叶片径向变形的动态概率分析方法

为了有效地进行高压涡轮叶片设计和优化,提高叶尖径向运行间隙设计和控制的合理性,本文考虑了材料属性和边界条件的非线性、载荷的动态性、变量的随机性,在确定性分析的基础上对叶片径向变形进行了动态概率分析.首先,介绍了高效率动态概率分析的极值响应面法(Extremum Response Surface Method,ERSM)及其数学模型;其次,将该方法应用到叶片径向变形的动态概率分析中,得出了各输入输出随机变量的分布特征及影响叶片径向动态变形的主要因素,即燃气温度和转子转速;最后,通过对三种方法进行比较.结果表明:ERSM的计算精度与Monte Carlo法基本保持一致,比传统响应面法稍高;其计算时间为Monte Carlo法的1/66、为传统响应面法的1/3.以此验证了该方法在叶片径向变形动态概率分析方面的可行性和有效性,为叶片径向变形的优化设计和叶尖径向运行间隙设计提供了参考.     

柔性机构动态可靠性分析的新方法

为了改善柔性机构动态可靠性分析的效率和精度,基于支持向量机SVM(Support Vector Machine)回归理论,提出了一种柔性机构动态可靠性分析高效率高精度的SVM回归极值法SREM(SVM Regression Extremum Method)。首先,介绍了柔性机构可靠性分析的基本理论;其次,融合蒙特卡洛法MC(Monte Carlo)和SVM回归理论,建立了柔性机构动态响应极值的代理模型,并利用代理模型进行柔性机构可靠性分析。最后,利用SREM法对柔性机构实例进行了可靠性分析,并与MC和人工神经网络ANN(Artificial Neural Networks)的分析结果进行比较。结果显示,在小样本情况下,进行柔性机构动态可靠性分析时,SREM的计算效率和计算精度都比ANN高;SREM的计算效率比MC大大提高,计算精度与MC相当。验证了在柔性机构可靠性分析中SREM的高效率和高精度,并证明了SREM在柔性机构可靠性分析中的可行性和有效行性。     

可靠性分析中的最小二乘支持向量机分类方法

为了提高支持向量分类机在处理大样本可靠性问题时的计算效率,将最小二乘支持向量分类机引入到可靠性分析中,使得支持向量机中的二次规划问题转化为求解线性方程组问题,减少了计算量.数值算例表明:基于最小二乘支持向量分类机的可靠性方法与基于支持向量分类机的可靠性方法具有一样的计算精度,而且前者的计算效率明显优于后者.     

Classification using least squares support vector machine for reliability analysis

In order to improve the efficiency of the support vector machine （SVM） for classification to deal with a large amount of samples, the least squares support vector machine （LSSVM） for classification methods is introduced into the reliability analysis. To reduce the coraputational cost, the solution of the SVM is transformed from a quadratic programming to a group of linear equations. The numerical results indicate that the reliability method based on the LSSVM for classification has higher accuracy and requires less computational cost than the SVM method.