基于统计矩信息的疲劳寿命概率分布类型识别.docxVIP

基于统计矩信息的疲劳寿命概率分布类型识别 0 基于最大熵准则的疲劳寿命分布识别方法 在结构设计中，一般认为金属的力学性是各向同性的。然而，即使在相同的负荷条件下，疲劳寿命试验数据也非常分散，这是由于材料属性的不平等。因此,概率方法在疲劳寿命预测和抗疲劳设计中的应用得到了重视,包括裂纹萌生寿命和裂纹扩展寿命。随着抗疲劳设计思想的发展和成熟,研究人员提出了许多概率方法用于评估疲劳寿命的不 确定性 本文基于最大熵准则,充分利用其灵活性和最优无偏估计特性,提出新的材料疲劳寿命分布识别方法。该方法应用样本统计量确定疲劳寿命的前四阶统计矩,将统计矩信息作为最大熵准则的约束条件,然后利用最大熵准则确定其概率分布。最后利用已有的航空铝合金板件2024-T351疲劳裂纹扩展的试验数据验证所提计算方法的合理性。 1 载荷循环次数与疲劳寿命 对于疲劳寿命分布,实验室通常可以得到给定应力水平或者裂纹长度条件下的载荷循环次数。载荷循环次数样本中含有疲劳寿命总体信息,但较为分散,一般不宜直接用于统计推断。通常是把样本中的信息加工处理,用样本统计量 本文所提方法需先用试验数据样本得到疲劳寿命的统计矩。设x 式中:μ、s、ske和kur分别为样本的均值、标准差、偏度和峰度。 2 最合适的繁殖时间分布 2.1 偏估计分布 在概率论中,信息熵是衡量事件的不确定大小的量 式中:f(x)为X的概率密度函数。 最大熵准则表明在满足给定约束信息(例如统计矩信息)的条件下,使式(5)数值最大的概率分布为最佳无偏估计分布。最大熵准则具有唯一性、不变性、系统独立性和独立子集等性质。即对于给定统计矩约束的概率分布识别问题,利用最大熵准则确定的分布类型是唯一的,也是满足统计矩信息的最优分布。根据E.T.Jaynes的研究 并且概率密度函数的归一化表达形式为 在满足式(6)~式(7)的约束条件下,基于最大熵准则的概率分布识别问题可以写成如下的优化问题形式: 在利用Lagrange乘子法求解式(8)的优化问题时,得到最大熵分布 式中:λ 将式(9)代入式(7),可得标准化因子λ 最大熵准则不仅适用于统计矩信息,还可以推广至一般条件下任意函数的期望值。 2.2 概率密度函数的获取 式(9)属于泊松分布族,对于N≤2,基于有效矩信息对应λ 将式(9)代入式(7),得到 为了计算方便,将式 (11)定义为一 个关于λ 因此,式(9)的概率密度函数f(x)可以改写为 在式(12)中增加一些项,从而转换为 将式(14)的积分项定义 为关于λ 则式(12)~式(13)可以改写为 根据Q(λ 由式(6)可知: 因此,即点 (λ 计算Hessian矩阵中的元素: 式(20)表明Q(λ 2.3 确定最大熵准则 为了确定疲劳寿命的最大熵分布,首先计算疲劳寿命试验数据的前四阶统计矩,将统计矩标准化更容易实现该算法 前二阶统计矩约束改写为 金属材料疲劳寿命的概率分布可由最大熵准则基于疲劳寿命试验数据前四阶统计矩来确定。最大熵准则是在给定约束信息条件下确定概率分布最有效的方式之一。由概率论知识可知,有限统计矩不能唯一确定其概率分布,而根据最大熵准则,在已知约束条件下,所有可能的概率分布中存在一个使信息熵取极大值的分布,该分布包含最少的人为假 设信息,即最小化 主观不确 定性的引入 3 疲劳裂纹扩展寿命概率密度函数 选用W.F.Wu等 裂纹预处理将 裂纹长度 由15 mm扩展至18mm。最大载荷为4.5kN,最小载荷为0.9kN,加载频率为15Hz,在裂纹预处理和疲劳裂纹扩展试验过程中均采用LabVIEW产生的正弦曲线信号。裂纹长度从18mm开始,利用先进的联动系统准确记录载荷数据、裂纹尺寸和循环数,完成30组恒幅疲劳裂纹扩展试验。试验所得裂纹扩展曲线如图1所示,可以看出数据具有很大的分散性。 特定裂纹长度下载荷循环数的离散数据如表1所示。 数据样本的统计矩(均值、标准差、变异系数、偏度和峰度)如表2所示。 疲劳寿命的均值、标准差、偏度和峰度随裂纹长度的变化趋势如图2所示。 根据给定的载荷循环数样本,可由式(1)~式(4)计算其前四阶统计矩,基于统计矩信息,利用最大熵准则能够识别特定裂纹长度条件下疲劳裂纹扩展寿命的概率密度函数。由于概率密度函数表达式类似,本文仅列 出裂纹长 度为22和28 mm时,给定不同统计矩阶数由最大熵准则识别出的表达式,用于对比分析。 首先,基于前两阶统计矩,识别疲劳裂纹扩展寿命分布类型。采用最大熵准则识别出的裂纹长度a=22mm时,疲劳裂纹扩展寿命的概率密度函数为 裂纹长度a=28mm时,最大熵准则识别出的疲劳裂纹扩展寿命的概率密度函数为 由最大熵理论可知,此时式(22)~式(23)为正态分布的概率密度函数。 然后,基于前三阶统计矩,识别疲劳裂纹扩展寿命分布类型。采用最大熵准则识别出