一种高铁供电系统支持连接部件结构可靠性计算和预测方法
阅读：355发布：2024-02-20
专利汇可以提供一种高铁供电系统支持连接部件结构可靠性计算和预测方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种高 铁 供电系统支持连接部件结构可靠性计算和预测方法，包括以下步骤：确定影响高铁供电系统支持连接部件可靠性的外部负载；利用控制单元法，对支持连接部件内部应 力 进行计算；对n组负载参数和对应的内部 应力 进行Normalization处理：采用 辐射 基网络建立m个负载与支持连接部件内部的应力之间的非线性关系；采用统计抽样法计算出支持连接部件的可靠度；上述方法，能够对高铁供电系统支持连接部件的可靠性进行定量的计算、分析和预测，为高铁供电系统支持连接部件可靠性设计与管理，误差小，使用方便。，下面是一种高铁供电系统支持连接部件结构可靠性计算和预测方法专利的具体信息内容。
1.一种高铁供电系统支持连接部件结构可靠性计算和预测方法，其特征在于：包括以下步骤：
(1)确定影响高铁供电系统支持连接部件可靠性的外部负载；
影响高铁供电系统支持连接部件可靠性的外部负载主要有供电线的张力(T)、预紧力矩(M)、悬挂系统的重力(G)、覆冰负载(B)和风负载(V)，设影响高铁供电系统支持连接部件可靠性负载的个数为m；
(2)利用控制单元法(CEM)，对支持连接部件内部应力进行计算；
把供电线的m个负载参数看作是服从标准正态分布的随机参数，对m个负载参数以正态分布N(μ,σ)随机地产生n组，通过CEM法计算出对应的n个支持连接部件内部的应力；
(3)对n组负载参数和对应的内部应力进行Normalization处理：
式中Hi为负载参数值，i＝1,2,…,m；
(4)采用辐射基网络建立m个负载与支持连接部件内部的应力之间的非线性关系；
(5)采用统计抽样法计算出支持连接部件的可靠度。
2.根据权利要求1所述的一种高铁供电系统支持连接部件结构可靠性计算和预测方法，其特征在于：所述步骤(2)中，采用(0，1)均匀试验设计法对负载参数进行取值，将(0，1)区间均匀分布的随机数转换成指定正态分布的随机抽样N(μ,σ)：
式中：r1、r2—二个相互独立的(0，1)均匀分布的随机变量，μ为m个负载参数的均值，σ2是m个负载参数的方差；
采用均匀试验设计选取n组m个负载参数，通过CEM法计算出n个最大应力值。
3.根据权利要求2所述的一种高铁供电系统支持连接部件结构可靠性计算和预测方法，其特征在于：包括以下子步骤：
(a1)结构的离散化
建立高铁供电系统支持连接部件的几何模型，给几何模型赋材料属性，将支持连接部件结构分割成大量的相邻的控制单元体，以这些单元体去代替实体结构，单元体采用八节点六面体控制单元，每个节点都有三个自由度，分别为X,Y,Z三个方向上的节点位移；
(a2)结构位移模式
导出用控制单元间结点位移表示单元体内任一点的位移：
{w}＝[N]{u}(e)
式中，{w}是单元内任一点的位移列向量；{u}(e)是单元结点的位移列向量；[N]为形函数矩阵；
(a3)计算控制单元的应变和应力
由位移表达式导出控制单元应变：
{ε}＝[B]{u}(e)
式中，{ε}是应变列向量；[B]是应变矩阵；
利用本构方程，由应变获得结构应力：
{σ}＝[D][B]{u}(e)
式中，{σ}是应力列向量；[D]是材料弹性矩阵。
4.根据权利要求1或3所述的一种高铁供电系统支持连接部件结构可靠性计算和预测方法，其特征在于：所述步骤(4)，辐射基网络的输入个数为m，为支持连接部件m个负载经过Normalization处理后的值，输出为支持连接部件最大的应力，将CEM法得到的n组数据作为辐射基网络的学习样本，对辐射基网络进行学习，辐射基网络构建和学习的过程包括以下子步骤：
(a1)采用Gaussian函数构建辐射基网络的隐函数：
式中，B＝(B1,B2,…,Bk)分别表示高铁供电系统支持连接部件承受的m个负载，Ch＝(Ch1,Ch2,Ch3,Ch4)为第h个隐层Gaussian基的基参数；
对Zh进行(0-1)化处理：
H为Gaussian基的个数，Z0≡1；
(a2)构建辐射基网络精度识别函数，采用均方差建立辐射基网络精度识别函数：
，
σ为辐射基网络输出的支持连接部件最大应力值， 为控制单元法的应力计算值(a3)采用递度训练法则：
