基于非参数概率方法的转子动力学混合不确定性量化
《Applied Mathematical Modelling》:Hybrid uncertainty quantification in rotor dynamics using nonparametric probability approach
【字体:
大
中
小
】
时间:2026年01月28日
来源:Applied Mathematical Modelling 5.5
编辑推荐:
魏峰|曹晓军|刘宝国|刘宗耀|刘景飞|张坤
中国河南省郑州450001,河南工业大学超硬磨料与磨削装备重点实验室
摘要:由于参数不确定性与模型不确定性之间的固有耦合关系,精确预测转子系统动力学仍是一项重大挑战。量化这种混合不确定性是转子动力学中一个关键且尚未解决的问题。
魏峰|曹晓军|刘宝国|刘宗耀|刘景飞|张坤
中国河南省郑州450001,河南工业大学超硬磨料与磨削装备重点实验室
摘要:由于参数不确定性与模型不确定性之间的固有耦合关系,精确预测转子系统动力学仍是一项重大挑战。量化这种混合不确定性是转子动力学中一个关键且尚未解决的问题。为应对这一挑战,本文基于非参数概率方法构建了一种混合不确定性量化框架,该框架将统计推断技术与实验数据驱动的识别方法有机结合。对于参数不确定性,该框架运用赤池信息量准则、最大似然估计以及柯尔莫哥洛夫-斯米尔诺夫检验,从测量数据中确定敏感参数的最优概率分布。对于模型不确定性,则采用贝叶斯估计方法,利用转子系统一阶临界速度的实验数据,精准确定相应随机矩阵的离散参数。通过数值模拟与实验验证,本研究阐明了不同参数概率分布类型及其与模型不确定性的组合对转子系统自然频率和振动幅值的影响。所提出的方法为转子动力学中的混合不确定性量化与传播分析提供了系统化的框架,为转子系统设计与运行评估的工程应用提供了实用参考。
引言:转子系统是航空发动机、燃气轮机及压缩机等旋转机械的核心组成部分,其动态行为直接影响整个机械的运行可靠性与使用寿命[[1], [2], [3]]。对于从事旋转机械研究的工程师而言,精确预测转子系统的动态特性至关重要[[4], [5], [6]]。当前,旋转机械正朝着高速、高精度、高可靠性及智能化方向发展,这对转子系统的精确动态评估与控制提出了更高要求。然而,转子系统中存在的多种不确定性给实现准确且可靠的动态性能预测带来了极大困难。近年来,实际工程应用中的迫切需求使得人们开始重视转子系统中的不确定性量化研究[[7], [8], [9]]。在转子设计、制造和装配过程中,不可避免地会存在各种不确定性[19-12]。这些不确定性可根据其来源分为参数(或随机)不确定性以及模型(或认知)不确定性[13,14]。参数不确定性源于材料属性的固有变化以及制造偏差或环境波动导致的几何公差差异。而模型不确定性则源自建模过程中的简化与假设,比如因数据不足或不准确导致的不完整描述,以及数值计算误差[15,16]。在转子动力学中,一个典型的例子是将三维连续的细长旋转轴离散化为集总质量模型。在双转子或多转子系统中,往往还需要进一步的简化,例如对转子耦合中复杂的齿轮传动机构进行简化处理[17,18]。此外,在使用计算软件进行仿真时,连续数学模型的离散化也会引入模型不确定性。例如,在将微分运算转化为差分运算、积分运算转化为求和(或增量)运算的过程中,就可能出现此类不确定性[19,20]。这类不确定性会显著影响转子系统的自然频率与动态特性,可能导致其性能偏离设计预期,振动加剧,甚至出现不可预测的动态行为[[21], [22], [23]]。例如,不确定性会严重影响平衡效果,使原本已达到平衡状态的转子出现超出允许范围的振动幅值,从而使原本合格的平衡设计失效[24,25]。
不确定性量化面临的一个主要挑战在于如何建立有效的模型来表征不同类型的不确定性。最常见的方法是通过概率模型及相应的随机分析理论,来研究具有特定分布特征的不确定性变量[[26], [27]]。Oleg[28]利用蒙特卡洛仿真方法,在计算双盘转子系统的振动特性时,量化了盘径制造误差对振动响应的影响。Didier等人[29]将多项式混沌展开方法引入转子动力学不确定性分析中,并将其与谐波平衡法相结合,提出了一种随机谐波平衡方法。Denimal和Sinou[30]采用克里金替代建模方法,分析了具有随机不确定性的柔性转子的临界速度变化规律。Chen等人[31]开发了一种双模态区间过程框架,用于表征复杂系统中的时间不确定性动态。Zhao[32]提出了一种自适应七阶随机扰动配置方法,通过非侵入式扩展与策略性点选择,提高了不确定性量化的精度。