疲劳寿命预测范文

疲劳寿命预测范文（精选12篇）

疲劳寿命预测 第1篇

1 试验概况

1.1 材料选择

根据沥青混合料对各种组成材料的技术要求和试验的主要目的,确定试验用沥青为韩国SK70#沥青,其各项技术指标如表1所示。集料为淮南产石灰岩,密度试验结果如表2所示。

1.2 配合比设计

沥青混合料的配合比设计包括矿质混合料配合比设计和确定沥青最佳用量2个部分。合理的矿料级配使沥青混合料之间拌和均匀,不致产生离析现象。适量的沥青用量,可以避免混合料疏松或结团现象。

根据沥青混合料的配合比设计要求,最终确定矿质混合料配合比为:2#料∶3#料∶4#料∶矿粉=32∶25∶42∶1,沥青最佳用量为4.8%。

2.3 试验方法

沥青混合料疲劳性能试验方法可以分为3种类型:第1种是实际路面在真实汽车载荷作用下的疲劳试验;第2种是足尺路面结构在模拟汽车载荷作用下的疲劳试验,如环道试验;第3种是试验室内的小型疲劳试验。由于前2种试验方法耗资大、周期长、应用并不广泛。而室内小型疲劳试验因其周期短、费用低而得到大量应用。

在选择疲劳试验方法时,应该考虑的因素主要有:对现场的模拟程度、试验结果的可应用性、试验方法的简便性和现场修正因素等。

综合考虑以上各因素的影响,疲劳试验采用小梁试件,其尺寸为100 mm100 mm400 mm。疲劳试验的试验温度为25℃、-5℃。其中-5℃的养护采用江苏省某仪器厂生产的-40D/160低温养护箱。

疲劳试验采用等幅加载,加载波形为正弦波,频率为0.1 Hz。为了加快试验速度,在相邻波形之间不插入间歇时间。为避免长时间试验可能出现的试件脱空现象,从而对试件产生冲击作用,本试验设置正弦波荷载的最小荷载为最大荷载的2%。而且,在正式试验开始前,以最小荷载对试件进行预加载,以使各部件接触良好。

沥青混合料的疲劳响应与加载控制方式有关。通常有两种控制方式:控制应力和控制应变。应力控制方式的再现能力较好,所需的试验时间较短,一般以试件断裂作为疲劳损坏标准,疲劳破坏的定义明确。另外,应力控制试验所需试件数量较少,试验数据离散性较小,应力精度控制可靠,且容易设定试件破坏状态。而应变控制方式,试件一般不会出现明显断裂破坏,而一般以混合料劲度下降到初始劲度的50%或更低为疲劳损坏标准,因此具有一定的随意性,且在技术应用上存在一定困难。

综上所述,本试验采用应力控制的加载方式,应力比为0.5、0.6和0.7三种应力水平控制加载,荷载和变形均用计算机动态采集。试验温度为25℃、-5℃,每个温度条件下12个试件,共24个疲劳试件,其中6个试件用于测定其极限承载力,18个用于疲劳试验。

3 疲劳试验结果与分析

3.1 试验结果

疲劳试验前,在25℃和-5℃分别用3个试件测定其极限承载力,以便计算疲劳试验的应力比。试验结果如表3所示。

根据极限承载力的试验结果,预测25℃和-5℃时小梁疲劳破坏极限承载力分别为5.617 kN和17.167 k N,疲劳试验加载频率为0.1 Hz。疲劳寿命如表4所示。

由表4可以看出,在25℃和-5℃时,加载应力水平对疲劳寿命有明显的影响,随着加载应力水平的提高,沥青混合料的疲劳寿命是不断降低的。这就是说,低应力水平时,疲劳寿命高;高应力水平时,疲劳寿命低。典型的疲劳循环曲线如图1和图2所示。

2.2试验结果分析

对于一种沥青混合料试件而言,可以对其在不同应力水平下的疲劳寿命进行回归分析,得到其双对数直线关系为:

式中:Nf为不同应力水平条件下的疲劳寿命;σ为应力水平;k,n为回归系数。

按式(1)进行线性回归,得到沥青混合料在25℃和-5℃的回归方程如式(2)、式(3)所示:

式(1)中的系数k和n随着沥青混合料种类的不同而有较大的差异。n值代表了图中双对数坐标下疲劳曲线的斜率,反映了沥青混合料疲劳寿命对所施加应力的敏感程度,n越大,表明疲劳寿命对应力的敏感程度越大。k值代表了疲劳曲线的位置,k值越大,曲线越靠向上方,沥青混合料的疲劳阻抗越高。

3耗散能原理预测疲劳寿命

由于沥青混合料是一种粘弹性材料,其疲劳破坏可以用累积耗散能的形式来表示[2]。

大量的试验研究表明[3,4],在沥青混合料的疲劳破坏过程中,累积耗散能与疲劳寿命之间存在唯一的关系。运用耗散能理论分析沥青混合料的疲劳过程,可以得到沥青混合料的疲劳方程,即沥青混合料的疲劳寿命NF与达到疲劳破坏时的总能耗WF之间的简单关系为:

式中:A、B为试验中确定的材料参数,因沥青混合料的不同而不同。在双对数坐标系中上式是直线方程,是直线的截距,B是直线的斜率。

通过试验确定了参数A、B,就可以预测沥青混合料的疲劳寿命并进行能耗分析。

按照耗散能理论,可以得到沥青混合料的疲劳寿命和累积耗散能,计算结果如表5所示。

运用此规律对试验数据进行线性回归,可以得到沥青混合料用累积耗散能表示的疲劳方程

4 结论

通过室内小梁疲劳试验,并对试验结果进行统计分析得到以下主要结论:沥青混合料的疲劳寿命是随着加载应力水平的提高而不断降低的;沥青混合料的耗散能与疲劳特性之间存在良好的关系,能够较好地反映沥青混合料的疲劳过程,是分析和预测沥青混合料疲劳寿命的有效方法。

参考文献

[1]Rust F C,Mahoney j P.Sorenson J B.An international view of pavement engineering.In:R.S Nordal and G.Refsdal,Proc.5thInt.Conf.on Bearing Capacity of Road and Airfields.Tronheim,Norway,1998(1):1-15.

[2]刘伟民,黄晓明.基于耗散能原理的沥青混合料疲劳特性分析[J].河南科技大学学报(自然科学版),2006,27(2):23-25.

[3]Van Dijk W.Practical Fatigue Characterization of Bituminous Mixes,Proceedings of the Association of Asphalt Paving Technologists[J].Arizona:Phoenix,1975,44.

[4]田小革,郑健龙,许志鸿.沥青混合料的低频疲劳效应研究[J].力学与实践,2002,24(2):34-36.

低周疲劳下45钢的寿命预测 第2篇

低周疲劳下45钢的寿命预测

选取带有V型缺口45钢试样,通过控制加载过程中的应变幅,研究缺口对试样疲劳寿命的影响.并应用低周疲劳寿命预测理论,提出了修正的Manson寿命预测模型,用来预测带有V型缺口中45钢的.低周疲劳寿命.模型的预测结果和试验结果吻合很好.

作 者：张S 鲁春朋 芮执元 ZHANG Yun LU Chun-peng RUI Zhi-yuan  作者单位：兰州理工大学机电工程学院,甘肃兰州,730050 刊 名：机械工程材料  ISTIC PKU英文刊名：MATERIALS FOR MECHANICAL ENGINEERING 年，卷(期)： 31(6) 分类号：O346.2 关键词：低周疲劳   缺口试样   旋转弯曲   寿命预测  

疲劳寿命预测 第3篇

摘 要：针对非等距GM（1，1）模型中背景值系数α对模型的预测能力影响很大而最优值难以确定的问题，将细菌觅食算法与GM（1，1）模型相结合，提出了BFA-GM（1，1）优化模型.以飞机尾翼疲劳寿命预测为实例，分析比较了BFA-GM（1，1）模型、PSO-GM（1，1）模型和GA-GM（1，1）模型的性能.从试验的结果来看，本文提出的BFA-GM（1，1）模型消耗的时间少于其他2种模型消耗的时间，而平均预测误差低于其他2种模型的平均预测误差，这说明本文提出的BFA-GM（1，1）模型能够更快速、更准确地找到最优的背景值系数α，从而提高了“小样本”“贫信息”条件下的飞机尾翼疲劳寿命预测的精度.

关键词：细菌觅食算法；非等距GM（1，1）模型；疲劳；寿命预测；参数优化

中图分类号：TG146.2 文献标识码：A

Abstract：The background value coefficient α of the non-equidistant GM （1， 1） model has great influence on the predictive capability， but it is difficult to determine its optimal value. For these problems， the bacterial foraging algorithm and a GM （1， 1） model were combined and the BFA-GM （1， 1） optimization model was proposed. Taking the experiment of empennage fatigue life prediction as an example， the performances of the BFA-GM （1， 1） model， the PSO-GM （1， 1） model and the GA-GM （1， 1） model were analyzed and compared. The results have shown that the BFA-GM （1， 1） model consumes the least time and obtains the lowest average prediction error， and that the BFA-GM （1， 1） model proposed is competent to find the optimal background value coefficient α quickly and accurately， thereby increasing the empennage fatigue life prediction accuracy under the conditions of “small samples” and “poor information”.

