涡喷发动机尾气静电监测及气路故障特征

利用涡喷发动机试车台和新研制的小型涡喷发动机完成了一系列静电监测实验,获取了涡喷发动机尾气静电信号特性,并通过分析静电信号特征证实了尾气静电监测技术对发动机气路部件机械故障的监测.研究发现发动机尾气静电信号的细微变化与发动机工况相关,通过分析第102试车阶段的静电信号发现活动率水平出现了与发动机工况同步变化的情况,验证了活动率水平是一种可作为表征尾气中微小颗粒的带电情况的特征参数;在102～108试车阶段中,发动机出现了燃烧室内壁积炭、燃烧室内壁轻微烧蚀和气路润滑油泄漏故障,根据静电信号的统计分析以及大时间尺度的趋势分析,发现活动率水平、正(负)事件率可作为预警参数来反映因这些故障而导致尾气静电整体水平的变化.      

一种小样本民机产品的可靠性预测方法

将最小二乘支持向量机(Least square support vector machine,LS-SVM)应用于小样本民机产品的可靠性预测分析。通过重构相空间的饱和嵌入维数,确定最小二乘支持向量机的最佳输入变量;然后,使用最小二乘向量机建立可靠度回归预测模型,运用自动网格搜索法,优化了最小二乘支持向量机的建模参数,实现了比现有方法精度高、泛化性好的模型。训练和测试的可靠性样本取自某机型襟翼液压锁寿命可靠性数据。与神经网络模型的比较实例表明,提出的方法合理有效。     

PHM体系中的航空器维修决策理论研究

PHM体系要求航空器维修决策策略从由事后维修或定时维修转变为视情维修。实际应用中,维修决策系统需要依赖于众多相关的故障信息,需要PHM体系完成对机载信息的监控、存储、传送以及故障的预测与诊断。PHM体系不是为了直接消除故障,而是为了了解和预计故障何时将发生,或在出现未料到的故障时,维修决策系统将快速确定触发维修工作。     

基于Remote Panels和小波变换技术的滑轨磨损远程监测系统

飞机襟、缝翼运动机构中滚轮滑轨的磨损状况对飞机的可靠性有很大的影响,为研究滚轮滑轨的磨损情况,通过Ni WLS-9234数据采集卡和LabView开发平台,采用Remote Panels远程监控技术以及小波变换技术,对滚轮和滑轨相对位移所产生的振动信号进行采集及分析,判断出磨损状况。该系统应用在某滚轮滑轨磨损试验机上可以测得滑轨磨损状况的一般信息。     

商用喷气式飞机DMC分析模型应用研究

首先对影响民机维修成本的要素进行了讨论,并给出一些飞机维修成本数据。然后归纳总结了欧美多种飞机维修成本计算方法。最后,通过算例进行比较分析,确定出一种符合国内市场情况的DMC计算方法用于型号初步设计,工程实践表明该方法符合中国市场情况,并给出未来的研究方向。     

C919大型客机国内市场销售策略初探

论述了中国商飞新型单通道干线飞机C919如何体现新型飞机的优势,并结合航空公司商务战略,在了解市场、满足市场、服务市场的基础上,对大飞机市场销售方法进行研究,为实现初步面向国内市场再逐步走向国际市场的目标进行探索。     

基于Patran/Nastran 和Hypersizer的复合材料后机身加筋结构形式选择分析

针对复合材料后机身加筋壁板构型选择问题,采用有限元前后置处理软件Patran建立有限元模型,使用有限元分析软件Nastran进行初步分析,利用复合材料结构分析与优化软件Hypersizer进行结构形式的优化计算分析,优选出后机身壁板最佳结构形式。通过计算分析,得出有意义的工程经验。     

民用客机增升装置气动噪声研究进展

随着民用飞机数量的快速增加,航空噪声问题日益引起世界范围的关注。增升装置作为重要的机体噪声源之一以其流动复杂性和声源多样性成为民用航空气动声学的难点之一,欧美各国为此开展了大量的研究。总结了增升装置气动噪声的产生机理以及控制措施的研究现状,在此基础上还特别关注了目前工业部门气动与声学的设计思想及需求。     

涡轴发动机尾气静电监测信号影响因素分析

 针对某型航空涡轴发动机试车台实验所获得的尾气静电监测信号,结合发动机台架试车状态和性能数据,分别在两个时间尺度上展开分析研究。研究发现发动机的工作状态和健康状态均对尾气静电信号产生重要影响。在小时间尺度上的分析发现,无故障情况下影响尾气静电信号变化的主要因素为燃油供给量,尾气静电信号能量随燃油供给量的增加近似按指数规律上升;而在大时间尺度上的分析发现,在一定的燃油供给和恒定的自由涡轮转速条件下,尾气静电信号能量随着发动机性能的缓慢衰退而逐渐上升。实测尾气静电信号所反映的趋势与初步的理论分析结果相一致,为建立涡轴发动机尾气静电信号的健康"基线",进而用于气路状态监测及故障识别提供了初步的依据。研究还发现,静电监测技术不仅能够为突发性故障提供预警信息,而且能够反映发动机整机性能衰退,进一步拓展了静电传感器的监测能力及其在航空发动机健康管理中的应用。     

LEVEL DECISION-MAKING FOR AERO-ENGINE MODULES BASED ON INCREMENTAL KNOWLEDGE LEARNING

The maintenance of an aero-engine usually includes three levels, and the maintenance cost and period greatly differ depending on the different maintenance levels. To plan a reasonable maintenance budget program, airlines would like to predict the maintenance level of aero-engine before repairing in terms of performance parame- ters, which can provide more economic benefits. The maintenance level decision rules are mined using the histori- cal maintenance data of a civil aero-engine based on the rough set theory, and a variety of possible models of upda- ting rules produced by newly increased maintenance cases added to the historical maintenance case database are in- vestigated by the means of incremental machine learning. The continuously updated rules can provide reasonable guidance suggestions for engineers and decision support for planning a maintenance budget program before repai- ring. The results of an example show that the decision rules become more typical and robust, and they are more accurate to predict the maintenance level of an aero-engine module as the maintenance data increase, which illus- trates the feasibility of the represented method.