книги / Многоцикловая усталость при переменных амплитудах нагружения
..pdf
|
Для моделирования ста |
|
|
|
|
|||||||
ционарных процессов весь |
|
|
|
|
||||||||
ма |
эффективными |
оказа |
|
|
|
|
||||||
лись |
методы, |
оспованные |
|
|
|
|
||||||
на |
применении |
быстрого |
|
|
|
|
||||||
преобразования |
|
Фурье |
|
|
|
|
||||||
(БПФ) |
1451. |
Для |
|
модели |
|
|
|
|
||||
рования |
гауссовского ста |
|
|
|
|
|||||||
ционарного |
|
случайного |
|
|
|
|
||||||
процесса (ГССП) по задан |
|
|
|
|
||||||||
ной |
спектральной |
плот |
Рис. 42. Блок-схема алгоритма моде |
|||||||||
ности |
W (/) |
в |
работе [86] |
лирования амплитуды a h к -го цикла |
||||||||
предложен |
алгоритм, |
ос |
с |
помощью равномерно-распределен |
||||||||
нованный на модификации |
ной псевдослучайной величины а. |
|||||||||||
известного |
разложения |
в |
|
|
|
At ординаты |
||||||
ряд Фурье |
[26]. |
Равноотстоящие по |
времени |
|||||||||
процесса хтвычисляются по формуле |
|
|
||||||||||
Хт = |
£ . F*-4*exp(/Jj£- mfcV |
т — 0, |
1, |
N — i, (2.79) |
||||||||
|
|
/г=0 |
|
|
|
|
|
|
|
|
|
где N — число отсчетов в моделируемой реализации случай ного процесса; f = —1; F/, — комплексная гауссовская
случайная величина:
Vh = V'N- h, |
|
E(Vh V9l) = 8lh] |
(2.80) |
||
V* — комплексно-сопряженная |
V\ |
Е (•) — символ ос |
|||
реднения; bih — 1 при I = |
к |
и bih = |
0 при I ^ |
к. Коэффи |
|
циенты Ли вычисляются следующим образом: |
|
||||
A„ = V W (Afk); |
* = 0, |
1, . . . , 4 — |
1; |
||
-4а = A N —^ |
к = |
- у - » • • • » N — 1; |
(2.81) |
||
где |
|
1 |
|
|
|
Д/ = |
' |
|
(2.82) |
||
N A t |
|
Формула (2.82) связывает шаг по частоте А/, шаг по вре мени АЬи число точек отсчета N. Для корреляционной функ
ции случайной последовательности хт, используя выражения (2.79) — (2.81), докажем такое равенство:
R (n\t) = Е (хт+пхт) = “S W (Д/Л) exp (/ |
nkj . (2.83) |
Действительно,
Е (^m+Fv^ro) —■
= |
Е |
S |
VkA hV*A*i exp |/ |
(— in k + m i + |
ш)jj = |
|
N |
- l JV—1 |
г |
|
1 |
= |
S |
S ^(VfeF[)^/,i4iexp |
m/c + mi + |
ш) = |
|
|
A=0 i=0 |
L " |
|
J |
= 2 A l exp f j -4P- ra/c |
|
h=0 |
N |
|
Из выражений (2.79) и (2.83) следует, что массивы чисел Хт и R (nAt) получаются из массивов VuAh и W (А/к) соот
ветственно с помощью обратного дискретного преобразования Фурье (ОДПФ) [45]. По свойствам преобразования Фурье с учетом равенств (2.80) и (2.81) следует, что хт и R (nAt) —
действительные числа. Изложенное выше позволяет считать, что Хт при достаточно большом N представляют собой дис
кретные отсчеты ГССП с нулевым средним значением и спект ральной плотностью W (/). Среднеквадратическое значение
процесса
а , = V Е (х2т) = К 5 Щ = ( У |
Л,:)и |
(2.84) |
'А=0 |
/ |
|
Из выражений (2.79), (2.81) и (2.82) следует, что наивысшая частота при воспроизведении спектра процесса
AfN _ 1
(2.85)
2 2Д*
Это значит, что число моделируемых точек на период гар моники с максимальной частотой AfN/2 равно 2. Для опре
деления экстремумов процесса необходимо, чтобы число точек на период было не менее 8. Поэтому, если спектральная плот ность процесса W (/) задана на интервале 0 ^ ^ fm (fm — максимальная частота спектра), то А/ и At нужно принимать
такими:
At = -gjr-; д 1 = |
(2.86) |
При этом, применяя формулу (2.81), при А/к > |
fm полагают, |
что W (Afk) = 0.
