基于ANSYS的航空轮毂辐板断裂原因分析

针对某型航空轮毂在径向-侧向联合载荷试验中的辐板断裂事故,建立了轮毂的力学模型,利用ANSYS软件进行有限元分析,获得了等效应力图,并进行了试验研究。结果表明,最大应力出现在辐板与毂部的过渡圆弧处;原型轮毂的最大等效应力大大超过了材料的许用应力是导致辐板失效的根本原因;优化轮毂的最大应力小于材料的许用应力,试验通过;有限元分析结果与试验结论吻合。     

乘波体飞行器气动布局优化设计

由于具有高升阻比,乘波体是高超声速巡航飞行器气动布局的首选方案。文章在求解圆锥激波流场精确解的基础上,应用流线追踪方法,建立了乘波体飞行器气动布局的参数化模型。在此基础上,对飞行器的气动力特性进行了估算。最后,以气动布局参数为设计变量,升阻比最大化为设计目标,对乘波体飞行器进行气动布局优化设计,应用改进的粒子群优化算法(Particle Swarm Optimization,PSO),对优化模型进行求解,得到了优化的气动布局设计方案。     

基于神经网络与果蝇优化算法的涡轮叶片低循环疲劳寿命健壮性设计

在对涡轮叶片低循环疲劳寿命概率分析的基础上,将广义回归型神经网络(generalized regression neural network,GRNN)与果蝇优化算法(fruit fly optimization algorithm,FFOA)结合,利用果蝇优化算法的多点全局的快速搜索能力来优化影响疲劳寿命的随机变量,进行涡轮叶片低循环疲劳寿命健壮性优化设计.优化结果表明:疲劳寿命的概率区间减小17.9%,对随机变量的敏感度降低,从而可以更精确地对疲劳寿命进行估计.计算结果验证了该方法在工程应用中的可行性.      

高速风洞带动力模拟试验TPS短舱唇口设计

利用计算流体动力学(CFD)技术分析了进气道质量流量差异对外表面压力系数分布的影响,并通过对发动机进气道唇口的反设计优化,使涡轮动力模拟器(TPS)试验时的外表面压力分布与真实质量流量下的压力分布基本一致.通过对发动机唇口修正,可提高2.4m跨声速风洞高速带动力模拟风洞试验的准度.      

压气机树脂叶片注塑成型翘曲变形控制参数设计

针对航空发动机压气机低速试验台所用树脂叶片注塑成型翘曲变形问题,提出了基于正交试验的注塑参数优化方法,通过建立注塑翘曲的数学模型,数值注塑模拟仿真、正交试验优化注塑参数及仿真试验验证,可有效减小压气机用树脂试验叶片的翘曲变形量,达到控形的目的.     

基于PSO-SVM的民航发动机送修等级决策研究

为降低航空公司维修成本,增强送修等级决策科学性,保障飞行安全,提出基于PSO-SVM的民航发动机送修等级决策算法.首先利用改进的粒子群优化(Particle Swarm Optimization,PSO)算法对支持向量机(Support Vector Machine,SVM)参数进行寻优,并提出将交叉验证(Cross Validation,CV)的平均分类精度作为PSO的适应度值.对某型发动机送修等级的真实数据进行了决策对比研究,研究数据表明:与传统的Grid和GA算法相比,PSO的参数寻优效果要更优;在小样本分类时,PSO-SVM的分类精度要远高于常用的神经网络分类模型径向基函数(Radial Basis Function,RBF)模型和学习向量量化(Learning Vector Quantization)模型.     

涡轮盘双轴对称异形孔结构建模与优化

针对发动机轮盘孔结构的应力集中问题,以某高压涡轮盘安装边螺栓孔为研究对象,建立了涡轮盘非圆异形孔数学模型.该异形孔由双轴对称的8段圆弧光滑连接而成,并满足螺栓装配的要求.使用该异形孔模型取代了原螺栓孔.以有限元分析为基础对异形孔进行了优化,得到该轮盘安装边多圆弧异形螺栓孔的最佳形状.结果表明:优化后的多圆弧异形螺栓孔边第1主应力最大值降低了14.8%,孔边应力集中程度显著下降.设计参数灵敏度分析结果表明,与主圆弧相连的过渡圆弧的尺寸对孔边应力的影响较为显著,在设计中应予以重视.      

某型飞机玻璃钢翼尖的设计制造研究

从选材、铺层、结构优化、强度校核和工艺过程等方面论述了某型飞机玻璃钢翼的优化减重设计制造。详细叙述了制造过程中的精度、粗糙度的控制。优化结果显示,该翼尖各项指标符合要求,减重效果明显。     

复合材料热压罐成型模具设计研究

模具设计不仅需要考虑工程、工艺输入,还需要考虑制造加工能力、运输、使用及相关设备能力等因素,使设计出的模具不仅能制造出合格的复材制件,还能达到降低成本、方便使用的更高目标。目前,减重、变形控制、人性化设计等是模具优化的发展方向,利用不断升级的设计工具,结合实践经验的积累,复合材料成型模具将会得到更好的优化,从而促进复合材料在航空领域的发展。     

Al-Cu-Mg-Ag合金强度性能的支持向量回归预测

为了研究不同时效工艺下Al-Cu-Mg-Ag合金强度性能,根据实测数据集,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,建立了SVR预测模型.模型以Al-Cu-Mg-Ag合金时效温度与时效时间为输入,合金的抗拉强度、屈服强度为输出.经过与BP神经网络模型进行比较,结果表明:对于相同的训练样本和检验样本,支持向量回归模型比BP神经网络模型具有更高的预测精度.