基于固有频率的航空发动机叶片结构完整性评定方法

介绍了结构完整性的研究现状,分析了转子叶片主要的损伤模式,由疲劳缺口系数引入损伤度的概念来定量描述叶片的结构完整性,并以固有频率变化率和损伤位置作为参数,提出了一套航空发动机转子叶片结构完整性评定方法。     

航空发动机风扇叶片结构损伤识别研究

航空发动机风扇叶片常常因为疲劳裂纹而引起整个结构的损坏,导致重大的安全事故。基于此,提出基于BP神经网络研究航空发动机风扇叶片结构损伤识别的方法,采用有限元法计算出的结构固有频率平方的变化量为标识量进行网络仿真,通过对仿真数据的分析,比较准确地识别出结构损伤的位置和程度,为及时地发现损伤并且进行针对性的维修提供依据。     

基于改进粒子群算法的管道动强度可靠性优化设计

本文对某型飞机液压管道采用的带压缩因子的粒子群算法(PSO)进行了改进,并对其支撑位置进行动力学优化。使用映射方法来离散粒子的位置,分别利用"和声搜索"法和"飞回技术"法对粒子群算法的边界条件和约束条件进行处理,改进了粒子群算法。并有效结合有限元(FEM)和改进的粒子群算法,以管道的疲劳累积损伤可靠度为约束,以一阶固有频率最大为目标对支撑位置进行动力学优化。经过优化,提高了管道的一阶固有频率,降低了振动水平,增强了系统的抗振能力。     

应用光纤图像定量分析复合材料内部的损伤域和损伤度

提出了基于光纤图像的复合材料结构内部损伤区域重构方法,根据光纤网络在结构中的排布方式和位置,可定量分析结构损伤域的形状和域内各处的损伤度。层板冲击损伤检测实验中,对所得的离散型损伤度数据进行插值处理,获得的损伤度图形与对半透明复合材料做反向照明的结果吻合,证明了本文方法的有效性。     

凸肩径向位置对风扇叶片振动特性的影响

针对带凸肩风扇叶片的动力学设计需求,研究凸肩径向位置对风扇叶片振动特性的影响规律.基于梁理论建立带凸肩风扇叶片的力学模型,采用瑞利法推导了1阶固有频率解析解,并获得了1阶固有频率随凸肩径向位置的变化规律.基于非线性接触有限元法,研究了凸肩径向位置对接触状态和振动特性的影响.研究结果表明:凸肩径向相对位置为0.75时,可使叶片具有最大的刚度值和1阶固有频率值.而综合考虑多阶模态频率时,凸肩径向相对位置为0.55至0.68时,叶片振动特性最优.凸肩接触正压力随凸肩径向位置增加而下降,切向接触刚度随凸肩径向位置的增加先增加后减小.      

晶轴偏转对DD6带冠叶片频率特性的影响

针对DD6单晶带冠叶片铸造过程中极易产生晶轴偏转,进而对叶片固有频率和相邻叶片叶冠间挤压力产生较大影响这一问题,采用有限元分析方法,对DD6单晶带冠叶片进行静应力和模态分析,获得了不同偏转角下叶片固有频率及叶冠间挤压力的变化规律。即随着偏转角β的增大,1、2阶固有频率升高,3、4阶固有频率非单调变化;同时,还将导致叶冠间挤压力减小,进一步影响固有频率。通过锤击法对该叶片频率进行了试验测量,对有限元分析的结果进行了验证。     

评定叶片鸟撞击损伤的参数与方法

探讨了在叶片抗岛撞击损伤研究中叶片损伤能力的评定参数与评定方法。结合发动机设计准则与设计规范的要求,提出了2个用于评定叶片损伤能力的叶片变形损伤参数和塑性应变损伤参数;经对模型叶片在不同撞击位置进行的鸟撞击损伤评定,证明方法可行     

复合材料宽弦风扇叶片模态仿真分析

针对复合材料宽弦风扇叶片,以铺层结构设计信息为基准建立了1种有限元建模方法,对某型复合材料风扇叶片模型进行了固有频率与模态振型的数值仿真计算,并采用激光测振仪对该风扇叶片的固有频率进行了试验测量。将试验测量与数值仿真结果进行对比分析,前3阶固有频率的误差在5%以内,第4阶固有频率的误差为6.6%。结果表明:该有限元建模方法建立的复合材料风扇叶片模型与实际叶片较吻合,基本满足工程分析要求,可以为复合材料风扇叶片的优化设计提供参考。     

叶片激光冲击强化处理的过程监测

激光冲击强化处理是近年出现的金属表面改性新工艺,航空发动机叶片经过激光冲击强化后,可以延长疲劳寿命和提高对异物损伤的抵抗力.本文针对叶片的激光冲击强化处理工艺,开发了一套过程监测系统,用于实时测量处理过程中的声音能量和叶片固有频率的变化,并经实验验证这两个参数可以作为叶片冲击处理质量的检测标准.     

