一种航空发动机涡轮盘应力预测方法与流程

1.本发明涉及航空发动机涡轮盘应力预测技术领域，公开了一种航空发动机涡轮盘应力预测方法。


背景技术：

2.航空发动机中，涡轮盘是航空发动机中重要的盘形零件之一，主要作用是将燃气的内能转化为机械能，使压气机转动做功。由于飞机处在启动、加速、减速、匀速、停车等各种工作模式下，发动机涡轮盘受到各种复杂的载荷，其中包括高速运转下的离心力、高温下的热应力和高压下的气动力等，因此对涡轮盘进行寿命管理是一项非常重要的工作。寿命管理的基础工作之一是根据飞行参数快速计算限寿件关键部位的应力。考虑到涡轮盘工作环境的复杂性，以及涡轮盘应力与发动机测量参数之间的非线性因素，亟需建立一种快速预测应力的方法，给发动机涡轮盘寿命分析提供有效的数据输入。
3.但由于航空发动机涉及的参数维度高且数据量大，容易使预测过程过于复杂，并且有噪音和冗余信息的干扰，预测速度也越来越慢，因此需要对输入数据进行约简降维处理。在现阶段常用计算轮盘关键部位应力的做法，是根据总体参数集，基于常规有限元方法，经过多轮迭代计算，获得轮盘关键部位的应力。传统计算应力的方法存在以下缺点：a)需要根据实体模型建立有限元计算模型，前处理工作量很大；b)需要多轮计算迭代，计算量大、耗时长、人工成本高，不满足发动机寿命管理实时性的要求；c)高维的数据量对计算速率的影响较大，并且有噪音和冗余信息的干扰；因此，在工程中，亟需一种基于数据降维的航空发动机涡轮盘应力快速预测方法，给发动机涡轮盘寿命分析提供有效的数据输入，支撑航空发动机寿命管理的应用。


技术实现要素：

4.本发明的目的在于提供一种航空发动机涡轮盘应力预测方法，能够实现对总体参数集样本的降维，并建立了高精度的涡轮盘应力预测的随机森林模型。通过对总体参数集样本的降维，找出与涡轮盘应力高度关联的主控因素，减少了噪音与冗余信息，提高了涡轮盘应力随机森林预测模型的预测精度；且相比于传统应力计算方法，本发明的计算速度由小时级提升为分秒级，大幅度提高了计算效率。
5.为了实现上述技术效果，本发明采用的技术方案是：一种航空发动机涡轮盘应力预测方法，包括：获取航空发动机飞行包线内所有稳态工况点的总体参数集，所述总体参数集包括各稳态工况点的巡航高度、马赫数、喷管出口气动面积、高压涡轮转速、风扇进口空气总压、外涵道进口空气总压、压气机进口总压、压气机出口总压、混合器内涵进口燃气总压、风扇进口空气总温、外涵道进口空气总温、压气机进口空气总温、压气机出口空气总温和混合器内涵进口燃气总温；
根据各稳态工况点的总体参数集以及各稳态工况下涡轮盘的温度场，对涡轮盘进行有限元分析，获得对应工况下涡轮盘应力分布；对总体参数集中的数据进行降维预处理，所述降维预处理包括对总体参数集中的数据进行归一化处理，然后基于对应稳态工况下的涡轮盘应力分布，采用主成分分析、聚类分析、单因素相关性分析对归一化处理后的总体参数集进行降维处理，得到特征监测参数集；以各稳态工况下降维预处理后的特征参数集作为输入，对应稳态工况的涡轮盘应力作为输出，建立航空发动机涡轮盘应力随机森林预测模型；对待测工况下的总体参数集进行降维预处理得到待测工况的特征监测参数集，并输入所述涡轮盘应力随机森林预测模型，获得预测的航空发动机待测工况下的涡轮盘应力。
6.进一步地，根据各稳态工况点的总体参数集以及各稳态工况点涡轮盘的温度场，对涡轮盘进行有限元分析，获得对应工况下涡轮盘应力分布，包括：建立涡轮盘有限元模型，从航空发动机多个任务剖面中提取多个稳态工况点，以对应稳态工况点的总体参数集以及各稳态工况下涡轮盘的温度场对涡轮盘进行有限元分析，获得对应工况下涡轮盘应力分布。