Последовательность хь получается из последовательности VkAh с помощью ОДПФ. Если N — 2т (т — натуральное
число), то для выполнения ОДПФ можно применить алго ритм БПФ [45]. Алгоритм БПФ позволяет существенно, при мерно в Nl\og2N раз сокращать время счета по сравнению с прямыми вычислениями по формуле (2.79), что для N — 4096
составляет больше двух порядков. При этом результат БПФ формируется в том же массиве, в котором были заданы коэф
фициенты VhAk. Поскольку УкАц — комплексные величины, то массив {VhAk} — комплексный, а результат преобразо
вания Фурье — массив {#m} действительный. Поэтому числа хт содержатся в действительной части исходного массива. Практически без изменения объема вычислений можно видо изменить алгоритм так, чтобы моделировать сразу две реали зации случайного процесса, одпа из которых будет форми роваться в действительной части исходного массива, а вто рая — в мнимой части. Для этого модифицируем (2.79) так:
|
|
N— 1 |
/ |
\ |
|
|
Zm= |
Хт+ |
)Ут= 2 |
У*Лнexpf/ -Щ- тк\ + |
|
||
+ Д jTkA he |
x p |
mkj = |
Д |
+ Л ) Ahexp |
mkj |
(2.87)
Чтобы хти утбыли отсчетами требуемой реализации ГССП, необходимо, чтобы каждый из массивов гауссовских случай ных величин (F/,} и {Т^} удовлетворял соотношению (2.80).
Для реализации алгоритма (2.87) необходимо предложить способ формирования массива случайных комплексных ве
личин Uk = |
Vi, + ;Т»,. Покажем, |
что для этого достаточно |
||||
вычислять величины Uk так: |
|
|
|
|||
|
Uh = uh -\-jwh\ |
к = 0, |
1, . . . , |
N — 1, |
(2.88) |
|
где ик и |
wu — действительные |
взаимно-независимые гаус- |
||||
совские |
случайные величины, |
(щ) = |
(wk) = 0, |
(ик) — |
||
= {и>п) = |
1. |
Случайные |
числа |
ику wk |
моделируются на |
ЭВМ с помощью стандартных подпрограмм. Рассмотрим мас сивы случайных величин:
|
|
|
|
|
|
|
wh ~ WN - h |
(2.89) |
|
|
|
|
|
|
|
|
|
|
|
|
т |
|
“>h + |
u*N—k |
, , |
aN—h ~ |
“ft |
(2.90) |
|
|
i ft = |
------ о-------- г 7 |
|
|
|||||
|
|
|
|
uh+ |
UJV—ft . |
Wu —W |
|
||
Vk + jTk |
= |
. “'ft |
N - h |
||||||
|
|
+ )■ |
|
+ |
|||||
, |
wN - h |
+ wN - ( N - k ) |
uJV-ft “ |
uft |
_ n |
||||
- t ----------- 2------------------------ 2---------- ° ht |
|||||||||
Покажем, |
что |
Vk и |
Тк |
удовлетворяют |
условиям (2.80): |
||||
|
aN - h |
+ uN - ( N - h ) 2 |
ID* |
wN —(N—k) |
|||||
|
’N - h ~ |
||||||||
|
|
|
2 |
|
|
— ] |
|
|
|
|
uk + |
UN—ft |
+ |
wh |
wN—h |
= |
Vhi |
||
|
|
|
|
|
/ |
2 |
Е (УhVh) = |
[Е (Uft 4- Mjv—ft)2 + E (Wh— H>jv_ft)2] = |
— ~£~\E (щ) -f- E (Wh) + E (u%—h) -f- E (u?^_;t)] = 1;
|
s {VkVi-k) = E |
|
j |
x |
||
|
|
x |
^ «*iV-fc + *ft |
. wN - h ~ Wh у = |
|
|
1 |
|
|
[(uk + MW_ft) { w N - k — |
|
||
= T |
E [(“ ft + “ JV—ft)2] ------J - E |
Wft)] |
||||
|
|
+ |
~J~ E l(u>ft — WN—k) (UN—k + Wft)] + |
|
|
|
|
|
1 |
|
|
|
|
|
У |
— |
Е [ { w k — I V N - k ) |
{ w N - h — Wft)] = |
0. |
|
Аналогично |
