下缘板孔对涡轮叶片尾缘内冷通道流动换热影响的数值研究

涡轮叶片下缘板出气孔对内冷通道的流动和换热性能有较大影响。通过数值模拟方法研究下缘板出 气孔对尾缘和下缘板双路出气涡轮叶片尾缘内冷通道内的流动和换热特性,对比分析孔径、孔形和孔位置对尾 缘溢流孔流量系数、尾缘出流比、尾缘通道内总压系数和尾缘内冷腔壁面换热特性的影响。结果表明:下缘板 出气孔孔径对流量系数分布的影响显著,孔径增大,尾缘溢流孔流量系数下降,尾缘出流比减小,尾缘内冷通道 内压力损失降低,内冷腔平均换热系数增大;孔形对上游内冷通道内流动和换热几乎没有影响;孔位置变化对 内冷通道壁面整体的换热系数影响很小,对局部影响较大。     

活门型孔“化方为圆”算法

通过对航空发动机控制系统活门型孔的流量系数稳定性控制的方法进行研究,提出了一套能够将方形活门型孔转化为有规律排列组合小圆孔的算法,并通过实例验证了算法的正确性,同时转化误差小于0.7%,基本实现了工程意义上的等流量系数。该算法将加工工艺性差且计量精度低的方形活门型孔转化为有规律排列组合小圆孔,消除了方形型孔流量系数变化的影响,改变了活门型孔加工方法,减少了对人和环境的危害,提高了活门型孔的计量精度,减小了活门的液动力,具有极大的工程应用价值。 该算法可以实现将方形、梯形（含三角形）及其组合型孔等任意型孔的转化,具有工程上的普遍适用性。     

基于特征的蒙皮镜像铣加工残区刀轨优化方法

镜像铣加工装备及其加工工艺是蒙皮零件加工的有效手段,其特殊工艺对加工刀轨提出了等步距、无交叉、无抬刀且无残留等特殊要求。针对蒙皮零件加工特征的复杂形状,在满足等步距、无抬刀、无交叉的条件下对加工残留区域进行刀轨优化是一个难题。为解决以上难题,本文提出了一种基于特征的蒙皮镜像铣加工残区刀轨优化方法。该方法基于特征将蒙皮零件的工艺信息与几何信息相关联,自动提取加工特征的加工面及其对应的刀轨,将刀轨分割成若干段子刀轨,并构建子加工区域,再利用布尔并运算得到最终可加工区域。然后对加工面区域与最终可加工区域求布尔差识别出加工残留区域,并根据加工残区位置自适应生成满足蒙皮镜像铣特殊要求的优化刀轨。以典型复杂蒙皮零件验证本文提出的方法,结果表明,基于特征的蒙皮镜像铣加工残区刀轨优化方法可自动识别加工残区,并生成满足蒙皮镜像铣特殊要求的加工残区优化刀轨,为提高蒙皮零件数控编程效率提供技术支撑。     

椭圆窝自动化加工技术

为解决椭圆窝自动化加工的工艺难题,提高整体式机翼装配的可靠性,在深入分析椭圆窝形状特点和加工原理的基础上,推导出了椭圆窝摆动中心公式,确定了锪窝刀具与摆动中心的相对位置关系。根据椭圆窝成形原理,提出了椭圆窝执行器各部件相对角度偏差要求并进行了标定。利用标定过的椭圆窝执行器对椭圆窝窝形参数的理论计算结果进行试验验证和调整,得出了窝形偏差的基本形式和调整方法。使用调整后的参数在铝合金材料上加工NAS6型椭圆窝,制出的椭圆窝长短径长度误差在0.05 mm以内,椭圆螺母与工件表面的高度偏差在0.02 mm以内,窝形满足机翼装配要求,实现了椭圆窝的自动化加工。     

基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。     

基于深度学习的混合翼型前缘压力分布预测

提出了一种基于深度学习的混合翼型前缘压力分布预测方法,通过对翼型几何特征提取、压力分布曲线的参数化,建立了卷积神经网络模型（CNN）,并利用计算流体力学（CFD）的计算结果作为其训练样本,实现对混合翼型前缘压力分布的预测。结果表明:两种方法计算结果的拟合优度大于0.98,基于深度学习的计算方法耗时1.7 s,CFD方法耗时大于50 s,计算时间大大缩短。该方法能够在满足计算精度的条件下提高计算效率并可应用于其他的翼型设计过程。      

卷积神经网络和峭度在轴承故障诊断中的应用

针对传统智能诊断方法依靠专家知识和人工提取数据特征工作量大的问题,结合深度学习方法在特征提取和处理大数据方面的优势,研究了一种基于卷积神经网络和振动信号峭度指标的滚动轴承故障诊断方法。该方法将深度学习应用于轴承故障诊断,提取滚动轴承正常状态、内圈故障、外圈故障和滚动体故障4种状态的振动信号,将振动信号分段处理得到峭度指标,使用数据到图像的转换方法将峭度指标转换为灰度图,送入卷积神经网络模型完成故障分类。在进行滚动轴承故障诊断的实验时,所提的模型诊断准确率达到99.5%,高于传统支持向量机(SVM)算法的95.8%。      

基于DBN的不均衡样本驱动民航发动机故障诊断

在结合深度置信网络(DBN)、采样与集成技术的基础上,提出了基于不均衡样本驱动的民航发动机故障诊断模型。该模型通过分析民航发动机历史飞行数据,利用DBN提取性能参数中的内部特征,利用采样技术将不均衡样本均衡化,采用集成技术进行故障分类。将该模型应用到CFM56-7B系列发动机历史飞行数据,实验结果表明:与常用故障诊断方法相比,该模型的准确率高达0.996,AUC值高达0.948,可以有效处理民航发动机样本高维、不均衡问题。      

整体叶盘弹性磨具抛光轨迹关键规划方法

为使得弹性磨具(砂布轮)在抛光中和叶片型面有效切合,提高抛光质量和抛光效率,研究了弹性磨具抛光轨迹规划方法,给出了抛光行距、抛光步长、刀轴矢量的计算方法。该抛光轨迹规划方法使得柔性主轴机构在抛光过程中保持合理的位姿,确保弹性磨具不仅与叶片型面有效贴合,而且使得弹性磨具抛光力方向与抛光点位法矢方向基本一致。试验结果表明:抛光后叶片表面粗糙度小于0.4μm,叶型轮廓度在公差范围内,能够满足整体叶盘叶片型面抛光要求。     

优化抗差自适应滤波器在深组合导航中的应用

为了提高惯性/卫星深组合导航系统的滤波性能,在抗差自适应滤波算法的 基础上,研究了一种优化抗差自适应滤波算法。该算法通过比较实际预测残差协方差矩 阵和理论协方差阵的差值来生成自适应因子,从而优化抗差自适应滤波。将所研究的算 法应用于惯性/卫星深组合导航系统, 在高动态环境下进行仿真验证, 并与常规卡尔曼 滤波、抗差自适应滤波进行比较。结果表明,优化算法能有效地控制观测异常和动态模 型异常对状态参数估值的影响,所得组合导航位置误差和速度误差明显减小,提高了组 合导航系统的滤波精度。