气路碎屑监测静电传感器设计及模拟实验

基于静电感应原理,结合航空发动机尾喷管结构和模拟实验环境要求,设计了一种用于气路荷电碎屑监测的静电传感器。通过荷电碎屑模拟实验,证明了该静电传感器监测荷电碎屑的有效性,并分析了碎屑荷电量、碎屑与探极表面相对位置对传感器输出的影响。结果表明:碎屑荷电量越多,传感器输出电压幅值越大;同一轴向位置,随着碎屑与探极表面径向距离的增大,传感器输出电压幅值迅速减小;碎屑与探极表面径向距离一定时,碎屑与探极末端轴向距离越大,传感器输出电压幅值越小。此外,还进一步分析了实验过程中一些难以避免的影响测量结果的因素。     

浅析某型发动机滑油磨粒分析异常故障

针对某型发动机滑油磨粒分析异常的故障,对其所用的滑油进行了理化性能分析、滑油光谱分析、滑油铁谱和自动磨粒分析,并结合发动机分解检查,验证了滑油磨损元素监控与发动机磨损故障的一致性。     

航空发动机气路故障静电监测技术研究

航空发动机气路中任一部件的故障都会严重影响发动机的性能，甚至造成严重后果。本文研究了基于静电监测机理的发动机气路碎屑监测技术，设计了一套航空发动机气路故障静电监测系统，并在发动机模拟试验台上进行了两种典型故障模拟试验。研究表明，该系统通过监测发动机排气颗粒的静电电荷水平和变化规律，可判断发动机气路部件的故障情况，为发动机故障诊断和健康管理提供关键技术手段。     

基于模糊矩阵和神经网络的航空发动机磨损部位故障识别

滑油中的金属颗粒成分及含量反映了发动机部件磨损程度,利用光谱分析技术监测诊断发动机部件磨损故障。在分析发射光谱原始数据的基础上,提出基于BP神经网络的航空发动机磨损部位识别方法,并通过实例阐述了部位磨损识别的步骤。将待识别样本输入已经训练好的神经网络中,得到低压压气机轴承支座磨损故障模式。待识别样本中含有Fe、Al、Cr、Cu、Mg,与低压压气机轴承支座磨损故障模式存在的元素完全一致。与原始识别方法相比,本文方法得到的故障特征更加明显,所需训练样本更少,识别精度达到96.67%。     

D-S证据理论及其在滑油故障诊断中的应用

结合算例阐述了D-S证据融合理论的基本思想及其改进公式,并应用在航空发动机滑油光谱分析和磨粒分析中,表明D-S证据理论是航空发动机滑油故障诊断中一种非常有效的数据融合方法。     

焊缝及焊接材料中钼元素可见光谱快速分析方法

使用数字化技术对部分常用合金钢焊材和焊缝中钼(Mo)元素可见光谱进行了分析测定.研究了Mo438.16nm和Mo481.93nm分析谱线组的数字化处理和分析技术.探索了利用Mo元素可见光谱分析技术进行焊材和焊缝Mo元素含量分析及牌号鉴别的方法.结果可用于常用合金钢焊材和焊缝中Mo元素的定性、定量分析以及材料牌号鉴别.     

资讯

正FAA对IAEV2500发动机发布紧急适航指令52020-04-153月21日,美国联邦航空局(FAA)发出了紧急适航指令,要求将安装在国际航空发动机公司(IAE)生产的V2500发动机上的受影响高压涡轮(HPT)第一级轮盘移除。因为此前越南航空公司的一架空客A321-231经历了非包容高压涡轮第一级轮盘故障,导致高能碎屑渗入发动机罩损坏了发动机,进而造成飞行中止。因此FAA声明:该适航指令自4月28日起生效,并且必须在生效日期后的5个循环内     

一种航空发动机滚动轴承磨损故障监测技术

针对航空发动机滚动轴承磨损状态监测对长轴尺寸大于10μm的故障敏感磨粒检测的需要,研制了多功能油液磨粒智能检测与诊断系统,克服了传统光谱分析对大磨粒不敏感的缺点,以及传统铁谱分析检测步骤烦琐的不足,可直接对流动的油液中大于10μm的运动磨粒进行检测.提出了油液运动磨粒的7个数字特征参数及其识别策略,实现了磨粒的自动识别,识别率基本上达到99%以上.利用实际的航空发动机油样进行了试验验证,并与传统光谱分析进行了对比,试验结果表明该系统较光谱分析具有更强的检测力和更优的时效性.      

油液分析技术在航空发动机磨损故障诊断中的应用

磨损故障是航空发动机最常见的故障形式之一,本文综合介绍了几种油液分析技术的相关理论及其特点,重点举例阐述了光谱分析和铁谱分析在发动磨损故障诊断中的应用.     

基于AHP的液体火箭发动机地面试验监测参数的选取方法研究

确定监测参数是液体火箭发动机地面试验监控系统的一个重要而基础的问题。从某液体火箭发动机地面试验稳态参数的统计特性和常见故障出发,通过分析地面试验测量参数的故障敏感性、故障关联性、测点传感器的可用性和参数相关性(或传感器冗余),建立具有方案层、准则层和目标层的层次模型,运用层次分析法(AHP)对发动机地面试验的测量参数进行评价、比较和优化,确定了用于监测液体火箭发动机地面试验的监测参数。经过发动机的地面故障试验数据和故障仿真数据的检验,所确定的监测参数集较好地反映了发动机状态的变化,说明所选用的方法合理、可行,解决了长期以来,依靠领域专家定性确定监测参数的问题。      

基于光谱分析技术的磨损故障监测

采用转盘电极式原子发射光谱分析技术,监测某型燃气轮机传动润滑系统磨损状况的发展变化趋势,及时诊断早期磨损故障.为确保光谱分析技术监测的准确性,着重研究了环境温度波动、标准曲线细化、样品黏度以及磨损颗粒尺寸等主要因素对测量结果的影响,并简要阐述了光谱分析技术的基本原理.经大量研究试验表明:光谱分析技术能够提前预报燃气轮机传动润滑系统可能发生的磨损故障,是油液状态监控的1种有效手段.     