7.进一步地，对总体参数集中的数据进行归一化处理前，预先对总体参数集中的每项监测参数数据进行无效值剔除，包括：将总体参数集中所有稳态工况点下任意一项监测参数的数据值按照工况点时间顺序组成的监测参数的队列，队列中第个稳态工况点的数据表示为，若满足关系式时，将判定为无效值，并剔除该数据及其对应稳态工况的总体参数集和涡轮盘应力数据，其中，为总体参数集中稳态工况点的数量，为第一预设阈值。
8.进一步地，采用公式对总体参数集中的数据进行归一化处理，其中为总体参数集中的任意一项监测参数数据，为数据经归一化处理后的数据值，为对应监测参数的最大值，为对应监测参数的最小值，=1，2，3，...，n，为总体参数集中稳态工况点的数量。
9.进一步地，基于对应稳态工况下的涡轮盘应力分布，采用主成分分析、聚类分析、单因素相关性分析对归一化处理后的总体参数集进行降维处理，得到特征监测参数集，包括：首先采用主成分分析方法计算各个监测参数对主成分的贡献系数，剔除贡献系数小于第二预设阈值对应的监测参数；
将剩余监测参数中每个监测参数看作一个类，计算任意两个类之间的欧氏距离，合并欧氏距离最小值对应的两个类为一个新的类；重复计算新的类与其余类之间的欧氏距离，合并欧氏距离最小值对应的两个类为一个新的类，直至所有剩余监测参数被归为一个类或者达到预设的类数目；用单因素分析方法计算各个参数之间的第一相关性系数，以及各个参数与涡轮盘应力之间的第二相关性系数，从聚类分析结果的各类中筛选第二相关性系数最大，且筛选出的监测参数之间的第一相关性系数值小于第三预设阈值的监测参数作为特征监测参数。
10.进一步地，以各稳态工况下降维预处理后的特征参数集作为输入，对应稳态工况的涡轮盘应力作为输出，建立航空发动机涡轮盘应力随机森林预测模型，包括：从特征监测参数集中有放回地随机抽取多个稳态工况点的数据样本，一共进行n次抽取形成n个cart树的子样本集；用每个子样本集中工况点对应的特征监测参数集作为输入，对应工况点的涡轮盘应力作为输出训练随机森林的cart树，获得航空发动机涡轮盘应力随机森林预测模型。
11.进一步地，训练cart树时，从每个子样本集中的特征监测参数集中选取最优特征监测参数进行左右子树的划分；每棵cart树预测子样本集到对应叶子节点的均值，将n个cart树预测的所述均值的平均值作为涡轮盘应力随机森林的最终输出结果；其中cart树选取最优特征监测参数时采用的是最小均方差原则，即对于任意监测参数a对应的左右子树划分点s两边的数据集d1和d2，通过求出同时满足d1和d2各自的均方差最小且d1和d2的均方差之和最小的监测参数作为最优特征监测参数；其中，c1为d1总体参数集的样本输出均值，c2为d2总体参数集的样本输出均值；为数据集d1中第个工况下的特征监测参数，表示第个工况下随机森林模型预测的应力值，为数据集d2中第个工况下的特征监测参数，表示第个工况下随机森林模型预测的应力值。
12.与现有技术相比，本发明所具备的有益效果是：本发明能够实现对总体参数集样本的降维，找出与涡轮盘应力高度关联的主控因素，并建立了高精度的涡轮盘应力预测的随机森林模型，总体参数集降维减少了噪音与冗余信息，提高了涡轮盘应力随机森林预测模型的预测精度；相比于传统应力计算方法，本发明的计算速度由小时级提升为分秒级，大幅度提高了计算效率，节约了时间成本，为后续涡轮盘寿命分析提供了有效数据输入，支撑了发动机寿命管理的技术发展。
