铝合金薄壁铸件压力结晶及性能的研究

 提高铝合金铸件致密性的一种有效工艺是压力下结晶,即铸件在结晶凝固期间,使之处于大于大气压力的环境中,迫使液体金属在枝晶间流动来补充显微缩孔和缩松。一般认为这项工艺只适用于较厚大的铸件,对薄壁铸件因凝固过快而无效。航天、航空工程中许多铝合金铸件的断面为薄壁或超薄铸,对铸件内部组织的致密性有一定要求。     

某机燃烧室加工工艺改进

针对某机燃烧室返厂大修报废率高的情况，进行设计工艺改型，选择合理的加工工艺，保证了燃料室的性能达到设计要求，并为回流式燃烧室提供了新的设计思路。     

超高强度钢壳体缺陷引起的破坏问题

本文通过一些工程实例,总结和分析了超高强度钢壳体发生缺陷破坏的原因和现象。在此基础上,就如何减少壳体的缺陷破坏问题,着重对导致壳体发生裂纹型缺陷破坏的控制及壳体的容伤设计进行了探讨,并给出了经实践证明较为成功的经验和方法。     

滚压焊缝对高温合金氩弧焊接头性能的影响

介绍了滚压焊缝对航空发动机薄壁机匣典型高温合金GH3030、GH3536和GH4169钨极氩弧焊接头性能的影响,试验结果表明,焊缝滚压后接头的室温、高温拉伸性能以及接头组织形貌均有不同程度的改变.     

中介机匣附面层数值计算与试验分析

对位于低压风扇出口和高压压气机进口间的中介机匣壁面附面层的分布作了数值计算和试验研究。采用反积分和差分方法分别求解有分离的紊流附面层和层流附面层方程，对层流分离到紊流再附着，层流到紊流的转捩及紊流分离进行了判别，并测量了不同进口马赫数条件下的中介机匣壁面的静压和附面层厚度的分布，对比情况说明，计算结果和试验数据基本吻合。     

薄壁零件数控加工工艺质量改进方法

 提出了通过数控加工前期的预防性仿真 (包括几何仿真与物理仿真 )分析与减小工件变形的数控工艺设计过程范式,将工件视为弹性体,模拟实际加工中的工艺约束,建立工艺模型,通过有限元分析检查变形引起的微观误差。并根据工艺成本代价,依次采取进给量局部调整、刀具路径修正、改进装夹方案、改进毛坯结构工艺性 4种策略,减小或消除加工变形误差,达到逐步改进工艺质量的目标。以某薄壁口框验证了通过预防性仿真改进工艺质量的有效性。     

低速离心压气机非稳态流和机匣处理的数值分析

机匣处理能够改善压气机稳定裕度,扩大其稳定工作范围。为了验证并分析其扩稳机理,对带沿气流流向槽的低速离心压气机内部进行了全三维数值模拟,将数值计算结果与实验结果进行了比较,并详细对比分析了实壁机匣和机匣处理后离心压气机转子顶部区域流场结构,以及阐述了机匣处理对叶顶间隙泄漏涡和二次流等非稳态三维紊流流动的影响。     

高超声速低密度风洞红外热图技术初步研究

为了对红外测热与热电偶测热进行比较研究,在马赫数M∞=12,驻点温度T0=650K,驻点压力P0=1630kPa的高超声速稀薄气流中,对一平板斜坡薄壁模型进行了试验,试验结果表明这二者所获得的模型表面热流率符合得较好。与此同时,对模型表面发射率的测量、模型物面坐标与热图象素坐标的对应关系也进行了初步探讨,重点提出了在大极角情况下对发射率进行修正的方法,即根据模型表面不同位置的法线,调整红外热像仪镜头轴线,使被测量区域的极角尽可能小,以保证发射率在此范围内为常数。     

复合材料薄壁加筋结构优化设计与增材制造综述

复合材料薄壁加筋结构因具有轻质量、高强度、耐腐蚀、抗疲劳等优点,逐渐被用于航空航天、舰船邮轮、特种工程等高端装备制造。主要从薄壁加筋先进结构设计方法、复合材料增材制造工艺及复合材料薄壁加筋结构在航空航天领域的应用3个方面对当前研究进展和应用情况进行综述。针对加筋结构优化设计,概述了参数化方法、形状优化方法、拓扑优化方法及其他新型设计方法的基本原理;围绕复合材料增材制造技术,讨论了具体制造工艺的发展现状,以及其纤维铺放/打印路径规划方法;并梳理了航空航天高端装备领域中典型的复合材料薄壁加筋结构应用;最后总结了复合材料薄壁加筋结构–工艺协同设计的发展趋势及面临的关键挑战。     

基于深度神经网络的机器人加工系统模态特性预测

串联式工业机器人具有工作空间大且灵活性强的特点,被广泛应用于飞机蒙皮、航空透明件等大型结构件的加工。然而,工业机器人存在刚度弱、动态特性空间分布差异大的问题,导致其铣削稳定性极限低,不同加工区域的铣削性能变化明显,可供选择的工艺参数窗口狭窄的问题。研究机器人铣削系统加工过程中的动态特性,建立位姿相关模态预测模型对提升机器人加工性能有重要意义。本文以ABB机器人加工系统为研究对象,提出了一种基于深度神经网络的模态预测方法。首先,采用多普勒测振仪对机器人加工系统进行了模态试验,对多阶模态的空间变化加以分析。随后,根据机器人实际工作空间,设计测试试验组从而获取位姿相关的频响函数集,并利用有理多项式法准确辨识相关模态参数。在此基础上,采用超参数优化法建立深度神经网络预测模型,最终实现工业机器人工作空间内位姿相关的多阶模态参数准确预测。试验结果表明,该方法预测精度可达80%以上。