доказывается, что |
E (FfcF*) = 0 |
при |
l Ф k н |
||
l Ф N |
— к. |
Доказательство |
справедливости |
соотношений |
||
(2.80) |
для Тл идентично доказательству для |
F*. Докажем, |
||||
что Vh ж Th независимы. |
|
|
|
Случай |
I: к Ф 1 7 1 ф N — к. |
Доказательство, очевидно, |
следует из |
того, что в формулах |
(2.89) и (2.90) фигурируют |
независимые случайные величины. |
|
|
||||
Случай И: к = |
I. Тогда |
|
|
|
||
Е (VhT'h) = |
Е [(■ “А+ «Л_Л |
, |
. U>h- wN-h |
\ |
||
|
|
|
~2-------+ >--------2-------) |
|||
|
|
+ Ц”4 |
~ Вй )] = |
4 - Я [(«. + |
»*-*) X |
|
X {wk + |
WN—а)] + |
Е [(Ufe + |
UJV—л) (UN—A— Hft)] -j- |
|||
+ |
4 ~ E [ { w h — |
W N - k ) |
{ w h |
+ W N - ft)] — |
|
|
|
l |
|
|
(tiff—ft — Uft)] = |
|
|
-------^ - E [ ( w h — wN- k ) |
|
= 4 “ \M iuN—h) — E (ul) + E (wl) — E (wjv_ft)] — 0.
Случай III: к = N — L Доказательство проводится ана
логично доказательству случая II.
Таким образом, если вычислять Vh согласно формуле (2.88), то после применения ОДПФ к массиву (UhAh) по
формуле (2.87) получим массив комплексных чисел {zm}, действительная и мнимая части которых представляют собой
отсчеты Двух независимых ГССП с заданной с помощью мас сива {Л/,} спектральной плотностью. Для оптимизации алго ритма и программы моделирования случайной нагрузки не обходимо также учесть следующие два момента. Во-первых, целесообразно моделировать ГССП с единичной дисперсией, поэтому с учетом выражения (2.84) в соотношении (2.87) сле дует использовать нормированную спектральную плотность, т. е. величины 4 “ вычислять так:
Во-вторых, для реализации ОДПФ методом БПФ можно пользоваться программами, которые вычисляют прямое ДПФ методом БПФ. Действительно, формулу (2.87) можно запи сать так:
z [ S ^ e x p f ; - ^ ] ]
[ , ? п # JUft ехР ( — / ~ т г тЛ :) ] |
(2.92) |
|
Поскольку случайные величины 7д [см. формулу (2.90)] и ут [см. формулу (2.87)] являются центрированными, то с ве роятностной точки зрения £/д и С/д, а также Zm и zm нераз
личимы. Поэтому для реализации алгоритма моделирования пригодны без всяких изменений программы, вычисляющие БПФ.
После расчета реализации необходимо выделить экстре мумы нагрузки. Опишем алгоритм выделения экстремума на примере максимумов. При обработке реализации просмат ривались тройки последовательных отсчетов: дг*_хс, дгц-i.
Считали, что максимум достигается в точке it если выполня лись условия Xi—i <С Xi tfi+i. При этом, однако, действи
тельное значение максимума несколько больше, чем по скольку точка дискретного отсчета может быть смещена от точки максимума. Поэтому по значениям Xi—i; xt; Xi+i на
ходили значение соответствующего максимума так: прово дили квадратичную параболу (рис. 43) через точки (t — At; Xi—i); (t; Xi); (t + At; ari+i) и находили наибольшее значение функции х:
х = xi -f- 0,125 (яц.1 — Xi—\)2f(2xi — — ач-i), (2.93)
которое и принимали за максимум.