Loukrezis[33]针对高维不确定性量化问题,提出了一种自适应各向异性多项式混沌展开技术。在工程应用中,要获得不确定参数的精确概率分布往往十分困难,尤其是当统计数据不足以建立合适的概率模型时。若无法获得可靠的概率分布,这些方法可能无法进行有效的不确定性分析。因此,一些研究人员采用了模糊数学和区间分析等非概率方法来研究不确定转子系统的动态特性。例如,Dourado等人[34]对比分析了用于转子动态特性不确定性量化的模糊分析与随机分析方法。Qiang等人[35]提出了一种椭球区间混合模型,融合了证据理论,解决了传统方法在处理单一类型相关性时的根本局限。Fu等人[36]将未知但有界的不确定参数视为区间变量,基于区间数学提出了具有参数不确定性的转子的瞬态响应计算方法。Ma等人[37]利用切比雪夫区间法得到了双转子系统的临界速度与振动响应区间。不过,这些方法仍难以完全捕捉模型不确定性。
Soize[38,39]率先引入非参数概率方法来解决结构动力学中的不确定性问题,为表征参数不确定性与模型不确定性提供了一种有效途径。这种基于随机矩阵理论与最大熵原理的非参数不确定性建模方法,既不需要对不确定性进行参数化表示,也不需要事先了解其类别或数量[[40], [41], [42]]。通过最大化整个不确定性概率空间中的概率离散度,该方法显著降低了概率密度函数选择中的偏差[43]。值得注意的是,它无需在计算和分析过程中引入辅助参数,从而有效解决了因测量能力有限以及对复杂系统了解不全面而产生的模型不确定性问题。由于其能够处理同时包含参数不确定性与模型不确定性的混合不确定性问题,该方法得到了持续发展,并被广泛应用于多个研究领域。在转子动力学领域,Murthy等人[44]最早开始将非参数方法应用于转子系统动态建模。Gan等人[45]运用非参数方法研究了经典Jeffcott转子系统中的随机动力学特性。Wu等人[46]为具有不确定性的双转子系统建立了非参数Riccati传递矩阵模型,用于在不同不确定性条件下确定系统的自然特性。Liu等人[47]应用非参数方法,研究了模型不确定性与参数不确定性对转子系统随机动态特性及振动位移响应的相对贡献。Feng等人[48]探讨了混合不确定性对带齿轮转子系统振动特性的影响。Hong等人[49]建立了一种基于非线性动力学的混合不确定性分析框架,该框架既能处理纯不确定性,也能处理混合不确定性,同时还支持随机区间混合量化。Ritto等人[50]研究了转子动力学中的降阶建模方法及其对随机矩阵扰动的鲁棒性。Lu等人[51]分析了多源不确定性作用下船舶推进轴系中的涡动振动特性。
虽然非参数方法能够在不预设分布约束的情况下为不确定因素构建最大熵分布,但它本质上依赖于离散参数来表征系统的不确定性水平。鉴于这些参数在控制不确定性传播行为中的核心作用,对其精确量化显得极为重要。Soize[38]提出了用于估算线性结构中离散参数的专用方法,但这些技术主要应用于结构动力学领域。转子系统中的固有陀螺效应使其复杂性远高于结构动力学系统,给离散参数的识别带来了巨大挑战。目前,用于不确定转子系统建模的非参数方法通常采用预定的离散参数,这可能会削弱不确定性量化的可靠性[50,52,53]。这一限制已成为转子动力学不确定性分析中的一个关键障碍[7]。在同时存在参数不确定性与模型不确定性的混合不确定性场景中,由于不确定性来源与类型的多样性,确定可靠的离散参数成为了一个亟待解决却又极为复杂的难题。
本文基于非参数概率方法构建了一种混合不确定性量化框架。该方法遵循转子动力学与结构不确定性量化领域的现有研究范式[34,54],明确考虑了两种基本类型的不确定性:(1)受明确概率分布约束的参数不确定性;(2)以区间界限或特征不明确的统计特性为特征的模型不确定性[55]。通过一种统一的数学架构,将这两种不确定性类型无缝整合到转子系统分析中,从而解决了这种二元划分中存在的长期难题,尤其是精确的参数分布与模糊的模型不确定性之间的矛盾。