附图说明
13.图1为实施例2中聚类分析结果示意图；图2为降维前随机森林模型预测值与盘心真实应力对比图；图3为实施例2中降维后随机森林模型预测值与盘心真实应力拟合图。
具体实施方式
14.下面结合实施例及附图对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。
15.实施例1一种航空发动机涡轮盘应力预测方法，包括：获取航空发动机飞行包线内所有稳态工况点的总体参数集，所述总体参数集包括各稳态工况点的巡航高度、马赫数、喷管出口气动面积、高压涡轮转速、风扇进口空气总压、外涵道进口空气总压、压气机进口总压、压气机出口总压、混合器内涵进口燃气总压、风扇进口空气总温、外涵道进口空气总温、压气机进口空气总温、压气机出口空气总温和混合器内涵进口燃气总温；根据各稳态工况点的总体参数集以及各稳态工况下涡轮盘的温度场，对涡轮盘进行有限元分析，获得对应工况下涡轮盘应力分布；对总体参数集中的数据进行降维预处理，所述降维预处理包括对总体参数集中的数据进行归一化处理，然后基于对应稳态工况下的涡轮盘应力分布，采用主成分分析、聚类分析、单因素相关性分析对归一化处理后的总体参数集进行降维处理，得到特征监测参数集；以各稳态工况下降维预处理后的特征参数集作为输入，对应稳态工况的涡轮盘应力作为输出，建立航空发动机涡轮盘应力随机森林预测模型；对待测工况下的总体参数集进行降维预处理得到待测工况的特征监测参数集，并输入所述涡轮盘应力随机森林预测模型，获得预测的航空发动机待测工况下的涡轮盘应力。
16.在本实施例中，以各稳态工况点的总体参数集以及各稳态工况下涡轮盘的温度场对涡轮盘进行有限元分析，获得对应工况下涡轮盘应力分布；然后基于对应稳态工况下的涡轮盘应力分布，对总体参数集中的数据采用主成分分析、聚类分析方法、单因素相关性分析对归一化处理后的总体参数集进行降维处理，得到与涡轮盘应力相关性较高的特征监测参数集；以各稳态工况下降维预处理后的特征参数集作为输入，对应稳态工况的涡轮盘应力作为输出，建立航空发动机涡轮盘应力随机森林预测模型；对待测工况下的总体参数集进行降维预处理得到待测工况的特征监测参数集，并输入所述涡轮盘应力随机森林预测模型，获得预测的航发动机待测工况下的涡轮盘应力。本实施例中的涡轮盘应力预测方法能够实现对总体参数集样本的降维，找出与涡轮盘应力高度关联的主控因素，并建立了高精度的涡轮盘应力预测的随机森林模型，总体参数集降维减少了噪音与冗余信息，提高了涡轮盘应力随机森林预测模型的预测精度；相比于传统应力计算方法，本发明的计算速度由小时级提升为分秒级，大幅度提高了计算效率，节约了时间成本，为后续涡轮盘寿命分析提供了有效数据输入，支撑了发动机寿命管理的技术发展。
17.实施例2本实施例以某型发动机涡轮盘盘心应力预测为例，对本发明的航空发动机涡轮盘应力预测方法步骤和效果进行进行说明，具体预测方法步骤如下：步骤一、获取航空发动机飞行包线内所有稳态工况点的总体参数集
本实施例中选取了总体参数中与航空发动机涡轮盘应力相关的14个参数，具体包括各稳态工况点的巡航高度、马赫数、喷管出口气动面积、高压涡轮转速、风扇进口空气总压、外涵道进口空气总压、压气机进口总压、压气机出口总压、混合器内涵进口燃气总压、风扇进口空气总温、外涵道进口空气总温、压气机进口空气总温、压气机出口空气总温和混合器内涵进口燃气总温。