Key words：bacterial foraging algorithm （BFA）；non-equidistant GM （1，1） model；fatigue； life prediction； parameter optimization

疲劳是航空航天装备运行不可忽视的问题，对结构寿命进行准确预测能有效避免事故的发生.传统的疲劳寿命预测方法大多建立在确定性理论或者概率统计基础之上[1]，这需要大量而准确的试验数据，从而增加了试验的成本和周期，限制了其应用范围.GM（1，1）模型[2]由于其“小样本”“贫信息”建模的特点被应用于冶金[3]、隧道[4]、军事[5]、疲劳[6-8]等领域.非等距GM（1，1）模型修正了等距GM（1，1）模型要求数据必须是等间隔的局限，是目前研究和应用最多的一种.然而，在使用非等距GM（1，1）模型时，其预测精度受背景值系数α的影响很大[9]，而最优α值难以确定，常凭经验选取，难以保证模型预测能力.为此，王国华等[10]、Hsu[11]采用遗传算法对模型参数进行选取；刘虹，于丽亚等[12-13]采用粒子群算法对模型参数进行选取，但由于遗传算法和粒子群算法本身的局限性，其优化的速度和精度不理想.

3.2 BFA-GM（1，1）建模与优化分析

为了验证本文方法的有效性，共进行了4组试验，编号分别为：T1，T2，T3，T4.前3组试验从表2中随机选取6组不同编号的样本作为建模样本，剩余2组数据作为测试样本，测试样本的选取分别位于试验数据序列的不同位置，以便说明模型的有效性，T4试验中将全部样本作为建模样本和测试样本.试验方案如表3所示.

比较表4中的4组试验的结果，从终止条件来分析，本文提出的BFA-GM（1，1）模型迭代次数均没有达到设定的最大次数Niter=100就使种群满足ε<10-10，而其他2种模型迭代停止时达到了设定的最大迭代次数，这说明BFA-GM（1，1）模型的收敛速度比后2种模型的收敛速度快.BFA-GM（1，1）模型所需要的时间少于其他2种方法，依次为T1：1.72 s；T2：1.81 s；T3：1.80 s；T4：1.75 s；PSO-GM（1，1）模型消耗的时间次之，而GA-GM（1，1）模型消耗的时间最多，4组试验中最少也需要2.99 s.原因在于粒子群算法中粒子的运动特性受多个参数的共同控制，在实际应用过程中难以对粒子的寻优能力进行最优控制.遗传算法一方面需要对解进行编码及解码操作，而编码的长度直接影响算法的速度和解的精度，编码越长，精度越高，但计算时间就越长，编码短，则精度又无法保证；另一方面，遗传算法需要进行交叉、变异等操作，需要消耗很多的时间，影响了迭代的速度.从表4中的预测误差可以看出，本文提出的BFA-GM（1，1）模型的预测精度比其他2种方法高，依次为8.901 6%，12.868 4%，9.974 9%，8.745 3%，这表明本文提出的BFA-GM（1，1）模型具有优越性.

3.3 尾翼寿命预测结果分析

为了说明参数α对预测结果的影响，试验选取α=α*，α=rand（）和α≠α*时对测试样本及建模样本同时进行预测.表5为BFA-GM（1，1）模型对所有数据样本进行预测并根据式（16）还原为尾翼寿命的预测结果，其中标星号的数据为对应的测试样本的预测结果，其余为建模样本的预测结果.

从表5中4组试验的预测结果可以知道，一方面，背景值系数α对GM（1，1）模型的预测结果影响很大，以T1为例，当α 取优化解α*=0.472 047时，平均误差为8.901 6%，远小于非优化值α=0.147 748时的预测平均误差22.638 4%，这说明对α的值进行优化选取是十分必要的，通过对参数α进行优化选取，能大大降低预测误差；另一方面，对于不同的GM（1，1）模型，其最优背景值α*是不一样的，如果通过随机选取或凭经验选取，无法保证模型的预测精度.

从4组试验的优化预测结果来看，T4的平均误差最小，其次是T1，误差最大为T2，这说明建模样本及预测样本的数量和分布对BFA-GM（1，1）模型的性能有一定的影响.一方面，GM（1，1）模型的性能受建模数据的光滑程度的影响，若建模数据中存在跳跃点，模型的性能会下降；另一方面，样本间距的不均匀性也对模型的性能有一定的影响，从而导致试验中部分点的预测误差偏大，这是今后需要继续深入研究的.但总体来看，平均预测误差分别为8.901 6%，12.868 4%，9.974 9%，8.745 3%是完全可以接受的.

4 结 论

论文将细菌觅食算法与非等距GM（1，1）模型相结合，提出了非等距BFA-GM（1，1）模型，并以飞机尾翼疲劳寿命预测为实例，比较分析了BFA-GM（1，1）、PSO-GM（1，1）和GA-GM（1，1） 3种模型的性能，得出以下结论：

1）在对非等距GM（1，1）模型背景值系数α进行优化时，细菌觅食算法比粒子群算法和遗传算法更适合，前者能够提高优化的速度和模型预测精度.

2）BFA-GM（1，1）优化模型适合对飞机尾翼疲劳寿命进行建模及预测，为寿命预测提供了一种快速、有效的方法.

参考文献

[1] 孙玉兰，王茂廷.基于灰色模型GM（1，1）的疲劳寿命预测[J].科学技术与工程，2011， 11（3）：560-562.

SUN Yu-lan，WANG Mao-ting.Prediction for fatigue life based on grey model GM （1， 1）[J]. Science Technology and Engineering， 2011， 11（3）： 560-562.（In Chinese）

[2] CHEN C I，HUANG S J.The necessary and sufficient condition for GM （1， 1） grey prediction model[J]. Applied Mathematics and Computation，2013， 219（11）： 6152-6162.

[3] 伍铁斌，阳春华，孙备，等. 灰色模糊LSSVM预测模型在锌净化除钴中的应用[J].中国有色金属学报，2012， 22（8）： 2382-2386.

WU Tie-bin，YANG Chun-hua，SUN Bei，et al.Grey fuzzy-LSSVM forecasting model and its application in cobalt removal from zinc electrolyte[J]. The Chinese Journal of Nonferrous Metals， 2012， 22（8）： 2382-2386.（In Chinese）

[4] 郭云开，谢腾，程刚，等.非等时距灰色预测模型在连拱隧道监测中的应用[J]. 现代隧道技术，2013，50（1）： 73-79.

GUO Yun-kai，XIE Teng，CHENG Gang，et al.Application of unequal time-interval grey predicting model to multiple-arch tunnel monitoring [J]. Modern Tunneling Technology， 2013，50（1）：73-79.（In Chinese）

[5] TONG R，SHEN M X，KANG J S，et al.Gray-markov GM（1， 1） prediction model optimal allocation of equipment maintenance personnel based on difference method[J]. Applied Mechanics and Materials， 2014， 484： 847-852.

[6] NI C C.Prediction of fatigue crack growth of 2024-t351 by grey GM （1， 1） model with rolling check [J]. Advanced Materials Research，2013，690：1779-1783.

[7] 崔建国，巩俊杰，董世良，等.基于灰色理论的飞机结构疲劳寿命预测[J].沈阳航空航天大学学报，2011，28（1）：23-27.

CUI Jian-guo，GONG Jun-jie，DONG Shi-liang，et al. Fatigue life prediction of aeroplane structures based on grey theory[J]. Journal of Shenyang Aerospace University， 2011， 28（1）： 23-27.（In Chinese）

[8] 李晓钢，王亚辉.利用非等距灰色理论方法判定失效机理一致性[J].北京航空航天大学学报，2014，40（7）：899-904.

LI Xiao-gang，WANG Ya-hui.Identification method of failure mechanism consistency by non-equidistance grey theory model[J]. Journal of Beijing University of Aeronautics and Astronautics， 2014， 40（7）：899-904.（In Chinese）

[9] 肖新平，毛树华.灰色预测与决策方法[M].北京：科学出版社， 2013： 202-214.

XIAO Xin-ping，MAO Shu-hua.Grey forecasting and decision-making methods[M]. Beijing： Science Press， 2013：202-214.（In Chinese）

[10]王国华，辛江涛，辛敏洁，等.基于遗传算法的GM（1，1，λ）改进模型[J].电子设计工程，2014，22（10）：38-41.

WANG Guo-hua，XIN Jiang-tao，XIN Min-jie，et al. Improved grey model based on genetic algorithm [J]. Electronic Design Engineering， 2014， 22（10）： 38-41.（In Chinese）

[11]HSU L C.Forecasting the output of integrated circuit industry using genetic algorithm based multivariable grey optimization models[J].Expert Systems with Applications，2009， 36（4）：7898-7903.

[12]刘虹， 张岐山.基于微粒群算法的GM（1，1，λ）模型的机械产品寿命预测[J].机械设计，2007，24（10）：4-5.

LIU Hong，ZHANG Qi-shan.Life-span prediction on mechanical products of GM （1， 1， λ） model based on particle swarm algorithm [J]. Journal of Machine Design， 2007， 24（10）： 4-5.（In Chinese）

[13]于丽亚，王丰效.基于粒子群算法的非等距GOM（1，1）模型[J]. 纯粹数学与应用数学， 2011， 27（4）： 472-476.

YU Li-ya，WANG Feng-xiao.Non-equidistant GOM （1， 1） model based on particle swarm optimization algorithm [J]. Pure and Applied Mathematics，2011，27（4）： 472-476.（In Chinese）

[14]BLUM J，DING M，THAELER A，et al. Handbook of combinatorial optimization[M]. New York： Kluwer Academic Publishers， 2004： 329-369.

