一种涡轮叶片疲劳性能影响因素分析方法、系统及介质

本发明提供了一种涡轮叶片疲劳性能影响因素分析方法、系统及介质，属于涡轮叶片性能预测技术领域，包括：产生少量训练样本，构建描述涡轮叶片疲劳寿命和输入变量之间关系的反向传播神经网络（BP神经网络）；序列增加训练样本，更新BP神经网络，直至计算得到的失效概率达到收敛；基于求解失效概率过程中得到的失效样本，使用贝叶斯推断理论估计不同样本点处的条件失效概率估计值；根据涡轮叶片的疲劳失效概率估计值与各失效样本点处的条件失效概率估计值的平均差异，得到各输入变量的疲劳可靠性灵敏度估计值。该方法解决了已有代理模型方法在求解涡轮叶片可靠性灵敏度时样本需求大、效率较低，无法适用于高维问题的问题。