论文部分内容阅读
对叶片强度进行可靠性分析，当功能函数为随机输入变量的隐性函数时，就无法直接用常规可靠性分析方法得到叶片的可靠度，因此将有限元，神经网络响应面和一阶可靠性方法（FORM）相结合，针对某汽轮机振动实验台的等直叶片，考虑几何参数、材料参数和载荷参数的随机性，在合理构造神经网络结构的基础上，利用有限元数值计算获得神经网络训练样本，通过对样本的学习和训练，获得叶片功能函数与随机变量之间的映射关系；选择非线性S型函数作为网络隐含层的激励函数，利用该函数的一阶导数是其自身函数的特点，推导出了功能函数对随机变量的一阶偏导