式中：η(k)为学习率，α为动量因子，学习率一般取0.3，动量因子取0.85；
(a4)通过训练，获得了W，C和β的值，建立了支持连接部件m个负载参数与最大的应力的关系；
5.根据权利要求4所述的一种高铁供电系统支持连接部件结构可靠性计算和预测方法，其特征在于：所述步骤(5)中，包括以下子步骤：
(5.1)对m个负载参数进行随机抽样，先在(0，1)区间上产生均匀分布随机数，然后将(0，1)区间均匀分布的随机数转换成指定正态分布的随机抽样；
(5.2)将m个负载参数经过(0-1)化处理后输入到已经训练好的基于辐射基网络非线性关系模型中，得到支持连接部件的最大应力σ；代入功能函数f中，计算f的值；
f(δ,σ)＝δ-σ
式中，δ为支持连接部件材料的强度；f≤0表示支持连接部件已经失效。
(5.3)根据SSM法，不断地重复计算f值，累计f≤0的次数L，以及随机计算的总次数N；根据计算机模拟定律，当计算的次数达到一定的值时，如N≥100/Pf(Pf为失效概率)时，能够满足模拟的精度，计算结束；
(5.4)计算支持连接部件的可靠度，可靠度R的值为：
L取值1000。
一种高铁供电系统支持连接部件结构可靠性计算和预测方法
技术领域
[0001] 本发明涉及铁路交通技术领域，具体涉及一种高铁供电系统支持连接部件结构可靠性计算和预测方法。
背景技术
[0002] 高铁作为运输量大，速度快、污染小的运输工具，近年来得到了迅猛的发展，随着宁杭、杭甬、津秦、厦深、西宝等一批新建高速铁路投入运营，我国高速铁路总营业里程达到11028公里，在建高铁规模1.2万公里，成为世界上高速铁路投产运营里程最长、在建规模最大的国家。高铁的牵引动力是动车组，动车组本身不带能源，所需能源由电力牵引供电系统提供。弓网是向动车组直接输送电能的设备，弓网沿铁路露天布置，线长点多，工作环境恶劣，使用条件苛刻，又无备用设备，一旦故障停电，将中断行车或造成车毁人亡的事故。
[0003] 高铁供电系统支持连接部件包括上底座、水平腕臂、套管双耳、承力索支座、管帽、定位管支撑、定位环、定位夹、定位管、斜腕臂、组合定位装置、定位环和下底座等部件(见图1)，它是整个高铁供电系统的承力装置，在受电弓和自然界风、霜、雪的及各种复杂的负载作用下，各种尺寸结构、连接状态都处于动态变化之中，使部件内部产生应力引起疲劳损伤，当累积损伤达到某一数值时，结构就会发生破裂和断裂，使起供电系统出现故障，支持连接部件故障已成为影响电力机车运输安全畅通的五大设备故障之一。因此，定量地预测和计算支持连接部件的可靠性是预防高铁供电系统发生故障和保证机车安全运行最根本的途经，也是供电系统支持连接部件进行可靠性设计的前提和基础。
[0004] 然而，高铁供电系统支持连接部件结构破坏是一个复杂动态物理过程，内部产生的应力与外部环境和负载存在复杂的关系，很难用静态的数学模型进行描述，并且支持连接部件的强度也是一种动态的时变过程，故障联合概率密度函数很难确定，现有的固定模型如Gerber、Goodman、Soderberg、CepeHceH、Morrow和Ding氏模型很难适合动态强非线性的高铁供电系统支持连接部件的可靠性计算和预测，目前有些学者对现有的方法和模型进行了改进，但都是建立在静态模型的基础上，无法对高铁供电系统支持连接部件进行可靠性分析、计算和预测。
发明内容
[0005] 针对现有技术存在的不足，本发明的目的在于提供一种对高铁供电系统支持连接部件可靠性分析方便，误差小，使用方便的高铁供电系统支持连接部件结构可靠性计算和预测方法。
[0006] 为实现上述目的，本发明提供了如下技术方案：一种高铁供电系统支持连接部件结构可靠性计算和预测方法，包括以下步骤：
[0007] (1)确定影响高铁供电系统支持连接部件可靠性的外部负载；
[0008] 影响高铁供电系统支持连接部件可靠性的外部负载主要有供电线的张力(T)、预紧力矩(M)、悬挂系统的重力(G)、覆冰负载(B)和风负载(V)，设影响高铁供电系统支持连接部件可靠性负载的个数为m；
[0009] (2)利用控制单元法(CEM)，对支持连接部件内部应力进行计算；
[0010] 把供电线的m个负载参数看作是服从标准正态分布的随机参数，对m个负载参数以正态分布N(μ,σ)随机地产生n组，通过CEM法计算出对应的n个支持连接部件内部的应力；
