带60°肋U型通道中气膜孔对通道换热特性的影响

以航空发动机涡轮叶片中段内部冷却通道为研究对象,将其简化为带肋变截面U型通道。对通道内有气膜出流时的换热特性进行了实验研究。实验模型中,矩形肋对称布置在上下2个表面,气膜孔仅布置在第2通道内。文中定义了气膜开孔率的概念,采用单元分析法研究了气膜开孔率和出流比对通道内单元努塞数分布和第2通道压力分布的影响。实验结果表明,气膜出流比一定时,随着开孔率的增加,换热增强;在两肋之间的3个气膜孔中,肋后孔对通道换热影响最大;气膜出流比与通道努塞数的关系为二次曲线。      

带肋变截面回转通道内沿程有效压力分布特性的实验研究

以某型航空发动机的实际涡轮叶片内部的带肋变截面180°回转通道为研究对象,以实验的方法分别研究了带90°直肋和带60°斜肋的通道内的流体流动的特性。根据研究问题的特点,定义了壁面有效压力及局部有效压力系数,并得到了其沿程分布及两种通道内有效压力系数的经验公式。实验发现,对于带90°直肋和带60°斜肋的矩形回转通道沿程有效压力的分布趋势基本一致,由于流道截面积的不规则变化,导致有效压力有沿程逆增现象。      

涡轮叶片内部冷却通道传热和压力 分布特性的实验

针对带45°肋片圆形弯头U型通道进行了传热和压力分布特性的实验研究.实验中进口雷诺数变化范围在30000~55000之间.研究表明,肋片引起的横向二次流在弯头前区域是强化传热的主要因素.不同雷诺数下传热分布和压力分布的趋势完全一致,但弯头区后半段上传热分布有所差异.通道中的最大压降出现在弯头区,进口雷诺数越大,弯头损失系数和总损失系数都有所减小.流体在圆形弯头中,加速效果没有矩形弯头强烈,弯头区和弯头后的传热较矩形弯头都有较大幅度地减小.      

基于神经网络补偿的室内无人机组合导航系统

针对无人飞行器在环境特征突变情况下数据融合的可靠性大幅下降问题，提出了神经网络预测补偿的组合导航算法。首先利用扩展卡尔曼滤波和粒子滤波对激光、光流等传感器得到的数据进行融合，然后采用径向基函数（RBF）神经网络对粒子滤波前后的误差进行预测。当激光数据可靠时，RBF神经网络进行训练学习模式，当激光数据中断或者不可靠时，利用训练后的模型对系统进行误差补偿。利用无人飞行器在室内环境下进行定点和轨迹实验，结果表明补偿后的位置导航信息能够明显降低激光数据不可靠时带来的定位误差。     

旋转方截面U型通道分离流二阶相关分量测量

为了深入了解旋转涡轮叶片内冷通道中的紊流特性，并为CFD研究提供实验数据，用激光多普勒测速仪（LDA）测量了旋转U型通道中分离流的雷诺应力分量。通道的转轴与弯道的曲率轴平行，测量是在与转轴垂直的对称平面中进行的，流动状态为Re=100,000,Ro=0,0.2和－0．2。直接测量的分量为ux^2^-,Ux^2^-和uxux^-，结果表明旋转对紊流分布的形式有很强的影响。在测量的三种旋转状态中Ro=0.2的正转和Ro=0.2的负转分别具有最低和最高的紊流强度。根据测量到的信息估算了雷诺应力uiuj^-的产生率，结果显示负转的产生率比正转时高。     

U型方管中爆燃向爆震转变特性实验研究

以脉冲爆震发动机(PDE)用曲管爆震燃烧室为应用背景,对气相(乙烯/空气)燃烧波在U型方管实验器中的传播过程进行了实验研究。通过改变实验器中弯曲段进口气流入射激波强度,基于弯曲段内压力、波速的测量及高速摄影实验得到了U型方管实验器中半圆型弯段内的爆燃向爆震转变(DDT)特性。结果表明,弯曲段中DDT特性受到入射激波速度的影响:当入射激波速度小于794m/s(43.6%VCJ,VCJ为理论Chapman-Jouguet爆震波速),在弯曲段内不能形成爆震;当入射激波速度介于870~908m/s(47.8%VCJ~50.0%VCJ)之间,弯曲段内首先会产生局部爆炸,并最终形成爆震;当入射激波速度大于934m/s(51.3%VCJ),爆燃波可以直接在弯曲段入口转化为爆震波。     

