排序方式: 共有116条查询结果,搜索用时 56 毫秒
61.
一种亚声速进气道出口流场存在较严重的总压畸变,为改善其出口流场品质,抑制总压畸变,首先分析了引起总压畸变的原因,即进气道扩张段内边界层发生分离;其次提出了在进气道内安装叶片式涡流发生器的流动控制方法,并进行了仿真验证;最后进行了进气道缩比模型的风洞试验。试验结果表明,在进气道设计马赫数(0.65)和非设计马赫数(0.21)条件下,安装叶片式涡流发生器后,在流量系数0.4~0.85范围内,进气道出口流场的综合畸变指数分别平均降低14.7%和23.8%,因此验证了流动控制方法的有效性。 相似文献
62.
63.
激光冲击叶片榫头变形控制与疲劳试验 总被引:1,自引:0,他引:1
针对某航空发动机涡轮叶片榫头部位疲劳断裂故障,利用激光诱导高压冲击波对榫头部位进行冲击强化,提高其抗疲劳性能。在试验测试激光冲击GH4133B镍基高温合金材料残余应力场的基础上,确定了叶片材料激光冲击工艺参数;根据榫齿面转接R区结构特征,设计了不等强度分布冲击方式,保证强化区域残余应力均匀、过渡分布,防止出现应力突变。由于榫头结构不均匀,高压冲击波引起的塑性流动使叶片发生宏观变形,采用数值仿真方法分析了激光冲击后叶片榫头宏观变形规律和机理。在此基础上提出了激光冲击叶片榫头变形控制的方法,并设计了榫头结合面冲击区域和方式,保证叶片榫头两侧对应区域的激光能量输入基本相当,通过结合面的塑性流动来减小叶片榫头宏观变形。冲击处理后的叶片榫头表面粗糙度、滚棒尺寸和平面度等均满足技术要求。并分析了激光冲击强化提高叶片高温疲劳寿命的原因。疲劳试验结果表明:激光冲击强化可提高叶片榫头部位的高温高低周复合疲劳寿命提高了279%。 相似文献
64.
叶栅等离子体流动控制布局优化和影响规律 总被引:2,自引:1,他引:1
为提高流动控制能力,基于高负荷压气机叶栅的流场特性和等离子体气动激励特性,对等离子体流动控制的激励布局进行优化,通过选取典型激励布局,实验揭示了不同因素对等离子体气动激励抑制叶栅流动分离的影响.结果表明:吸力面激励布局中,靠近前缘流向激励的作用效果强于展向激励和尾缘激励,沿流向分布多组电极的激励效果最佳;端壁激励布局中,横向激励的作用效果明显强于流向激励;组合激励布局中,基于端壁横向激励和吸力面流向激励的组合布局的激励效果最佳.等离子体气动激励的作用效果随着激励电压的增大而增强,随着攻角的增大其作用效果先增强后变弱;变定常激励为非定常激励,通过耦合流动的不稳定性,可以提高等离子体气动激励流动控制效果. 相似文献
65.
等离子体气动激励控制激波的实验研究 总被引:5,自引:2,他引:3
在机械式和气动式激波控制方法的基础上,提出了激波控制的等离子体气动激励方法。采用电弧放电等离子体气动激励方式,设计了电弧放电等离子体气动激励器,在小型暂冲式超声速风洞中开展了等离子体气动激励控制尖劈斜激波的实验研究。结果表明,等离子体气动激励能够有效控制激波。实验研究了磁场对激波控制效果的影响,结果表明施加磁场使得激波控制效果显著增强。从热效应机理角度出发,建立了等离子体气动激励控制激波的热阻塞模型,采用该理论模型预测的激波变化规律与实验结果一致,从而验证了热阻塞模型的合理性。由于等离子体气动激励方法具有响应迅速、控制灵活等优点,因此将成为激波控制领域一条新的有价值的技术途径。 相似文献
66.
基于PSO算法的航空发动机起动燃油控制 总被引:2,自引:2,他引:0
针对航空发动机起动过程燃油流量优化控制的实时性要求, 提出一种新的航空发动机起动燃油控制方法——基于粒子群优化(PSO)算法的非线性预测控制.该方法在建立最小二乘支持向量机(LS-SVM)预测模型的基础上, 运用PSO算法实现其滚动优化功能.经实例验证, 燃油流量经过PSO算法优化控制后, 高低压转子转速的超调量减小, 并且其稳定的时间比没有经过优化控制的要快上56 s.由仿真结果可知, 该方法可以用于航空发动机起动过程燃油控制, 当给定的约束条件足够精确时, 能以较高的精度计算出最佳供油规律. 相似文献
67.
基于粗糙核Fisher鉴别分析的特征提取及其在发动机故障诊断中的应用 总被引:2,自引:0,他引:2
将粗糙集理论的属性约简与核Fisher鉴别分析方法结合起来,提出一种基于粗糙核Fisher鉴别分析的故障特征提取方法.首先采用粗糙集理论的属性约简删除与分类无关或关系不大的特征,降低输入特征维数,排除干扰特征的影响,减小了特征提取计算量;再采用核Fisher鉴别分析方法进一步提取非线性特征;最后将该方法应用于航空发动机滑油系统故障特征提取及故障识别中.结果表明:该方法获取的特征在提高分类正确率的同时,还有效地降低了输入特征维数,提高了分类效率,并且对分类器具有较强的适应性和鲁棒性. 相似文献
68.
69.
70.
基于支持向量机的航空发动机辨识模型 总被引:7,自引:3,他引:4
针对航空发动机具有强非线性、时变性的特点以及采用常规神经网络辨识时存在的局部较小,过学习等问题,提出了一种基于支持向量机的通用发动机模型辨识方法。该方法基于现代统计学习理论,采用结构风险最小化准则,保证了网络具有很强的推广特性,通过求解凸二次规划确保网络结构全局最优化自动生成。本文采用实测到的发动机飞行记录数据作为训练样本,利用回归型支持向量机建立了发动机的辨识模型,研究结果表明该方法的辨识精度较高,鲁棒性、容错性较好,具有较大的实用价值。 相似文献