[0011] (3)对n组负载参数和对应的内部应力进行Normalization处理：
[0012]
[0013] 式中Hi为负载参数值，i＝1,2,…,m；
[0015] (5)采用统计抽样法计算出支持连接部件的可靠度。
[0017]
[0018] 式中：r1、r2—二个相互独立的(0，1)均匀分布的随机变量，μ为m个负载参数的均值，σ2是m个负载参数的方差；
[0019] 采用均匀试验设计选取n组m个负载参数，通过CEM法计算出n个最大应力值。
[0020] 作为优选的，包括以下子步骤：
[0021] (a1)结构的离散化
[0022] 建立高铁供电系统支持连接部件的几何模型，给几何模型赋材料属性，将支持连接部件结构分割成大量的相邻的控制单元体，以这些单元体去代替实体结构，单元体采用八节点六面体控制单元，每个节点都有三个自由度，分别为X,Y,Z三个方向上的节点位移；
[0023] (a2)结构位移模式
[0024] 导出用控制单元间结点位移表示单元体内任一点的位移：
[0025] {w}＝[N]{u}(e)
[0026] 式中，{w}是单元内任一点的位移列向量；{u}(e)是单元结点的位移列向量；[N]为形函数矩阵；
[0027] (a3)计算控制单元的应变和应力
[0028] 由位移表达式导出控制单元应变：
[0029] {ε}＝[B]{u}(e)
[0030] 式中，{ε}是应变列向量；[B]是应变矩阵；
[0031] 利用本构方程，由应变获得结构应力：
[0032] {σ}＝[D][B]{u}(e)
[0033] 式中，{σ}是应力列向量；[D]是材料弹性矩阵。
[0034] 作为优选的，所述步骤(4)，辐射基网络的输入个数为m，为支持连接部件m个负载经过Normalization处理后的值，输出为支持连接部件最大的应力，将CEM法得到的n组数据作为辐射基网络的学习样本，对辐射基网络进行学习，辐射基网络构建和学习的过程包括以下子步骤：
[0035] (a1)采用Gaussian函数构建辐射基网络的隐函数：
[0036]
[0037] 式中，B＝(B1,B2,…,Bk)分别表示高铁供电系统支持连接部件承受的m个负载，Ch＝(Ch1,Ch2,Ch3,Ch4)为第h个隐层Gaussian基的基参数；
[0038] 对Zh进行(0-1)化处理：
[0039]
[0040] H为Gaussian基的个数，Z0≡1；
[0041] (a2)构建辐射基网络精度识别函数，采用均方差建立辐射基网络精度识别函数：
[0042] ，
[0043] σ为辐射基网络输出的支持连接部件最大应力值，为控制单元法的应力计算值[0044] (a3)采用递度训练法则：
[0045]
[0046]
[0047]
[0048] 式中：η(k)为学习率，α为动量因子，学习率一般取0.3，动量因子取0.85；
[0049] (a4)通过训练，获得了W，C和β的值，建立了支持连接部件m个负载参数与最大的应力的关系；
[0050]
[0051] 作为优选的，所述步骤(5)中，包括以下子步骤：
[0052] (5.1)对m个负载参数进行随机抽样，先在(0，1)区间上产生均匀分布随机数，然后将(0，1)区间均匀分布的随机数转换成指定正态分布的随机抽样；
[0053] (5.2)将m个负载参数经过(0-1)化处理后输入到已经训练好的基于辐射基网络非线性关系模型中，得到支持连接部件的最大应力σ；代入功能函数f中，计算f的值；
[0054] f(δ,σ)＝δ-σ
[0055] 式中，δ为支持连接部件材料的强度；f≤0表示支持连接部件已经失效。(5.3)根据SSM法，不断地重复计算f值，累计f≤0的次数L，以及随机计算的总次数N；根据计算机模拟定律，当计算的次数达到一定的值时，如N≥100/Pf(Pf为失效概率)时，能够满足模拟的精度，计算结束；
[0056] (5.4)计算支持连接部件的可靠度，可靠度R的值为：
[0057]
[0058] L取值1000。
[0059] 本发明的优点是：本发明与现有技术相比，本发明能够对高铁供电系统支持连接部件的可靠性进行定量的计算、分析和预测，为高铁供电系统支持连接部件可靠性设计与管理，误差小，使用方便。
附图说明
[0061] 图1为本发明实施例高铁供电系统支持连接部件总结构图；