基于三维叶尖间隙的叶片裂纹动力响应特征分析与诊断方法

将裂纹叶片三维动力响应分析与参数识别方法相结合，分析不同裂纹叶片状态下三维叶尖间隙（3-dimensional blade tip clearance,3D-BTC）动力响应参量的信息熵特征，并利用稀疏滤波从不同参量信息熵分布中无监督学习叶片裂纹的多尺度动力响应特征，实现裂纹叶片在运行过程中响应变化特征的信息熵定量描述。在此基础上，利用支持向量机（support vector machine,SVM）的强非线性映射能力建立多尺度响应特征空间与状态空间之间复杂映射。经试验证实，所提方法能实现叶片裂纹损伤程度的定量诊断，达到100%的诊断准确率，远优于其他方法，且诊断结果稳定性好。     

基于神经网络的轴类损伤检测研究

理论分析表明,结构损伤前后固有频率的变化包含了结构损伤位置和程度的信息.在此理论基础上,对一个一端固定轴模型进行了损伤数值模拟,提取同有频率的变化信息并采取合适的方法构造改进型BP神经网络来判断结构损伤.检测表明,该方法在结构损伤检测中具有较好的应用前景.     

基于神经网络的翼盒结构响应重构方法应用

翼盒结构复杂，航行中承载条件恶劣，利用有限测点信息重构其它位置响应对于实时健康监测具有很强的现实意义。通过误差反向传播神经网络训练得到响应之间的非线性关系，建立基于神经网络的响应重构方法，开展有限元分析对其进行数值仿真验证，并将该方法应用于实测随机激励环境下翼盒典型承力结构的响应重构及损伤定位与判断分析。结果表明：采用该方法重构出的预测响应功率谱密度的均方根相对误差不超过1.90 dB，主要频点误差小于10%；判断出翼盒关键测点e 的损伤或故障发生在所截取片段数据3 s 后，其故障特征频率为240 Hz 左右，该方法应用于响应重构预示及健康监测分析具有可行性。     

基于静强度试验的有限元模型修正技术研究

基于静力响应的有限元模型修正技术广泛应用于工程结构的参数识别中,需要解决软件实现、基准数据与目标函数选取,以及参数的灵敏度分析等问题。利用位移响应信息对损伤位置确定的悬臂梁进行了损伤程度的精确识别,对于损伤位置不能确定的情况,通过引入应变约束条件实现了损伤位置与损伤程度的同时确定。作为实际工程算例,将飞机静强度试验得到的位移响应与内力响应作为基准数据,利用模型修正技术确定飞机方向舵有限元模型边界条件。算例比较了不同目标函数和约束条件对修正效果的影响,并通过增加内力响应信息进一步修正了根部约束参数,为计算分析提供了精确有限元模型。     

航空发动机损伤叶片再制造修复方法与实现

航空发动机叶片长期工作在高温、高压和高速的环境下,极易出现损伤。但是,损伤叶片的再制造修复技术一直被国外垄断,国内航空公司不得不花费大量的资金和时间将受损叶片送往国外维修。针对此问题,提出一种航空发动机损伤叶片再制造修复方法。首先,对损伤叶片进行失效特征分析,评价修复可行性;其次,获取并处理叶片点云数据,提取叶片截面的边界曲线,重建叶片数字化模型,通过布尔运算得到加工目标模型;再次,采用激光熔覆和自适应加工方法,对损伤叶片进行再制造修复;最后,分别对叶片三维数字化模型与实物进行精度检测和误差分析。结果表明,利用该方法建立的叶片数字化模型具有较好的精度和光顺性,再制造修复误差满足发动机维修手册的要求。     

基于人工神经网络的柔性铰链结构动力修改

利用有限元软件计算出柔性铰链结构参数与振动频率的训练样本,然后通过样本训练人工神经网络建立了柔性铰链结构振动频率与其结构参数的非线性映射关系,最后利用训练好的神经网络修正框架的结构参数以满足设计要求的固有频率。     

