压气机转子带凸肩叶片掉块故障分析

针对某压气机转子带凸肩叶片掉块故障,通过外观检查、断口分析、成分分析、组织检查、加工制造质量复查及有限元计 算,明确了叶片断裂的性质,分析了掉块故障的原因。结果表明：故障叶片断口符合高周疲劳断裂特征,叶片波纹度不符合设计要 求,叶片凸肩上、下截面的叶型厚度异常减薄,分析认为该异常改变了叶片的振动特性,降低了共振裕度,在气流激励下可能引发叶 片进气边局部共振,最终导致叶片疲劳失效。     

多孔阵列式电喷雾推力器纯离子电流的物理模型

纯离子（PIR）发射状态的多孔发射极阵列（PEA）使离子液体电喷雾推力器（ILET）具有高精度、高比冲、高效率、小体积等优点。为了研究PEA在PIR发射状态下的束电流机制，构建了一种包含起始电压、多点发射、黏性流动、离子电流的物理模型。通过引入正态性假设简化了加工公差不确定性和多孔基材不均匀性的量化过程，基于Monte Carlo方法推导出了PEA的PIR电流解析表达式，并通过对比试验结果验证了模型的可靠性和准确性。结果表明，模型机理明确、误差较小，能够较高精度地预测锥形多孔硼硅酸盐PEA的PIR电流和多点发射行为；模型计算结果与AFET-2推力器试验结果基本一致，相对误差范围为1.0%～1.5%，随着工作电压的增大和发射体数量的增加有助于提升模型的精度。模型为计算效率较高的0D模型，为ILET的鲁棒性设计和性能优化提供了一种新的计算方法。     

基于变分自编码器的多维退化数据生成方法

数据驱动的剩余使用寿命（RUL）预测方法不依赖于复杂的物理模型，可以直接利用设备历史运行数据与当前监测数据对设备RUL进行预测，对制定合理的维修策略，降低设备的维护成本具有重要意义。但是数据驱动的RUL预测方法依赖于大量历史数据，在数据不足时，尤其是多维退化数据，模型难以取得良好的预测效果。针对这一问题，提出一种多维退化数据生成方法，所提方法构建了一种全局优化模型，以条件变分自编码器作为生成模型，提取多维退化数据特征并生成相似数据扩充RUL预测模型训练集，利用长短时记忆网络作为RUL预测模型，所提方法能够通过RUL预测模型更新生成模型的参数提高模型的效果，同时利用更新后的生成模型提高剩余寿命预测模型在退化数据不足情况下的效果。使用航空发动机退化数据进行了案例验证，通过对比未加入生成数据训练得到的RUL预测模型与加入生成数据训练得到的RUL预测模型的表现，验证了所提方法在解决RUL预测模型训练数据不足方面的优越性。