18.步骤二、根据各稳态工况点的总体参数集以及各稳态工况下涡轮盘的温度场，对涡轮盘进行有限元分析，获得对应工况下涡轮盘应力分布；本实施例中通过建立涡轮盘有限元模型，从航空发动机多个任务剖面中提取多个稳态工况点，采用有限元分析软件以对应稳态工况点的总体参数集以及各稳态工况下涡轮盘的温度场对涡轮盘进行有限元分析，获得对应工况下涡轮盘应力分布。
19.需要说明的是，总体参数包括但不限于以上14个参数，本实施例中选取了总体参数中的14个参数以及涡轮盘的温度场进行有限元分析获得涡轮盘的应力分布。但总体参数中其他与涡轮盘应力相关联的参数同样可以应用于有限元分析软件中获得涡轮盘应力分布。
20.步骤三、对总体参数集中的数据进行降维预处理，所述降维预处理包括对总体参数集中的数据进行归一化处理；考虑到数据之间取值范围变化较大，且各数据由于计量单位和数量级之间的差异，对总体参数集中所有监测参数进行“最大——最小”归一化处理，确保数据分布在区间[0，1]且无量纲。本实施例采用公式对总体参数集中的数据进行归一化处理，其中为总体参数集中的任意一项监测参数数据，为数据经归一化处理后的数据值，为对应监测参数的最大值，为对应监测参数的最小值，=1，2，3，...，n，为总体参数集中稳态工况点的数量。
[0021]
为了保证总体参数集中各类监测参数数据分布一致性，保证分析结果具有参考意义，本实施例通过比较周围值的大小和变化趋势判断是否为无效值，对各稳态工况点总体参数以及相应的涡轮盘应力结果进行无效值剔除。本实施例将总体参数集中所有稳态工况点下任意一项监测参数的数据值按照工况点时间顺序组成的监测参数的队列，队列中第个稳态工况点的数据表示为，若满足关系式时，将判定为无效值，并剔除该数据及其对应稳态工况的总体参数集和涡轮盘应力数据，其中，为总体参数集中稳态工况点的数量，为第一预设阈值。
[0022]
需要说明的是，无效值的剔除可以是对归一化之前的总体参数集中的数据进行剔除处理，也可以是对归一化之后的总体参数集中的数据进行剔除处理，两种顺序最终结果
是一致的。
[0023]
步骤四、基于对应稳态工况下的涡轮盘应力分布，采用主成分分析、聚类分析、单因素相关性分析对归一化处理后的总体参数集进行降维处理，得到特征监测参数集。具体分析流程如下：1）首先采用主成分分析方法计算各个监测参数对主成分的贡献系数，剔除贡献系数小于第二预设阈值对应的监测参数。
[0024]
在归一化后的总体参数集的各个监测参数数据中进行主成分分析，获得方差贡献率达到预定值的主成分个数。本实施例中取前7个主成分特征值及其贡献率如表1所示，提取累积方差贡献率大于80%的前2个主成分。从表1中数据可以看到，第一主成分方差贡献率为52.19%，选择前两个主成分时，保留的原始信息量为82.81%，可以认为前两个主成分能很好地反映总体参数原始信息的大部分特征，因此提取主成分1、主成分2 进行分析。
[0025]
表1各主成分特征值及其贡献率分布表不同总体参数在各个主成分中的表达系数见表2：表2不同总体参数在各个主成分中的表达系数对比表
可见高度h和喷管出口气动面积a8的系数最小，即对主成分的贡献率最低，说明二者对涡轮盘盘心应力的影响较弱，后续分析中可将其忽略。
[0026]
2）将剩余监测参数中每个监测参数看作一个类，计算任意两个类之间的欧氏距离，合并欧氏距离最小值对应的两个类为一个新的类；重复计算新的类与其余类之间的欧氏距离，合并欧氏距离最小值对应的两个类为一个新的类，直至所有剩余监测参数被归为一个类或者达到预设的类数目。
[0027]
本实施例中，聚类分析方法流程包括：计算n个样本两两之间的欧氏距离，记作矩阵。
[0028]