[0062] 图2为本发明实施例高铁供电系统支持连接部件可靠性计算和预测新方法流程图；
[0063] 图3为本发明实施例六面体控制单元示意图；
[0064] 图4为本发明实施例辐射基网络的结构图；
[0065] 图5为本发明实施例高铁供电系统支持连接-定位夹的实体模型；
[0066] 图6为本发明实施例高铁供电系统支持连接-定位夹的控制单元模型；
[0067] 图7为本发明实施例高铁供电系统支持连接-定位夹内部应力云图；
[0068] 图8为本发明实施例张力T的变差系数与定位夹可靠度的关系图；
[0069] 图9为本发明实施例预紧力矩M的变差系数与定位夹可靠度的关系图；
[0070] 图10为本发明实施例风速v的变差系数与定位夹可靠度的关系图；
[0071] 图11为本发明实施例高铁供电系统支持连接-套管双耳的实体模型；
[0072] 图12为本发明实施例高铁供电系统支持连接-套管双耳的控制单元模型；
[0073] 图13为本发明实施例高铁供电系统支持连接-套管双耳内部应力云图；
[0074] 图14为本发明实施例张力T的变差系数与套管双耳的可靠度关系图；
[0075] 图15为本发明实施例预紧力矩M的变差系数与套管双耳的可靠度关系图；
[0076] 图16为本发明实施例风速v的变差系数与套管双耳的可靠度关系图。
具体实施方式
[0077] 参见图1至16，本发明实施例高铁供电系统支持连接部件总结构图图1中的标号为：1.上底座，2.棒式绝缘子，3水平腕臂，4.套管双耳，5.承力索支座，6.管帽，7.定位管支撑，8.定位环，9.定位管，10.管帽，11.接地跳线，12.斜腕臂，13.定位夹，14.定位环，15.绝缘子，16.下底座。
[0078] 本发明提供了一种高铁供电系统支持连接部件结构可靠性计算和预测方法，包括以下步骤：
[0079] (1)确定影响高铁供电系统支持连接部件可靠性的外部负载；
[0080] 影响高铁供电系统支持连接部件可靠性的外部负载主要有供电线的张力(T)、预紧力矩(M)、悬挂系统的重力(G)、覆冰负载(B)和风负载(V)等，设影响高铁供电系统支持连接部件可靠性负载的个数为m。
[0081] (2)利用控制单元法(CEM)，对支持连接部件内部应力进行计算；
[0082] 把供电线的m个负载参数看作是服从标准正态分布的随机参数，对m个负载参数以正态分布N(μ,σ)随机地产生n组，通过CEM法计算出对应的n个支持连接部件内部的应力。
[0083] 为了更合理地选取负载参数，采用(0，1)均匀试验设计法对进行取值，将(0，1)区间均匀分布的随机数转换成指定正态分布的随机抽样N(μ,σ)：
[0084]
[0085] 式中r1、r2—二个相互独立的(0，1)均匀分布的随机变量，μ为m个负载参数的均值，σ2是m个负载参数的方差。
[0086] 采用均匀试验设计选取n组m个负载参数，通过CEM法计算出n个最大应力值。具体的讲，包括以下子步骤：
[0087] (a1)结构的离散化
[0088] 建立高铁供电系统支持连接部件的几何模型，给几何模型赋材料属性，将支持连接部件结构分割成大量的相邻的控制单元体，以这些单元体去代替实体结构。本发明的单元体采用八节点六面体控制单元，每个节点都有三个自由度，分别为X,Y,Z三个方向上的节点位移，其单元示意图如图3所示。
[0089] (a2)结构位移模式
[0090] 导出用控制单元间结点位移表示单元体内任一点的位移：
[0091] {w}＝[N]{u}(e)
[0092] 式中，{w}是单元内任一点的位移列向量；{u}(e)是单元结点的位移列向量；[N]为形函数矩阵。
[0093] (a3)计算控制单元的应变和应力
[0094] 由位移表达式导出控制单元应变:
[0095] {ε}＝[B]{u}(e)
[0096] 式中，{ε}是应变列向量；[B]是应变矩阵。
[0097] 利用本构方程，由应变获得结构应力：
[0098] {σ}＝[D][B]{u}(e)
[0099] 式中，{σ}是应力列向量；[D]是材料弹性矩阵。
[0100] (3)Normalization处理
[0101] 对n组负载参数和对应的内部应力进行Normalization处理：
[0102]
[0103] 式中Hi为负载参数值，i＝1,2,…,m。
