高速涡轮发动机技术发展浅析

根据高速飞行器的发展趋势,介绍了高速涡轮发动机概念及应用背景。通过分析国外典型高速涡轮发动机产品及研制计划,归纳出高速涡轮发动机的基本特征:以现有涡轮发动机为基础,采用组合循环、进气预冷等扩包线技术,具有耐高温能力。鉴于此,提出高速涡轮发动机的发展,需突破进气预冷、先进加力/冲压燃烧室设计、冷却与热防护、先进进排气系统设计等关键技术。同时,对高速涡轮发动机的技术发展也提出了初步设想。     

TBCC进气道涡轮通道扩张段设计及涡轮模态特性

采用拓展中心线、不同的流通截面面积变化规律和倒圆半径变化规律对内并联型TBCC（turbine based combined cycle engine）进气道涡轮通道扩张段进行了设计.通过数值模拟的手段,对涡轮通道扩张段设计参数的影响规律和涡轮模态下涡轮通道扩张段的气动特性进行了研究,并利用高速风洞试验结果对数值模拟方法进行了验证.研究结果表明:中心线控制点纵坐标在1.50~2.25、涡轮通道扩张段出口等直段长度与出口直径比值在0.3~0.7的范围内取值时,涡轮通道扩张段可获得较高的出口总压恢复系数和较小的出口总压畸变指数;采用前急后缓的流通截面面积和倒圆半径变化规律能使涡轮通道扩张段获得较小的出口总压畸变指数;随着飞行马赫数的增加,进气道和涡轮通道扩张段的流量系数先不断减小,在飞行马赫数为0.9附近达到最小,之后又逐渐增加,涡轮通道扩张段出口总压恢复系数不断升高,在飞行马赫数为0.7附近达到最大,之后又逐渐降低;涡轮模态下,涡轮通道扩张段出口总压畸变指数均小于0.5,能很好地满足涡轮发动机对进口流场的要求.      

一种波瓣混合器超级燃烧室的掺混特性

为了使涡轮基组合循环发动机超级燃烧室的涡扇涵道和冲压涵道两股气流具有高效低阻的掺混特性,设计了一种结构简单的方形波瓣混合器.用数值模拟方法对该方形波瓣混合器与常规混合器进行了比较分析,结果表明方形波瓣混合器具有与菊花型波瓣混合器相似的流向涡高效低阻掺混特性.进行混合器结构参数变化对掺混特性的影响研究发现扩张角对方形波瓣混合器的热混合效率的影响起主要作用,而出口高度的影响不大;当方形波瓣混合器的波长比为1.0时,方形波瓣混合器具有高效低阻的掺混特性.     

基于SVM和SNN的航空发动机气路故障诊断

为了区分航空发动机气路故障诊断过程中出现的相似故障,提高诊断准确率,提出了一种支持向量机(SVM)和协同神经网络(SNN)相结合的故障诊断方法.首先利用参数优化后的SVM对测量数据进行初步故障诊断分类,对诊断结果进行分析统计,得出难以区分的相似故障类型,并根据SNN对这些相似故障进一步地区分判断,最后根据实际数据对此故障模型进行仿真.结果显示:基于SVM的初步故障诊断准确率达到96%;而经过SNN进一步地相似故障区分后,诊断准确率提升到100%.     

基于小波变换的容差电路故障诊断

针对目前模拟电路中电子元器件存在的容差与非线性导致电路故障难以检测的现状,设计了适用于诊断由器件超出容差所引起的模拟电路故障的小波分析诊断方法。通过设定故障进行蒙特卡罗容差实验,采用小波神经网络,对故障输出信号进行小波分析提取其小波高频系数参量,经PCA分析和归一化后形成训练特征向量,并经过BP神经网络训练后,故障信号通过小波神经网络后能够快速精准的对故障器件进行定位。通过大量样本进行仿真计算表明所设计的小波特征参量故障诊断法对于模拟电路具有很好的故障分辨率。     

柔性机翼承载能力的试验与预测

对柔性机翼进行了承载能力的试验及预测研究,首先对柔性机翼的翼型结构进行建模,并对充气机翼的结构进行了分析和优化;其次应用正交试法确定出影响柔性机翼承载能力的主要影响因素,以优化后的结果建立实物模型和主要影响因素为变量进行试验;最后以大量的试验数据为训练样本建立改进的神经网络模型,并进行承载能力预测.试验与预测结果对比研究表明:在初始阶段,柔性机翼在压强一定时,载荷与挠度近似呈线性关系;在同一气压值下,载荷增加到一定值时,载荷与挠度的关系曲线呈近似线性关系,而是斜率突然减小;神经网络测试值和试验实测值最大相对误差与标准方差只有12%和0.39%,人工神经网络解析方法可以用于对充气机翼抗弯刚度的分析.      

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.     

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。     

关于召开第四届冲压发动机技术交流会的征文通知

从1913年法国工程师RenéLorin提出冲压发动机概念到2013年,将是整整一百年。从亚燃冲压发动机到超燃冲压发动机,从液体燃料冲压发动机到固体火箭冲压发动机以及相关的组合发动机,冲压发动机已走过了百年征程。为纪念冲压发动机问世百年,推动我国冲压发动机技术的发展,增强技术合作与交流,拟于2013