某涡轴发动机涡轮叶片尾缘孔的蠕变-疲劳寿命预测方法

针对某涡轴发动机的涡轮叶片,建立了考虑应力松弛的蠕变-疲劳寿命分析方法。通过在黏塑性理论框架内耦合蠕变损伤,对某高温合金的非线性蠕变变形进行了数值模拟。结果表明:基于对某涡轮叶片的弹塑性-蠕变分析研究,明确了叶片上前缘和尾缘等关键部位的蠕变损伤及其演化规律,也为确定叶片上的局部危险点提供了一种方法。该模型针对弹塑性应力应变曲线计算误差小于5%,而针对蠕变曲线的模拟精度则处于材料蠕变变形固有属性分散范围内。借助于线性损伤累积寿命理论,分析得到了某涡轮叶片尾缘孔局部考虑了应力松弛的蠕变-疲劳寿命,从而为叶片寿命评价提供了更为合理、工程化应用更好的方法。      

基于气路参数融合的涡扇发动机性能退化预测

针对单参数驱动的涡扇发动机性能退化预测精度不高的问题,提出了一种基于气路参数融合的涡扇发动机性能退化预测的方法。通过监测发动机性能退化过程中多源参数,采用专家经验和核主成分分析相结合的方法,进行发动机性能参数的选择和融合,从而构建健康参数。基于非线性Wiener过程构建涡扇发动机退化模型,采用极大似然方法求得发动机退化模型的离线参数估计值;由于不同发动机性能退化的差异性,基于贝叶斯更新理念对随机参数进行实时更新,可以实现对单台发动机的性能退化实时预测。通过实例验证,采用此方法在预测末端方均根误差为0.028 3,整体预测精度提升了54.5%,可以辅助指导维修决策。      

折叠V形钝体火焰稳定器原型的稳燃机制研究

为了掌握折叠V形钝体这一新型火焰稳定器的稳燃机制,采用风洞实验与混合雷诺平均/大涡模拟结合的方法对常压条件下10组不同折叠角的折叠V形钝体火焰稳定器原型进行了冷态实验与热态数值模拟研究。其中冷态实验风速10~50m/s,热态数值模拟工况为进气温度700K、来流速度50~150m/s,当量比0.3~1。通过PIV实验测得了折叠V形钝体回流区冷态流动特征,并结合数值模拟方法研究并讨论了折叠V形钝体绕流尾迹区旋涡特征;通过数值模拟研究了燃烧条件下、折叠V形钝体下游槽向驻涡结构发展变化规律。研究初步探明折叠V形钝体总压恢复系数、阻力系数、抗吹熄能力与燃烧效率优于标准钝体的原因,并发现折叠角角度较小的折叠V形钝体,尾迹中心区域无典型回流区,但仍能通过槽向驻涡结构形成驻涡稳燃速度型,该速度型有利于冷态绕流流速的恢复与热态燃气的加速。     

基于机器学习的单孔绝热气膜冷却效率分布预测研究

为了研究利用机器学习技术对绝热冷却效率进行直接预测的方法及特点,搭建了基于上采样卷积神经网络的机器学习模型,生成了用于训练以及验证的数值模拟数据集,使用了监督式学习的方法对模型进行了训练.训练使用反向传播算法和基于随机梯度下降的Adam优化算法,输入模型的参数包括吹风比、主流湍流强度、喷射角、孔形状、孔尺寸,模型输出为...     

基于滑动时窗策略自适应优化支持向量机的航空发动机性能参数在线预测

针对传统航空发动机性能参数时间序列预测方法存在的不足,提出了基于滑动时窗策略自适应优化支持向量机(Support Vector Machine,SVM)在线预测模型。该方法解决了训练样本动态适应性差的特点和老旧数据信息影响预测模型精度的问题。在该方法中,滑动时窗策略实时更新时窗数据训练样本,最终误差预报准则(Final Prediction Error,FPE)自适应地确定嵌入维数,遗传算法(Genetic Algorithm,GA)则实时自适应优化SVM建模参数。应用航空发动机排气温度偏差值(Delta Exhaust Gas Temperature,DEGT)数据进行实例验证,结果表明基于滑动时窗策略的自适应GA优化的SVM (GASVM)在线预测模型比传统的GASVM预测模型预测精度有显著提高。进一步分析了预测模型不同时窗宽度对短期预测精度的影响,展示了1步～10步预测的效果,结果表明在线预测模型在不同时窗宽度下短中期(5步以内)预测效果良好且稳定。文中提出的在线预测模型可用于航空发动机性能参数的预测,实现对航空发动机未来性能变化的预警。     

