基于积叠线的风扇叶片优化与振动特性研究

为了改善航空发动机风扇叶片静强度和振动特性,以风扇叶片静应力和应变能密度指数为优化目标,采用Kriging 代理 模型和微种群遗传算法,分析风扇叶片重心积叠线周向构型变化对叶片强度振动性能的影响。以叶片重心积叠线周向构型为设计 参数,实现风扇叶片参数化建模和有限元网格的自动划分及有限元计算。建立航空发动机风扇“参数化建模—有限元仿真—强度和 振动特性优化”的一体化平台,对某宽弦风扇叶片进行优化设计。结果表明：优化后叶片中心的高应力区向叶尖偏移,叶根前缘的高 应力区得到了改善,最大静应力减小了5.45%,应变能密度指数减小了5.94%,在相同载荷下的第1 阶振动应力裕度从66.81%提高 到了70.46%;叶片的固有频率、振型和共振裕度等没有明显变化,表明此优化算法可有效改善叶片的静强度和振动应力分布,且不 会对其他振动特性产生不利影响。     

基于任意传感器排布的叶尖定时信号压缩感知辨识方法

基于叶片振动和叶尖计时系统的特点,推导了任意传感器角度分布下叶片振动响应的分布规律,并基于叶尖定时信号频域的稀疏性,探究了压缩感知方法在叶尖定时信号的重构和倍频辨识上的应用。通过同步信号和非同步信号的大量数值实验,分析了包括信号重构误差、传感器数量、旋转周期数、频率分辨率和信噪比等因素对辨识效果的影响,提出了压缩感知重构叶尖定时信号的基本方法和步骤。进一步将压缩感知方法应用于某型号涡扇发动机钛合金宽弦风扇叶片有限元仿真获得的振动响应数据重构,验证了该方法的有效性。结果表明:在加入了叶尖测点位置误差和30 dB随机噪声的前提下,在80%、90%和100%三种转速工况下均清晰辨识出幅值较大的激励倍频。基于任意传感器角度分布的压缩感知方法对叶尖定时信号辨识效果较好。     

火箭发动机增压系统关键换热参数辨识

针对火箭增压系统设计过程中关键换热参数难以确定的问题,提出1种基于混沌自适应粒子群算法（ACPSO）的增压系统换热参数辨识方法。建立了考虑换热模型的液体火箭增压系统非线性数学模型,通过灵敏度分析筛选出待识别参数,采用含有早熟抑制和惯性权重自适应调节策略的粒子群方法对选定参量进行辨识,对引入了权重衰减机制的均方根目标函数进行优化。结果表明：辨识后的仿真曲线与实测曲线具有良好的一致性,氧箱增压电磁阀打开时间仿真值与实测值偏差低于3%,气瓶1次飞行结束温度仿真值与实测值仅相差2.4 K。将辨识结果应用于某相似的新研型号,气瓶设计容积和质量相比绝热假设的设计方案降低了32 L和11.6 kg,有效减少了由设计过度冗余造成的额外试验和设计迭代成本。     

基于故障分辨能力的火箭发动机测量参数选择方法

针对液体火箭发动机测量参数选择这一难题，提出一种基于模型的、提高故障分辨能力和系统可靠性的液体火箭发动机测点选取方法。基于发动机系统非线性静态特性数学模型，建立常见发动机故障下的故障特征库，并采用飞行数据验证其准确性；分别基于凝聚层次聚类算法、蒙特卡洛方法和失效模式影响分析（FMEA）构建了发动机测量特征子集的故障分辨种类数、鲁棒性和系统可靠性3种评价指标，并基于改进的多目标二进制粒子群算法（MOBPSO）开展优化设计。优化后的测点排布，可分辨故障从9种提高到13种，鲁棒性与原排布相当，风险指数略有上升；进一步探究了副系统混合比在故障分辨中的重要作用并分析其机理。本文提出的方法对其他复杂、闭环动力系统测量特征的选择具有较好的应用价值。