涡扇发动机整机环境下风扇部件气动稳定性评定方法

将基于部件匹配技术的涡扇发动机非设计点性能计算模型和基于李亚普诺夫稳定性理论的压缩部件气动稳定性评定模型有机的耦合, 实现了发动机整机环境下的压缩部件气动稳定性评定, 使得该模型成为一种实用的涡扇发动机压缩部件气动稳定性分析模型.以某型涡扇发动机为例, 计算比较了均匀进气和畸变进气时发动机整机环境和单独部件评定时风扇部件稳定工作边界的异同, 从计算结果可以看到, 均匀进气条件下, 在发动机环境下和单独部件环境下所得到的风扇部件稳定工作边界变化不大;而畸变进气条件下, 同样的进口畸变度, 发动机环境下风扇的稳定裕度损失比单独部件下风扇的稳定裕度损失都小, 即在发动机环境下评定风扇稳定性时, 风扇对进气温度畸变不敏感, 而在单独部件环境下评定时, 风扇对进气畸变比较敏感.      

外界不良环境对CFM56发动机工作影响的分析

外界不良环境会对航空发动机的正常工作造成严重影响。本文简要介绍了国内运营的CFM56发动机面对的不良环境及其所受损伤和影响，并对发动机典型的部件损伤机理进行了分析，并给出了应对措施。     

畸变进气时涡扇发动机整机环境下压缩部件气动稳定性评定

将基于部件匹配技术的涡扇发动机非设计点性能计算模型和基于李亚普诺夫稳定性理论的压缩部件气动稳定性评定模型有机地耦合,实现了发动机整机环境下的压缩部件气动稳定性评定,使得该模型成为一种实用的涡扇发动机压缩部件气动稳定性分析模型。以某型涡扇发动机为例,计算比较了畸变进气时发动机整机环境和单独部件评定时风扇和压气机稳定工作边界的异同,从计算结果可以看到,对于风扇,畸变进气条件下,无论在高转速,还是低转速时,同样的进口畸变度,发动机环境下风扇的稳定裕度损失比单独部件下风扇的稳定裕度损失都小,即在发动机环境下评定风扇稳定性时,风扇对进气温度畸变不敏感,而在单独部件环境下评定时,风扇对进气畸变比较敏感。对于压气机,进口气流存在压力畸变时,采用高压涡轮导向器变化对压气机逼喘过程中,风扇的共同工作线向喘振边界靠近,而进口气流存在温度畸变时,逼喘过程中,风扇的共同工作线基本不变。     

直升机动部件疲劳载荷谱的编制方法研究

直升机由于其特殊的工作特点和使用环境,全机重心处的过载并不能代表部件上应力水平的高低,因而直升机的疲劳评定要针对具体的关键动部件编制载荷谱。且大多数动部件承受高周振动疲劳;应力-时问历程随机性大;飞行状态复杂多变。     

燃气涡轮发动机高温部件热腐蚀化学反应机理的探讨

根据燃气涡轮发动机的工作环境及化学反应的原理，本文详细讨论了因腐蚀介质──Ｎａ２ＳＯ４、ＮａＣｌ、Ｖ２Ｏ５引起的燃气涡轮发动机高温部件热腐蚀的机理。     

757-200飞机液压部件漏油故障分析

757—200飞机舵面操纵、起落架收放、刹车、飞机转弯系统以及飞机发动机反推力装置等系统的工作都离不开液压部件作动。由于这些部件管路通常工作在高压状态，工作位置在活动部位，部件及管路工作负荷大，因此，经常发生漏油事故，常常导致飞机操纵困难，造成飞机返航、备降和航班延误，甚至成为重大安全隐患。本文将就757—200机队中液压部件漏油多发部位的情况进行分析，便于工作者对相关部位加强检查，采取必要的措施，减少由于液压部件漏油影响飞行安全和航班正点的情况发生。     

PT6A发动机转动部件的寿命控制

PT6A发动机转动部件的寿命控制与其他发动机转动部件的寿命控制不一样，它考虑了发动机的运转时间和飞机的飞行区域的环境情况等各种因素，从而对发动机转动部件的寿命控制更加合理、更加科学。     

陶瓷基复合材料环境障涂层研究进展

在发动机工作环境下,高温、腐蚀介质、燃气冲刷以及复杂应力环境等多因素交互作用,SiC陶瓷基复合材料表面稳定性急剧恶化,成为制约其应用于航空发动机热端部件的主要因素之一。环境障涂层(Environmental Barrier Coatings,EBC)可以有效解决这一难题,成为SiC陶瓷基复合材料应用于高推重比航空发动机热端部件的关键技术。     

数字协同仿真试验环境的研究

本文介绍了一种数字协同仿真试验环境,阐述了仿真试验环境的功能模块和环境建设过程中涉及的工作流程管理、内容仓库技术;然后对仿真试验环境在直升机动部件仿真中的应用进行了介绍;最后简单论述仿真试验环境的实施方案。     

基于热力学的涡扇发动机神经网络建模方法

由于无法掌握不同发动机的真实部件特性，传统热力学模型对在翼涡扇发动机的建模存在较大的建模误差；同时，热力学模型在特性图边界线附近迭代时，容易迭代到特性图之外，造成迭代过程的不收敛。针对上述问题，本论文提出基于热力学过程的涡扇发动机神经网络建模方法，在神经网络模型的训练过程中充分考虑对部件共同工作热力学约束的优化，提高发动机建模的准确性。通过构建部件级网络结构、部件共同工作损失函数及融合训练过程，将基于部件特性图的传统热力学模型迭代过程转化为部件级神经网络的多目标优化与训练过程，提高了模型的收敛性及建模准确性。模型在26 970条发动机实际飞行数据上进行了训练及测试，结果表明，在相当宽松的准稳态数据下，论文提出的建模方法最大误差可以达到7%左右，比基于部件特性图的热力学模型低5%左右。