料的分散性和载荷的随机性进行量化,基于数论选点方法选出随机因素代表点;其次根据选出的代表点,建立高铁轴承的三维有限元仿真模型,进一步分析随机因素影响下轴承的接触应力,并建立最大接触应力的BP神经网络代理模型;然后通过载荷谱编制和材料的S‑N曲线,运用有限元仿真方法分析轴承的疲劳寿命,进一步根据疲劳损伤累积原理计算轴承的累积损伤和小于临界损伤的可靠性,为高精度、高效率的刻画高铁轴承的失效物理和疲劳寿命评估提供一种有效方法。
Description
技术领域
本发明属于机械零件可靠性领域,具体涉及一种高铁轴承概率疲劳可靠性评估方法。
背景技术
目前,中国己经成为全世界高铁里程数、行驶速度及通车量最高的国家。作为高铁的基础关键零配件,轴承的国产化是我国高铁技术必须解决的关键问题。高铁主传动箱轴承在运行过程中承受高转速、随机载荷、强冲击作用,失效物理复杂。国际标准ISO《滚动轴承额定动载荷和额定寿命》中的L10寿命是在规定条件下进行的试验及计算。在轴承的具体运行中由于随机偏心负荷、安装不当、材料性能分散性等因素的影响需对L10寿命公式进行修正。高铁滚动轴承疲劳点蚀的失效机理为交变接触应力持续作用下,滚动体或滚道的局部表层金属脱落,使轴承产生振动和噪声而失效。基于疲劳损伤累积原理从轴承的失效机理出发描述轴承失效物理可为轴承研发过程中样品性能测试和可靠性评估提供数据基础和技术支持。但是由于制造误差、材料性能分散性和载荷的随机性,其疲劳寿命具有分散性,导致按固定值评估和预测轴承寿命误差偏大。
发明内容
针对L10寿命公式修正复杂,基于疲劳损伤累积原理未考虑载荷随机性和材料分散性,本发明提出了一种高铁轴承概率疲劳可靠性评估方法。
本发明的技术方案是:一种高铁轴承概率疲劳可靠性评估方法,包括以下步骤:
S1、量化高铁轴承材料的分散性、随机工况,确定主要失效模式及失效机理;
S2、根据步骤S1量化的高铁轴承材料和随机工况的不确定性信息,计算轴承承受的随机径向力和轴向力,选出随机因素代表点;
S3、依据步骤S2选出的随机因素代表点,建立高铁轴承的有限元模型,进行静力学分析,分析各随机因素代表点处的最大接触应力。
S4、根据步骤S3中各随机因素代表点处的最大接触应力,建立随机因素下最大接触应力的神经网络代理模型。
S5、采用雨流计数法编制载荷谱,根据材料的S-N曲线,运用有限元仿真方法分析各应力水平下的疲劳寿命。
S6、根据步骤S5中各应力水平下的疲劳寿命,建立高铁轴承的S-N曲线,计算各个工况下的疲劳寿命及概率分布并计算累计损伤概率分布及其参数;
S7、计算临界累积损伤概率分布及参数,进一步计算达到临界损伤的可靠度。
进一步的,步骤S2具体基于数论选点方法选出随机因素代表点。
进一步的,步骤S4所述的建立随机因素下轴承最大接触应力的BP神经网络代理模型。
进一步的,步骤S5具体采用雨流计数法编制载荷谱。
更进一步的,所述步骤S2具体包括以下分步骤:
S21、根据步骤S1量化的高铁轴承材料和随机工况的不确定性信息,计算轴承承受的随机径向力和轴向力;
S22、在标准独立空间内,借助格子点(Good Lattice Point,GLP)集合获得S维的生成矢量 (N,h1,h2,...,hS),进一步由式(1)得到单位超立方体[0 1]S内的点集:
其中,N为需构造的点集数量,hS为Fibonacci数列,且Fibonacci数列以递归的方法定义为: hj=hj-1+hj-2,h0=h1=1(n=1,2,...,S),int(·)表示取得小于等于括号内的最大整数;
S23、取标准化随机变量的界限为L,运用式(2)将步骤S22产生的点集进行缩放和平移变换,得到正方形[-L,L]S内的均匀分布点集:
θj,k=2(xj,k-0.5)L,(k=1,2,…,N,j=1,2,…,S) (2)
S24、利用Nataf逆变换,将标准独立空间的样本点变换到原始空间与之对应的样本点,经变换得到的这些样本点即输入代表点。
进一步地,所述步骤S3具体包括以下分步骤:
S31、在三维绘图软件中建立高铁轴承的三维模型;
S32、将步骤S31建立好的高铁轴承三维模型导入到ANSYS WORKBENCH中;
S33、对步骤S32导入的模型进行分网、设置接触、设置约束等前处理;
S34、对步骤S33中处理好的模型进行静力学分析,得到各随机因素代表点处的最大接触应力。
进一步地,所述步骤S4具体包括以下分步骤:
S41、将步骤S3选出的随机因素代表点作为输入,步骤S34得到的各代表点处的最大接触应力作为输出,设置神经网络结构参数;
S42、对步骤S41建立的神经网络进行训练,建立高铁轴承随机因素作用下最大接触应力的BP神经网络代理模型。
进一步地,所述步骤S5具体包括以下分步骤:
S51、通过雨流计数法编制载荷谱;
