【论文分享】航空发动机寿命边界在哪里？清华团队用仿真+AI给出答案

导读： 航空发动机燃烧室火焰筒在热疲劳环境下极易发生裂纹萌生与扩展。清华大学与成发科技联合团队最新研究（Scientific Reports, 2026）系统揭示了初始裂纹几何参数对剩余寿命的非线性影响规律，定义"寿命增益区间"，配合回声状态网络（ESN）构建出高精度小样本寿命预测代理模型。这一工作为航空发动机维修决策和可靠性设计提供了全新思路。

一、问题背景：航发燃烧室为何"命短"？

航空发动机燃烧室是将燃料化学能转化为热能的核心部件，下一代推进系统的燃烧室出口温度预计将达到 2400 K，内部温升高达 1600 K。在如此的热循环载荷下，燃烧室火焰筒壁面长期承受交变热应力，疲劳裂纹几乎不可避免。

历史故障统计表明：

• 63%的航发燃烧室失效集中于火焰筒（liner）

  
  
• 仅 5% 发生在机匣，4% 在燃油喷嘴
  
  

因此，火焰筒是决定发动机寿命的"卡脖子"零件，而其核心失效模式正是热疲劳裂纹扩展。

研究的核心问题：初始裂纹的几何形态（长度、开口角、方位角）如何影响火焰筒剩余寿命？能不能用 AI 快速预测？

二、研究方法：从仿真建模到智能预测的完整链路

本研究构建了一套"热流固耦合仿真 → 断裂力学分析 → AI 代理模型"的三阶段研究框架：

阶段一：全场热数值仿真

研究对象是一个由 20 个火焰筒组成的环形燃烧室，取其 1/20 扇形截面，在 ANSYS Fluent 中进行全场温度场数值模拟。

• 温度波动范围：600 ℃ ～ 800 ℃（靠近稀释孔区域）
  
  
• 网格规模：约 43 万多面体网格单元，网格收敛误差 < 5%
  
  
• Paris 定律裂纹扩展常数：c = 4.8×10⁻¹²，m = 3.5
  
  

阶段二：参数化裂纹扩展动力学建模

在全场热应力结果的基础上，提取主燃孔附近 50 mm × 50 mm 的关键区域，建立线弹性断裂力学（LEFM）参数化裂纹扩展模型。

裂纹几何参数定义：
 - 初始裂纹长度 L₀：主燃孔圆弧中点到裂纹的距离
 - 初始开口角 α₀：裂纹两端点到中点连线所张的角度
 - 初始方位角 β₀：裂纹扩展方向与水平轴的夹角

以裂纹扩展至 3 mm（接近相邻冷却孔，导致结构完整性丧失）时的循环次数 N 作为剩余寿命指标。

阶段三：回声状态网络（ESN）代理模型

基于 150 个仿真样本（80% 训练，20% 测试），构建 ESN 小样本寿命预测代理模型，并与深度神经网络（DNN）对比验证。

三、核心发现：三个参数，非线性影响机制

3.1 裂纹开口角 α₀：存在"门槛效应"

当 L₀ = 1 mm、β₀ = 5° 固定时，随 α₀ 从 10° 增大到 60°，剩余寿命 N 的变化规律如下：

关键规律：α₀ 较小时对 N 的影响较温和；当 α₀ 超过临界阈值 45° 后，N 的增幅急剧增大，并在 60° 附近趋于稳定。

结论：α₀ ∈ [45°, 60°] 被定义为"开口角寿命增益区间"——在此范围内，I 型应力强度因子幅值 ΔK 显著降低（降至约 2500 MPa·mm^(1/2)），Paris 积分结果大幅延长剩余寿命。

3.2 裂纹方位角 β₀：阈值效应更为显著

当 α₀ = 30°、L₀ = 1 mm 固定时，随 β₀ 从 0° 增大到 30°，寿命 N 的变化如下：

关键规律：β₀ < 15° 时 N 变化幅度很小；β₀ 超过 15° 后，N 出现跳跃式增长，25° 时增速开始收窄。

结论：β₀ ∈ [15°, 30°] 被定义为"方位角寿命增益区间"，在此范围内初始裂纹扩展寿命显著提升。

3.3 裂纹长度 L₀：单调非线性衰减

当 α₀ = 20°、β₀ = 5° 固定时，L₀ 从 0.6 mm 增大到 1.6 mm，N 从 20,772 次 急剧下降至 8,286 次，降幅超过 60%。

关键规律：随着 L₀ 增加，I 型 ΔK 持续增大，Paris 积分区间缩短，两者共同驱动 N 非线性衰减，但衰减速率随 L₀ 增大而逐渐放缓。

结论：初始裂纹长度对剩余寿命的影响与开口角、方位角相互独立，不受后两者改变的影响——这为多参数独立评估提供了理论依据。

四、寿命增益区间：面向工程的"安全窗口"

综合三个参数的影响规律，本文提出并定义了裂纹剩余寿命增益区间：

这一"寿命增益区间"的定义，使工程师在制定维修策略时有了量化依据：当检测到裂纹角度落入增益区间，可适当延长检修周期；反之则应提前干预。

五、ESN 代理模型：小样本下的高精度预测

为什么选 ESN（回声状态网络）？

传统深度学习模型在小样本场景下面临过拟合风险。ESN 属于储层计算（Reservoir Computing）框架：

• 随机固定

  隐藏层权重，仅训练输出层
  
  
• 避免了 RNN 训练中的梯度消失/爆炸问题
  
  
• 输出层使用线性函数，可用最小二乘法直接求解
  
  
• 对样本量需求显著低于 DNN
  
  

模型配置

性能对比

ESN 在 MAPE 上比 DNN 低近 35%，训练速度更是快了约 690 倍。几乎所有测试点都落在 95% 预测区间（PI）内，模型泛化能力出色。

六、研究意义与展望

主要贡献

局限性与未来方向

• 当前模型未考虑温度相关的 Paris 常数和屈服强度随温度的变化

• 寿命增益区间的精确数值边界受材料属性、结构构型和载荷工况影响，需针对不同机型进行标定
  
  
• 未来可引入真实发动机工况数据进行物理信息神经网络（PINN）扩展
  
  

小结

本研究以航空发动机燃烧室火焰筒为对象，打通了从热流固耦合仿真到断裂力学分析再到 AI 代理模型的完整技术链。关键成果在于：用 150 个仿真样本训练出 MAPE < 5% 的 ESN 预测模型，同时量化定义了α₀ ∈ [45°,60°]和β₀ ∈ [15°,30°]两个"裂纹寿命增益区间"。 这不仅推动了航发寿命评估方法的进步，也为工程维修决策提供了有据可依的"安全窗口"。

凯尔测控技术（天津）有限公司（CARE）是一家专业从事力学性能测试系统研发、生产与销售的国家高新技术企业。公司自主研发的电磁式疲劳试验机、高温力学试验系统及多轴耦合测试平台，已广泛应用于航空发动机材料与结构件的疲劳寿命评估、裂纹扩展测试及多场环境模拟。

公司先后与清华大学、中科院金属所等顶尖科研机构建立深度合作，持续为航空、航天等关键领域的材料可靠性研究提供国产化测试解决方案。