[15]KEVIN M P.Biomimicry of bacterial foraging for distributed optimization and control[J].IEEE Control Systems Magazine， 2002， 22（3）： 52-67.

[16]DEVABALAJI K R， RAVI K， KOTHARI D P. Optimal location and sizing of capacitor placement in radial distribution system using bacterial foraging optimization algorithm [J]. International Journal of Electrical Power & Energy Systems， 2015， 71： 383-390.

[17]PANDA R， NAIK M K. A novel adaptive crossover bacterial foraging optimization algorithm for linear discriminant analysis based face recognition [J]. Applied Soft Computing， 2015， 30：722-736.

[18]杨大炼， 刘义伦， 李学军， 等. 基于细菌觅食优化决策的齿轮箱故障诊断[J]. 中南大学学报：自然科学版， 2015，46（4）：1224-1230.

YANG Da-lian，LIU Yi-lun，LI Xue-jun，et al.Gearbox fault diagnosis based on bacterial foraging algorithm optimization decisions[J]. Journal of Central South University：Science and Technology，2015，46（4）： 1224-1230.（In Chinese）

[19]曹一家， 曹丽华， 李勇， 等. 改进的自适应多目标粒子群算法[J]. 湖南大学学报：自然科学版， 2014，41（10）：84-90.

CAO Yi-jia，CAO Li-hua，LI Yong，et al.Improved adaptive multiobjective particle swarm algorithm[J]. Journal of Hunan University：Natural Sciences， 2014， 41（10）： 84- 90.（In Chinese）

[20]邓元望， 王兵杰， 张上安， 等. 基于混沌遗传算法的PHEV能量管理策略优化[J]. 湖南大学学报：自然科学版， 2013，40（4）：42-48.

疲劳寿命预测 第4篇

高压、高产且含H2S等具有强腐蚀性气体的天然气井管柱的失效不仅影响生产的正常进行,而且会带来重大经济损失。气井管柱深埋地下,工作环境复杂且不易监测,对管柱疲劳寿命的研究不仅直接关系到管道检测、维修、更换周期的确定,而且也是延长管道寿命,降低维修费用,保证气井井口装置安全运行的需要。因此,建立管柱疲劳寿命预测模型,从而预测其剩余寿命,是一项非常重要的工作,具有广阔的应用前景。

1 天然气井管柱的腐蚀

腐蚀是引起天然气井管柱失效的主要因素。在腐蚀介质中CO2、H2S是主要的腐蚀剂,H2O是载体[1]。其中CO2引起的台面状坑点腐蚀是腐蚀过程中最严重的情况,其穿透力通常每年可达数毫米[2]。研究表明,CO2腐蚀可以由(1)式表示[3]:

式中:v腐蚀速度,mm/a;

T温度,℃;

Pco2CO2分压,MPa。

式(1)表明,管柱腐蚀速度与CO2分压和温度有关。因此,欲计算腐蚀速度,应首先计算气井管柱内的温度和压力分布。

根据管柱内气体流动质量守恒、动量守恒、能量守恒和气体状态方程进行推导,可以得到如下方程组[4]:

对方程组(2),以井口处的压力p0、温度T0、密度ρ0和速度v0作为边界条件,将p、T、ρ和v记为yi(i=1,2,3,4),相应的方程记为Fi,则方程组(2)有如下形式:

其中i=1,2,3,4

将边界条件作为初值,取步长为h,用四阶龙格一库塔法对式(3)进行迭代求解,则有:

i=1,2,3,4,k为迭代步数。

解方程组(2)可以得到气井管柱内的温度和压力分布,并根据得到的压力进一步得到CO2分压。本文关心的是气井管柱的疲劳寿命,根据气井管柱内流动规律,在接箍处由于管柱截面的突变和存在联结缝隙,存在腐蚀载体水留存的条件,腐蚀最为严重,是管柱薄弱处。此外,相关文献指出[3,5],当CO2分压大于0.2MPa和温度在70℃-80℃之间时,CO2的腐蚀最严重。因此,计算过程中应取满足最大腐蚀条件的接箍处作为样本点。如某气井满足上述条件的接箍数为3,则根据式(1)和方程组(2)可得到表1所示样本点计算结果。

2 气井管柱疲劳寿命模型

得到表1数据后,计算出由于腐蚀导致联接管螺纹强度降低使得其强度恰好可以支持接箍以下部分总载荷(主要为管柱自身重量引起的重力,考虑高压气体流动导致的振动影响,可以乘上一个保险系数如1.2)的时间,而其中的最短时间即为气井管柱疲劳寿命。式(4)[6,7]为管螺纹强度校核公式:

其中F螺纹所受的轴向总载荷,N;

d0螺纹小径,mm;

b螺纹牙根部的宽度,mm;

z实际工作的螺纹牙圈数;

[τ]许用剪应力,MPa。

根据(4)式,当轴向总载荷Q为保险系数1.2乘管柱自身引起的重力时,则可以得到最小工作的螺纹牙圈数(本文称之临界圈数,以zl表示):

其中

d和D为管柱内外径,(L-hi)为表1中某个接箍以下管柱高度。

将腐蚀因素加以考虑,为简化处理,假设腐蚀只引起螺纹牙根部宽度的变化,将式(4)改写为如下形式:

Δbi为腐蚀引起的第i圈螺纹牙根部的宽度的减小量。令C代表总腐蚀量,则(vi为表总计算出的腐蚀速度),进一步对式(7)进行处理,并利用式(5),则得到螺纹牙圈数z的表达式(8):

式(8)表明,当受到腐蚀后,如果要支持管柱自身产生的重力,须有更多的螺纹牙圈数参与。当z增大到联接管螺纹牙的最多啮合圈数zmax时,在该接箍处即达到使用寿命。

根据上述分析,可以得到表1中各接箍处疲劳寿命计算公式(9):

则管柱的疲劳寿命t=min{ti}。

3 结束语

本文通过天然气管柱疲劳寿命的研究,根据管柱的腐蚀和材料的剪切强度校核公式推导了管柱疲劳寿命的数值计算模型,为实际生产过程中管柱的维修、更换提供了参考依据。

摘要：本文研究了天然气管柱的疲劳寿命,并给出了疲劳寿命预测模型计算公式,对实际生产过程具有一定的指导意义。

关键词：天然气井,疲劳寿命,腐蚀,接箍

参考文献

[1]任呈强.N80油钢管在含CO₂/H2S高温高压两相介质中的电化学腐蚀行为及缓蚀机理研究[D].西北工业大学,2003.

[2]何鲜.国外深曾气藏开采技术的[M].石油工业出版社,2001.

[3]刘晓军.CO₂腐蚀问题的再思考[J].小型油气藏,2006,11(4).

[4]郭春秋,李颖川.气井压力温度预测综合数值模拟[J].石油学报,2001,22(3).

[5]De Waard C and Lotz U.Prediction of CO₂Corrosion of Ca-rbon Stee1.A Working Party Report on Prediction CO₂Corrosion in Oil and Gas Industry,1994.

[6]陈军,房玉胜.井用管螺纹的失效分析与防范[J].机械研究与应用,2005,18(5).

预腐蚀疲劳寿命影响系数模型研究 第5篇

针对腐蚀环境下飞机结构疲劳寿命评定问题,研究了恒幅应力水平下的`地面停放预腐蚀影响系数C模型,根据统计分析推导出C曲线的关系式;疲劳试验数据分析结果建立了预腐蚀影响系数C模型.结果表明,随着腐蚀时间的增加,疲劳寿命影响系数C不断下降;同一时间下,应力水平S高,影响系数C大;应力水平S低,影响系数C小;在一定的腐蚀疲劳条件(时间、应力水平)下,可求出任一给定可靠度p时的Cp值和疲劳寿命预测值.

作 者：赵海军 金平柳文林 杨晓华 ZHAO Hai-jun JIN Ping LIU Wen-lin YANG Xiao-hua 作者单位：赵海军,柳文林,ZHAO Hai-jun,LIU Wen-lin(海军航空工程学院研究生队,烟台,264001)

金平,杨晓华,JIN Ping,YANG Xiao-hua(海军航空工程学院青岛分院,青岛,266041)

疲劳寿命预测 第6篇

关键词：AWE 车架 疲劳

中图分类号：U463.3文献标识码：A文章编号：1674-098X（2014）08（c）-0094-01

Fatigue Life Analyzing of A Semi-trailer Skeleton Based on AWE

ZHAO xuan

（Liaoning Engineering Vocational College，Tieling 112000）

Abstract：The UG software was used to establish model and through AWE software analysis， From the cloud diagram of fatigue life generated by result of the fatigue simulation，we can directly and clearly determine the dangerous areas where the fatigue takes place，Therefore， these data can be used for the optinization design of skeleton to improve the quality.