S52、根据载荷谱和材料的S-N曲线,运用有限元仿真方法分析各应力水平下高铁轴承的疲劳寿命。
进一步地,所述步骤S6具体包括以下分步骤:
S61、根据步骤S5中各应力水平下的疲劳寿命,建立的高铁轴承的S-N曲线,计算各个工况下的疲劳寿命,评估疲劳寿命分布。
S62、根据S61计算出的疲劳寿命及其分布,采用一对一概率密度转化法,将疲劳寿命的概率分布转化为损伤的概率分布:
fn(Nfi)dNfi=fD(Di)dDi (3)
其中,fn(·)为疲劳寿命的概率密度函数,fD(·)为损伤的概率密度函数,Nfi为第i个应力级数下的疲劳寿命,Di为第i个应力级数下的损伤。
S63、由累积损伤公式(4)和各损伤分布,计算累积损伤分布及其分布参数。
其中,k表示应力级数,Nfi表示第i个应力级数下的疲劳寿命,ni表示第i个应力级数实际的循环作用次数,DS表示为各应力级数循环一定次数下的损伤累积,ri为应力水平相关系数。
进一步地,所述步骤S7具体包括以下分步骤:
S71、根据公式(5)计算临界损伤及其分布:
其中,Nmax代表已作用的载荷系列中最大一级载荷所对应的疲劳寿命值,c、d为材料常数,rmax为损伤发展速率,mmax为材料损伤核的数目,DCR为临界疲劳损伤。
S72、根据公式(6)运用蒙特卡洛仿真方法计算疲劳可靠度:
R=P(ZD=DCR-DS≥0) (6)
其中,DS表示为各应力级数循环一定次数下的损伤累积,DCR为临界疲劳损伤,P(·)为轴承不失效的概率。
本发明的有益效果:针对L10寿命公式修正复杂,本发明的高铁轴承概率疲劳可靠性评估方法,首先对材料的分散性和载荷的随机性进行量化,基于数论选点方法选出随机因素代表点;其次根据选出的代表点,建立高铁轴承的三维有限元仿真模型,进一步分析随机因素影响下轴承的接触应力,并建立最大接触应力的BP神经网络代理模型;然后通过载荷谱编制和材料的S-N曲线,运用有限元仿真方法分析轴承的疲劳寿命,进一步根据疲劳损伤累积原理计算轴承的累积损伤和达到临界损伤的可靠度,为高精度、高效率的刻画高铁轴承的失效物理和疲劳寿命评估提供一种有效方法。
附图说明
图1是本发明实施例的高铁轴承概率疲劳可靠性评估方法流程示意图。
图2是本发明实施例中高铁轴承的示意图,图(a)为高铁轴承的三维模型图,图(b)为高铁轴承的最大接触应力云图。
图3是本发明实施例的最大接触应力的神经网络结构图。
图4是本发明实施例的GCr15轴承钢的S-N曲线。
图5是本发明实施例的高铁轴承加速时的疲劳寿命概率分布图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
为了提高疲劳损伤累积评估精度需考虑材料性能的分散性和载荷的随机性。在缺少足够数据描述材料分散性情况下,材料的弹性模量用区间描述,轴承随机工况用随机变量描述,混合不确定性下如何选择试验设计点是一个关键问题。本方案提出一种混合不确定性下高铁轴承概率疲劳寿命评估方法。方法中数论选点可解决多维混合不确定性因素的试验设计选点问题;且基于BP神经网络建立随机因素代表点与接触应力的代理模型可提高概率疲劳寿命评估的效率。该方法可为准确刻画高铁轴承失效物理,提高轴承性能评估精度提高有效途径,具体流程如图1所示,包括以下步骤:
S1、量化高铁轴承材料的分散性、随机工况,确定主要失效模式及失效机理;
S2、根据步骤S1量化的高铁轴承材料和随机工况的不确定性信息,计算轴承承受的随机径向力和轴向力,并基于数论选点方法选出随机因素代表点;
S3、依据步骤S2选出的随机因素代表点,建立高铁轴承的有限元模型,进行静力学分析,分析各随机因素代表点处的最大接触应力。
S4、根据步骤S3中各随机因素代表点处的最大接触应力,建立随机因素下最大接触应力的BP神经网络代理模型。
S5、采用雨流计数法编制载荷谱,根据材料的S-N曲线,运用有限元仿真方法分析各应力水平下的疲劳寿命。
S6、根据步骤S5中各应力水平下的疲劳寿命,建立轴承的S-N曲线,计算各个工况下的疲劳寿命及概率分布、累计损伤概率分布及其参数;
S7、计算临界累积损伤概率分布及参数,进一步计算达到临界损伤的可靠度。
在步骤S1中,本发明实施例以高铁轴承为例,量化高铁轴承材料性能的随机性、随机工况,确定主要失效模式及失效机理。具体包括以下分步骤:
S11、本发明中高铁轴承的材料性能的不确定性用区间变量描述,轴承各组成部分材料的弹性模量如表1所示;
S12、确定本发明中高铁轴承的随机工况为三种:加速、匀速和减速。分别对应高铁出站、运行和进站;
S13、确定高铁轴承的主要失效模式为疲劳点蚀;
S14、疲劳点蚀的失效机理是滚动轴承在载荷作用下,滚动体与内、外滚道之间将产生接触应力。轴承转动时,接触应力是循环变化的,当工作若干时间以后,滚动体或滚道的局部表层金属脱落,使轴承产生振动和噪声而失效。
