航空发动机CCAR33-R2.75条款适航符合性验证方法研究

针对航空发动机适航取证的安全性需求,对航空发动机CCAR33-R2.75适航条款进行了解读与分析,明确了该条款的验证要求和方法.将功能危险分析法、故障树分析法和故障模式与影响分析法运用到该验证方法中,并提出了航空发动机CCAR33-R2.75条款适航符合性验证的流程.最后对某型航空发动机进行实例分析,验证了发动机不可控火情对CCAR33-R2.75条款的符合性.该安全性验证方法能够为航空发动机CCAR33-R2.75条款适航符合性验证提供支持.     

基于免疫理论的航空发动机磨损故障智能诊断

针对航空发动机磨损故障诊断技术智能化、精确化的发展要求,以传统油液监测技术为基础,结合人工免疫系统(AIS)具有的自适应特性、学习记忆特性及识别特性等优点,提出了一种航空发动机磨损故障的智能诊断方法。该方法首先利用人工免疫理论的反面选择原理生成检测器,优化后的检测器生成算法提高了初始检测器的代表性及覆盖性;然后利用故障样本训练出成熟的检测器,使航空发动机典型的磨损状态信息存储在检测器中,实现对故障模式的有效学习和记忆;最后通过检测器的激活发现航空发动机的磨损故障。对油样数据的实例分析结果表明,该方法对航空发动机磨损故障具有较强的识别能力,对磨损状态有很好的监测效果。     

基于RFID的民机数字化装配管理系统研究

针对我国民机数字化装配生产现场管理的落后性和生产数据管理混乱等问题,介绍了数字化装配生产线概况,并运用RFID技术对民机生产现场信息管理,实现了管理数字化、智能化。利用IDEF0建立民机数字化装配现场管理模型,形成了各种详尽信息的业务信息流;然后运用面向对象的思想对系统进行了分析与设计,采用B/S结构,并结合PDM技术给出了系统总体架构;最后介绍了系统开发所需的平台、环境与数据库等技术,运用ERP思想构建系统模型,同时给出了系统实现的示例界面。     

免疫支持向量机用于航空发动机磨损故障诊断

航空发动机在使用寿命周期内会不断磨损最终出现故障,通过对发动机油液监测铁谱分析数据的挖掘可实现磨损故障的诊断。本文研究免疫算法优化的支持向量机(SVM)在航空发动机磨损故障诊断中的运用。首先,总结了支持向量机和免疫算法的运行流程和关键算法。然后,用改进的免疫算法优化支持向量机惩罚因子、松弛变量及核函数参数。某型航空发动机的油液铁谱分析数据和加入噪声数据验证结果表明,该方法可有效实现航空发动机磨损故障诊断且具有较好的鲁棒性。最后,研究了核函数、多分类决策方法、初始种群大小、亲和力计算公式、支持向量机优化方法和归一化方法对磨损故障诊断准确率的影响,得到了最佳诊断方法。     

射流装置降温性能评估及敏感性分析

为了研究射流预冷喷射装置方案的降温性能及敏感性,以涡轮基组合循环发动机(TBCC)射流预冷技术为研究对象,提出由低流阻翼型结构的喷杆和雾化喷嘴组成的射流预冷喷射装置方案。利用FLUENT软件对射流预冷喷射装置方案进行了数值模拟,获得该装置在不同喷嘴布局下的流场特性,以流场均匀性、阻塞比、压力损失、温降等性能指标评选最优方案。经过初步分析,蒸发距离、气体来流温度、液滴粒径和喷射流量会对蒸发过程产生影响,因此采用DOE结合数值模拟计算,对各影响因素对降温量和蒸发量进行敏感性评估。分析结果表明:喷射后的温降情况受射流流量、气体来流温度和蒸发距离的影响明显,分别约为65%、20.4%和1.3%;受液滴粒径的影响不明显,约为0.21%。在后期的试验过程中,应充分考虑喷射流量、气体来流温度和蒸发距离对温降的影响。     

双基推进剂包覆层界面脱粘敲击检测系统设计

双基推进剂橡胶包覆层界面脱粘降低了推进剂工作性能，使其运行存在潜在的安全隐患。针对此问题，设计并开发了一套由信号处理组件、自动化控制组件和智能诊断组件构成的敲击检测系统，旨在通过自动化控制与智能敲击诊断技术相结合，更加全面的获取待测件的状态，提高检测的准确性和可靠性。实验结果表明，敲击检测系统可以识别橡胶包覆层脱粘缺陷，并且当敲击检测分辨率为3~10 mm时，脱粘缺陷检测准确率≥87.5%；BP神经网络隐含层神经元数设置6或7时，故障识别效果良好，K-means聚类算法对敲击检测数据故障确诊率≥90%。综上所述，敲击检测系统具有较高的检测分辨率和准确率，可以实现对双基推进剂包覆层粘接质量的客观评价。     

基于模糊信息粒化和优化SVM的航空发动机性能趋势预测

提出采用模糊信息粒化(FIG)和优化的支持向量机(SVM)来预测航空发动机参数的变化趋势和变化空间。利用模糊信息粒化方法对性能参数进行粒化处理。以K CV验证误差最小作为优化目标,采用遗传算法(GA)实现支持向量机惩罚参数和核函数参数的自适应优化选择；训练SVM模型并进行并对模糊粒子非线性预测。利用某航空公司的某型航空发动机性能参数监测数据进行验证,结果表明:该算法可以有效实现航空发动机性能参数变化趋势和变化空间预测。在实例基础上分析了窗口大小对算法预测精度的影响以及算法多步预测的效果,得出算法最佳窗口大小为3个数据且算法3步以内预测误差小于10%。