航空发动机涡轮叶片径向变形的概率分析

为描述航空发动机涡轮叶片径向位移的变化规律,改善叶尖间隙设计和控制的合理性,考虑多种随机变量,融合有限元和响应面方法进行了叶片径向变形的概率分析。通过对涡轮叶片在典型载荷下的热分析和结构分析,计算出叶片变形随时间的变化规律,并找出最大位移点作为概率分析的计算点;在计算点处考虑热载荷和离心载荷作用,结合响应面拟合蒙特卡洛法计算出了危险点处的叶片径向变形的分布概率和符合设计要求的可靠度,并分析了影响间隙量的随机因素的灵敏度。结果表明:叶片径向变形量和安全变形概率基本符合设计要求;影响叶片径向位移变化的主要因素是温度、转速和质量。     

基于ERSM 的涡轮机匣径向变形动态概率分析

针对复杂结构动态概率分析,提出了高效率动态概率分析的极值响应面方法(ERSM)。首先介绍了动态概率分析的极值响应面方法基本原理,并推导出了其数学模型;其次,考虑机匣材料属性与边界条件的非线性、热载荷动态性以及多个随机变量,将该方法应用到高压涡轮机匣径向变形概率分析中,得出了各输入输出随机变量的分布特征和影响机匣径向动态变形的主要因素。与Monte Carlo法和响应面法进行比较,结果表明:ERSM在保证计算精度的前提下,既能大大缩短计算时间,又能提高计算效率,同时也验证了该方法的可行性和有效性。     

基于支持向量机的航空发动机整机振动故障诊断技术研究

支持向量机是采用结构风险最小化原则代替传统统计学中的基于大样本的经验风险最小化原则的一种新型机器学习方法,由于它出色的学习分类能力和推广能力,广泛地应用于模式识别和函数拟合中。针对某型航空发动机整机振动过大的现象,提出了一种基于支持向量机（SVM）的整机振动故障诊断方法。首先介绍了SVM理论,然后根据SVM学习方法的结构风险最小化原则,对某型航空发动机已知的整机振动故障模式数据进行了训练和预测,并建立了基于SVM的航空发动机整机振动故障诊断模型。最后通过对已有故障模式进行诊断预测,证明该方法在航空发动机整机振动故障诊断方面具有良好效果。