表1高铁轴承材料的不确定性描述
部件 | 材料密度/kg·m<sup>-3</sup> | 弹性模量/GPa | 泊松比 | 材料 |
内圈 | 7830 | [215 224] | 0.3 | GCr15 |
外圈 | 7830 | [215 224] | 0.3 | GCr15 |
滚子 | 7830 | [215 224] | 0.3 | GCr15 |
保持架 | 1370 | [6 10] | 0.3 | GRPA66 |
在步骤S2中,根据步骤S1确定的高铁轴承材料不确定性的量化信息、随机工况,计算轴承承受的随机径向力和轴向力,并基于数论选点方法选出随机因素代表点具体包括以下分步骤:
S21、根据步骤S1中确定的随机工况计算得到轴承承受的随机径向力和轴向力分布如表2所示;
表2不同工况下轴承所受径向力和轴向力(KN)
S22、S21步骤中高铁轴承材料的不确定性用区间变量量化内圈外圈及滚子的弹性模量和保持架的弹性模量;轴承所承受的轴向力和径向力用随机分布变量描述。所以在标准独立空间内,借助格子点 (Good Lattice Point,GLP)集合获得4维的生成矢量(N,h1,h2,h3,h4),进一步由式(7)得到单位超立方体[0 1]S内的点集:
其中,N为需构造的点集数量,本发明中N=30,hS为Fibonacci数列,且Fibonacci数列以递归的方法定义为:hj=hj-1+hj-2,h0=h1=1(n=1,2,...,S),int(·)表示取得小于等于括号内的最大整数。
S23、取标准化随机变量的界限为L,本发明中L=2,运用式(8)将步骤S22产生的点集进行缩放和平移变换,得到正方形[-L,L]S内的均匀分布点集:
θj,k=2(xj,k-0.5)L,(k=1,2,…,N,j=1,2,…,S) (8)
S24、利用Nataf逆变换,将标准独立空间的样本点变换到原始空间与之对应的样本点,经变换得到的这些样本点即输入代表点。
在步骤S3中,依据步骤S2选出的随机因素代表点,建立高铁轴承的有限元模型,进行静力学分析,分析各随机因素代表点处的最大接触应力。具体包括以下分步骤:
S31、在三维绘图软件中建立高铁轴承的三维模型,如图2(a)所示;
S32、将步骤S31建立好的高铁轴承三维模型导入到ANSYS WORKBENCH中;
S33、对步骤S32导入的模型进行分网、设置接触、设置约束等前处理;
S34、对步骤S33中处理好的模型进行静力学分析,得到各随机因素代表点处的最大接触应力,如图2(b)所示。
在步骤S4中,根据步骤S3中各随机因素代表点处的最大接触应力,建立随机因素下最大接触应力的BP神经网络代理模型。
S41、将步骤S3选出的随机因素代表点作为输入,步骤S34得到的各代表点处的最大接触应力作为输出,设置神经网络结构参数,如图3所示;
S42、对步骤S41建立的神经网络进行训练,建立随机因素作用下最大接触应力的BP神经网络代理模型。
在步骤S5中通过雨流计数法编制载荷谱,根据材料的S-N曲线(如图4所示),运用有限元仿真方法分析各应力水平下的疲劳寿命。具体包括以下分步骤:
S51、通过雨流计数法编制载荷谱;
S52、根据载荷谱和材料的S-N曲线,运用有限元仿真方法分析各应力水平下高铁轴承的疲劳寿命。
在步骤S6中,根据步骤S5中各应力水平下的疲劳寿命,建立轴承的S-N曲线,计算各个工况下的疲劳寿命及概率分布(图5为高铁轴承加速时的疲劳寿命概率分布)并计算累计损伤概率分布及其参数。具体包括以下分步骤:
S61、根据步骤S5中各应力水平下的疲劳寿命,建立的高铁轴承的S-N曲线,计算各个工况下的疲劳寿命,评估疲劳寿命分布。
S62、根据S61计算出的疲劳寿命及其分布,采用一对一概率密度转化法,将疲劳寿命的概率分布转化为损伤的概率分布:
fn(Nfi)dNfi=fD(Di)dDi (9)
其中,fn(·)为疲劳寿命的概率密度函数,fD(·)为损伤的概率密度函数,Nfi为第i个应力级数下的疲劳寿命,Di为第i个应力级数下的损伤。
S63、由累积损伤公式(10)和各损伤分布,计算累积损伤分布及其分布参数。
其中,k表示应力级数,Nfi表示第i个应力级数下的疲劳寿命,ni表示第i个应力级数实际的循环作用次数,DS表示为各应力级数循环一定次数下的损伤累积,ri为应力修正系数。
在步骤S7中,计算临界累积损伤概率分布及参数,进一步计算达到临界损伤的可靠度。具体包括以下分步骤:
S71、根据公式(11)计算临界损伤及其分布:
S72、根据公式(12)运用蒙特卡洛仿真方法计算疲劳可靠度:
R=P(ZD=DCR-DS≥0) (12)
其中,DS表示为各应力级数循环一定次数下的损伤累积,DCR为临界疲劳损伤,p(·)为轴承不失效的概率。
综上可以看出,针对L10寿命公式修正复杂,本发明的高铁轴承概率疲劳可靠性评估方法,通过对材料的分散性和载荷的随机性进行量化,基于数论选点方法选出随机因素代表点;其次根据选出的代表点,建立高铁轴承的三维有限元仿真模型,进一步分析随机因素影响下轴承的接触应力,建立不确定性因素下轴承接触应力的BP神经网络代理模型;然后通过载荷谱编制和有限元仿真方法分析轴承各应力水平下的疲劳寿命,进一步跟进疲劳损伤累积原理计算轴承的累积损伤和小于临界损伤的可靠度,为精确刻画失效物理和寿命预测提供一种有效方法。
Claims (10)
1.一种高铁轴承概率疲劳可靠性评估方法,包括以下步骤:
S1、量化高铁轴承材料的分散性、随机工况,确定主要失效模式及失效机理;
S2、根据步骤S1量化的高铁轴承材料和随机工况的不确定性信息,计算轴承承受的随机径向力和轴向力,选出随机因素代表点;
S3、依据步骤S2选出的随机因素代表点,建立高铁轴承的有限元模型,进行静力学分析,分析各随机因素代表点处的最大接触应力。
S4、根据步骤S3中各随机因素代表点处的最大接触应力,建立随机因素下最大接触应力的BP神经网络代理模型。
S5、编制载荷谱,根据材料的S-N曲线,运用有限元仿真方法分析各应力水平下的疲劳寿命。
S6、根据步骤S5中各应力水平下的疲劳寿命,建立轴承的S-N曲线,计算各个工况下的疲劳寿命及概率分布、累计损伤概率分布及其参数;
S7、计算临界累积损伤概率分布及参数,进一步计算达到临界损伤的可靠度。
2.根据权利要求1所述的一种高铁轴承概率疲劳可靠性评估方法,其特征在于,步骤S2具体基于数论选点方法选出随机因素代表点。
3.根据权利要求1所述的一种高铁轴承概率疲劳可靠性评估方法,其特征在于,步骤S4所述的建立随机因素下最大接触应力的BP神经网络代理模型。
4.根据权利要求1所述的一种高铁轴承概率疲劳可靠性评估方法,其特征在于,步骤S5具体通过雨流计数法编制载荷谱。
5.根据权利要求2所述的一种高铁轴承概率疲劳可靠性评估方法,其特征在于,所述步骤S2具体包括以下分步骤:
S21、根据步骤S1量化的高铁轴承材料和随机工况的不确定性信息,计算轴承承受的随机径向力和轴向力;
S22、在标准独立空间内,借助格子点(Good Lattice Point,GLP)集合获得S维的生成矢量(N,h1,h2,...,hS),进一步由式(1)得到单位超立方体[0 1]S内的点集:
其中,N为需构造的点集数量,hS为Fibonacci数列,且Fibonacci数列以递归的方法定义为:hj=hj-1+hj-2,h0=h1=1(n=1,2,...,S),int(·)表示取得小于等于括号内的最大整数;
S23、取标准化随机变量的界限为L,运用式(2)将步骤S22产生的点集进行缩放和平移变换,得到正方形[-L,L]S内的均匀分布点集:
θj,k=2(xj,k-0.5)L,(k=1,2,…,N,j=1,2,…,S) (2)
S24、利用Nataf逆变换,将标准独立空间的样本点变换到原始空间与之对应的样本点,经变换得到的这些样本点即输入代表点。
6.根据权利要求5所述的一种高铁轴承概率疲劳可靠性评估方法,其特征在于,所述步骤S3具体包括以下分步骤:
S31、在三维绘图软件中建立高铁轴承的三维模型;
S32、将步骤S31建立好的高铁轴承三维模型导入到ANSYS WORKBENCH中;
S33、对步骤S32导入的模型进行分网、设置接触、设置约束等前处理;
S34、对步骤S33中处理好的模型进行静力学分析,得到各随机因素代表点处的最大接触应力。
7.根据权利要求6所述的一种高铁轴承概率疲劳可靠性评估方法,其特征在于,所述步骤S4具体包括以下分步骤:
S41、将步骤S3选出的随机因素代表点作为输入,步骤S34得到的各代表点处的最大接触应力作为输出,设置神经网络结构参数;
S42、对步骤S41建立的神经网络进行训练,建立随机因素作用下最大接触应力的BP神经网络代理模型。
8.根据权利要求7所述的一种高铁轴承概率疲劳可靠性评估方法,其特征在于,所述步骤S5具体包括以下分步骤:
S51、通过雨流计数法编制载荷谱;
S52、根据载荷谱和材料的S-N曲线,分析各应力水平下高铁轴承的疲劳寿命。
9.根据权利要求8所述的一种高铁轴承概率疲劳可靠性评估方法,其特征在于,所述步骤S6具体包括以下分步骤:
S61、根据步骤S5中各应力水平下的疲劳寿命,建立的高铁轴承的S-N曲线,计算各个工况下的疲劳寿命,评估疲劳寿命分布。
S62、根据S61计算出的疲劳寿命及其分布,采用一对一概率密度转化法,将疲劳寿命的概率分布转化为损伤的概率分布:
fn(Nfi)dNfi=fD(Di)dDi (3)
其中,fn(·)为疲劳寿命的概率密度函数,fD(·)为损伤的概率密度函数,Nfi为第i个应力级数下的疲劳寿命,Di为第i个应力级数下的损伤。
