火箭发动机尾部结构优化研究

针对火箭发动机尾部壳体烧穿故障导致系统级失效的突出问题,运用贝叶斯网络模型推得影响系统可靠性的薄弱环节,结合试件性能与残骸分解数据,分析系统故障机理。采用有限元数值计算手段,由流场计算分析固定支架结构破坏后发动机内流场情况,进而明确系统结构优化方案。经结构优化考核试验,火箭发动机外壁温升降低62.17%,系统可靠性提高0.62%,实现可靠性增长的目的。     

深度置信网络在发动机气路部件性能衰退故障诊断中的应用研究

为提高发动机转动部件性能衰退故障诊断精度,针对传统的浅层网络和支持向量机(SVM)方法在诊断时存在泛化能力欠缺、易产生局部最优解等问题,引入近年来在模式识别领域取得巨大突破,模拟人脑多层结构的深度置信网络(DBN)进行发动机部件性能衰退故障的诊断。为改进深度置信网络性能,提出一种在无监督和有监督训练阶段都可自适应调整权值的改进算法(ad_DBN)。以涡扇发动机为对象,将两种DBN算法与BP,RBF和SVM方法从诊断精度、计算时间、抗噪能力三方面进行综合比较分析。结果表明DBN算法诊断精度明显优于反向传播(BP)神经网络,径向基(RBF)神经网络和支持向量机(SVM)方法,得益于权值的自适应调整,ad_DBN诊断的平均精度高达97.84%,其抗噪声能力也明显优于其他算法,能够提高故障诊断的有效性和可靠性。     

基于聚类与粒子群极限学习机的航空发动机推力估计器设计

针对航空发动机推力不可测,部件级模型求解推力精度不高、实时性差的问题,提出了基于快速寻找密度极点聚类与粒子群极限学习机的航空发动机推力估计方法。首先利用基于快速寻找密度极点的聚类算法对全工况范围内的台架试车数据聚类,然后在每一个子类中,用粒子群极限学习机设计了子推力估计器。在子类推力估计过程中,为使网络拓扑结构最优,用粒子群算法寻找极限学习机的最优隐层神经元数目的方法。训练与测试表明,推力估计测试相对误差最大值为3.06‰,优于传统的RBF(7.25‰)与BP(14.84‰)神经网络方法,能够满足直接推力控制与机载在线实时状态评估的需求,且可将方法扩展到其他不可测参数的估计。     

暖机对压气机叶片径向变形影响的试验研究

为进一步研究暖机对发动机压气机叶尖间隙变化的具体影响,本文对不同暖机时间与不暖机情况下压气机叶片的径向变形进行了试验研究。由于在发动机整机试验中叶片径向变形的无法测量,本文选择模拟件进行温度与离心耦合作用下的变形试验。利用两种叶片材料制作板材试样,以台架测试数据为基础,计算出发动机启动及慢车至最大状态过程中叶片的离心力和截面温度,并据此设计模拟件的载荷历程,制定试验方案。通过模拟件试验,测得不同暖机时间和不暖机情况对应载荷下试件的应变过程和最终应变量,结果表明：温度载荷是试件变形的主要影响因素,正常暖机情况下暖机时间对于试件最终应变量没有影响,不暖机情况下试件最终应变量稍小于暖机后。从模拟件试验结果反推构件,可以证明：温度对叶片径向变形的影响大于转子转速,正常暖机情况下不同暖机时间对于压气机叶片的最终径向变形没有影响,而暖机与否对压气机叶片的径向变形是存在影响的,暖机后的叶片径向变形量稍大于不暖机。     

涡扇发动机高压涡轮前温度组合估计方法

考虑到目前暂无法实现机载条件下高压涡轮前温度直接、可靠的测量,提出一种用于涡扇发动机高压涡轮前温度估计的方法.基于涡扇发动机的能量守恒原理,建立高压涡轮前温度与气路参数的热力学关系,进而推导出高压涡轮前温度的6个估计模型.将各温度模型中不易测量的参数以整体的形式作为温度模型系数,并利用某涡扇发动机性能仿真模型建立温度模型系数与可测状态参数的多项式关系,最终确立高压涡轮前温度的组合估计模型.验证结果表明:组合估计方法在发动机健康及性能衰退状态下都具有较高的精度,其性能最好模型的方均根误差不超过1%.与已有线性拟合、神经网络等方法的对比也表明组合估计方法不论在精度还是性能稳定性方面都具有明显优势.      

