基于台架试验的涡轴发动机喘振发生位置规律

为了探究某型涡轴发动机喘振发生位置规律,采集并分析了台架喘振试验时进气道、轴流压气机叶尖、轴流压气机出口和离心压气机出口的压力信号。采用连续小波时频变换对压力信号进行特征提取,以小波系数作为喘振信号特征,阈值为小波系数最大值的10%,结果表明:某型涡轴发动机的轴流压气机总是比离心压气机先发生喘振,喘振在轴向上由进气道向离心压气机传递的同时,在周向上也沿着压气机转子叶片旋转方向传递。对某型号发动机进行实时喘振监测时,监测轴流压气机能比监测离心压气机更早发现喘振,在后续某型涡轴发动机改型设计时,可增加轴流压气机的喘振裕度来提升整机防喘能力。      

基于声压信号的某型涡轴发动机喘振识别

为了识别某型涡轴发动机喘振时的特征,通过进气畸变方式开展了某型发动机台架试车逼喘试验,利用声压传感器测量采集了轴流压气机和离心压气机两侧的声压信号。对声压信号进行测试环境与背景噪声修正,再采用时频分析方法实现了对由于进气减少引起的压气机叶片失速团特征和低频喘振特征的检测,并采用小波低频重构声压信号方法实现了某型涡轴发动机喘振信号的提取与识别。结果表明：随着进气的增加,轴流压气机和离心压气机转子频率处声压信号幅值会降低,同时会产生失速团,轴流压气机右侧能最先监测到喘振,喘振频率约为60 Hz。     

基于粒子群算法的涡扇发动机气路性能修正

针对由于建模过程中条件简化及发动机零部件的差异性导致的发动机数学模型计算结果与整机性能实测数据偏差较大的问题,提出基于粒子群算法(PSO)的发动机模型修正方法,运用修正因子提高模型计算精度。将修正后发动机模型的计算结果与实测数据对比,结果表明:运用PSO算法对模型进行的修正能够显著提高模型的精度,修正前模型计算值与实测值的最大误差达4.85%,修正后最大误差只有0.97%,修正效果良好,且涡轮等后端部件比压气机等前端部件精度提高更为明显。