Key words：AWE skeleton Fatigue

半挂车在高速行驶过程中承受路面激励，车架在这些交变载荷作用下，会产生疲劳破坏。这种疲劳破坏严重影响半挂车的整车性能，威胁驾驶员和乘车人员的生命安全。因此，每一种新车型在试制阶段，必须进行强度和可靠性实验。传统的基于试验的疲劳强度分析，虽然比较直观、准确，但这种试验需要浪费大量的人力和物力资源，不利于缩短开发周期和降低成本，这对于企业来说是非常不利的[1]。

1 建模

本文研究过程中采用现在专业的三维绘图软件UG对实体进行建模，存储为.X_T格式并导入到AWE中。国产半挂车的纵梁在选材上一般采用16 Mn，所以对其添加材料信息，力学参数为弹性模量206 Gpa，泊松比0.3[2]。然后应用了尺寸控制方法和分网法控制对模型进行网格划分完成有限元模型的建立[3-4]。

2 循环载荷输入及约束处理

根据文献[5]中仿真数据，该文选用施加的疲劳载荷为三角正弦波，一次循环周期的应力幅值变化是：下限载荷：70 KN，上限载荷：175 KN（动载系数为2.5）。行驶速度为40 km/h，D级路面行驶状态下平均30 s内出现波峰为8次。考虑到车架运行过程中的实际情况，计算前将牵引销座处的平面确定为X，Y，Z方向的平移自由度确定为刚性约束，另外对X方向和Z方向旋转向度施加刚性约束，而Y方向旋转自由度未加约束；而将车架纵梁与悬架接触的部位（共6个面接触）Y，Z两个方向的平移自由度确定为刚性约束，而在X方向平移自由度和约束面的其余三个旋转自由度都未加约束[6]。

3 S—N曲线的选取

该文所研究车架为焊接式结构，所有纵粱的腹板与翼板之间、纵粱与横梁之间及中部的设备安装座的联结方式均为焊接式联结。对于焊接结构，疲劳失效多发生在焊接接头处，故本文着重分析车架的焊缝处的疲劳寿命。焊接接头的疲劳主要取决于焊接工艺与接头形式，与焊接母材及焊缝材料没有太大关系，因此在用名义应力法对焊接结构进行疲劳评定时，主要采用针对具体接头形式的焊接接头S—N曲线。英国标准协会（BSI）和英国能源部（UK Den）推荐了一组用于一般焊接节点的S—N曲线共有8条，称之为B、C、D、E、F、F2、G、W曲线，分别代表了一类焊接构件。

英国健康和安全委员会（HSC）在这些曲线的基础上又进一步给出了新的设计S—N曲线。根据这一标准，结合车架的焊接工艺与主要接头的联结方式，取S—N曲线为：

（1）

4 结语

因为车架的整体疲劳寿命均在1e6以上，疲劳寿命最低点出现在鹅头牵引座附近牵引销板与主纵梁接触部位的疲劳寿命最低，为8.974e5次循环，相应的在40 km/h在D级路面上连续行驶里程为2.99e5 km。

参考文献

[1]章蕾.某特种半挂车车桥疲劳可靠性分析[D].南京：南京理工大学，2007：55-57.

[2]刘学静.应力约束下半挂车车架的拓扑优化设计[D].大连：大连理工大学，2006：41-42.

[3]陈金玉，杨来侠.基于ANSYS Workbench手机外壳有限元网格划分研究[J].现代制造技术与装备，2008（1）：58-60.

[4]李兵，何正嘉，陈雪峰.ANSYS Workbench[M].清华大学出版社，2008：92-95.

[5]韩鲁明.基于CAE技术的某半挂车车架疲劳寿命预古研究[D].南京：南京理工大学，2007：44-58.

水平井下部钻柱疲劳寿命的预测方法 第7篇

关键词：钻柱,疲劳寿命,失效机理,预测

1 水平井下部钻柱疲劳概述

由于地质特征, 水文条件的复杂性, 井口直径, 钻进参数的紧密性, 石油钻柱在钻进过程中需要应对多种因素的综合作用, 例如, 整个工作操作过程有来自交变载荷引起的应力突变, 以及钻具涡动和振动引起的巨大冲击负荷等, 所有这些物理机制共同作用导致钻柱疲劳损伤, 最终致其机能失效。回顾国内, 同样的事故也同样发生着。我国在油田事故中, 至少有20%左右是来自钻柱疲劳断裂, 总价值损失在7000万人民币以上, 例如, 仅仅在我国新疆西部地区, 在20122013的两年间, 共发生了400起钻具疲劳损伤事故, 约占我国石油天然气总公司的1/31/5, 损失相当惊人。诸多的油田发生如此高频的钻具井下断裂事故不是偶然, 这其中必然有着力学应用机制和规律值得去研究和重视。笔者试图通过收集和分析多起失效案例, 通过统计学计算原理, 综合归纳了这些案例中失效时的力学作用机制, 并以此为依据, 进行规律总结, 得出:水平井下部钻柱失效的具体形式主要表现在公扣、母扣断裂、脱扣和刺漏, 其机能失效机制在于钻具横向振动、纵横弯曲、质量偏心、弯曲应力集中, 导致钻柱和钻体与井壁过度接触诱发摩擦力产生巨大反进力, 同时混合其他动力学因素共同作用形成。

2 钻柱失效机理分析

在定向钻井的下部及水平段, 当旋转的钻柱通过增斜段、稳斜段和降斜段时, 受到了弯曲交变应力的作用, 造成钻柱疲劳损伤, 消耗钻柱使用寿命。根据弯曲交变应力的力学原理可以预测, 当钻柱损伤积累到一定程度时, 钻柱会发生疲劳损伤。而钻柱的寿命周期在很大程度上依赖于疲劳积累后的受力链式反应, 在对此进行分析时, 通过力学原理进行多层次剖析, 以了解钻柱在井下疲劳受损伤程度, 从而预测钻柱还能拥有的寿命时限和维持正常运转机制的可使用几率。在此, 我们可以确定最大弯曲应力是疲劳损伤形成的最关键核心因素。

根据现有研究发现疲劳损伤是钻柱失去效能机制最核心的原因, 也是钻柱被破坏的最先表现的形式, 钻柱的失效形式以公扣、母扣断裂、脱扣及刺漏为主。在疲劳损伤的类别里有一类可算作是纯粹性疲劳损伤, 这种损伤起初最明显的可观察的表象特征形式就是伤痕疲劳, 它的形成是由于机械强度性摩擦受损后产生, 在这里腐蚀起到了加速疲劳损伤的可能性, 腐蚀使得其初始伤痕损伤被加速, 使用寿命被减损, 运转效能机制下降, 最终累积形成疲劳损伤。在钻柱弯曲的作用下, 有很多因素与其振源有关, 最常见的有以下几类振源:钻头与地层的相互摩擦;钻柱发生的弯曲变形;偏心;钻柱转速与涡动。

3 疲劳寿命预测的数理建模

要计算出钻柱的疲劳使用寿命, 可以根据上述的力学分析研究, 结合数理学原理, 对钻柱疲劳损伤的不同程度建立S-N曲线群, 根据该S-N曲线群推导出钻柱受损后发生弯曲的周期时限, 也就是钻柱旋转的转数, 根据此转数作为分析所得指标示数, 从而得出钻柱使用至疲劳极限的使用寿命。水平井下的钻柱的钻进通常是分为轴向拉伸和轴向压缩两个方位操作, 这里就以此两种情况来进行数学建模:

轴向拉伸载荷情形下的寿命预测数理建模

假设最大弯曲应力σmax, 发生在单根钻杆的中部, 那么其大小数值为

上述公式中D=钻柱钻杆外径;E=杨氏模量;C=井眼曲率;L=1/2单根钻杆长度;G=极惯性矩。

当轴向拉伸载荷非常大的情况下, 那么最大弯曲应力就会发生在靠近钻杆接头处, 其具体大小可以通过以下公式计算得出:

当轴向拉伸载荷正常情况下, 钻杆与井壁相互摩擦时, 在这种情形下最大弯曲应力会发生在靠接头的部位, 其具体大小可以通过以下公式计算得出:

当钻杆与井壁弧形接触时, 随着轴向拉伸所产生的载荷力的不断增加, 钻杆与井壁的接触范围会扩大, 由最初的某一点的接触扩散至弧形接触, 钻杆中部的相应位置接触井壁最大弯曲应力依旧是在接近接头处。并且能用上述公式来计算, 但有一点需要值得注意的就是:在上述方程中钻杆接触井壁位置部分的相应长度, 必须通过试算法来求解。

4 计算实例分析

为了便于实践运用, 笔者通过上述建构的数理模型, 辅助计算机C语言编制了钻柱疲劳使用寿命预测软件程序。用户只需通过简单的输入一些对应的钻井实测数据, 就可以通过数学公式计算出钻柱使用寿命, 整个运算过程轻松, 便捷, 准确。下面笔者就通过该软件程序, 以某油田水平定向井下部钻柱为实例, 对此进行寿命周期预测。该井用5in (1in=2.54cm) 的钻杆, 受拉伸后, 载荷力增至极限测定数据为33;泥浆的密度为1.25g/cm3;井深为3000m;造斜点的深度为1000m;增斜后的井斜角为40°;造斜率为9°/ (100ft) (1ft=30.48 cm) ;钻柱钢级为E;转速为50r/min。根据这些基本数据, 可预测出该钻杆的寿命周期大约为998407319周即约3328h。另外, 通过软件计测定, 当造斜率取8.8°/ (100ft) 时, 最后计算机测定的钻柱周期使用寿命为5427216119周即18090h;此外, 当造斜率取9.2°/ (100ft) 时, 寿命为周期为554117519周即1847h。

通过数理计算分析可以发现, 造斜率也是影响钻柱疲劳寿命周期的一个关键性因素。利用上述建构的数理模型可计算出钻杆的最大弯曲应力, 最大应受力可作为钻杆的疲劳寿命周期的一个指标性示数。有了这样的预警数据, 在今后的钻井实际操作中可以制定相应的疲劳损伤的预防措施, 确定前期的预警方案, 以科学的态度来防患于未然, 将事故的发生率控制在可控制范围内。但此模型只适用于定向井和狗腿度较大的直井通过造斜率或狗腿严重度来计算钻杆的最大弯曲应力。

5 结语

石油钻柱在钻进的过程中, 由于弯曲交变循环应力累积了疲劳损伤。本文集合钻柱井下承载的多种负载力, 地质水文及腐蚀性环境, 以及钻柱机械振动等, 通过利用力学原理, 对现场钻柱运转工程中的数据收集, 根据数理原理建构出疲劳损伤寿命周期的预测模型。同时根据建模公式设计出辅助预测软件, 实现钻柱管理的数据化、跟踪化、可预警化, 实现整个石油钻井工作的科学化和效益化。

参考文献

[1]吴永泽, 欧阳:如何合理选择钻铤扣型, 《石油钻采工艺》, 1982年第1期.