构造n个类，每个类只包含一个样本；合并类间距离最小的两个类，其中最短距离为类间距离，构建一个新类；计算新类与当前各类的距离，合并类间距离最小的两个类，直至类的数目达到预设聚类数目，本实施例取聚类数目为3，终止计算，结果如图1所示。从图1聚类结果可以看出，可将14个总体参数分为3类，即高压涡轮转速n2和压气机出口总压p3各自分为一类，其余参量归为一类。
[0029]
3）用单因素分析方法计算各个参数之间的第一相关性系数，以及各个参数与盘心应力之间的第二相关性系数，从聚类分析结果的各类中筛选第二相关性系数最大，且筛选出的监测参数之间的第一相关性系数值小于第三预设阈值的监测参数作为特征监测参数。
[0030]
单因素相关性分析方法包括：根据发动机总体参数集中的任一监测参数归一化后的数据和对应涡轮盘应力值，采用公式来度量该监测参
数和之间的线性相关性；其中为相关系数，为的标准差，为的均值，为涡轮盘应力值的标准差，为涡轮盘应力值的均值，为期望值；表3为获得的该发动机涡轮盘盘心应力与各总体参数的相关系数。
[0031]
表3涡轮盘盘心应力与各总体参数的相关系数对比表由表3的结果可见，n2、t
13
、t
25
、t3、t6与盘心应力是在99%的置信区间内高度相关的，说明盘心应力是受多因素影响的，但并没有考虑各参数之间的相互作用；ma和t2与盘心应力在95%的置信区间内是显著相关的；其余参数与盘心应力都是弱相关的。另外除了a8与盘心应力呈负相关之外，其他参数与盘心应力水平都呈正相关。
[0032]
本实施例中结合表1和表2中相关性分析的结果，从这三类中各取一个总体参数作为影响涡轮盘盘心应力的主控因素。第一类与第二类中只有一个参数，现只对第三类进行分析。在第三类中，混合器内涵出口总温t6的相关系数为0.99，在99%的置信区间内与盘心应力是高度相关的。但是从表3可知，t6与第一类的高压涡轮转速n2也存在高度相关性，选取t6作为第三类的主控因素会导致冗余信息没有被最大限度地剔除。因此尽量选取与n2、p3独立且与盘心应力相关性较高的参数作为主控因素更具有代表性。经过分析，最终选取ma作为第三类的主控因素，实现在每一类中选取一个主控因素，主控因素满足与盘心应力相关性最高，且主控因素之间保持高度独立性，即，相关性最低。
[0033]
步骤五、以各稳态工况下降维预处理后的特征参数集作为输入，对应稳态工况的涡轮盘应力作为输出，建立航空发动机涡轮盘应力随机森林预测模型；本实施例中建立航空发动机涡轮盘应力随机森林预测模型，具体流程包括：从特征监测参数集中有放回地随机抽取多个稳态工况点的数据样本，一共进行n次抽取形成n个cart树的子样本集；用每个子样本集中工况点对应的特征监测参数集作为输入，对应工况点的涡轮盘应力作为输出训练随机森林的cart树，获得航空发动机涡轮盘应力随机森林预测模型。
[0034]
本实施例在训练cart树时，从每个子样本集中的特征监测参数集中选取最优特征监测参数进行左右子树的划分；每棵cart树预测子样本集到对应叶子节点的均值，将n个cart树预测的所述均值的平均值作为涡轮盘应力随机森林的最终输出结果；其中cart树选取最优特征监测参数时采用的是最小均方差原则，即对于任意监测参数a对应的左右子树划分点s两边的数据集d1和d2，通过
求出同时满足d1和d2各自的均方差最小且d1和d2的均方差之和最小的监测参数作为最优特征监测参数；其中，c1为d1总体参数集的样本输出均值，c2为d2总体参数集的样本输出均值；为数据集d1中第个工况下的特征监测参数，表示第个工况下随机森林模型预测的应力值，为数据集d2中第个工况下的特征监测参数，表示第个工况下随机森林模型预测的应力值。