高旋转数下直肋U型方通道的换热特性研究

通过提高U型通道气体压力到500kPa以上,将实验雷诺数Re和旋转数Ro范围分别扩展到10000～70000和0～2.0,从而匹配真实发动机转子叶片的工作条件。在此基础上实验研究了高旋转数下带直肋的、方形截面的U型通道的换热特性。研究结果表明:第一通道前缘面的努塞尔数比随旋转数的增大先下降后增强,该临界旋转数为定值Roc=0.26;随着旋转数的增大,第二通道前缘面的努塞尔数比一直高于后缘面,与光滑通道中的换热规律不同;随着旋转数的增大,第二通道内外侧面努塞尔数比的差异逐渐减小,在临近出口处几乎没有差异,与光滑通道相比正好相反。     

带肋壁与出流孔内流通道的流阻特性

采用根据相似理论几何放大的模型，在流动相似的条件下，实验研究了带肋壁与出流孔内流通道的流阻特性。在内流通道进口雷诺数为40000-80000，通道总出流比为0．30—0．60的范围内测量了通道压力损失系数Cp的分布，分析了通道进口雷诺数和通道总出流比对Cp的影响规律。结果显示：在通道进口雷诺数一定时，随总出流比的提高，通道内Cp减小，压力损失减小；在通道总出流比一定时，通道进口雷诺数对Cp无显著影响。另外，在比较了当前内流通道流阻工程算法与实验结果的基础上，提出了对当前流阻算法的改进措施。     

不同湍流度情况下尖头旋成体在大攻角时的压力分布特性实验研究

本文阐述了在西北工业大学低（变）湍流度风洞中进行的尖头旋成体在大攻角时压力分布特性的研究情况和结果分析。实验所用的风洞湍流度为０．０２％，０．１０％和０．３３％。实验结果表明，旋成体表面的压力分布可分为对称和不对称两种类型。每种类型又可分为Ａ类和Ｂ类两类。当攻角增大时，表面压力分布将由对称型转变为不对称型。本次实验还初次证实了，当滚转方位角变化时，旋成体 截面上的压力分布虽然可有很大变化，但是有一     

挤压油膜阻尼器的均匀两相流模型

在挤压油膜阻尼器内气穴现象实验研究的基础上，对挤压油膜因气穴现象而发生物理特性的变化进行了讨论。气液均相流模型作为挤压油膜的近似描述，导出了上述模型的密度和粘度与油膜压力之间的关系式。定性地分析了当挤压油膜采用这一可压缩模型时，其压力分布的描述更能与实际接近，对阻尼器的力学特性的准确预测有重要的参考价值。     

LDA测量方截面U型旋转通道速度分布

为了深入了解旋转涡轮叶片内冷通道中的流动特性，用激光多谱勒测速仪(LDA)测量了旋转U型通道中的平均速度分布。通道的横截面积为50mm×50mm，弯管的平均半径与水利直径的比值为0.65，旋转轴与弯管的曲率轴平行。在Re＝105时分别测量了转动数Ro＝0，0.2和-0.2三种旋转状态下的速度分布。在这三种情况下弯管内侧θ＝90°至下游一定范围内都有流动的分离出现。由于不同的旋转状态二次流的方向和强弱不同，导致了分离区大小和通道中速度分布的不同。     

神经网络集成在发动机故障诊断中的应用研究

提出一种基于A daBoost的集成神经网络故障诊断方法,利用多层前向神经网络作为故障弱分类器,通过简单地训练若干个单一神经网络并将其预测结果进行合成,实现了对航空发动机多类故障的诊断。针对一个涡轮喷气发动机气路部件的仿真实验表明,这种方法提高了最终故障分类器的泛化能力,便于工程应用。      