疲劳寿命预测 第8篇

关键词：局部应力应变法,高周疲劳,寿命预测

疲劳寿命和可靠性是产品设计研发的重要指标之一。不管是高周疲劳失效还是低周疲劳失效,构件随着交变载荷的作用,气孔等缺陷形成应力集中微观区域,导致构件内部材料都存在着程度不同的微观塑性变形,经过周期累积,最终都会形成疲劳失效。

目前,高周疲劳寿命的估算多用名义应力法,低周疲劳寿命的估算则多数使用局部应力应变法。局部应力应变法关注的正是构件疲劳危险小块区域的材料,更为贴近疲劳失效的本质,理论上说,局部应力应变法既然适用于低周疲劳,也应该适用于高周疲劳。因此,在综合考虑各影响因素的基础上研究,建立了一种新的高周疲劳寿命预测数学模型。

1 修正应变寿命曲线

局部应力应变法估算疲劳寿命精度的主要影响因素应包括应力梯度、尺寸、表面加工[1]。在局部应力 - 应变计算时,得到局部峰值点较精确的应力应变,并考虑应力梯度、尺寸、表面加工影响等的修正应变 - 寿命曲线计算损伤和寿命,才有可能计算得到精度较高的高周疲劳寿命。

局部应力应变法中的应变 - 寿命曲线( 见图1)通常用Manson - Coffin公式描述:

式中: Δε为总应变; Δεe为弹性阶段应变; Δεp为塑性阶段应变; σ'f为疲劳强度系数; ε'f为疲劳塑性系数; Nf为疲劳寿命( 循环数) ; E为弹性模量; b为疲劳强度指数; c为疲劳塑性指数。

上式包括弹性线

式中: Δσ为局部应力幅值。

修正B点,B点纵坐标:

式中: σ- 1为应力; S- 1为应力幅值; Kf为疲劳缺口系数。

式中: α为材料常数; Kt为理论应力集中系数; ρ为试件缺口根部半径。

局部峰值( C点坐标) 的应力在弹性变形范围内,同时考虑β( 尺寸系数) 、ε( 表面加工系数) 的影响,对应Nf= 107次循环的寿命。

由式( 2) 和( 3) 可得:

修正缺口根部峰值点对应的应变 - 寿命曲线弹性线:

式中: b*为修正疲劳强度指数。

由式( 5) 和( 7) 可得:

由式( 6) 和( 8) 可得:

考虑平均应力σm因素下修正应变 - 寿命公式为:

上式综合考虑了应力梯度、尺寸和表面加工等影响因素,不仅适用于低周疲劳寿命的计算,也能够适用于高周疲劳寿命的计算,为高周疲劳寿命计算提供了一种新的数学模型。

2 应用实例

以某型侧架为例,运用推导的修正应变 - 寿命公式估算其疲劳寿命,通过疲劳试验验证估算结果。

2. 1 试验寿命

疲劳试验分为2个阶段,第1阶段: 恒幅载荷0. 84C ~ 2. 9C( C = 195 k N) ,循环次数20万次,期间被试件若出现大于15 mm的裂纹,即终止试验; 第2阶段: 若第1阶段未出现裂纹,则最大载荷增加20% ,最小载荷不变,即0. 84 C ~ 3. 48 C,累计第1阶段的循环次数继续进行疲劳试验,直至产生15mm以上的裂纹后,终止试验,疲劳试验结果如表1所示。

由S - N曲线方程

式中: σai为应力; m为材料指数; Ni为寿命次数; C1为材料常数。

根据被试件材料性能,查询相关文献得

对被试件进行上述2个阶段,3个载荷工况下的静强度应力测试,根据测试结果得σa1= 133. 98MPa,σa2= 171. 67 MPa。

将第1阶段试验寿命( 载荷范围为0. 84C ~2. 9C) 统一换算为0. 84C ~ 3. 48C载荷情况下试验寿命,计算得到N2= 39. 55万次。

2. 2 疲劳寿命估算

式中: Δσ为局部应力幅值; Δε为局部应变幅值; Kf为疲劳缺口系数; E为弹性模量; ΔS为名义应力幅; k'为循环强度系数; n'为循环应变硬化系数;σf'为疲劳强度系数; σm为平均应力; Nf为疲劳寿命( 循环数) ; b为疲劳强度指数; εf'为疲劳塑性系数;α为材料常数; Kt为理论应力集中系数; ρ为试件缺口根部半径; c为疲劳塑性指数; β为尺寸系数; ε为表面加工系数。

恒幅载荷在0. 84C ~ 3. 48C情况下,局部应力- 应变法估算的依据是低周疲劳的6个材料常数。因此,寿命估算时最好采用试验实测值。但在缺乏试验数据时,可根据静强度试验数据来估算。

根据被试件材料性能,查询相关文献,其材料常数为: b = - 0. 101、c = - 0. 453、εf'= 0. 191、σf'=692. 40 MPa、n'= 0. 203、K'= 926. 86 MPa。

根据材料的热处理工艺及质量,可得到: α =0. 254、ρ = 0. 75、Kt= 2、Kf= 1. 747、β = 0. 74、ε =0. 68、σm= 204. 09 MPa。

运用上节推导的计算公式,求得某型机车车辆转向架关键零部件疲劳寿命估算结果为43. 1万次,而疲劳试验的平均寿命为39. 55万次,误差约为9% ,对于疲劳寿命统计估算来说,精度较高。

3 结论

疲劳寿命预测 第9篇

发动机机体是发动机的骨架,是发动机内各机构的安装基础,其内部和外部装配有发动机所有的零件, 承载各种载荷,因此发动机机体必须要有足够的刚度和强度[1]。发动机运行时,油气混合气压缩、点火燃烧,从而产生高温高压交变压力作用于活塞顶部,推动活塞作往复直线运动,通过曲柄连杆机构传递到机体的主轴承座上,形成激励载荷,容易使机体主轴承壁(如主轴承座、凸轮轴孔和主轴承螺栓孔等部位)产生疲劳破坏[2]。 针对这一问题,目前主要采用有限元建模分析[3,4]和疲劳试验方法[5,6]进行研究。

发动机机体的结构非常复杂,凹陷、凸起及孔的存在会导致严重的应力集中现象。虽然承载单轴脉动激励载荷,但局部仍为多轴应力状态[7];因此发动机机体的疲劳属于多轴疲劳[8]。目前提出的多轴疲劳寿命分析模型主要分为[9]等效应力应变法[10,11,12]、 能量法[13,14,15]和临界平面法[16,17]三类,其中临界平面法被认为是 解决多轴 疲劳问题 最有效的 方法[18]。 基于临界平面法对实际复杂构件进行疲劳寿命预测需要:(1)确定引起疲劳破坏的损伤参量,将构件多轴应力合成为等效应力;(2)通过影响因素修正,将材料试件S-N曲线推导得到构件每个危险点的S-N曲线,分析构件疲劳寿命。

1临界平面法

在多轴疲劳研究中,目前多数的做法是将多轴疲劳损伤等效成单轴损伤的形式,然后利用单轴疲劳理论来预测多轴疲劳寿命。在这种思想下,提出了许多基于单轴疲劳理论 的经验或 半经验多 轴疲劳损伤模型。其中1973年文献[19]提出临界平面法,随后1980年文献 [20]也提出了 类似的方 法。 该方法要求确定破坏面及关 于这个面 上的应力 与应变,具有一定的物 理意义。2001年文献 [21]提出了基于临界平面法的多轴疲劳判断准则,用于评价光滑或者带缺口的部件 在受到周 期性等比 或者不等比多轴载荷作用下的疲劳极限和寿命,随后提出了基于C-S准则的简 化方法[22]。研究表明C-S准则可以用于包括灰铸铁在 内的多种 材料的疲 劳强度预测[21,22]。采用临界 平面法预 测构件疲 劳寿命步骤如下:(1)以危险点 为半球面 圆心,采用等角度取值的方 法,获得若干 条射线,这些射线 的法向平面即为危险点平面,计算每个离散平面的法向应力的平均值σmn和幅值σan及切向应 力的平均 值 τm和幅值τa。(2)将法向与 切向的应 力平均值 用式(1)合成为等效应力幅 值,用式 (2)合成等效 应力均值[23]。