Расчеты показали, что погрешность формулы (2.93) при нахождении максимума синусоиды но дискретным отсчетам
менее 1 % при частоте дискретизации, в 8 раз большей частоты синусоиды.
Для проверки разработанных ал горитмов и программ был проведен ряд тестовых расчетов. Проверка ка чества воспроизведения заданных спектров (которые задавались масси вом ординат спектральных плотно стей) проводилась с помощью спе циальной программы. В этой прог рамме спектральная плотность слу чайной нагрузки рассчитывалась ме
тодом модифицированных периодограмм с использованием
треугольного окна [45]. Для каждой реализации {л?т} коэф фициенты БПФ {я*} рассчитывались по формуле
xh = |
XmFmexp |
j |
mkj , |
(2.94) |
где Fm — соответствующее окно; г — номер реализации. Массив величин [1Г(&)}, называемый периодограммой,
вычисляется по формуле
/, (*) = -^ 14 р. |
(2.95) |
о
где Е — энергия окна; Е — %Fm.
Оценка W (к) спектральной плотности мощности находит
ся по формуле
, |
ь |
/ , (к), |
(2.96) |
W(k) = 4 |
Ц |
||
где L — число реализаций. В расчетах принимали N = |
4096, |
L = 60. Проверка воспроизведения показала хорошее со
ответствие заданных и рассчитанных спектров. Проверялось также одномерное нормальное распределение ординат слу чайного процесса, а также соответствие максимумов модели руемого процесса распределению Райса (2.57). Также для всех спектров было обнаружено очень хорошее соответствие значений (5, определенных по реализациям и рассчитанных по формуле (2.56). Проверка центрированности и стационарности не проводилась, так как эти свойства моделируемых процес сов следуют непосредственно из метода моделирования. По скольку ординаты моделируемого процесса являются линей ной комбинацией взаимно-независимых случайных величин, имеющих многомерное нормальное распределение, то и мно гомерные распределения ординат также будут нормальными.
В работах [125, 216] изложен метод моделирования после довательности максимумов и минимумов гауссовского ста ционарного процесса с заданным коэффициентом нерегуляр ности. Алгоритм моделирования ориентирован на мини-ЭВМ, последовательность экстремумов моделируется как простая однородная цепь Маркова [49]. Матрица одношаговых вероят ностей перехода, определяющая свойства марковской цепи экстремумов, имеет размерпость, равную удвоенному числу разрядов разбиения всего диапазона изменения нагрузки (удвоение связано с необходимостью различать максимумы и минимумы нагрузки, для практических целей удовлетвори тельные результаты дает разбиение на 32 интервала). Для
удобства |
моделирования |
последовательность экстремумов, |
||||
состоящую из |
максимумов и N xминимумов, характеризуют |
|||||
матрицей {ау}, элементы |
которой при i <С j равны числу пе |
|||||
реходов от минимумов |
amin, попадающих в интервал i, к |
|||||
максимумам сттпх, попадающим в интервал /, |
i = 1, ..., |
32; |
||||
/ = 1, ..., 32. |
При |
|
величины ау равны числу пере |
|||
ходов от |
максимумов |
<7тах, попадающих |
в интервал |
i, |
к минимумам, попадающим в интервал /. Диагональные эле менты описывают частоты переходов внутри одного интервала. Полагая ац = 0, эти частоты не учитывают. Информация,
содержащаяся в матрице переходов, не позволяет восстано вить последовательность экстремумов, а также частотный состав процесса (спектральную плотность мощности), однако по матрице (ау} можно определить (и воспроизвести при мо делировании) накопленные частоты пересечения уровня, рас пределение максимумов (минимумов), распределение размахов, коэффициент нерегулярности процесса. Для процесса, у которого восходящие и нисходящие размахп распределены одинаково, матрица является симметричной ау = ад. Если процесс симметричен относительно среднего уровня, то мат
рица симметрична |
и относительно второй |
диагонали (ау = |
= a n - i, n - j) . Для |
вычисления величин а у |
для гауссовского |
процесса можно воспользоваться совместной плотностью рас пределения размахов 2оа и средних значений (2.61) р {<т0, ит).