自组织神经网络航空发动机气路故障诊断

 为克服学习样本依赖于发动机精确模型的问题,提出了一种基于自组织神经网络的发动机智能故障诊断的方法,并运用故障特征提取的数据预处理方式,成功地对航空发动机气路部件的几种典型故障做出正确诊断。为验证网络的抗噪性能,引入了自联想神经网络。研究表明,自组织网络可以脱离发动机模型,并且对测量噪声有良好的鲁棒性,能基本满足航空发动机故障诊断的要求,具有较好的工程应用前景。     

基于自组织映射网络的故障诊断推理方法研究

从故障诊断基本形式出发，结合飞机刹车系统故障的各类特点，研究了基于Kohonen自组织映射网络理论的故障推理模型，并且应用到起落架刹车系统故障诊断中。该方法只需选择听，具有代表性的故障样本训练神经网络，他将代表故障的信息输入给训练好的神经网络，根据神经网络的输出结果，就可以判断出发生故障的类型。该模型除能识别已训练过的故障，还能识别未训练过的故障，并且聚类能力强，速度快，因此，很符合复杂系统的故障诊断。     

涵道气动优化设计方法

基于动量源方法进行涵道气动力的计算,分别采用响应面模型和基于神经网络模型对NASA涵道构型进行优化设计,并对优化结果采用CFD进行验证,优化结果表明两种优化方法均取得了一定的优化效果,悬停状态下,基于响应面方法,涵道拉力增加了19.4%,基于神经网络方法,涵道拉力增加了21.2%.并为了较为细致地研究涵道拉力产生的机理,在对涵道进行建模时,采用一种分区的方法,将涵道划分为6个区域,并得到了涵道拉力在此6个区域上的分布.计算结果表明:涵道唇口形成的负压是产生涵道附加拉力的主要因素,且靠近涵道内侧唇口提供的拉力占比重较大.该优化方法可以有效地应用于涵道外形的气动优化设计中.      

扩压器叶片形线逆命题设计的一种新方法

应用遗传算法结合神经网络技术通过对候选叶片表面速度分布与目标速度分布之间误差的极小化,求解给定表面速度分布下的扩压器叶片形线。叶片形线利用Bezier曲线参数化表示,候选叶片形线的流场分析由BP神经网完成。      

RBF网络用于边界层转捩中抽吸流优化控制

 在抽吸气流控制边界层转捩问题中 ,将径向基神经网络用于抽吸流速与转捩位置间的函数关系建模 ,构造了网络结构 ,利用一组两通道抽吸流控制转捩的实验数据训练网络 ,获得了优化的网络参数。在此基础上 ,利用训练网络所获得的输入 /输出关系模型求解了最优抽吸流速。结果表明 ,RBF网络可有效地应用于边界层转捩主动控制中的系统函数关系建模。     

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选，降低输入维度；采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化，并对优化的神经网络进行训练；用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法，并且在参选故障诊断的性能参数不同时，其诊断误差相近，展现出较强的适应能力。      

基于融合神经网络的航空发动机剩余寿命预测

航空发动机的性能退化是影响飞机飞行安全的重要因素。准确预测发动机的退化过程,对于飞机安全飞行具有重要意义。针对航空发动机剩余寿命预测问题,本文提出了一种将卷积神经网络和长短期记忆网络相融合的数据驱动模型。与常规使用单一的神经网络不同,所提出的融合模型结合了两种神经网络的优点,利用卷积神经网络提取数据中的空间特征并采用长短期记忆网络提取时间特征。实验结果证实,在寿命预测中,所提出的数据驱动模型与已有的方法相比,评分和均方根误差分别下降了32%和6.4%,因此,所提出的数据驱动模型可对数据中所包含的信息进行充分挖掘,其对航空发动机寿命预测精度较高,并具有良好的稳定性。     

Induction motor servo drive with adaptive rotor time-constantestimation

An indirect filed-oriented induction motor (IM) position servo drive with adaptive rotor time-constant estimation and an on-line trained neural network controller is presented. First, the rotor time-constant is estimated real-time on the basis of the model reference adaptive system (MRAS) theory. Next, a linear model-following controller (LMFC) is designed according to the estimated plant model to allow the state responses of the plant to follow the reference model. Then an augmented signal generated from the proposed neural network controller, whose connective weights are trained on-line according to the model-following error of the states, is added to the LMFC system to preserve a favorable model-following characteristic under various operating conditions