式中,σea为等效应力 幅值;σem为效应力 均值;σA,tec为材料拉压疲劳极限;τA,to为材料扭 转疲劳极 限; τys为材料剪切屈服极限;σy为材料拉 伸屈服极 限。 (3)通过零件海格图 (图1)确定最危 险点临界 平面,以等效应力均 值σem为横坐标,等效应力 幅值 σea为纵坐标描绘各点,根据等应 力比原则 或等应力均值原则判 断最危险 位置 。(4)通过修正S-N曲线,预测零件疲劳寿命。机体结构、载荷都将影响零件的S-N曲线,为了进行零件疲劳寿命预测, 必须对材料试棒 的S-N曲线 (图2虚线 )进行修正。本文采用由试验测得机体试样材料的抗 拉强度,同时根据抗拉强度 与疲劳强 度的关系 生成试样的S-N曲线,此S-N曲线与机 体具有同 样的铸造工艺,因此由材料 试棒的S-N曲线推导 构件的S-N曲线过程中不 考虑制造 工艺的影 响 ,主要考虑结构尺寸、应力梯度、平均应力、表面粗糙 度的影响,采用疲劳分析软件FEMFAT修正材料S-N曲线的极限应力值、斜率和循环基数位置,得到构件的S-N曲线(图2实线)。

2发动机体疲劳寿命预测

2.1计算模型

为便于与试验结果对比验证,本文以机体试验台架为原型(图3)建立机体有限元计算模型,保证试验和有限元分析的载荷与约束条件一致。截取气缸体第二主轴承壁两个半缸为计算模型,根据装配关系,安装主轴承盖、气缸盖、主轴承瓦及主轴承螺栓。 其中气缸盖作为传力构件,对其进行简化处理。气缸体、主轴承盖的网格类型为C3D10M,主轴承瓦、 螺栓、气缸套、气缸盖、主轴承盖 的网格类 型为C3D8I。装配面施以 “接触”约束,螺纹啮合面 施以 “绑定”约束。发动机机体有限元计算模型与约束设置如图4所示。相应的零件信息见表1。

安装在气缸体顶面油缸通过活塞及连杆加力杆施加试验载荷。试验载荷以180°余弦分布的方式施加在主轴颈的主轴瓦上。其他载荷包括主轴承瓦的过盈、凸轮轴孔衬套的过盈和螺栓预紧力。装配接触面包括主轴承盖与螺栓支撑面、机体主轴承孔与上主轴承瓦外表面、主轴承盖孔表面与下主轴承瓦外表面、主轴承上下瓦之间接触表面、机体与主轴承盖之间接触表面、机体与缸套外侧表面、机体与缸套轴向定位面、缸套与缸盖接触表面、缸盖与螺栓支撑面。接触面设置如图5所示。

2.2有限元应力分析

为了与试验结果进行对比,采用疲劳试验的加载方式进行计算。首先设置装配载荷步,包括预紧载荷步与接触设置载荷步;接着根据疲劳试验设置5个爆压载荷步,每个载荷步的载荷值即为试验载荷值(表2)。

3试验与计算对比分析

试验数据具有分散性,采用试验数据统计结果进行对比。计算结果与试验结果对比时,计算模型的边界条件、载荷选取与试验工况一致。试验与计算对比验证流程 如图6所示。具体对比 内容及指 标为:(1)疲劳试验试件破坏断裂部位与计算得出的疲劳危险点一致;(2)疲劳载荷极限值与计算所得相对误差不大于10%;(3)给定载荷的试验疲劳寿命与计算疲劳寿命不超出3倍误差带。

3.1试验方法

机体液压疲劳试验系统主要由液压泵站、液压脉冲加载机构、机械台体、静态应变测量机构(应变仪)、控制系统、数据采集分析软件等部分组成。试验台架如图7所示。在气缸体上安装气缸盖、活塞、 连杆及曲轴。高压润滑油由液压泵站注入到试验装置的高压油腔内,载荷由高压油、活塞、连杆及轴传递至机体主轴承座处。改变油压可以实现不同载荷的模拟,模拟发动机运转时的气缸最高燃烧压力,一个载荷循环过程为一次润滑油的加压过程,反复施加载荷直至机体出现疲劳裂纹,并记录相应载荷循环次数。试验设备及方法详见文献[24-25]。

3.2结果对比分析

3.2.1疲劳破坏薄弱位置

该发动机机体疲劳试验断裂部位比较集中,试验载荷在第2缸加压时,位于第二主轴承壁上的横向主油道孔部位出现裂纹(如图8所示);试验载荷在第5缸加压时,位于第六主轴承壁上的螺栓搭子部位出现裂纹(如图9所示):该结果与有限元分析得到的薄弱位置一致。

3.2.2疲劳极限

工程应用中进行 疲劳试验 以复杂结 构件为试 样,采用成组法和升降法都需要耗费大量的样件和试验成本,采用单点法(对应于每一载荷水平的样本容量为1个)再加上统计学的分析是一种简单有效的方法[2]。表3是机体横向主油道孔部位与主轴承螺栓搭子部位的疲劳试验和有限元计算数据。通过试验数据统计分析,可得到横向主油道孔部位试验疲劳极限载荷的试验均值为25.88MPa,主轴承螺栓搭子部位疲劳极限载荷的试验均值为25.83MPa; 通过基于临界平面法计算,可得到横向主油道孔部位疲劳极限载荷计算值为24.54MPa,主轴承螺栓搭子部位疲劳极限载荷计算值为24.02MPa:计算结果与试验样本母体均值的相对误差分别为5.2% 和7.0%,满足相对误差小于10%的要求。

3.2.3疲劳寿命

图10和图11分别为横向主油道孔部位计算寿命与试验寿命曲线和误差带的情况。由图11可见,横向主油道孔部位的试验疲劳寿命与计算疲劳寿命落在3倍以内。图12和图13分别为主轴承螺栓搭子部位计算寿命与试验寿命曲线和误差带分析。由图13可见, 试验疲劳寿命与计算疲劳寿命落在3倍误差带以内。

4结论

(1)基于临界平面法进行有限元分析得出的疲劳危险点与疲劳试验试件破坏断裂部位吻合,机体疲劳试验破坏部位分别为横向主油道孔部位与主轴承螺栓搭子部位。

(2)基于临界平面法进行有限元分析得出的机体疲劳极限载荷值与试验样本母体均值的相对误差分别为5.2% 和7.0%,满足相对 误差小于10% 要求。

(3)基于临界平面法进行有限元分析得出的疲劳寿命与试验疲劳寿命落在3倍误差带以内,满足要求。

摘要：基于临界平面法计算分析了发动机机体疲劳破坏薄弱位置、疲劳极限和疲劳寿命曲线,并进行了试验验证。结果表明:基于临界平面法进行有限元分析得出的疲劳危险点与疲劳试验试件破坏断裂部位一致;计算得到机体疲劳极限载荷值与试验样本母体均值的相对误差小于10%;计算得到的疲劳寿命与试验疲劳寿命落在3倍误差带以内。在计算模型的边界条件、载荷选取与试验工况一致的前提下,采用临界平面法能准确预测发动机机体疲劳寿命。

疲劳寿命预测 第10篇

1 实验过程及方法

1.1 静力性能

ZTC4铸造钛合金的化学成分见表1。采用如图1所示的试样进行静力性能测试,所有试样均从材料的纵向取样,实验方法按HB5143—1996[11]执行,其静力拉伸性能见表2。

表1 ZTC4的化学成分(质量分数/%)Table 1 Chemical composition of ZTC4(mass fraction/%)

图1 室温静力性能试样Fig.1 Room temperature tensile property test specimen

表2 ZTC4拉伸性能Table 2 Tensile property of ZTC4

1.2 疲劳S-N 曲线测试

将ZTC4铸造钛合金加工成图2所示的疲劳板材试样,应力集中 系数Kt=1。分别进 行应力比R=0.06和R= -1的疲劳S-N曲线测试,实验方法 按HB5287—1996[12]执行。

图2 疲劳试样(Kt=1)Fig.2 Fatigue specimen(Kt=1)

采用成组法测试了两个应力比的S-N曲线(见图3),每条曲线采用三级应力水平,每级应力水平15个试样,并采用升降法测试107循环寿命对应的中值疲劳极限,疲劳极限测试12~15个试样,共测试了120个试样。

图3 两种应力比的 ZTC4疲劳S-N 曲线Fig.3 Fatigue S-Ncurves of ZTC4at two stress ratios

1.3 疲劳断口扫描电镜分析

观察图2所示的试样疲劳断口发现,95%以上的疲劳裂纹起始和扩展都位于试样中部截面的边缘处附近 (见图4)。裂纹主要萌生于铸造引起的夹杂处,其尺寸在20~70μm之间,距表面的深度在50~800μm之间(见图5)。在裂纹扩展区观察到疲劳辉纹,能看到清晰的疲劳条带,且存在少量的二次裂纹。由夹杂引起的疲劳断裂试样个数占53%,由疏松、缩孔和微裂纹等引起的约占47%。

图4 疲劳裂纹萌生及扩展示意图Fig.4Schematic diagram of fatigue crackinitiation and propagation

对试样断口扫描电镜分析发现,16%的疲劳断裂是由疏松引起的(见图6),裂纹源主要萌生于铸造引起的疏松处,并形成一 种光学暗 区 (Optically DarkArea,ODA),距表面500~1000μm;裂纹扩展区可以观察到清晰的疲劳条带和明显的二次裂纹。

