某型发动机前机匣下方回油管接头漏油故障原因分析

本文对发动机前机匣及其与回油管的联接结构进行了分析,指出产生前机匣下方漏油故障的三个因素,给出了故障的排除方法以及在发动机修理过程中应采取的六条措施.     

基于混合动网格的二维非定常粘性流动数值模拟

利用基于Delaunay三角化的动网格方法,在混合网格上求解了带运动边界的二维非定常Navier-Stokes方程。在有限体积法格心格式的基础上,采用带人工耗散项的Jameson中心格式以及双时间步长推进方法对Navier-Stokes方程中的空间项和时间项分别进行了离散。湍流模型为Spalart-Allmaras方程模型。对在跨声速粘性绕流中进行俯仰振动以及后缘摆动的翼型进行了数值模拟,得到了令人满意的结果。     

光敏电阻在火灾报警器中的应用

文章提出了一种大型密闭油库,密闭燃油机房等场所用到的火灾自动报警装置.这些场所在发生火灾时极易发生爆炸等危险情况,如果采用人工灭火安全隐患很大.为了降低安全隐患,文章提出了基于光敏电阻的火灾自动检测装置,使用可编程逻辑器件CPLD作为火灾信号的提取并产生灭火信号的部件.装置结构简单,工作可靠,具有一定实用价值.     

直升机变距拉杆杆端自润滑关节轴承的力学分析和损伤特性

以R44直升机主旋翼变距拉杆杆端自润滑关节轴承为研究对象,用三维建模软件Solidworks建立其旋转摆动的有限元模型并导入到有限元分析软件Ansys Workbench中,分析计算其在径向正弦载荷下衬垫的等效应力、位移、接触应力和等效剪切应力的变化特性;并结合实际服役工况下R44直升机失效的自润滑关节轴承衬垫进行分析。结果表明：在整个周期内,衬垫的边缘因为被挤压而发生变形,衬垫的等效应力和等效变形最大值均出现在外圈的边缘上,接触应力最大值所在的区域始终出现在衬垫的顶部和底部,并且接触应力分布区域的移动与内圈的转动方向一致,切应力最集中的地方在径向载荷施加点的左上方、左下方、右上方、右下方以及左右两侧;由于实际服役工况中载荷的变化,导致衬垫的损伤上半部分是以接触应力引起的疲劳损伤为主,下半部分是以切应力导致的转移膜形成为主。     

CFM56-7B发动机滑油渗漏分析

本文全面系统地分析了CFM56-7B发动机滑油系统正常渗漏的原因及其影响因素,阐述了该发动机使用过程中出现的非正常滑油渗漏以及当前所采取的措施,可为正确判断滑油的正常渗漏和非正常渗漏提供参考.     

新型涡扇发动机油封装置方案设计

油封装置是航空发动机封存的必备设备。本文介绍了某新型涡扇发动机油封装置设计方案,着重说明了该装置的技术参数、功用、系统组成和工作原理,以及该油封装置的设计特点。     

多重网格法在混合网格中的应用

设计了一种高效的混合网格聚合方法,在此基础上应用多重网格技术来加速Navier-Stokes方程的收敛过程.方程求解采用Jamson的中心格式有限体积法.对NACA0012翼型和ONERA M6机翼的粘性绕流进行了数值模拟,算例结果与试验结果符合良好,加速收敛效果显著.     

纤维增强复合材料宏观与细观统一的细观力学模型

研究了复合材料宏观、细观特征之间的联系,将宏观复合材料体中的1点赋予了细观结构特征。基于细观结构周期性假设,建立了1种细观力学模型,用模型中高阶多项式函数模拟基体和增强相中的细观位移场;通过对细观单元力学方程的分析与求解,建立了复合材料宏观、细观力学变量之间的联系。该细观力学模型,不仅能用于复合材料宏观有效性能的预测及细观应力、应变场的分析,而且能够很容易地融入常规有限元法中,实现对复合材料结构的宏观、细观一体化分析。以该细观力学模型为基础的计算结果与部分文献中的试验结果及理论计算值具有较好的一致性。     

用于激波风洞中的表面油流流动显示方法

介绍适用于激波风洞的表面油流流动显示方法及其典型显示结果。实验表明应用油滴、油膜及其组合等方法在 6～ 8ms的实验时间内 ,能够清晰地显示三维突出物干扰引起的层流分离、转捩分离和湍流分离流及其尾迹流谱。     

基于神经网络的荧光油膜厚度与灰度研究

在全局摩阻测量中,薄油膜技术可以很好地表征表面摩阻的分布情况。用特定波长的紫外线照射添加了荧光显色分子的不同厚度的油膜,油膜将发出不同的亮度。利用该原理通过检测受激发的荧光油膜灰度值可解算出相应油膜的厚度。本次采用BP神经网络及极限学习机(Extreme learning machine,ELM)神经网络搭建模型完成了荧光油膜厚度与灰度关系的预测,运用Hopfield神经网络完成了相应参数的辨识。实验表明,ELM神经网络模型、BP神经网络模型及插值法模型的预测误差分别为5.150%、5.485%和5.935%。通过Hopfield神经网络辨识,光源功率、光距和曝光系数等影响因素的参数误差率控制在1%左右,达到实际工程运用的要求。与传统插值法相比,通过神经网络可获得更高的精度,为荧光油膜灰度与厚度研究提供了一种可行的方法。