基于逆跟踪控制的航空发动机气路健康参数估计修正方法研究

针对新型航空发动机气路部件状态监控缺乏故障样本的不足,利用发动机非线性模型和气路故障模拟方法,获取故障样本,运用最小二乘支持向量回归机(LSSVR)建立气路健康参数的(理想)估计器。主要工作是在LSSVR的基础上,从逆跟踪控制的角度,设计了基于逆模型在线辨识与变结构控制相结合的修正系统,减小理想估计器与真实发动机之间由于测量噪声与系统噪声对估计精度造成的影响。通过仿真实验,离线修正后,估计值的相对误差最大值从69%缩小5%,在线修正后,估计值的相对误差最大值从69%缩小13%,修正系统有效地提高了性能估计的准确度,减小了气路部件状态监控的误判和误诊的概率。     

暖机对涡扇发动机加速过程中压气机叶尖间隙影响分析

为了研究涡扇发动机暖机程序是否合理,分析了暖机与不暖机对发动机加速过程中压气机叶尖间隙变化造成的影响,并进行了两种情况下变化规律的对比分析。建立了转子模型,在综合考虑转子离心载荷与温度载荷基础上,运用该发动机暖机与不暖机情况下台架测试数据绘制载荷谱,并基于Workbench平台采用热—固耦合分析方法对加速过程中发动机转子径向位移进行仿真计算。根据转子径向间隙计算模型,利用仿真结果计算获得暖机与不暖机情况下的叶尖间隙。结果表明,充分暖机后的压气机叶尖间隙值明显小于不暖机情况下的间隙值,相对原始装配间隙,两者在慢车状态时相差19.86%,在最大加力状态相差8.04%,且加速过程中叶尖间隙变化规律均为随时间增加而不断减小,在慢车至中间状态过程中迅速减小,在加力过程中缓慢减小。     

基于贝叶斯网络的末制导雷达模糊可靠性分析

弹载末制导雷达可靠性多含不确定性与模糊性因素影响,且其具有样本量小、可靠性高等特点,传统可靠性评估方法难以适用。提出了一种基于贝叶斯网络的模糊可靠性分析方法,以某型导弹末制导雷达系统的为具体研究对象,对其进行可靠性分析,验证了方法的有效性。     

改进多元宇宙算法在航空发动机不暖机模型修正中的应用

航空发动机不暖机会产生性能损失,此时原有发动机模型已经不能准确表达发动机性能,因此,需要利用模型修正技术对原有的发动机模型进行修正,以获得发动机不暖机情况下的数学模型。提出了一种改进多元宇宙优化算法（Multi-verse optimization,MVO）,并将其应用于发动机不暖机模型的修正研究。在常规MVO算法基础上,修改虫洞机制公式,解决解区间偏离0轴较远时寻优计算易陷入局部最优的问题,并引入混沌思想,通过混沌化初始宇宙和在每一代最优宇宙附近区域内进行混沌搜索,增强了算法的全局搜索能力。将改进后的算法应用于发动机模型的修正研究,并将常规MVO,改进MVO,粒子群算法（Particle swarm optimization,PSO）和遗传算法（Genetic algorithm,GA）四种算法的修正结果进行了对比。结果表明：修正后发动机不暖机模型精度得到很大提高,其中推力误差仅为0.07%,能够满足舰载机起飞动力学模型输入条件的精度要求;改进MVO算法对发动机模型的修正效果优于常规MVO算法,且相比PSO和GA,改进MVO修正效果同样更优。