扇翼飞行器机翼布局研究

研究主要分为三部分:首先,建立扇翼飞行器机翼的数学模型.说明扇翼飞行器的增升原理;其次,使用CFD软件对扇翼飞行器的机翼进行数值模拟,得出可行的机翼模型设计方案;最后,设计风洞试验模型并进行风洞测力和粒子图像测速试验验证,结合理论计算和风洞试验结果,给出一套适合本模型的机翼布局方案.研究结果表明,适合本模型的参数如下:机翼风扇叶片偏角取值范围为5～10°,叶片宽度取20mm,风扇转速2000r/min左右,平飞速度5～10m/s,平飞时机翼迎角4°.     

基于SPSO-SVR的融合航空发动机传感器故障诊断

针对航空发动机常见的传感器故障问题, 提出了一种利用改进的粒子群算法训练支持向量回归机, 并利用融合机制将其应用于传感器故障诊断.论述了用一簇支持向量回归机(SVR)预测器对传感器进行实时检测, 通过逻辑判断机制隔离故障传感器, 并且依据剩余的无故障传感器信息实现信号重构.以某型航空发动机传感器在其整个工作范围内受到的冲击、偏置和漂移故障为例, 验证了基于自协调粒子群优化支持向量回归机(SPSO-SVR)算法的融合诊断机制对传感器单一故障和多重故障具有较高的精度和计算效率.      

驻涡燃烧室凹腔供油位置对流场影响的PIV实验

采用PIV(particle image velocimetry)技术,对凹腔供油位置不同时凹腔内的冷态流场进行对比研究.通过分析不同来流速度对腔内涡的形成及其稳定性的影响,从而研究不同供油位置对涡稳定的影响.实验表明,供油位置在凹腔前体,油气掺混孔处的射流对涡有破坏,供油位置在凹腔后体,油气掺混孔处射流对涡没有破坏作用,在不考虑供油方式等因素的情况下,凹腔后体供油优于凹腔前体供油.研究结论可为该驻涡燃烧室进一步的热态燃烧性能实验研究提供依据.      

用PIV技术测量径向进气旋转盘腔内的流动

将PIV(particle image velocimetry,粒子图像测速仪)技术应用于多功能旋转换热实验台,测量了不同工作状态下径向进气旋转盘腔间的速度场.介绍了实验装置、实验方法和误差分析方法;给出了旋转盘腔间速度场的瞬时值和平均值,测量结果表明了PIV技术能够测量复杂旋转盘腔间的流场,并定量分析影响因素(旋转雷诺数和流量系数)对速度场的影响;同时,分析得出激光反光的控制和示踪粒子的均匀稳定散播是实验成功的关键因素.      

基于灵活磨削空间的面向复杂型面工件的机器人砂带磨削系统的结构尺寸优化研究(英文)

为了提高机器人砂带磨削系统加工复杂型面工件的磨削质量,提出了灵活磨削点和灵活磨削空间的概念,并且对其进行了定义。分析了影响灵活磨削空间的各种因素,提出了确定灵活磨削空间的方法。基于粒子群法,提出了一种通过优化磨削机器人的结构尺寸以及机器人相对于磨削轮的位置关系以获得足够灵活磨削空间的策略。最后,以磨削航空发动机叶片为例,利用本文提出的优化策略对一台专用的PPPRRR型磨削机器人的结构尺寸以及此机器人相对于磨削轮的位置关系进行了优化。仿真结果表明,如果叶片被置于此灵活磨削空间内,那么仅需使用一套夹具和一台磨削机即可实现复杂型面的磨削。     

互击式气-气喷注器混合场影响因素流动显示

虽然针对互击式气-液喷注器开展了大量研究,但对互击式气-气喷注器的了解甚少。为了深入理解互击式气-气喷注器气气混合过程的特点,利用粒子图像测速(PIV)系统对其开展了流动显示实验研究。实验结果表明:对于O-F-O互击式气-气喷注器,气流撞击角度和氧/氢动量比直接影响着气流撞击作用的大小,控制着气流混合过程;对于喷孔间距保持一定时,撞击角越大,气流间的相互作用越强,气流混和效果越好;氧/氢动量比越大,气流间撞击力越强,混合距离越短,对中心气流的挤压作用越厉害,其流场分布三维特征越明显;可以通过组合高的氧压降、低的氢压降和大撞击角来设计混合效果较好的互击式气-气喷注器。     

自适应PSO网络整定的航空发动机全程滑模控制

针对现代航空发动机是一个具有不确定性的强非线性系统,提出了一种基于自适应PSO网络整定的航空发动机全程滑模控制方法。设计了一类全程滑模面非线性函数,函数中含有变参数指数函数,其参数由一种新的自适应粒子群学习算法(PSO)结合RBF神经网络来整定。全程滑模控制保证了控制系统的全程鲁棒性,同时,由稳态误差收敛速度和滑模抖振幅度建立参数优化指标,用自适应PSO神经网络快速搜索当前的全局最优点。仿真结果表明,所设计的控制器取得了良好的效果,削弱了抖振。     

基于混合粒子群算法的航空发动机数学模型解法

以双转子混合排气涡扇发动机为研究对象,研究了粒子群算法(PSO)应用于航空发动机性能仿真时,控制参数对模型收敛性的影响,并结合N+1点残量法的优点,提出了在模型不收敛点采用粒子群算法与N+1点残量法交替计算的混合算法。理论分析与数值仿真结果表明,该算法既保持了N+1点残量法的高效率、高精度计算,又继承了粒子群算法大范围收敛的优点,可实现模型大范围、高效率、高精度收敛。     

基于云自适应粒子群算法的高压转子复杂接触有限元模型参数修正

为建立更加准确的航空发动机高压转子的有限元模型,提出一种修正有限元模型描述航空发动机复杂接触的方法.将修正问题转化为求解定义在时域的误差函数的极小值,运用云自适应方法动态调整粒子群算法的惯性权重,使得算法在接近较优解时,惯性因子分布在云低端,有利于收敛得到更优解;当问题解较差时,其惯性因子分布在云顶端,有利于跳出局部极小点,扩大搜索范围.以仿真算例和实际航空发动机高压转子模型为例,通过与相关算法的修正结果比较,证明该算法是可行且有效的.      

熵判别粒子群优化算法在发动机模型修正中的应用

因生产、安装工艺差别导致单台发动机部件特性的差异,使得模型计算结果与单台发动机的性能差异较大,提出了一种基于熵判别粒子群优化算法.通过判别粒子群的熵值,调整种群的多样性,对适应度差的粒子进行迁移,克服了易陷入局部极小点的缺陷.从仿真结果可知:基于熵判别粒子群优化算法的修正效果显然优于影响系数矩阵的修正方法.经验证,模型修正后的低压涡轮出口温度等8个目标性能参数的误差在1%以内,达到较好的修正效果,使单台发动机模型能够与真实发动机进行匹配.