某发动机风扇进气畸变数值模拟

采用周向平均体积力的方法将叶片对气流的作用简化为体积力源项研究进气畸变对某航空发动机风扇的影响.分别对该风扇在均匀进气条件下和进口存在稳态总压畸变条件下的流场进行了模拟计算,得到了和雷诺平均Navier-Stockes(RANS)计算几乎完全一致的特性线以及流场主要结构特征,在进行进气畸变条件下流场模拟计算时成功地捕捉到了进口畸变扰动在流场中的传播情况,并能够正确反映进气畸变对压气机的影响.结果表明:压气机进气畸变流场有着大尺度、强耦合、信息传播三维性明显等特征,采用周向平均体积力研究方法可以利用非常少的计算资源加深对进气畸变流动的认识.      

等强度三维空心叶片的内部拓扑结构

以ANSYS软件为平台,基于双向渐进结构优化法对所提出的等强度风扇叶片的内部结构形式进行探索性研究,在对叶片内部结构进行拓扑优化的过程中提出了中面应力基准法,简化了优化模型,同时有针对性的解决了双向渐进结构优化法在应用中的一些技术问题,实现了等强度风扇叶片内部结构的优化,获得了内部结构的拓扑形式.所得结果可为发动机轻量化设计提供参考.      

叶身/端壁融合技术研究

角区流动的现象普遍存在,其中角区流动分离是制约叶轮机性能提升的关键因素。针对抑制或消除角区分离情况,在简要回顾二面角原理的基础上,提出叶身/端壁融合技术(Blended Blade-EndWall,BBEW),指出了其所包含的二面角原理的3种应用方式,并以NASA 67号转子叶片为例,采用数值方法研究了应用第2种方式(即增大过渡曲面最小曲率半径方式)的改型效果。结果表明:采用二面角原理第2种应用方式的BBEW能够有效地减弱或消除高负荷叶片吸力面角区分离,进而明显改善了67号转子叶片性能,因此BBEW是抑制或消除角区分离的有效技术。     

LS-SVM稳健设计及正则化性能分析

LS-SVM(最小二乘支持向量机)把传统的支持向量机求解由二次规划变为求解线性方程组问题,使得在计算效率和算法设计的简单性上都有很大提高。然而,LS-SVM由于其误差函数是二次函数,对训练样本中的野值比较敏感,采用传统的LS-SVM方法,容易歪曲系统,并可能直接导致函数逼近失败。针对这一情况,基于最优化理论及稳健估计思想,提出了RLS-SVM(稳健LS-SVM)的设计方法。数值计算表明,在有野值的情况下,RLS-SVM对函数逼近具有良好的稳健性。另外,分析了正则化因子与核函数的选择对逼近性能的影响,并给出了在不同情况下的一些使用规则。     

基于改进HMM和LS-SVM的机载设备故障预测研究

针对传统故障预测方法不能直接预测设备状态的不足,提出了将改进隐马尔科夫模型（HMM）和最小二乘支持向量机（LS—SVM）相结合的机载设备故障预测方法。首先,采用多智能体遗传算法对HMM参数进行训练优化,克服了B-W算法易陷入局部最优解的缺陷;其次,分别研究设计了设备是否具有使用阶段状态退化过程数据2种情况下的故障预测算法流程;最后,以飞机发动机温控放大器为应用对象进行仿真计算。结果表明,该算法不仅预测精度高,而且预测结果直接与设备状态相关,易于理解分析。     

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。     

支持向量机的B737飞机水平尾翼裂纹故障预测

为保障飞机的飞行安全,做到预防性维修,提升飞机的飞行安全及任务出勤率,需要对飞机结构出现的疲劳裂纹进行及时检测并修理。基于支持向量机理论,建立了支持向量机回归预测模型,并应用该模型对B737飞机水平尾翼健康信息的特征值(小波包分解系数提取的能量)进行了故障预测研究。为建立最佳支持向量机模型,选用了支持向量机四种常用的核函数分别对特征值进行了预测。同时还对支持向量机预测模型与神经网络预测模型(BP神经网络预测模型)的预测结果进行了比较与分析,研究表明,应用支持向量机所设计的预测模型准确率比较高,可以较好地对飞机水平尾翼的裂纹故障进行预测。     

基于开放式知识表示的智能化产品设计

基于知识的智能化产品设计是CAD技术的发展方向之一,但现有知识表示方式缺乏对产品设计人员的开放性,不利于设计人员理解和维护设计系统中的知识。针对这一不足,研究机械产品设计领域常见的公式、表格、二维映射图、过程、规则等类型知识的开放式表示方法,给出了其BNF(Backus Naur Form)范式描述,并研究了各类知识的推理方法。所研究的开放式知识表示及相应推理方法具有以下优点:1)知识不再固化于设计系统;2)知识便于设计人员自行录入和维护。最后以基于知识的航空发动机涡轮叶片气膜孔设计为例,验证了该方法应用于工程实践的可行性。     

运输类飞机RVSM适航审定中的机体差异分析及处理

对运输类飞机的RVSM适航审定要求进行说明,并就机体差异导致的高度测量误差进行了分析。提出了评估机体差异导致的剩余静压源误差的一种思路和方法,以及RVSM适航审定中预算分析应考虑的各误差分量。最后指出了为满足飞机持续适航要求而应进行的工作。     

高负荷风扇转子叶片反问题设计

为改进高负荷风扇转子性能,采用了一种工程适用的叶片反问题设计方法。该方法使用粘性CFD与数值优化相结合,适合具有高进口马赫数、高逆压梯度流动特征的高效叶型设计,并应用二维叶型反问题加三维积叠的叶片设计思路,充分继承了已有的基元叶型积叠准则,极大地缩短了计算时间。利用发展的反问题设计平台,完成了叶片的反问题设计。三维数值模拟结果表明:反问题设计的转子叶片能较好地控制转子尖部激波结构,减小激波损失,提高效率,增大稳定裕度。