Biblioteca73.326 documentos en línea

Artículo

Reliability-Based Fatigue Life Prediction for Complex Structure with Time-Varying Surrogate ModelingPredicción de la vida útil de la fatiga basada en la fiabilidad para estructuras complejas con modelos sustitutos variables en el tiempo

Resumen

Para mejorar la eficiencia computacional y la precisión de la predicción de la vida a la fatiga basada en la fiabilidad de las estructuras complejas, se desarrolla un modelo sustituto de la red neuronal de regresión general (GRNN) basado en la optimización del enjambre de partículas (PSO) que varía con el tiempo (denominado TV/PSO-GRNN). Mediante la integración de la técnica de muestreo de hipercubos latinos y la función de regresión PSO-GRNN, se estudia el modelo matemático de TV/PSO-GRNN. El marco de predicción de la vida a la fatiga basado en la fiabilidad se ilustra con respecto al modelo sustitutivo TV/PSO-GRNN. Además, para validar el modelo TV/PSO-GRNN, se realiza la predicción de la vida a la fatiga basada en la fiabilidad de un disco de turbina de avión bajo interacción multifísica. Obtenemos las características de distribución, el grado de fiabilidad y el grado de sensibilidad del ciclo de fallo por fatiga, que son útiles para el diseño de los discos de turbina. Comparando la simulación directa (modelo FE/FV), RSM, GRNN, PSO-GRNN, y TV/PSO-GRNN, observamos que el modelo sustituto TV/PSO-GRNN es prometedor para realizar la predicción de la vida a la fatiga basada en la fiabilidad del disco de la turbina y mejorar la eficiencia computacional al tiempo que se garantiza una precisión computacional aceptable. Los esfuerzos de este estudio ofrecen una visión útil para la optimización del diseño basado en la fiabilidad de estructuras complejas.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento