不同叶尖间隙下的涡轮转子出口 三维流场测量

采用圆锥四孔高频压力探针测量了某涡轮不同叶尖间隙下转子出口的三维时均流场.结果表明转子出口参数均呈现明显的周期特性.叶尖间隙对转子出口流动品质有较大影响;间隙大时,泄漏流显著,对应的机匣二次流动较弱;间隙小时,机匣附近的二次流动较强.泄漏流区域的速度低,对应的相对总压小,损失大;泄漏流导致气流亏转,对应的静压高,膨胀程度小于主流,增大间隙,膨胀比变小,涡轮做功能力下降.      

机身减速板流动特性研究（英文）

现役高机动战斗机普遍采用机身减速板来减小飞行速度和转弯半径并提高机动能力。采用物面测压及空间流场测量相结合的实验方法,在机身减速板开度60°,机身迎角0°～70°条件下,研究了机身减速板铰链力矩随迎角的变化规律,分析了减速板迎风侧和背风侧的流动结构。研究结果表明：减速板铰链力矩按迎角可分为3个区域：常值区（α=0°～16°）,减速板铰链力矩基本不变,因为减速板迎风侧正压力逐渐减小,而背风侧负压力逐渐增加,两种相反的变化趋势相互抵消。非线性增长区（α=16°～32°）,减速板铰链力矩显著增加,因为减速板铰链力矩主要贡献区为背风侧,该迎角区内减速板背风侧存在一对不断增强的旋涡,背风侧负压力显著增加。在非线性衰减区（α=32°～70°）,减速板铰链力矩在迎角32°～36°范围内急剧减小,因为在迎角36°减速板背风侧旋涡流动变为速度较低的再附流动;减速板铰链力矩在迎角36°～44°范围内逐渐增加,因为该迎角区作用于减速板迎风侧的机身涡不断增强,导致减速板迎风侧正压力显著增加;减速板铰链力矩在迎角44°～70°范围内逐渐减小,因为该迎角区作用于减速板迎风侧的机身涡不断减弱直至破裂,导致减速板迎风侧正压力逐渐减小。     

高涵道比发动机涡轮过渡流道性能模拟

采用数值模拟方法对高涵道比发动机涡轮过渡流道设计工况和非设计工况性能进行了详细分析,得出了与实验值较吻合的计算结果。数值结果与实验数据比较表明:所选的计算模型是可靠的,能够直接用来对带整流支板的涡轮过渡流道数值模拟;可以采用较紧凑的设计而得到对高压涡轮出口条件不敏感的低损失系统。     

Aero-engine fault diagnosis applying new fast support vector algorithm

A new fast learning algorithm was presented to solve the large-scale support vector machine ( SVM ) training problem of aero-engine fault diagnosis.The relative boundary vectors ( RBVs ) instead of all the original training samples were used for the training of the binary SVM fault classifiers.This pruning strategy decreased the number of final training sample significantly and can keep classification accuracy almost invariable.Accordingly , the training time was shortened to 1 / 20compared with basic SVM classifier.Meanwhile , owing to the reduction of support vector number , the classification time was also reduced.When sample aliasing existed , the aliasing sample points which were not of the same class were eliminated before the relative boundary vectors were computed.Besides , the samples near the relative boundary vectors were selected for SVM training in order to prevent the loss of some key sample points resulted from aliasing.This can improve classification accuracy effectively.A simulation example to classify 5classes of combination fault of aero-engine gas path components was finished and the total fault classification accuracy reached 96.1%.Simulation results show that this fast learning algorithm is effective , reliable and easy to be implemented for engineering application.     

