变频器设备机理复杂、设备监测数据异常样本少,导致在实际应用中基于经验和基于模型的异常检测方法操作性难、常规的数据驱动方法可行性差。针对上述问题,结合密度峰值聚类与时序运行数据的转移特点,提出一种基于大数据分析的变频器异常检测方法。该方法首先通过密度峰值聚类将运行数据聚类,然后将时序过程数据在不同类簇间的动态变化规律用概率表示,并基于聚类结果和转移概率提出异常检测体系框架,最后通过异常案例验证该方法的有效性,表明该方法能够正确识别变频器异常行为。

建立了商用航空发动机典型部件蠕变风险分析方法,该方法在考虑蠕变本构的有限元计算的基础上,综合蠕变损伤计算、蠕变持久寿命预测及蒙特卡洛分析的方法,对高温高载荷耦合环境下的航空发动机典型部件蠕变失效风险进行了预测。同时,开发了蠕变风险计算程序,给出了蠕变风险计算流程,以商用航空发动机涡轮叶片为例开展了不同使用循环数下的蠕变失效风险计算。计算结果表明,该叶片设计构型在99.87%的可靠度下其蠕变寿命约为1150次循环。

推导了交变载荷下弹塑性随机有限元的迭代格式,计算了局部多轴应力应变的随机响应.迭代格式中,针对复杂的交变载荷,采用运动强化模型反映塑性变形引起的各向异性和包辛格效应,运用Jhansale模型描述材料的瞬态应力应变关系.弹塑性有限元分析,克服了以往近似方法只能计算单轴局部应力应变响应的缺陷,为多轴疲劳分析奠定了基础.考虑零构件的随机因素,将随机有限元方法引入到交变载荷下弹塑性有限元的迭代格式中,得到局部应力应变的随机响应,为低周疲劳可靠性分析提供了更精确的依据.Mont Carlo模拟结果证实了提出的弹塑性随机有限元方法是可靠的.