S63、由累积损伤公式(4)和各损伤分布,计算累积损伤分布及其分布参数。
其中,k表示应力级数,Nfi表示第i个应力级数下的疲劳寿命,ni表示第i个应力级数实际的循环作用次数,DS表示为各应力级数循环一定次数下的损伤累积,ri为应力水平相关系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911376682.5A CN111159827B (zh) | 2019-12-27 | 2019-12-27 | 一种高铁轴承概率疲劳可靠性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911376682.5A CN111159827B (zh) | 2019-12-27 | 2019-12-27 | 一种高铁轴承概率疲劳可靠性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111159827A true CN111159827A (zh) | 2020-05-15 |
CN111159827B CN111159827B (zh) | 2021-11-30 |
Family
ID=70558540
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911376682.5A Expired - Fee Related CN111159827B (zh) | 2019-12-27 | 2019-12-27 | 一种高铁轴承概率疲劳可靠性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111159827B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111896255A (zh) * | 2020-08-12 | 2020-11-06 | 上海理工大学 | 基于多轴随机道路载荷下轮毂轴承服役寿命快速评估方法 |
CN112560196A (zh) * | 2020-12-08 | 2021-03-26 | 福建工程学院 | 一种抱环式巨型卸胎机的轴承疲劳寿命预测方法 |
CN113408166A (zh) * | 2021-06-07 | 2021-09-17 | 扬州大学 | 一种自适应穗高拨受式智能育种***可靠性分析方法 |
WO2022052333A1 (zh) * | 2020-09-08 | 2022-03-17 | 中国电器科学研究院股份有限公司 | 基于环境大数据和机器学习的高分子材料服役寿命预测方法 |
CN114509262A (zh) * | 2022-01-25 | 2022-05-17 | 中国铁建重工集团股份有限公司 | 一种掘进机主轴承的加速试验方法 |
CN114755028A (zh) * | 2022-03-17 | 2022-07-15 | 武汉理工大学 | 一种整车可靠性和耐久性试验台架及控制方法、介质 |
CN112131797B (zh) * | 2020-09-28 | 2024-02-02 | 衢州学院 | 一种基于应力分析的主轴轴承寿命预测和可靠性评估方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130006542A1 (en) * | 2010-03-16 | 2013-01-03 | Ntn Corporation | Assessment of shear fatigue property of rolling contact metal material and estimation of fatigue limit maximum contact pressure using same assessment |
US20150254382A1 (en) * | 2011-09-16 | 2015-09-10 | Sentient Corporation | Method and system for predicting surface contact fatigue life |
CN107103140A (zh) * | 2017-04-28 | 2017-08-29 | 电子科技大学 | 一种基于双线性累积损伤的时变疲劳可靠性分析方法 |
CN109960845A (zh) * | 2018-11-19 | 2019-07-02 | 南京林业大学 | 基于台架试验的驱动桥壳有限寿命设计方法 |
CN110147624A (zh) * | 2019-05-24 | 2019-08-20 | 重庆大学 | 一种基于载荷谱的齿轮接触疲劳寿命预测方法 |