Переход от перемеппых сга и ат к amax и сгат |
задается форму |
||||||
лами |
|
О'щах = |
0а |
O'mtn = |
&т |
^а» |
(2.97) |
а для ау справедлива формула |
|
|
|
||||
N 1 |
1До |
з’До |
^ ( °тях |
стт1п |
°та х "Г ffmin |
| |
|
f |
(* |
||||||
ay = -тр |
J |
) |
p i -------2-------» |
------- 2-------J aOTmaxuCFm,,. |
|||
|
(i—l)Ao (j- l)A o |
V |
|
|
|
1 |
|
|
|
|
|
|
|
|
(2.98) |
Для вычислений по формуле (2.98) необходимо задать |
|||||||
(jCK, р, Ny = (W01 а |
также |
определить ширину |
интервалов |
разбиения Да. Величина Да определяется из условия одно кратного достижения процессом максимального уровня, рап ного 16 Да. Тогда согласно распределению пересечений дан ного уровня (2.55)
1 = 7V0exp [ — 0,5 |
(2.99) |
||
|
L |
\ аси |
/ J |
или, логарифмируя, |
|
|
|
Л о = |
- i f |
1/2 ln N ° • |
(2.100) |
|
|||
коэффициент среза у = |
Y 21п7У0 та 5,3 для N 0 = 10е. |
||
В работе (216] представлены матрицы |
{а^} для значений |
коэффициента нерегулярности i — 0,99; 0,7 и 0,3 при N 0 = 10е.
Алгоритм моделирования последовательности экстремумов основан на величинах ац. Суть его заключается в следующем.
Предположим, что необходимо смоделировать максимум, сле дующий за минимумом, попадающим в разряд /с. Максимум моделируется как дискретная псевдослучайная величина (алгоритм моделирования изложен в начале параграфа), дис
кретное распределение максимума задается элементами |
<рал7-; |
П |
|
; = к + 1 , ..., п, нормированными суммой Ф = J j аЫ' |
Под- |
j = A + l |
|
робности алгоритма и некоторые рекомендации по числеипой реализации содержатся в работах [216, 231]. Изложенный алгоритм достаточно просто реализуется на ЭВМ, не требует больших объемов памяти и, поскольку большинство парамет ров определяется до начала моделирования, скорость гене
рации последовательности экстремумов весьма высокая. |
Ре |
|
комендации, содержащиеся в ряде работ [125, 211, |
216, |
231], |
по стандартизации последовательности с i — 0,7 |
обосновы |
ваются применимостью такого нагружения для сравнитель ной оценки материалов, элементов конструкций и их соеди нений по критерию циклической прочности при эксплуатаци онном нагружении. Следует отметить, что существенным недостатком такого алгоритма моделирования в ряде случаев является невозможность воспроизведения спектрального со става нагрузки (по частотам).
Изложенные методы моделирования и воспроизведения случайных нагрузок являются весьма гибкими и позволяют задавать самые разнообразные режимы нагружения при уста лостных испытаниях. Некоторые дополнительные алгоритмы моделирования стационарных процессов с негауссовским рас пределением и заданной спектральной плотностью содержатся в работе [193]. Моделирование нестационарных процессов
(за исключением случаев кусочно-стационарных процессов) — сложная задача, ряд частных примеров рассмотрен в работах [26, 201].