基于混沌理论的滚动轴承振动信号融合模型预测

提出融合算法模型,在混沌理论的基础上对滚动轴承振动信号进行预测。基于相图法、最大Lyapunov指数法和关联维数法对滚动轴承振动信号进行混沌判别,证明其混沌性。以预测值和真值间差值范数最小为目标导向优化出Kriging模型、最小二乘支持向量机(LSSVM)模型和极端学习机(ELM)模型的权重,加权法构建融合算法模型。相空间重构法构建滚动轴承振动信号预测的训练样本,并对融合模型、Kriging模型、LSSVM模型和ELM模型进行训练,训练好的模型用于振动轴承振动信号混沌预测。以案例1和案例2共两个实验的滚动轴承振动信号为对象进行验证,两案例的最大Lyapunov指数大于0,从而判断这两个案例的轴承振动信号呈现混沌特性。另外,从方均误差、方均根误差和平均绝对误差指标来评价,融合算法模型的指标值均小于单一模型算法,融合算法模型的预测精度优于单一模型算法。     

基于疲劳-蠕变载荷等效转换的涡轮盘载荷谱编制及寿命预测

针对雨流计数法在峰谷值提取时进行等值压缩,忽略保载时间的问题进行了改进,提出了一种基于损伤曲线的疲劳-蠕变载荷等效转换方法。利用非线性疲劳损伤累积函数和损伤等效原则,建立了不同应力水平、不同保载时间下疲劳-蠕变载荷与疲劳载荷之间的等效换算模型。利用涡轮盘材料试验数据,计算了不同循环加载条件下的等效换算比,得到了其随保载时间的变化规律。利用改进的雨流计数法,编制了航空发动机高压涡轮盘载荷谱,并将其与寿命-时间分数预测法相结合,得到了涡轮盘剩余寿命。结果表明,改进的雨流计数法综合考虑了疲劳-蠕变耦合损伤对涡轮盘寿命造成的影响,相比于传统雨流计数法,寿命预测误差降低了15.02%,验证了该方法的有效性。     

基于导波原位检测的复合材料疲劳表征与寿命预测研究

随着复合材料在先进飞行器结构中占比的逐渐增加,复合材料在服役过程中力学性能的变化对飞行器整体的安全至关重要。为了实现基于导波原位检测的飞行器复合材料整体部件疲劳评估和寿命预测,首先,从宏观和细观的角度研究复合材料疲劳损伤演化规律;在此基础上,通过分析导波波场信息,探究导波相速度、模态能量比等特征在表征复合材料疲劳方面的潜力;其次,从复合材料损伤机理出发,建立导波相速度与疲劳损伤累积的演化模型;然后,构建深度学习框架,以数据驱动的方式从导波波场中提取疲劳演化特征;最后,提 出基于贝叶斯模型平均方法的疲劳演化模型,对复合材料剩余疲劳寿命进行预测。结果表明：通过提取和分析导波特征信息,可以准确地对复合材料疲劳状态进行表征,结合贝叶斯模型平均方法和置信区间准则,实现了在试件疲劳破坏之前的剩余寿命预测。     

2.5维机织复合材料细观几何模型及刚度预测方法研究进展

本文从2.5维机织复合材料细观几何结构出发,讨论了织造及成型工艺对材料实际细观几何结构的影响,并分析了不同纱线截面及路径假设所建立代表性体积胞的优缺点。对考虑工艺因素的代表性体积胞是否具有统一性和体素单元法建模的合理性做出对比分析。在代表性体积胞的基础上,重点讨论了2.5维机织复合材料刚度的数值预测方法,并将其与刚度的理论预测方法作了简单对比。基于刚度的数值预测方法,分析了各种机织参数对刚度系数的影响,并且对比了不同代表性体积胞模型的应力场。此外,还讨论了2.5维机织复合材料叶片的建模分析技术与刚度设计方法。最后,指出了当前2.5维机织复合材料细观建模及刚度预测方法存在的问题与不足,并且对其力学性能研究的发展趋势进行了展望。     

基于深度学习的突防控制博弈对象匹配方法CSCD

针对基于博弈理论设计应对多枚拦截弹的协同突防控制方案时需要确定博弈对象的问题,提出了一种基于长短时记忆(LSTM)网络的拦截弹攻击对象匹配方法。基于传统防空导弹飞行时序与流程构建拦截弹飞行轨迹库,以轨迹库为训练样本对LSTM网络进行训练,并以此为基础构建航迹预测模型与对象匹配模型,实现对拦截弹攻击对象的识别。仿真结果表明,该方法能够有效识别拦截弹拦截目标,为后续的巡航弹突防研究提供支撑。