基于气路参数融合的涡扇发动机性能退化预测

针对单参数驱动的涡扇发动机性能退化预测精度不高的问题,提出了一种基于气路参数融合的涡扇发动机性能退化预测的方法。通过监测发动机性能退化过程中多源参数,采用专家经验和核主成分分析相结合的方法,进行发动机性能参数的选择和融合,从而构建健康参数。基于非线性Wiener过程构建涡扇发动机退化模型,采用极大似然方法求得发动机退化模型的离线参数估计值;由于不同发动机性能退化的差异性,基于贝叶斯更新理念对随机参数进行实时更新,可以实现对单台发动机的性能退化实时预测。通过实例验证,采用此方法在预测末端方均根误差为0.028 3,整体预测精度提升了54.5%,可以辅助指导维修决策。      

陶瓷基复合材料力学性能计算及涡轮导叶宏观响应分析方法

针对涡轮导叶宏观热力学响应,将化学气相沉积工艺2D编织SiCf /SiC陶瓷基复合材料完成拉伸试验并将该试件进行分 割,对分割后的试样进行断面电镜扫描,测量统计细观编织结构参数,建立考虑缺陷位置和形状的代表性体积单元模型。采用细 观有限元方法,应用该模型计算得到SiCf /SiC陶瓷基复合材料的宏观弹性常数。结果表明：面内拉伸模量预测值比试验值低 4.4%,剪切模量预测值比试验值高7.8%。结合陶瓷基复合材料涡轮导叶的加工工艺,建立了材料分布映射模型,对导叶典型特征 结构件在给定热载荷下的宏观响应进行预测。结果表明：涡轮导叶典型结构加热段尾缘第1主应变预测值比试验值低5.5%。     

空客A320系列飞机主起落架安全活门(49GA)预防性维修方案制定与专用设备研发

本文针对空客A320系列飞机主起落架系统常发故障之一进行了可靠性分析,对其中重要部件制定了预防性维修方案,并介绍了自主研发的专用测试设备。     

主燃级喷嘴和燃油分级后雾化特性实验研究(“两机”专刊)

为优化高温升主燃烧室燃烧性能,对三级旋流主燃烧室开展雾化特性试验研究。预燃级喷嘴采用离心喷嘴压力雾化和气动雾化相结合,主燃级采用预膜式气动雾化。试验采用相位多普勒粒子分析仪对主预燃级喷嘴和燃油分级后的雾化特性进行研究,对比分析了不同头部压降和燃油流量在不同轴向截面和径向位置的液滴粒径分布,并利用高速摄像对不同工况下的喷雾形态进行了记录。试验结果表明：主燃级油雾粒径为50~80μm,气液比达到3.5即可达到良好的雾化水平。随着轴向距离延长,喷雾粒径变大,喷雾浓度变得均匀。燃油分级比增加可降低整体粒径约10μm,且主要影响中心区域,对雾锥外侧粒径影响不大。     

中心分级燃烧室主燃级设计参数的试验研究

为研究中心分级燃烧室的主燃级设计,本文设计了多个主燃级方案,并在单头部燃烧室试验件上开展试验研究。试验结果表明：燃油飞行时间对燃烧效率影响最大,喷点个数和旋流数对燃烧效率也有一定的影响,级间距对燃烧效率的影响主要体现在小状态;级间距、喷点个数对NOx排放影响最大。在本次研究的试验方案中级间距变化对燃烧稳定性的表现有明显的影响。     

某涡扇发动机主燃油通道模糊控制器设计

针对某型涡扇发动机的性能控制,设计了一种可进行多输入选择的开关式双模非对称、非线性段量化因子可自寻优的Fuzzy控制器.其可以在最大和加力状态对发动机状态进行控制,克服了一般模糊控制器因发动机转速动态响应变化快而不能进行实时调整和控制的缺点.该控制器输出与某涡扇发动机电子综合调节器的输出结果的实验比较表明:双模Fuzzy控制器设计简单,有较好的静态、动态特性,与实际输出比较误差较小,且具有很好的非线性校正作用,可作为实际发动机主燃油通道的数字控制器.     

中国海军早期驱逐舰全史——057型导弹驱逐舰（下）

设计特点与武器装备 051型驱逐舰以苏联“科特林”级驱逐舰为基础，其尺寸比“科特林”级稍大，舰体为高干舷通长平甲板型，V型艄，舰舷的弧线从距艄部起约1／3甲板处开始上升至舰艏。主船体用903高强度低合金钢材建造，划分成15个水密隔舱，可确保任何相邻3舱进水不沉，当使用减摇鳍时，能在8-9级海情下正常航行，6级海情可使用反舰导弹，5级海情可使用火炮和反潜武器。     

新型主减隔振装置隔振性能测试试验研究

为解决新研全尺寸主减隔振装置地面性能试验中由于试验件尺寸大、重量重和试验状态多等难点,同时缩短试验周期并降低试验成本,提出了一种通过实测动载荷传递率评估主减隔振装置隔振性能的地面性能试验方法,给出了试验方案、试验夹具安装、试验内容以及过程。通过理论分析和试验结果,验证了实测动载荷传递率试验方案的可行性,测试结果真实可靠,为后续类似的系统级全尺寸隔振性能试验提供了一种新的试验方法。试验结果表明:新型主减隔振装置对垂向、航向和侧向三向激励的隔振效率均超过了80%,达到了预期的减振效果。     

基于小波变换和支持向量机的开关电流电路故障诊断新方法

针对开关电流(Switched current,SI)电路的故障诊断和定位问题,为进一步提高故障诊断准 确率,提出了基于小波变换和粒子群优化(Particle swarm optimization,PSO)支持向量机 (Support vector machine,SVM)的开关电流电路故障诊断新方法。该方法首先对节点电流 信号进行蒙特卡罗分析,然后通过小波分解计算分形维数,再利用核主元分析（Kernel pri ncipal component analysis,KPCA）降低特征值维数,实现最优故障特征的提取。最后通 过PSO SVM完成对各种故障模式的分类。对六阶切比雪夫低通滤波器进行了仿真实验验证, 获取了较高的故障诊断准确率,与其他方法进行比较,实验结果显示了本文方法的优越性。     

基于G2DPCA的SAR目标特征提取与识别

给出了基于广义二维主分量分析（G2DPCA)的合成孔径雷达（SAR）图像目标特征提取 方法。与主分量分析（PCA）相比,在寻求最优投影方向时,它直接基于二维图像矩阵而不 是一维向量,在特征提取前不必将2维图像矩阵转换成1维向量。与二维主分量分析（2DPCA ）相比,它可以同时去除图像行和列像素间的相关性。基于美国运动和静止目标获取与识别 （MSTAR）计划录取的数据的实验结果表明,结合预处理,G2DPCA在大大降低了特征 维数的同时,又改善了识别性能,并且正确识别率在97％以上,且对目标方位变化具有较 好的鲁棒性。