与传统不确定性量化方法——如用于动态响应表征与系统识别的贝叶斯推断、马尔可夫链蒙特卡洛方法、高斯过程方法以及概率模型更新方法相比[56,57],所提出的方法具有若干显著优势。尽管基于高斯过程的方法在周期性结构(如涡轮机械叶片盘)的参数不确定性量化方面表现良好,但它们通常需要大量的训练数据,且无法考虑模型不确定性。这些局限性使得它们不太适用于那些实验数据稀缺的非周期性转子系统,比如那些仅能获得少量轴承刚度测量数据的系统[58]。概率模型更新方法通常采用贝叶斯框架进行参数校准,但它们往往只是将模型不确定性视为残差,而非在随机框架内对其进行明确建模,这可能会因使用预先设定的先验分布而引入主观偏差[54]。贝叶斯-马尔可夫链蒙特卡洛方法虽能有效进行参数识别(如轴承刚度或支撑参数的识别),但其应用受到大量采样迭代带来的高计算成本的限制,而且通常无法处理耦合的混合不确定性[59,60]。非参数概率方法则能够同时量化参数不确定性与模型不确定性,但其准确性在很大程度上取决于能否可靠地确定表征不确定性水平的离散参数。这直接影响不确定性量化的精度,进而影响最终得到的动态特性分析结果的可靠性[46]。
此外,现有的混合不确定性建模方法大多依赖于参数-概率混合框架[55,61]。例如,Yang等人[55]在转子-定子接触系统中,将模型不确定性用正态分布表示,而将认知不确定性用区间模型表示;Zhou等人[61]则利用智能推理方法,基于预定义的似然函数对混合不确定性进行参数化。然而,这类方法存在固有局限性:随机不确定性建模通常需要较强的先验分布假设(如正态分布、威布尔分布),而这些假设可能无法充分描述复杂的非标准分布(如杆件固定转子中的双峰预紧力不确定性)[62]。为克服这些局限性,我们提出了一种基于非参数概率的混合不确定性量化方法,该方法包括两个核心步骤:(1)利用赤池信息量准则,构建了一个包含六种候选概率分布类型的不确定性加权量化模型,其中参数不确定性是通过实验获得的十组基于灵敏度分析的不确定性参数来表征的;(2)结合贝叶斯估计与最大似然估计,利用转子系统一阶临界速度的实验数据,建立了一种离散参数识别方法。此外,还系统研究了不同参数概率分布类型以及各类不确定性对转子系统动态特性的影响。
本研究通过引入三项相互关联的创新成果,为转子动力学中的不确定性量化方法带来了进展,形成了一个完整的分析框架。首先,引入了一种数据驱动的闭环验证系统,用以替代主观的分布选择方式,从而克服了传统非参数方法的参数限制,同时通过统计反馈机制实现最优分布的客观识别。其次,离散参数直接从实验数据中获取,而非依赖经验假设,从而建立起具有物理意义的不确定性界限,便于系统研究分布特性在转子动态系统中的传播规律。最后,开发了一种集成式的联合不确定性传播模型,为表征复杂机械系统中的混合(参数与模型)不确定性提供了数学上严谨的分析方法。这些研究共同构建了一个原则性的框架,提升了不确定性量化方法的可靠性、客观性以及物理真实性,既为转子动力学研究带来了理论进展,也为机械系统中的工程应用提供了实用价值。第2节介绍了非参数概率建模方法,第3节详细阐述了混合不确定性量化的方法论。第4节系统地研究了不同概率分布和不确定性类型对振动特性的影响。最后,第5节总结了本研究的主要结论。
均值模型的建立
为了采用非参数方法构建转子系统的不确定动态计算模型,首先需要建立一个确定性基准模型。本节中,基于有限元方法制定了这一确定性动态模型,也即均值模型。如图1所示,该转子系统采用双盘轴承-转子结构,包括一根轴、两个滚动轴承(建模为FAG 6300深沟球轴承)以及两个……
混合不确定性量化框架
利用非参数概率方法构建混合不确定动态模型的核心思想,是将方程(1)中的确定性矩阵替换为方程(8)中所定义的随机矩阵对应物。这些矩阵中的随机程度由离散参数δA控制,而准确估计该离散参数对于构建有效的随机矩阵至关重要[67]。在混合不确定性量化中,需要不同的离散参数……
不确定转子系统的振动特性分析
要理解概率分布类型及其相关不确定性如何影响转子系统的振动特性,对于将理论模型与实际转子系统的动态行为相契合而言至关重要。诸如轴承刚度或几何公差之类的参数本质上存在统计变异,且根据其物理特性,它们通常遵循正态分布、韦伯分布或区间分布等特定分布。
结论
本研究通过引入一种融合了统计推断与数据驱动方法的集成型非参数混合不确定性分析框架,解决了转子动力学中混合不确定性量化的根本问题。该框架系统地处理了转子系统中参数不确定性和模型不确定性的协同特性,为复杂转子系统的可靠性分析及设计提供了新的方法论基础。
未引用参考文献
[10,11]
CRediT作者贡献说明
魏峰:写作——审稿与编辑、项目管理、资金获取、概念构思。曹晓军:写作——初稿撰写、软件使用、方法论、实验研究、形式分析、数据整理。刘宝国:验证、软件使用、方法论、资金获取、形式分析。刘宗耀:可视化、监督、实验研究。刘景飞:软件使用、资源协调、实验研究。张坤:监督、实验研究。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号