6. МЕТОДЫ ОЦЕНКИ НАГРУЖЕННОСТИ ЭЛЕМЕНТОВ КОНСТРУКЦИЙ В ЭКСПЛУАТАЦИИ
Для надежной оценки ресурса ответственных конструкций необходима точная и представительная информация о нагружепности в течение всей эксплуатации. Погрешности в оценке нагруженности могут привести к ошибкам в определении уста лостной долговечности не в меньшей степени, чем примене ние неадекватных гипотез суммирования повреждений. Важ ным способом повышения эффективности эксплуатации доро гостоящих конструкций, таких, как летательные аппараты, мосты, суда и т. п., является определение ресурса с учетом фактической нагруженности каждой конструкции в течение всего времени эксплуатации. Сбор и обработка данных о фак тической нагруженности могут быть произведены средствами тензометрии с записью сигнала нагрузки на регистрирующей аппаратуре и последующей обработке записей на ЭВМ. Труд ности в применении такого подхода обусловлены небольшим (по сравнению с требуемым) числом постоянно функциони рующих измерительных каналов, необходимостью обеспе чения в течение длительного времени метрологических харак теристик аппаратуры, сложностью при тензометрировании движущихся и вращающихся элементов конструкций и др.
Для решения указанной задачи в настоящее время ис пользуется ряд методов — от чисто механических регистра торов — усилителей местных деформаций, нацарапывающих историю нагружения на специальных пластинах [192], до специализированных вычислительных устройств [136] на ос нове микропроцессоров, реализующих обработку нагрузки (схематизацию и расчет повреждения) в реальном масштабе времени. Для оценки индивидуальной нагруженности от ветственных изделий используют также датчики, выходной параметр которых зависит от приложенной к ним циклической нагрузки [11, 12]. При этом состояние датчика (индикатора) непосредственно не связано с уровнем накопленного усталост ного повреждения в исследуемом силовом элементе и лишь отражает историю нагружения этого элемента. В качестве датчиков используют автоматический счетчик нагруженности (АСЫ), образцы-свидетели (ОБСВ), а также параметрические, индикаторы [121].
АСН представляет собой лепту, на которой закреплен ряд фольговых датчиков, поочередно воспринимающих деформа-
ции конструктивного элемента через усилитель деформации. Смена датчиков происходит после разрушения очередного. Кривая усталости фольгового датчика расположена значи тельно левее кривой усталости материала конструкции. За счет этого до исчерпания ресурса происходит многократное разрушение датчиков. Число разрушенных датчиков примерно отражает степень исчерпания ресурса согласно линейной ги потезе. АСИ имеет довольно большие габариты, нуждается в электропитании, однако работа с ним намного проще, чем с тензодатчиками. АСН не чувствителен к статическим де формациям. Основное применение — сопоставление нагруженности однотипных конструкций, эксплуатируемых в по добных условиях и режимах работы.
ОБСВ представляет собой пластинку из материала кон струкции с концентратором, геометрия которого выбирается так, чтобы кривая усталости ОБСВ и кривая усталости си лового элемента совпали. ОБСВ наклеиваются на силовой элемент и нагружаются вместе с ним в процессе эксплуатации. Точность прогнозирования ресурса увеличивается за счет увеличения числа совместно наклеиваемых датчиков.
Параметрические индикаторы реагируют на циклическое нагружение, изменяя некоторый физический параметр: мо дуль Юнга, отражательную способность, состояние (например, шероховатость) поверхности, электросопротивление.
При массовых измерениях для оценки пагруженности при длительных условиях эксплуатации могут быть применены простые, компактные и надежные датчики усталостного пов реждения, конструктивно выполненные в виде тензорезисторов, изготовленных из термообработанной константановой фольги [12]. Принцип действия датчика основан на необрати мом изменении электросопротивления под действием цикли ческих нагрузок в зависимости от уровня и длительности нагружения. Наклеенные в опасном месте конструкции дат чики необратимо изменяют свое электросопротивление в процессе циклического нагружения, при этом скорость изме нения электросопротивления пропорциональна уровню на грузки. Измерять накопленное датчиком изменение электро сопротивления можно в любой момент времени. Датчики не требуют электропитания и постоянного подключения изме рительного прибора.
Изменение электросопротивления датчиков связано со следующими процессами [2181: с искажением кристаллической
структуры металла датчика; с наклепом |
материала датчика; |
|
с появлением микротрещин в материале |
решетки |
датчика. |
В работе [22] предложено использовать в качестве |
датчиков |
тензорезисторы на основе полупроводниковых материалов,