基于地面试车数据的高涵道比涡扇发动机飞行性能预估方法

为了预估高涵道比涡扇发动机飞行性能,使用GasTurb 11软件的试车数据分析功能计算出了某高涵道比涡扇发动机地面试车点与设计点各部件效率和流路损失的偏差.通过非设计点敏感性分析确定设计点与地面试车点的效率与损失偏差的相关性,最后预估得到高涵道比涡扇发动机的飞行性能.对某高涵道比涡扇发动机飞行性能预估研究表明:该方法切实可行,其中地面试车数据分析、地面和设计点偏差关系图、以及非设计敏感性分析是预估高涵道比涡扇发动机飞行性能的3个关键环节。      

径向基神经网络在非线性非定常气动力建模中的应用研究

基于南航NH-2风洞中某飞机模型大迎角大振幅单自由度偏航、滚转及偏航-滚转耦合的谐波、阶跃运动实验数据,应用径向基神经网络,研究人工神经网络描述非线性非定常气动力特性的能力.研究结果表明,所建立的径向基神经网络模型的预测结果与训练数据和验证数据都符合得很好,说明神经网络建模方法可以有效地对高度非线性的气动力进行建模.研究还表明,用神经网络建立模型时所需要的风洞实验数据可以减少,从而提高风洞实验效率、减少风洞实验的时间和成本.     

旋转对带斜肋的内流通道冷却和换热的影响

以带45°斜肋的燃气轮机内流方形通道为对象,采用数值模拟的方法对其内部的流场和温度场进行了研究,通过对通道在不同转速下的流场和温度场的计算结果对比可知:旋转状态下,通道内各面换热的变化是和通道内流场的变化密切相关的,其中由于哥氏力的不均匀分布,中间大四周小,使得二次流旋涡偏向尾缘;转速越高,温度梯度越大;同时,随着旋转数的增加努塞尔数增大,换热效果增强,并且通道的前表面要比后表面换热效果好。     

小样本下基于偏最小二乘回归的航空发动机性能参数预测

排气温度(EGT)是反映民用航空发动机运行状态的重要性能参数之一,本文基于发动机各个性能参数存在相关性研究的基础上,针对小样本、贫信息量、多自变量影响的情况,结合偏最小二乘回归分析,提出了一种小样本条件下考虑发动机众多因素对EGT影响的发动机性能短期预测模型。作为试验验证,文中选取了某民用飞机发动机实际飞行数据对模型进行检验,并与大样本、足信息条件下建立的多元线性回归预测模型进行对比,结果表明该模型在贫信息下也可以达到很高的预测精度,为少数据条件下发动机性能参数短期预测提供了一个有效途径。     

应用快速多分类SVM的航空发动机故障诊断方法

提出了一种新的快速多分类SVM算法,用于解决大样本情况下航空发动机的多类故障诊断问题。首先,选用层次支持向量机(H-SVM)来实现多类分类,用各类数据中心代表该类数据,通过自组织特征映射神经网络(SOFM)进行聚类,把类中心之间距离较近的数据归为同一个子类进行训练,得到H-SVM层次结构。其次,在训练H-SVM中的二元分类器时,应用相对边界向量(RBV)代替全部训练样本,在保持分类精度几乎不变的条件下大幅度减少了训练样本数,使训练时间明显缩短;同时,由于支持向量的数量减小,分类时间也相应缩短。在分类数据混迭较为严重的情况下,新算法先剔除混迭的异类数据,再计算RBV,并且把与计算的RBV距离小于一定数值的样本都选择来训练SVM,保证了RBV的合理性,防止了关键数据的丢失,有效提高了分类精度。针对一个航空涡喷发动机5类复合故障的分类进行了实例仿真,总的故障分类正确率达到91.2%,二元SVM的训练时间最多只有原来的16.20%;当训练样本总数达到7500的大规模情况下,根据本算法,约减后的样本数量只有原来的3.05%。仿真结果表明,提出的算法有效、可靠,容易实现。     

氢化环氧树脂体系形状记忆效应的研究

将顺丁烯二酸酐(MA)与不同比例的氢化环氧树脂、聚丙二醇二缩水甘油醚(PPGDGE)共混,经完全固化制备出一种新型的形状记忆氢化环氧树脂体系。利用DMA,DSC、弯曲测试和U型形状记忆测试系统研究了该固化体系的动态力学性能、力学性能和形状记忆性能,结果表明:该固化体系交联点之间存在较长的柔性链段,导致部分结晶现象的出现;固化体系的玻璃化转变温度(Tg)最高达124℃,并且Tg随PPGDGE含量的增加而线性降低;该形状记忆氢化环氧固化体系具有优良的形状记忆性能,经过5次形状记忆测试,变形的试样均能在数分钟内完全恢复到变形前的状态,形变恢复率达100%。