[0104] (4)采用辐射基网络(RADBAS NN)建立m个负载与支持连接部件内部的应力之间的非线性关系。
[0105] 辐射基网络的输入个数为m，为支持连接部件m个负载经过Normalization处理后的值，输出为支持连接部件最大的应力，网络的结构如图4所示，将CEM法得到的n组数据作为辐射基网络的学习样本，对辐射基网络进行学习。具体的讲，辐射基网络构建和学习的过程包括以下子步骤：
[0106] (a1)采用Gaussian函数构建辐射基网络的隐函数：
[0107]
[0108] 式中，B＝(B1,B2,…,Bk)分别表示高铁供电系统支持连接部件承受的m个负载。Ch＝(Ch1,Ch2,Ch3,Ch4)为第h个隐层Gaussian基的基参数。
[0109] 为了获得优良的推理能力，对Zh进行(0-1)化处理：
[0110]
[0111] H为Gaussian基的个数，Z0≡1。
[0112] (a2)构建辐射基网络精度识别函数，采用均方差建立辐射基网络精度识别函数：
[0113] ，
[0114] σ为辐射基网络输出的支持连接部件最大应力值，为控制单元法的应力计算值[0115] (a3)采用递度训练法则：
[0116]
[0117]
[0118]
[0119] 式中，η(k)为学习率，α为动量因子，学习率一般取0.3，动量因子取0.85。
[0120] (a4)通过训练，获得了W，C和β的值，建立了支持连接部件m个负载参数与最大的应力的关系。
[0121]
[0122] (5)采用统计抽样法(SSM)计算出支持连接部件的可靠度，具体的讲，包括以下子步骤：
[0123] (5.1)对m个负载参数进行随机抽样，先在(0，1)区间上产生均匀分布随机数，然后将(0，1)区间均匀分布的随机数转换成指定正态分布的随机抽样。
[0124] (5.2)将m个负载参数经过(0-1)化处理后输入到已经训练好的基于辐射基网络非线性关系模型中，得到支持连接部件的最大应力σ。代入功能函数f中，计算f的值。
[0125] f(δ,σ)＝δ-σ
[0126] 式中，δ为支持连接部件材料的强度。f≤0表示支持连接部件已经失效。
[0127] (5.3)根据SSM法，不断地重复计算f值，累计f≤0的次数L，以及随机计算的总次数N。根据计算机模拟定律，当计算的次数达到一定的值时，如N≥100/Pf(Pf为失效概率)时，能够满足模拟的精度，计算结束。
[0128] (5.4)计算支持连接部件的可靠度。可靠度R的值为：
[0129]
[0131] 实施例1
[0132] 本发明以高铁供电系统支持连接部件-广深段在跨距为65m的全补偿链行悬挂的定位夹(型号为JQJL06-89)对本发明做进一步详细的说明。
[0133] 一种高铁供电系统支持连接部件结构可靠性计算和预测方法，包括以下步骤：
[0134] (1)确定影响定位夹可靠性的外部负载；
[0135] 影响定位夹可靠性的外部负载主要有供电线的张力(T)、预紧力矩(M)和风负载(V)。
[0136] (2)利用控制单元法(CEM)，对定位夹应力进行计算；
[0137] 把3个负载参数看作是服从标准正态分布的随机参数，见表1，对3个负载参数以正态分布N(μ,σ)随机地产生50组，通过CEM法计算出对应的50个定位夹内部的应力，如表2所示。
[0138] 表1
[0139]参数 张力T(KN) 预紧力矩M(Nm) 风速v(m/s)
分布类型 正态分布 正态分布 对数正态
均值 15.00 59.90 27.33
标准差 0.11 1.67 9.00
分布类型 正态分布 正态分布 对数正态
均值 15.00 59.90 27.33
标准差 0.11 1.67 9.00
[0140] 为了更合理地选取负载参数，采用(0，1)均匀试验设计法对进行取值，将(0，1)区间均匀分布的随机数转换成指定正态分布的随机抽样N(μ,σ)：
[0141]
[0142] 式中r1、r2—二个相互独立的(0，1)均匀分布的随机变量，μ为3个负载参数的均值，2
σ是3个负载参数的方差。
σ是3个负载参数的方差。
[0143] 采用均匀试验设计选取50组3个负载参数，通过CEM法计算出50个最大应力值。具体的讲，包括以下子步骤：：
[0144] (a1)结构的离散化