滑油光谱分析技术在航空活塞发动机维修中的应用

根据滑油光谱分析技术的分析原理、实施程序、检测周期,结合航空活塞式发动机的特点和维修实例进行探讨。     

涡喷发动机尾气静电监测及气路故障特征

利用涡喷发动机试车台和新研制的小型涡喷发动机完成了一系列静电监测实验,获取了涡喷发动机尾气静电信号特性,并通过分析静电信号特征证实了尾气静电监测技术对发动机气路部件机械故障的监测.研究发现发动机尾气静电信号的细微变化与发动机工况相关,通过分析第102试车阶段的静电信号发现活动率水平出现了与发动机工况同步变化的情况,验证了活动率水平是一种可作为表征尾气中微小颗粒的带电情况的特征参数;在102～108试车阶段中,发动机出现了燃烧室内壁积炭、燃烧室内壁轻微烧蚀和气路润滑油泄漏故障,根据静电信号的统计分析以及大时间尺度的趋势分析,发现活动率水平、正(负)事件率可作为预警参数来反映因这些故障而导致尾气静电整体水平的变化.      

滑油光谱分析的时序建模与故障预报研究

本文讨论了时序建模方法在机械设备滑油光谱分析中的应用,通过运用ＡＲ模型对采集的航空发动机滑油光谱数据进行时序建模和预测分析,获得了满意的效果。这一成果,为机械设备的状态监控和故障预报提供了一种实用方法。     

基于D—S证据理论的航空发动机故障诊断

航空发动机滑油中舍有摩擦副产生的磨损微粒。通过滑油介质中所含磨损微粒中元素的分析．运用Dempster-Shafer证据融合诊断方法,对航空发动机的磨损状态等进行有效的诊断,确定发动机的磨损程度,以及发动机的磨损部位,从而可对发动机的故障排除作参考。在融合过程中提出了先对每个元素的磨损量和磨损率进行融合,再总体融合的方法。针对Dempster—Sharer证据融合的局限,应用了两种改进的融合方法,并进行比较。实例表明,Dempster—Shafer证据融合是一种有效的航空发动机滑油磨损的故障诊断方法。     

基于小波-Hilbert的涡喷发动机静电监测技术研究

在某型涡喷发动机试车过程中首次开展了气路静电监测试验,获取了若干试车阶段静电信号。选用第102阶段(发动机处于健康状态)监测的静电信号进行时域特征分析,获取了发动机处于启动、巡航、停车3个典型工况下时域幅值以及活动率水平、正负事件率特征参数的变化情况,分析表明静电信号会随发动机工况变化而变化。为了进一步揭示静电信号特征,采用小波-Hilbert变换方法处理了第102阶段的静电信号,获取了其能量值、能量分布以及功率谱的特征。为了验证分析方法的有效性,也对第174阶段(该阶段发动机存在积碳故障)的静电信号进行了对比分析。     

航空发动机尾气静电信号基线模型分析及应用

开展了基于尾气静电信号的航空发动机气路监控技术的应用研究,把尾气静电监测信号EGEMS作为一种新的气路状态参数并建立其基线模型,通过监控尾气静电信号RMS(root mean square)值的偏差值实现对气路部件的实时监控.首先从尾气静电监测的角度总结了尾气碳烟颗粒物的排放特性,分析了尾气静电信号的基线成分、主要影响因素及典型故障静电信号特征,在此基础上分别提出了基于燃油流量单参数的尾气静电信号基线模型(参数化模型)和基于多元状态估计技术的多参数基线模型(非参数化模型)挖掘技术.通过对某型涡轴发动机尾气静电信号的分析表明:所建立的基线模型能够准确反映发动机不同工况下的尾气静电信号的基本特征,有效地监测到气路的异常状态,验证了所提方法的可行性和有效性.      

航空发动机的油液故障诊断专家系统

专家系统是具有大量专门知识,并能运用这些知识解决特定领域中实际问题的计算机程序系统.目前,油液分析技术包括铁谱分析、光谱分析、油品理化分析等多种技术,这些分析技术的联合应用增加了发动机摩擦学信息的来源,正确充分地利用这些信息是有效建立航空发动机油液故障诊断专家的关键.     

基于降噪自编码器的航空发动机性能退化评估

针对航空发动机性能退化的形式及规律,提出一种基于降噪自编码器的航空发动机性能退化评估方法。针对采集的航空发动机6个状态监测参数,采用降噪自编码器,利用贪婪逐层训练算法,挖掘各参数对发动机性能的深层影响,提取出更有利于评估的数据特征,进行性能退化评估。将提出的算法与BP(back propagation)神经网络以及支持向量机得到的结果进行测试比较,测试表明:提出的方法准确率有所提高,达到93.5%,具有较强的鲁棒性,在信噪比为10dB时准确率达到84.5%,并且能够防止航空发动机状态监测中小样本过拟合的问题。     

飞机发动机油液光谱趋势监控

油液光谱分析技术是一种应用于预防性维修领域中成功的快速评定方法，它可用于飞机、汽车、机车等发动机润滑系统中及任何封闭循环的液压系统中油液的状态趋势监控。这种技术作为一种设备维护方法自1941年被美国铁路领域首次运用后，如今已普及到很多国家的多个领域。在铁路、航空和设备制造中，人们通过采用油液光谱分析技术检测