[0035]
根据获得的涡轮盘应力随机森林预测模型，对待测工况下的总体参数集进行降维预处理得到待测工况的特征监测参数集，并输入所述涡轮盘应力随机森林预测模型，获得预测的航发动机待测工况下的涡轮盘应力。
[0036]
步骤六、模型建立与验证将总体参数中14个监测参数以及对应的涡轮盘应力直接按照步骤五中的方法建立降维前随机森林模型，将降维前的随机森林模型与降维后的涡轮盘应力随机森林预测模型的预测结果分别与传统有限元方法迭代计算出的真实盘心应力值作对比，如图2降维前的对比数据与图3降维后的对比数据所示，两个图中的实线均表示传统有限元方法迭代计算出的真实盘心应力值，对应图中的虚线分别表示对应涡轮盘应力随机森林预测模型的预测值。由图2、图3可知，图3中虚线与实线的吻合程度更高，即降维后的模型对应力的泛化效果明显优于未降维前的模型，说明建模前对参数进行分析、降维，减少了冗余信息的干扰，且提高了涡轮盘应力随机森林预测模型的预测精度。
[0037]
以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种航空发动机涡轮盘应力预测方法，其特征在于，包括：获取航空发动机飞行包线内所有稳态工况点的总体参数集，所述总体参数集包括各稳态工况点的巡航高度、马赫数、喷管出口气动面积、高压涡轮转速、风扇进口空气总压、外涵道进口空气总压、压气机进口总压、压气机出口总压、混合器内涵进口燃气总压、风扇进口空气总温、外涵道进口空气总温、压气机进口空气总温、压气机出口空气总温和混合器内涵进口燃气总温；根据各稳态工况点的总体参数集以及各稳态工况下涡轮盘的温度场，对涡轮盘进行有限元分析，获得对应工况下涡轮盘应力分布；对总体参数集中的数据进行降维预处理，所述降维预处理包括对总体参数集中的数据进行归一化处理，然后基于对应稳态工况下的涡轮盘应力分布，采用主成分分析、聚类分析、单因素相关性分析对归一化处理后的总体参数集进行降维处理，得到特征监测参数集；以各稳态工况下降维预处理后的特征参数集作为输入，对应稳态工况的涡轮盘应力作为输出，建立航空发动机涡轮盘应力随机森林预测模型；对待测工况下的总体参数集进行降维预处理得到待测工况的特征监测参数集，并输入所述涡轮盘应力随机森林预测模型，获得预测的航空发动机待测工况下的涡轮盘应力。2.根据权利要求1所述的航空发动机涡轮盘应力预测方法，其特征在于，根据各稳态工况点的总体参数集以及各稳态工况点涡轮盘的温度场，对涡轮盘进行有限元分析，获得对应工况下涡轮盘应力分布，包括：建立涡轮盘有限元模型，从航空发动机多个任务剖面中提取多个稳态工况点，以对应稳态工况点的总体参数集以及各稳态工况下涡轮盘的温度场对涡轮盘进行有限元分析，获得对应工况下涡轮盘应力分布。3.根据权利要求1所述的航空发动机涡轮盘应力预测方法，其特征在于，对总体参数集中的数据进行归一化处理前，预先对总体参数集中的每项监测参数数据进行无效值剔除，包括：将总体参数集中所有稳态工况点下任意一项监测参数的数据值按照工况点时间顺序组成的监测参数的队列，队列中第个稳态工况点的数据表示为，若满足关系式时，将判定为无效值，并剔除该数据及其对应稳态工况的总体参数集和涡轮盘应力数据，其中，为总体参数集中稳态工况点的数量，为第一预设阈值。4.根据权利要求1所述的航空发动机涡轮盘应力预测方法，其特征在于，采用公式对总体参数集中的数据进行归一化处理，其中为总体参数集中的任意一项监测参数数据，为数据经归一化处理后的数据值，为对应监测参数的最大值，