除夹杂与疏松作为裂纹源外,还有部分疲劳断裂是由缩孔和微裂纹引起的(见图7),裂纹源距表面的深度在200~1200μm之间。裂纹扩展区可以观察到清晰的轮胎花纹(疲劳辉纹),疲劳断口由疲劳裂纹源区、疲劳裂纹扩展区以及瞬断区三部分组成。裂纹在试样自由表面或靠近表面的地方形成,近裂纹源处裂纹呈放射状;其后随着裂纹的扩展,裂纹逐渐稀疏,扩展速率加快;瞬断区的断口形貌跟静载断裂相似,形成不平坦的粗糙表面。

图5 ZTC4夹杂疲劳源SEM图像(a)试样1;(b)试样2;(c)试样3Fig.5 SEM images of ZTC4fatigue origins caused by inclusions(a)specimen 1;(b)specimen 2;(c)specimen 3

图6 ZTC4疏松疲劳源SEM图像(a)试样4;(b)试样5Fig.6 SEM images of ZTC4fatigue origins caused by porosities(a)specimen 4;(b)specimen 5

图7 ZTC4缩孔、微裂纹疲劳源SEM图像(a)试样6;(b)试样7Fig.7 SEM images of ZTC4fatigue origins caused by shrinkage cavities and microcracks(a)specimen 6;(b)specimen 7

根据扫描电镜分析结果和统计分析,铸造夹杂、疏松、缩孔等缺陷的 众数约为50μm,距离厚度 表面的众数为700μm(见图8和图9)。因此在后面的预测模型中 将初始缺 陷的尺寸 假设为50μm,深度为700μm。

2 平板中内嵌椭圆裂纹的应力强度因子解

在ZTC4试样的断口分析中,发现有一部分初始缺陷形式如Crack A(见图10)(图中a和b分别对应椭圆的长、短半轴)。也有一部分初始缺陷形式如Crack B所示,横轴不平行于试样的厚度表面,这种缺陷几何在工程实际构件中也是大量存在的,对Crack B采用等效简化计算方式(见图11)。由图11可见,,其中a,b,α的定义见图10。

图8 ZTC4初始缺陷尺寸统计分布Fig.8 Statistical distribution of ZTC4initial defect size

图9 ZTC4初始缺陷深度统计分布Fig.9 The statistical distribution of ZTC4initial defect depth

图10对应的应力强度因子求解是十分复杂的,目前较通用的方法是利用有限元分析求解,但是有限元方法耗时,计算效率 较低。本文应 用Isida和Nogu-chi[13]的应力强度因子解来进行分析。

图10 裂纹几何Fig.10 Crack geometry

图11 Crack B的等效简化计算Fig.11 The equivalent simplified calculation of crack B

简化后椭圆裂纹的长短轴端的应力强度因子计算公式见式(1):

式中:F为形状函数,最大应力强度因子发生在短轴的下端点[13],即靠近表面处,将其形状系数记为FB,而在长轴端的系数记为FA。

式中:;d的定义见图10。

3 疲劳裂纹扩展数据

采用基于小裂纹理论的疲劳全寿命预测方法[2],利用Fastran II软件[5]和Isida、Noguchi的应力强度因子解[13,14]对ZTC4铸造钛合金的疲劳寿命进行预测。该预测方法是根据恒幅载荷下的长裂纹扩展实验数据,基于裂纹闭合模型获得裂纹扩展速率da/dN与有效应力强 度因子ΔKeff间的关联,长裂纹的 (da/dN)-ΔKeff裂纹扩展速率曲线为基础,假设在第一个载荷循环时裂纹就开始扩展,预测从初始裂纹(缺陷)尺寸直至断裂的疲劳寿命。

为了获得长裂纹扩展基线,实验中采用中心裂纹拉伸试样(CCT试样),试样形式见图12所示 (厚度为4mm),分别进行了R=0.5,0.06和-1的长裂纹扩展实验,扩展速率数据见图13。利用Newman裂纹张开应力公式[15](式(4))进行(da/dN)-ΔKeff裂纹扩展速率关联(见图14)。

图12 室温裂纹扩展试样形式Fig.12 The specimen for room temperature crack growth test

图13 ZTC4疲劳裂纹扩展速率(da/dN)-ΔK 数据Fig.13 Fatigue crack growth rate(da/dN)-ΔKfor ZTC4

式中:Smax为最大应力;R=Smin/Smax为应力比;Sop为裂纹张开应力;A0,A1,A2,A3是应力状态约束系数α和Smax的函数,由下式给出:

图14 ZTC4疲劳裂纹扩展速率(da/dN)-ΔKeff基线Fig.14 Fatigue crack growth rate(da/dN)-ΔKeffbase line for ZTC4

4 含缺陷试件的寿命预测

4.1 典型缺陷试件的寿命预测

从试样的宏观断裂位置看,疲劳破坏多发生在靠近试样中心截面的边缘处附近。微观分析发现,裂纹源大多萌生于夹杂、疏松等铸造引起的缺陷处。根据扫描电镜分析结果和统计分析,铸造夹杂、缩孔等缺陷的众数尺寸a=b=50μm,距离厚度表面的众数深度d为700μm。因此在预测模型 中将初始 缺陷的尺 寸a和b假设为50μm,深度d为700μm。采用图14中(da/dN)-ΔKeff裂纹扩展速率曲线对ZTC4铸造钛合金试样(见图2)进行疲劳寿命预测,预测结果与实验结果的比较分析见图15。由图15可见采用基于小裂纹理论的条带屈服裂纹闭合模型进行疲劳寿命预测,其结果与实验结果吻合较好。

图15 S-N 实验曲线和寿命预测结果的比较Fig.15 Comparison of S-N curves and life prediction results

从寿命预测结果看,采用基于小裂纹理论得到的预测结果与实验结果吻合较好。这也表明以气孔、夹杂等微观缺陷的尺寸作为初始裂纹的长度,即把材料中的微观缺陷当做一个已经存在的微裂纹是比较合理的。在利用小裂纹理论和Fastran预测疲劳寿命时,初始缺陷尺寸和深度对疲劳寿命存在一定影响。下面从ZTC4疲劳试样的断口统计分析中,选取一定的特征初始尺寸和深度值,来定量分析其对疲劳寿命的影响程度[16]。

4.2 初始缺陷离表面距离的影响

Fastran II在进行疲劳寿命计算时,初始缺陷离表面的距离对最终的结果会产生一定影响。文献[14]指出,对于图10的Crack A,当d/b较小时,初始缺陷对应的应力强度因子值可以按照表面裂纹的应力强度因子值进行计算;当d/b较大时,则可以按照内埋椭圆裂纹的应力强度 因子值进 行计算。本 文计算了R=0.06,Smax=630MPa,a=b=50,75μm和100μm时,d取不同特征深度对寿命预测值的影响,结果见图16。

图16 初始缺陷位置对预测的 ZTC4疲劳寿命的影响Fig.16 Influence of initial defect location onpredicted fatigue life of ZTC4

由图16可见在给定初始缺陷尺寸的情况下,当d/b较大时,试件寿命趋于某稳定值,几乎不受d变化影响;而在靠近表面附近时,深度d减小会明显增大应力强度因子,使试件寿命变短。此预测结果表明,缺陷越靠近表面越会显著降低疲劳寿命。

4.3 初始缺陷尺寸的影响

在基于小裂纹理论的疲劳全寿命预测中,把材料初始缺陷尺寸设定为寿命预测的起点,即初始裂纹长度。由于疲劳寿命主要消耗在裂纹尺寸很小的阶段,因此初始裂纹长度对疲劳寿命具有显著影响。本工作针对ZTC4疲劳试样(见图2),分析了ZTC4铸件中的初始缺陷尺寸对寿命预测值的影响,结果见图17。该图表明,在给定初始缺陷位置的条件下,预测的疲劳寿命随着初始缺陷尺寸的增加急剧降低。

5 结论

(1)ZTC4铸造钛合金的疲劳裂纹大多萌生于气孔、夹杂等铸造缺陷处。众数缺陷尺寸为50μm,距离厚度表面的众数深度为700μm。试样疲劳断裂是由试样本身存在的铸造缺陷引起的,绝大部分的试样断裂机制呈现多源性疲劳断裂的特征。

图1 7 初始缺陷尺寸对预测的ZTC4疲劳寿命的影响Fig.17 Influence of initial defect size on predicted fatigue life of ZTC4

(2)基于小裂纹理论,采用修正的条带屈服裂纹闭合模型,预测得到的ZTC4疲劳寿命与实验结果吻合较好。在给定初始缺陷尺寸的情况下,预测的ZTC4疲劳寿命随着初始缺陷位置距离表面深度的增加而增加。在给定初始缺陷位置的条件下,预测的疲劳寿命随着初始缺陷尺寸的增加急剧降低。

摘要：铸造钛合金ZTC4在飞机和航空发动机上应用日益广泛。深入研究ZTC4疲劳全寿命预测方法,旨在为航空构件的损伤容限设计和寿命预测探索新的途径。本文以宏观和微观结合的手段,采用板材试样的高周疲劳试验、中心裂纹试样的长裂纹扩展试验和扫描电子显微镜(SEM)的断口分析等三种试验,研究了ZTC4在室温恒幅载荷条件下的疲劳断口特征和裂纹扩展行为;对引起疲劳失效的主要原因-材料初始缺陷(夹杂或气孔)进行了定量表征;基于Newman裂纹闭合模型建立了ZTC4长裂纹的(da/d N)-ΔKeff基线数据;通过对平板内埋椭圆裂纹的断裂力学分析,从基于微观结构和断口分析统计确定的初始缺陷尺寸出发,对ZTC4在恒幅载荷条件下两种应力比的疲劳全寿命进行了预测和实验验证,得到了具有较好学术意义和工程应用价值的研究结果。

寿命预测有指标 第11篇

2009年。诺贝尔生理学或医学奖揭晓，获奖的三位科学家都是因为在某种程度上破解了寿命之谜而获此殊荣的。他们分别是来自美国旧金山大学的伊丽莎白·布莱克本、来自美国约翰·霍普金斯医学院的卡萝尔·格雷德和来自美国哈佛医学院的杰克·绍斯塔克。

人们对这三位科学家的评价是。他们的工作卓有成效地揭学家终于在基因的层面上回答了衰老究竟是怎么回事的问题。他们还在此基础上，让人类看到了延长寿命的曙光。并为预测人类寿命提供了种种可能。他们发现了什么，是什么让他们触摸到了开启人类寿命之门的钥匙?

