摘要：涡是发动机的关键部件,在高温、高转速的条件下工作,因此对其进行疲劳可靠性分析具有重要意义。由于涡结构热-机械耦合分析的复杂性,对其进行可靠性分析时,直接用Monte-Carlo方法计算量太大,常规的多项式响应面方法在精度上又难以满足要求。径向基函数（radial basis function,RBF）神经网络具有很强的非线性函数逼近能力,在涡低循环疲劳可靠性分析中采用RBF神经网络结合Monte-Carlo的方法得到了疲劳寿命的概率分布,并与直接用Monte-Carlo模拟和响应面方法进行了对比。RBF神经网络结合Monte-Carlo的方法具有高精度、高效率的优点,在涡等复杂结构可靠性分析中具有很好的应用前景。

关键词：涡 径向基函数 低循环疲劳 可靠性 

单位：北京航空航天大学能源与动力工程学院 北京100083