[0145] 建立定位夹的几何模型，见图5所示，给几何模型赋材料属性，将定位夹结构分割成大量的相邻的控制单元体，以这些单元体去代替实体结构，见图6所示。本发明的单元体采用八节点六面体控制单元，每个节点都有三个自由度，分别为X,Y,Z三个方向上的节点位移。
[0146] (a2)结构位移模式
[0147] 导出用控制单元间结点位移表示单元体内任一点的位移：
[0148] {w}＝[N]{u}(e)
[0149] 式中，{w}是单元内任一点的位移列向量；{u}(e)是单元结点的位移列向量；[N]为形函数矩阵。
[0150] (a3)计算控制单元的应变和应力
[0151] 由位移表达式导出控制单元应变:
[0152] {ε}＝[B]{u}(e)
[0153] 式中，{ε}是应变列向量；[B]是应变矩阵。
[0154] 利用本构方程，由应变获得结构应力：
[0155] {σ}＝[D][B]{u}(e)
[0156] 式中，{σ}是应力列向量；[D]是材料弹性矩阵，计算出的定位夹的应力云图如图7所示。
[0157] 通过CEM法计算出对应的定位夹内部的应力(部分数据)如表2所示。
[0158] 表2
[0159]
[0160] (3)Normalization处理
[0161] 对n组负载参数和对应的内部应力进行Normalization处理：
[0162]
[0163] 式中Hi为负载参数值，i＝1,2,3。
[0164] (4)采用辐射基网络(RADBAS NN)建立3个负载与定位夹内部的应力之间的非线性关系。
[0165] 辐射基网络的输入个数为3，为定位夹3个负载经过Normalization处理后的值，输出为定位夹最大的应力。将CEM法得到的50组数据作为辐射基网络的学习样本，对辐射基网络进行学习。具体的讲，辐射基网络构建和学习的过程包括以下子步骤：
[0166] (a1)采用Gaussian函数构建辐射基网络的隐函数：
[0167]
[0168] 式中，B＝(B1,B2,B3)分别表示定位夹承受的3个负载。Ch＝(Ch1,Ch2,Ch3,Ch4)为第h个隐层Gaussian基的基参数。
[0169] 为了获得优良的推理能力，对Zh进行(0-1)化处理：
[0170]
[0171] H为Gaussian基的个数，Z0≡1。
[0172] (a2)构建辐射基网络精度识别函数，采用均方差建立辐射基网络精度识别函数：
[0173] ，
[0174] σ为辐射基网络输出的定位夹最大应力值， 为控制单元法的应力计算值[0175] (a3)采用递度训练法则：
[0176]
[0177]
[0178]
[0179] 式中，η(k)为学习率，α为动量因子，学习率一般取0.3，动量因子取0.85。
[0180] (a4)通过训练，获得了W，C和β的值，建立了定位夹3个负载参数与最大的应力的关系。
[0181]
[0182] 误差测试的结果见表3所示。
[0183] 表3
[0184]
[0185] (5)采用统计抽样法(SSM)计算出定位夹的可靠度，具体的讲，包括以下子步骤：
[0186] (5.1)对3个负载参数进行随机抽样，先在(0，1)区间上产生均匀分布随机数，然后将(0，1)区间均匀分布的随机数转换成指定正态分布的随机抽样。
[0187] (5.2)将3个负载参数经过(0-1)化处理后输入到已经训练好的基于辐射基网络非线性关系模型中，得到定位夹的最大应力σ。代入功能函数f中，计算f的值。
[0188] f(δ,σ)＝δ-σ
[0189] 式中，δ为定位夹材料的强度。f≤0表示定位夹已经失效。
[0190] (5.3)根据SSM法，不断地重复计算f值，累计f≤0的次数L，以及随机计算的总次数N。根据计算机模拟定律，当计算的次数达到一定的值时，如N≥100/Pf(Pf为失效概率)时，能够满足模拟的精度，计算结束。
[0191] (5.4)计算定位夹的可靠度。可靠度R的值为：
[0192]
[0193] 本专利中，L取值1000。
[0194] JQJL06定位夹由铜材料制成，它的强度服从正态分布，均值为515Mpa，变差系数取0.1。表4为模拟次数和计算结果，由表可知，迭代1000次可靠度趋于稳定和精确，最后得到定位夹的可靠度R＝0.9680。
[0195] 表4
[0196]模拟次数N 100 200 300 400 500
可靠度值 0.9800 0.9750 0.9833 0.9700 0.9850