假若要用一个关键词来回答这个问题，那么这个词就叫“端粒”。

端粒就好比是隐藏在细胞中的一座“生命时钟”。人体由各种各样的细胞组成。细胞的中央有个细胞核，核里存放着一种名为DNA的分子，它是我们所有遗传信息的原始备份。我们的基因以密码的形式储存在这些DNA中，它们决定了我们的种种性状，例如我们的头发是曲还是直，眼睛是蓝还是黑，皮肤是黄还是白。个头是高还是矮。甚至性格是暴躁还是温和等等。这样的DNA像两股绳子。绳头包含着遗传信息的染色体，端粒就是染色体上的一个“保护罩”。科学家们形象地把染色体比方成鞋带，而端粒就是鞋带上的“塑料头”，它起着保护“鞋带”的作用。

科学家们在研究中发现，端粒就仿佛是细胞分裂的记录器，细胞每分裂一次，端粒便缩短一点。直到宣告细胞的死亡。端粒的这个缩短过程甚至在我们出生之前就开始了，而且在我们生命的头20年里，端粒的长度已经缩短了1／3。在这以后，端粒继续缩短。大约每10年缩短9％，不过有些人会快于这个速度，有些人则慢于这个速度。具体原因究竟是什么现在还不太清楚，但科学家们推测这种差异与遗传和不良的生活习惯有关，例如吸烟、饮酒、肥胖和焦虑都有可能加快端粒的缩短。一项来自美国犹他大学的研究显示，在60岁以上的成人中，端粒长度低于平均长度的人，其患心脏病死去的可能性是同岁数端粒长度高于平均长度的人的3，18倍：而患传染性疾病死去的可能性则高达8，54倍。这个发现令科学家们十分震惊。因为这意味着，端粒似乎是在以一种奇特的方式记录着生命走向终结的过程。难道端粒在为我们的生命做着倒计时?

端粒酶：拨慢“时钟”的机关

不过，科学家们还在细胞中发现了另外一种东西——它是一种酶，当染色体末端出现磨损的时候，这种酶就开始发挥作用。对磨损的部分加以修复，这种酶叫“端粒酶”。

研究表明，端粒酶的活性是生命活性的一个关键因素。当一个人年轻时，端粒酶的活性较大，容易维持和延长端粒，这是年轻人不·显老态的原因：但人一旦上了年纪，端粒酶活性就降低了，端粒缩短，表明衰老已至。有研究发现，男性端粒缩短略快于女性，这被认为是男性平均寿命低于女性的原因。

端粒酶的存在算得上是一个好消息，这意味着，端粒这座人体“生命时钟”的运行可能并不是不可逆转的。端粒酶总算为科学家们提供了一个拨慢“时钟”的方法，它让人类看到了长生不老的曙光。

端粒酶的作用已经在实验中得到了证实。开始时，科学家们发现这种酶能使老鼠的生命延长40％。后来有科学家设计了一个实验，他们把那些做了母亲的女性分成两组，其中一组女性的孩子身体健康，各方面都正常；另一组的孩子患有慢性病，因而承受着一定的精神压力。经过跟踪观察和研究，科学家们发现，在那组经受着精神压力的女性里面，照顾慢性病孩子的时间越长，端粒酶水平就越低，端粒就越短。这是人类第一次清清楚楚地看到，非遗传因素与端粒之间存在的因果关系。科学家们还对心血管疾病的某些指标也进行过分析，结果发现患有这些疾病的人，其端粒酶的水平也较低。

上述发现表明：提高端粒酶活力水平就意味着延缓衰老。因此，一组来自美国哈佛医学院的科学家，在黄芪这种中草药中提取了一种名为“TA-65”的营养补充剂，它的作用就是激活人体中的端粒酶。2010年，他们在老鼠身上进行了“TA-65”试验。通过在老鼠体内注射“TA-65”后发现，老鼠的染色体终端不仅延长了，而且免疫系统也有了恢复。这种补充剂目前还在实验之中，也许人类真得有办法找到能抵制衰老的药物。

寿命预测：既令人期待又令人困惑

当我们明白了端粒的机理，我们就不难明白为什么现在人们如此地热衷预测寿命了，因为端粒为这种预测提供了一个看上去很可靠的指标。那么，测量端粒真能很准确地预测寿命吗?

首先可以肯定的是，人类的确可以通过检测端粒的长度来了解自身的身体状况，甚至据此判断寿命的长度也没错。因为从整体上讲，端粒长度和人的年龄确实存在着关系，比如，老年人群的端粒要比年轻人得短：长寿人群的端粒要比短寿人群得长。每一个具体的个人，其端粒都会随着年龄的增长而磨损缩短等，这是一个总体的情况。

科学家们目前通常的做法是测白细胞中的端粒长度。因为他们认为白细胞最能反映人的生理和病理状态。他们会将测出的端粒长度与人群中的平均端粒长度相比较，然后据此对被测者的身体情况做出一个判断。不过，据说“生命长度”公司对这种方法并不是太赞同，因为这个公司的研究者认为，最能反映身体状况的并不是端粒的平均长度，而是那些特别短的端粒。一旦这种端粒短到了某种程度，它们就不能再对染色体实施保护了，因而就会导致疾病。

然而真正的分歧并不在这里，而是有些科学家甚至反对用端粒预测寿命。同样是2009年诺贝尔生理学或医学奖获得者之一的美国约翰·霍普金斯大学的科学家卡萝尔·格雷德就持这样的观点。她说，在她的小老鼠实验中，就没有发现端粒的长度和寿命之间存在着必然的联系。她还认为，对于端粒长度如何影响人类的健康和寿命，目前人们知道的并不多，还有很多问题有待研究。所以，对大众进行端粒测试还为时过早。

也许格雷德并没有错。研究表明，端粒长度与寿命之间的联系的确很复杂，它们并非完全同步。更重要的是，人体的体细胞虽然有寿命，但它们都在不停地更新，这些体细胞的寿命并不一定能代表一个人的寿命。

疲劳寿命预测 第12篇

民航发动机转子疲劳寿命预测和可靠性分析系统是“民航发动机转子系统疲劳寿命预测、可靠性分析技术开发及应用”。满足多种数学模型、多种材料, 动态的实现模型更新、材料增加的可变性需求;同时实现模型计算, 计算结果的可存储。

2 系统开发及运行环境

系统在.NET Framework 4.0技术平台上即可实现, 操作系统采用windows server 2008 r2企业版应用程序服务器, 利用Microsoft Visual Studio 2010, MATBLA2012b作为开发环境, 使用Microsoft SQL Server 2012作为数据库系统, 利用Microsoft Visu⁃al Studio 2010作为开发环境。

3 系统设计

3.1 程序与界面设计

多种数学模型、多种材料, 为了方便查看查询;需要对其进行分类。一般的分类是二级的, 但这种分类对于可变性方面并不能很好地满足后期的模型扩展。在本系统的开发过程中及时的调整了分类的级别, 以树的形式来分类。

统一的计算窗口, 根据数学模型动态的生成输入变量控件。图3的输入根据不同模型的配置信息取得变量个数动态的生成输入控件。参与计算的变量输入完成后, 点击【开始计算】按键, 程序调用MATLAB生成的动态链接库中的数学模型实现计算结果的输出。

3.2 数据库设计

数据库中的CATEGORY表, 由ID, PARENTID递归的实现无限级分类从而动态的生成树。因为有多棵树, 我们在表中增加了一个TYPE字段来区分不同的树。不同的树的节点存储的信息不一定相同;把唯一ID作为存储不同信息表的外键实现树结构与信息的有效分离。

4 结束语

通过上述的分析与设计, 《民航发动机转子疲劳寿命预测和可靠性分析系统的动态建立》在技术层面上得以实现, 特别在应对数学模型的更新、材料的改变上只需要修改配置信息就可以实现模型的动态计算及结果的存储。有效的满足了变的需求。目前系统运行正常得在许多方面还有得完善;例如可以将变量与结果多维度的进行拆线图绘制。变量的输入方面, 给出输入范围根据不同的阶来循环计算得出海量结果, 再利用数据挖掘技术找出变量间的相关性。

参考文献

[1]林杰威.涡扇发动机风扇叶片疲劳寿命评估与可靠性分析[D].天津:天津大学, 2013.

[2]戴维森.SQL Server 2008数据库设计与实现[M].北京:人民邮电出版社, 2009.