中南林业科技大学刘志远获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉中南林业科技大学申请的专利一种涡轮叶片热障涂层力热化耦合可靠性评价方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116646032B 。
龙图腾网通过国家知识产权局官网在2026-03-27发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310531456.X,技术领域涉及:G16C60/00;该发明授权一种涡轮叶片热障涂层力热化耦合可靠性评价方法是由刘志远;肖逸奇;杨丽;周益春;刘秀波设计研发完成,并于2023-05-11向国家知识产权局提交的专利申请。
本一种涡轮叶片热障涂层力热化耦合可靠性评价方法在说明书摘要公布了:本申请提出的一种涡轮叶片热障涂层力热化耦合可靠性评价方法,包括:测量并构建热障涂层微结构和热力学参数的密度分布函数,完成宏观复杂涡轮叶片热障涂层温度场和应变场模拟,构建叶片不同位置随机参数的蒙特卡罗样本空间,建立微尺度力热化耦合有限元模型并得到寿命数据集,搭建并训练深度学习代理模型,完成涡轮叶片热障涂层可靠性评价及灵敏度分析。本发明提出的可靠性评价方法综合考虑了热障涂层微结构因素与力热化耦合失效机制的影响,并解决了复杂叶片热障涂层可靠性评价存在高维度、非线性计算成本高的难题,提高了可靠性评价的准确性和效率,为热障涂层的安全应用和优化设计提供了评价手段。
本发明授权一种涡轮叶片热障涂层力热化耦合可靠性评价方法在权利要求书中公布了:1.一种涡轮叶片热障涂层力热化耦合可靠性评价方法,其特征在于,包括以下步骤: 步骤一,测量涡轮叶片热障涂层的热学参数、力学参数和微结构参数,统计出每个参数的均值和标准差;利用随机参数统计学分布函数统计每个参数的均值和标准差,得到描述涡轮叶片热障涂层的热学参数的随机特性、力学参数的随机特性和微结构参数的随机特性构成的M个密度分布函数; 步骤二,建立宏观复杂涡轮叶片热障涂层几何模型及其计算网格,包括:采用数值模拟得到涡轮叶片热障涂层的温度场和应变场,将计算网格的数据点对应的坐标、温度和3个方向应变导出为excel文件; 步骤三,运用Python中的循环语句读取excel文件每个坐标点的温度和3个方向的应变形成4×N数组;再基于步骤一测量的M个参数的密度分布函数,采用蒙特卡洛法分别取出N个值,从而形成M+4×N维数组Si,i代表第i个坐标点; 步骤四,在步骤三得到的数组Si中选取一行,根据被选取行的微结构参数,运用COMSOL构建热障涂层微结构几何模型并划分热障涂层微结构的计算网格;构建热障涂层的力热化耦合本构方程并输入COMSOL中作为求解控制方程;将被选取行的温度和材料参数输入COMSOL中作为求解材料参数;并将被选取行的应变输入COMSOL中作为求解的边界条件,完成微结构有限元计算得到Mises应力;最后基于Paris寿命模型求解得到热障涂层的失效寿命;所述热障涂层微结构几何模型在建模的过程中构建微观结构,微观结构包括热障涂层的陶瓷层、氧化层、粘结层的多层结构以及界面粗糙度和孔隙微观结构;力热障涂层的力热化耦合本构方程的参数包括高温界面氧化、蠕变、烧结以及高温腐蚀中的一种或多种; 步骤五,基于热障涂层的失效寿命求解不同温度、应变、热学、力学、微结构参数下热障涂层的寿命,形成寿命数据集;进一步构建深度神经网络,基于寿命数据集训练Paris寿命模型,得到深度学习代理模型;所述的应变包括平行于热障涂层的x、y方向应变和垂直于界面的z方向的应变,或平行于基底界面的x、y方向应变和垂直于界面的z方向的应变;且所述宏观复杂涡轮叶片对应位置的局部应变被应用到步骤四的微观有限元边界条件中,来保障微观与宏观变形的一致性; ; 其中为微观应变,为宏观应变; 步骤六,基于深度学习代理模型预测数组Si中所有行数据对应的热障涂层寿命,用正态分布或者威布尔分布拟合得到第i个坐标点的寿命的累计分布函数;进一步运用Python中的循环语句得到所有坐标点寿命的累计分布函数;将得到的坐标点寿命的累计分布函数可视化,得到服役不同时间涡轮叶片热障涂层失效概率云图,即实现了涡轮叶片热障涂层可靠性评价; 步骤七,利用深度学习代理模型和方差法进行M个随机参数的灵敏度分析,得到影响涡轮叶片热障涂层可靠性的关键影响因素。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人中南林业科技大学,其通讯地址为:410018 湖南省长沙市韶山南路498号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励