模拟次数N 600 700 800 900 1000
可靠度值 0.9667 0.9643 0.9663 0.9689 0.9680
可靠度值 0.9800 0.9750 0.9833 0.9700 0.9850
模拟次数N 600 700 800 900 1000
可靠度值 0.9667 0.9643 0.9663 0.9689 0.9680
[0197] 根据发明的新方法，可以计算各负载对定位夹可靠性的影响程度，图8、图9和图10分别表示张力T、预紧力矩M和风速v的变差系数与可靠度关系。从图可知,供电线由于振动而引起的张力变化以及外部环境(风负载等)对定位夹的可靠度影响很大。因此，为了提高定位夹的可靠性，应该尽量减少供电线张力的波动。
[0198] 实施例2
[0199] 发明以高铁供电系统支持连接部件-套管双耳对本发明做进一步详细的说明。
[0200] 一种高铁供电系统支持连接部件结构可靠性计算和预测方法，包括以下步骤：
[0201] (1)确定影响套管双耳可靠性的外部负载；
[0202] 影响套管双耳可靠性的外部负载主要有供电线的张力(T)、预紧力矩(M)和风负载(V)。
[0203] (2)利用控制单元法(CEM)，对套管双耳内部应力进行计算；
[0204] 把3个负载参数看作是服从标准正态分布的随机参数，见表5，对3个负载参数以正态分布N(μ,σ)随机地产生50组，通过CEM法计算出对应的50个套管双耳内部的应力，如表6所示。
[0205] 表5
[0206]参数 张力T(KN) 预紧力矩M(Nm) 风速v(m/s)
分布类型 正态分布 正态分布 对数正态
均值 15.00 60.0 27.33
标准差 0.11 1.5 9.00
分布类型 正态分布 正态分布 对数正态
均值 15.00 60.0 27.33
标准差 0.11 1.5 9.00
[0207] 为了更合理地选取负载参数，采用(0，1)均匀试验设计法对进行取值，将(0，1)区间均匀分布的随机数转换成指定正态分布的随机抽样N(μ,σ)：
[0208]
[0209] 式中r1、r2—二个相互独立的(0，1)均匀分布的随机变量，μ为3个负载参数的均值，σ2是3个负载参数的方差。
[0210] 采用均匀试验设计选取50组3个负载参数，通过CEM法计算出50个最大应力值。具体的讲，包括以下子步骤：
[0211] (a1)结构的离散化
[0212] 建立套管双耳的几何模型，见图11所示，给几何模型赋材料属性，将套管双耳结构分割成大量的相邻的控制单元体，以这些单元体去代替实体结构，见图12所示。本发明的单元体采用八节点六面体控制单元，每个节点都有三个自由度，分别为X,Y,Z三个方向上的节点位移。
[0213] (a2)结构位移模式
[0214] 导出用控制单元间结点位移表示单元体内任一点的位移：
[0215] {w}＝[N]{u}(e)
[0216] 式中，{w}是单元内任一点的位移列向量；{u}(e)是单元结点的位移列向量；[N]为形函数矩阵。
[0217] (a3)计算控制单元的应变和应力
[0218] 由位移表达式导出控制单元应变:
[0219] {ε}＝[B]{u}(e)
[0220] 式中，{ε}是应变列向量；[B]是应变矩阵。
[0221] 利用本构方程，由应变获得结构应力：
[0222] {σ}＝[D][B]{u}(e)
[0223] 式中，{σ}是应力列向量；[D]是材料弹性矩阵，计算出的定位夹的应力云图如图13所示。
[0224] 通过CEM法计算出对应的套管双耳内部的应力(部分数据)如表6所示。
[0225] 表6
[0226]
[0227] (3)Normalization处理
[0228] 对n组负载参数和对应的内部应力进行Normalization处理：
[0229]
[0230] 式中Hi为负载参数值，i＝1,2,3。
[0231] (4)采用辐射基网络(RADBAS NN)建立3个负载与套管双耳内部的应力之间的非线性关系。
[0232] 辐射基网络的输入个数为3，为套管双耳3个负载经过Normalization处理后的值，输出为套管双耳最大的应力。将CEM法得到的50组数据作为辐射基网络的学习样本，对辐射基网络进行学习。具体的讲，辐射基网络构建和学习的过程包括以下子步骤：