基于机器视觉技术的飞机绕机外观检查方法研究

大型民用飞机试飞和航线运营期间,对其外观表面进行绕机外观检查是适航性安全检查的必要工作。目前飞机的绕机检查主要采用人工绕机方式,该方式,且成本高、效率低,易出现漏检、误检等人为因素,因此智能外观表面检查方法的研究是一项迫切的任务。相比于其他工业检测任务,飞机外观检查智能识别目前无公开数据集,且飞机真实外观损伤类型多样。通过对飞机外观图像的采集和处理,研究基于YOLO V3的飞机表面检查工程方法,初步建立了飞机外观损伤图像数据集框架。首先采用YOLO检测网络粗略获取飞机外观损伤位置和损伤类型,其次针对不同损伤类型的特点,用水平集算法获取图像块中更精准的损伤位置,最后根据精细化后的结果进行量化分析。提出了能够解决机器深度学习网络智能检测已知类别损伤的方法,对未知损伤具有较强容忍度和较大的灵活性与适应性。实践表明,本文提出的方法可以解决传统人工目视检测的部分弊端,可以为机器人智能绕机检查的工程应用提供技术参考,对降低飞机试飞和运营阶段的维修、维护成本有重要意义。     

压气机叶片的损伤容限研究

本文用断裂力学方法对压气机和风扇转子叶片作损伤容限分析。采用20节点立体元对叶片作应力场和位移场计算,用裂纹表面位移法求解裂尖应力强度因子K_Ⅰ、K_Ⅱ及K_Ⅲ随裂纹长度a变化的关系。根据叶片材料的断裂韧性K_IC、叶片径向伸长量δ_c以及自振频率偏移量f_c值来确定转子叶片失效的准则及临界裂纹长度a_c值。利用Paris公式并考虑到高周振动应力对低周疲劳裂纹扩展的影响求得叶片的损伤容限寿命N_f。文中给出了某压气机叶片的算例。为了研究自振频率随裂纹长度变化的关系,进行了叶片振动实验      

基于声发射的铝蜂窝板超高速撞击损伤模式识别方法

为通过声发射技术识别铝合金蜂窝板超高速撞击(HVI)的损伤状态,提出一种基于神经网络的损伤模式识别方法。通过超高速撞击实验获取声发射信号,结合精确源定位技术、时频分析技术、小波分析技术及模态声发射技术,提出了10个与损伤相关的特征参数,通过非参数检验分析其与损伤的关系,设计了一种基于贝叶斯正则化BP神经网络的超高速撞击损伤模式识别方法。建立最优网络模型,通过不同参数组合识别能力分析,优选出2种特征参数组合,通过非同源样本对其损伤模式识别能力进行验证。结果表明:传播距离与损伤模式无关,却是识别损伤模式的重要参数;125~250kHz频域的自动加窗小波能量比会降低损伤模式的识别能力;采用贝叶斯正则化的BP神经网络可以较好地识别蜂窝板超高速撞击损伤模式,参数组合为传播距离、上升时间、持续时间、截止频率、4个自动加窗小波能量比及小波能量熵,共9个参数,对任意选取非同源样本识别错分率仅为9.38%。     

基于响应面法的鸟撞风扇叶片损伤预测

有限元模拟鸟撞风扇叶片损伤成本高,为解决工程问题,采用经典叶栅鸟撞切割模型建立了鸟撞风扇叶片动载荷数学 模型,结合鸟撞部件试验结果,以拟合技术明确风扇叶片损伤程度与最大关键动载荷计算值间的函数关系,形成叶片损伤预测响 应面,实现对鸟撞风扇叶片损伤的快速预测,并建立基于响应面法的鸟撞风扇叶片损伤预测工作流程。结合涡扇发动机吞鸟试验 技术要求、风扇结构设计特征及已开展的鸟撞部件试验结果,建立叶片损伤预测响应面,初步识别2种鸟撞方案的径向弯曲、弦向 弯曲,并计算撕裂范围分别不超过0.3867和0.3941,撕裂与弦向弯曲相关性显著,呈抛物线变化趋势。结果表明：预测的损伤在可 接受的安全性水平范围内,预测方法能够识别损伤范围及趋势,可为后续鸟撞有限元模拟、试验策划、安全性分析、风扇叶片抗鸟 撞设计等工作提供量化的技术支持。