CN110232452A (zh) * | 2019-06-12 | 2019-09-13 | 中国神华能源股份有限公司 | 基于轨道车列技术状态的检修方法和*** |
-
2019
- 2019-12-27 CN CN201911376682.5A patent/CN111159827B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130006542A1 (en) * | 2010-03-16 | 2013-01-03 | Ntn Corporation | Assessment of shear fatigue property of rolling contact metal material and estimation of fatigue limit maximum contact pressure using same assessment |
US20150254382A1 (en) * | 2011-09-16 | 2015-09-10 | Sentient Corporation | Method and system for predicting surface contact fatigue life |
CN107103140A (zh) * | 2017-04-28 | 2017-08-29 | 电子科技大学 | 一种基于双线性累积损伤的时变疲劳可靠性分析方法 |
CN109960845A (zh) * | 2018-11-19 | 2019-07-02 | 南京林业大学 | 基于台架试验的驱动桥壳有限寿命设计方法 |
CN110147624A (zh) * | 2019-05-24 | 2019-08-20 | 重庆大学 | 一种基于载荷谱的齿轮接触疲劳寿命预测方法 |
CN110232452A (zh) * | 2019-06-12 | 2019-09-13 | 中国神华能源股份有限公司 | 基于轨道车列技术状态的检修方法和*** |
Non-Patent Citations (2)
Title |
---|
XIAOLING ZHANG等: "A Multi-Team Competitive Optimization Algorithm for Bearing Fault Diagnosis", 《IEEE XPLORE》 * |
李仁兴等: "随机载荷下滚动轴承***疲劳可靠性分析", 《机床与液压》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111896255A (zh) * | 2020-08-12 | 2020-11-06 | 上海理工大学 | 基于多轴随机道路载荷下轮毂轴承服役寿命快速评估方法 |
US11835419B2 (en) | 2020-08-12 | 2023-12-05 | University Of Shanghai For Science And Technology | Method for rapid assessment of service life of hub bearing based on multiaxial random road loading |
WO2022052333A1 (zh) * | 2020-09-08 | 2022-03-17 | 中国电器科学研究院股份有限公司 | 基于环境大数据和机器学习的高分子材料服役寿命预测方法 |
CN112131797B (zh) * | 2020-09-28 | 2024-02-02 | 衢州学院 | 一种基于应力分析的主轴轴承寿命预测和可靠性评估方法 |
CN112560196A (zh) * | 2020-12-08 | 2021-03-26 | 福建工程学院 | 一种抱环式巨型卸胎机的轴承疲劳寿命预测方法 |
CN112560196B (zh) * | 2020-12-08 | 2022-06-07 | 福建工程学院 | 一种抱环式巨型卸胎机的轴承疲劳寿命预测方法 |
CN113408166A (zh) * | 2021-06-07 | 2021-09-17 | 扬州大学 | 一种自适应穗高拨受式智能育种***可靠性分析方法 |
CN113408166B (zh) * | 2021-06-07 | 2023-05-23 | 扬州大学 | 一种自适应穗高拨受式智能育种***可靠性分析方法 |
CN114509262A (zh) * | 2022-01-25 | 2022-05-17 | 中国铁建重工集团股份有限公司 | 一种掘进机主轴承的加速试验方法 |