为对应监测参数的最小值，=1，2，3，...，n，为总体参数集中稳态工况点的数量。5.根据权利要求1所述的航空发动机涡轮盘应力预测方法，其特征在于，基于对应稳态工况下的涡轮盘应力分布，采用主成分分析、聚类分析、单因素相关性分析对归一化处理后的总体参数集进行降维处理，得到特征监测参数集，包括：首先采用主成分分析方法计算各个监测参数对主成分的贡献系数，剔除贡献系数小于第二预设阈值对应的监测参数；将剩余监测参数中每个监测参数看作一个类，计算任意两个类之间的欧氏距离，合并欧氏距离最小值对应的两个类为一个新的类；重复计算新的类与其余类之间的欧氏距离，合并欧氏距离最小值对应的两个类为一个新的类，直至所有剩余监测参数被归为一个类或者达到预设的类数目；用单因素分析方法计算各个参数之间的第一相关性系数，以及各个参数与涡轮盘应力之间的第二相关性系数，从聚类分析结果的各类中筛选第二相关性系数最大，且筛选出的监测参数之间的第一相关性系数值小于第三预设阈值的监测参数作为特征监测参数。6.根据权利要求1所述的航空发动机涡轮盘应力预测方法，其特征在于，以各稳态工况下降维预处理后的特征参数集作为输入，对应稳态工况的涡轮盘应力作为输出，建立航空发动机涡轮盘应力随机森林预测模型，包括：从特征监测参数集中有放回地随机抽取多个稳态工况点的数据样本，一共进行n次抽取形成n个cart树的子样本集；用每个子样本集中工况点对应的特征监测参数集作为输入，对应工况点的涡轮盘应力作为输出训练随机森林的cart树，获得航空发动机涡轮盘应力随机森林预测模型。7.根据权利要求6所述的航空发动机涡轮盘应力预测方法，其特征在于，训练cart树时，从每个子样本集中的特征监测参数集中选取最优特征监测参数进行左右子树的划分；每棵cart树预测子样本集到对应叶子节点的均值，将n个cart树预测的所述均值的平均值作为涡轮盘应力随机森林的最终输出结果；其中cart树选取最优特征监测参数时采用的是最小均方差原则，即对于任意监测参数a对应的左右子树划分点s两边的数据集d1和d2，通过求出同时满足d1和d2各自的均方差最小且d1和d2的均方差之和最小的监测参数作为最优特征监测参数；其中，c1为d1总体参数集的样本输出均值，c2为d2总体参数集的样本输出均值；为数据集d1中第个工况下的特征监测参数，表示第个工况下随机森林模型预测的应力值，为数据集d2中第个工况下的特征监测参数，表示第个工况下随机森林模型预测的应力值。

技术总结
本发明涉及航空发动机涡轮盘应力预测技术领域，公开了一种航空发动机涡轮盘应力预测方法，基于对应稳态工况下的涡轮盘应力分布，对总体参数集中的数据进行降维处理，得到与涡轮盘应力相关性较高的特征监测参数集；以各稳态工况下降维预处理后的特征参数集作为输入，对应稳态工况的涡轮盘应力作为输出，建立航空发动机涡轮盘应力随机森林预测模型，预测航发动机待测工况下的涡轮盘应力。通过对总体参数集样本的降维，找出与涡轮盘应力高度关联的主控因素，减少了噪音与冗余信息，提高了涡轮盘应力随机森林预测模型的预测精度；且相比于传统应力计算方法，本发明的计算速度由小时级提升为分秒级，大幅度提高了计算效率。大幅度提高了计算效率。大幅度提高了计算效率。


技术研发人员：徐敬沛 王学民 吴光耀 何云 王梅
受保护的技术使用者：中国航发四川燃气涡轮研究院
技术研发日：2023.06.05
技术公布日：2023/7/7