基于RBF神经网络的涡轮盘结构概率分析
涡轮盘在高温、高转速的条件下工作,是航空发动机的关键部件.涡轮盘结构概率分析对精度要求很高,直接Monte-Carlo方法计算量太大,常规的多项式响应面方法在精度上难以满足要求.鉴于径向基函数(radial basis function,RBF)神经网络具有很强的非线性函数逼近能力,在涡轮盘结构热—机械耦合分析中采用RBF神经网络拟和最大等效应变响应,再结合Monte-Carlo方法得到了其概率分布:并与直接Monte-Carlo方法、二次多项式响应面方法结果进行了对比.RBF神经网络结合Monte-Carlo的方法具有高精度、高效率的优点,在结构概率响应、可靠性分析中值得推广.
涡轮盘 径向基函数 神经网络 热-机械耦合 概率分析 航空发动机
高阳 白广忱 于霖冲
北京航空航天大学能源与动力工程学院,北京 100083
国内会议
北京
中文
352-355
2008-07-01（万方平台首次上网日期，不代表论文的发表时间）