CN114755028A (zh) * | 2022-03-17 | 2022-07-15 | 武汉理工大学 | 一种整车可靠性和耐久性试验台架及控制方法、介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111159827B (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111159827B (zh) | 一种高铁轴承概率疲劳可靠性评估方法 | |
Tian et al. | A neural network approach for remaining useful life prediction utilizing both failure and suspension histories | |
CN106248381B (zh) | 一种基于多特征和相空间的滚动轴承寿命动态预测方法 | |
CN112308124B (zh) | 一种面向用电信息采集***的智能防窃电方法 | |
CN107657393B (zh) | 近断层地震作用下桥梁的抗震评估方法 | |
Zhu et al. | A simulation-data-driven subdomain adaptation adversarial transfer learning network for rolling element bearing fault diagnosis | |
CN102682348A (zh) | 复杂装备部件维修级别优化***及其建立方法 | |
CN108182511A (zh) | 一种基于秩和比法的需求侧响应资源价值评价方法 | |
CN110414086B (zh) | 一种基于灵敏度的综合应力加速因子计算方法 | |
CN114861349A (zh) | 一种基于模型迁移和维纳过程的滚动轴承rul预测方法 | |
CN115186701A (zh) | 轴承寿命预测方法、装置、电子设备及存储介质 | |
CN117332688A (zh) | 随机荷载作用下x80管道钢疲劳裂纹扩展预测方法及*** | |
CN112070307A (zh) | 一种区域内能源负荷量的预测方法及装置 | |
Urrutia et al. | A Markov chain grey model: A forecasting of the Philippines electric energy demand | |
CN113591241B (zh) | 一种基于vmd与自适应momeda的回转支承故障诊断方法 | |
CN115511230A (zh) | 一种电能替代潜力分析预测方法 | |
Yi et al. | Multi-objective genetic algorithms based structural optimization and experimental investigation of the planet carrier in wind turbine gearbox | |
Orkisz et al. | On improved evolutionary algorithms application to the physically based approximation of experimental data | |
Zhao et al. | Fuzzy scalar quantisation based on hidden Markov model and application in fault diagnosis of wind turbine | |
CN114611768A (zh) | 一种配电网业扩配套容量时序建设规模预测方法 | |
CN111382891B (zh) | 短期负荷预测方法和短期负荷预测装置 | |
Wang et al. | A cyclic simulation approach for the generation of the non-stationary load histories of engineering vehicles | |
CN112464578A (zh) | 一种用于剩余使用寿命预测退化数据的扩增方法 | |
Triviño et al. | Damage detection and localization at the jacket support of an offshore wind turbine using transformer models | |
CN114925568B (zh) | 六面顶压机铰链梁结构的疲劳寿命预测及可靠性分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20211130 |