[0233] (a1)采用Gaussian函数构建辐射基网络的隐函数：
[0234]
[0235] 式中，B＝(B1,B2,B3)分别表示套管双耳承受的3个负载。Ch＝(Ch1,Ch2,Ch3,Ch4)为第h个隐层Gaussian基的基参数。
[0236] 为了获得优良的推理能力，对Zh进行(0-1)化处理：
[0237]
[0238] H为Gaussian基的个数，Z0≡1。
[0239] (a2)构建辐射基网络精度识别函数，采用均方差建立辐射基网络精度识别函数：
[0240] ，
[0241] σ为辐射基网络输出的套管双耳最大应力值， 为控制单元法的应力计算值[0242] (a3)采用递度训练法则：
[0243]
[0244]
[0245]
[0246] 式中，η(k)为学习率，α为动量因子，学习率一般取0.3，动量因子取0.85。
[0247] (a4)通过训练，获得了W，C和β的值，建立了套管双耳3个负载参数与最大的应力的关系。
[0248]
[0249] 误差测试的结果见表7所示。
[0250] 表7
[0251]
[0252]
[0253] (5)采用统计抽样法(SSM)计算出套管双耳的可靠度，具体的讲，包括以下子步骤：
[0254] (5.1)对3个负载参数进行随机抽样，先在(0，1)区间上产生均匀分布随机数，然后将(0，1)区间均匀分布的随机数转换成指定正态分布的随机抽样。
[0255] (5.2)将3个负载参数经过(0-1)化处理后输入到已经训练好的基于辐射基网络非线性关系模型中，得到套管双耳的最大应力σ。代入功能函数f中，计算f的值。
[0256] f(δ,σ)＝δ-σ
[0257] 式中，δ为套管双耳材料的强度。f≤0表示套管双耳已经失效。
[0258] (5.3)根据SSM法，不断地重复计算f值，累计f≤0的次数L，以及随机计算的总次数N。根据计算机模拟定律，当计算的次数达到一定的值时，如N≥100/Pf(Pf为失效概率)时，能够满足模拟的精度，计算结束。
[0259] (5.4)计算套管双耳的可靠度。可靠度R的值为：
[0260]
[0261] 本专利中，L取值1000。
[0262] 套管双耳由Cr18Ni9Ti材料制成，它的强度服从正态分布，均值为300Mpa，变差系数取0.1。表4为模拟次数和计算结果，由表可知，迭代1000次可靠度趋于稳定和精确，最后得到套管双耳的可靠度R＝0.92889，与JC法计算出的可靠度，相对误差只有0.081％。
[0263] 根据发明的新方法，可以计算各负载对套管双耳可靠性的影响程度，图14、图15、图16分别表示张力T、预紧力矩M和风速v的变差系数与可靠度关系。
[0264] 可见，本发明能够对高铁供电系统支持连接部件的可靠性进行定量的计算、分析和预测，为高铁供电系统支持连接部件可靠性设计与管理提供了新的方法。
[0265] 本发明不仅局限于上述具体实施方式，本领域一般技术人员根据本发明公开的内容，可以采用其它多种具体实施方式实施本发明，因此，凡是采用本发明的设计结构和思路，做一些简单的变化或更改的设计，都落入本发明保护的范围。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种扭剪仪 | 2020-05-08 | 207 |
| 一种基于深度学习的2D+3D大飞机外形缺陷检测与分析方法 | 2020-05-08 | 189 |
| 基于人-车-路耦合振动模型的动力响应预测方法及系统 | 2020-05-08 | 494 |
| 一种基于ELM的变速风电机组最大风能捕获方法 | 2020-05-11 | 816 |
| 一种用于柱下基础承台的支撑模板及其施工方法 | 2020-05-11 | 151 |
| 一种复杂层状岩层隧道爆破的施工方法 | 2020-05-08 | 625 |
| 一种古建筑木结构整体同步提升方法 | 2020-05-08 | 804 |
| 一种基于BIM的深基坑工程安全监测系统 | 2020-05-11 | 258 |
| 一种多层材料产品标记装置及方法 | 2020-05-08 | 952 |
| 一种吸能汽车保险杠 | 2020-05-08 | 213 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