尾桨与机体模态耦合动力稳定性研究

本文以工程设计案例对尾桨与机体模态耦合稳定性进行了研究,提出了建模应考虑的因素,研究了机体刚体模态和弹性模态与尾桨耦合产生不稳定性的特点,分析了一些设计参数及气动力对稳定性的影响.从提高稳定性的角度,对设计、分析与试验验证提出了建议.     

直升机尾桨涡环飞行试验研究

根据样机右侧飞的飞行试验,对尾桨涡环现象进行了计算分析;根据右侧飞试验结果,估算出样机悬停回转时尾桨处于涡环状态的偏航角速度范围;将试验结果与国内外的涡环状态判据进行了对比。结果表明,国外的涡环判据不适用于样机的尾桨涡环状态判定,国内的高-辛判据与试验结果一致。     

基于证据理论的航空发动机早期故障诊断方法

在分析航空发动机早期故障特点和数据融合的基础上,将证据理论应用于发动机故障征兆级别的数据融合中,提出了构造基本信任指派函数的方法,从而得到了更准确的早期故障征兆.在此基础上,应用模糊聚类分析方法,依据最大隶属度原则得到发动机早期故障源.该方法考虑了发动机早期故障征兆不明确、不精确、不肯定等特点,应用模糊测度来表示征兆,更符合发动机早期故障的实际情况.      

转子-滚动轴承系统不对中-碰摩耦合故障动力学分析

建立了转子-滚动轴承系统不对中-碰摩耦合故障动力学模型.在联轴器不对中力模型中,分析了不对中力产生的原因;在转子系统中,考虑了不对中、不平衡和转静碰摩耦合故障.运用数值积分方法获取了系统的非线性动力响应,对不对中力模型和滚动轴承模型进行了验证,分析了转子不对中和碰摩对系统响应的影响,并对提出的动力学模型进行了试验验证,二者符合较好.     

基于粗糙集和神经网络的导弹故障诊断方法

人工神经元网络（ANN）具有本质的非线性特性、并行处理能力以及自组织自学习的能力,但单独使用ANN处理问题时,往往会存在一些缺陷。文章介绍导弹驾驶仪故障智能诊断的一种新方法：首先,利用粗糙集原理约简故障特征属性数据;其次,用带动量项的批处理BP神经网络方法对故障数据进行训练并检验;最后,将故障数据处理后输入神经网络分类器,对故障实施诊断。     

复合材料桨叶固有特性计算与试验研究

直升机旋翼的固有特性是直升机动力学问题研究的基础。文中运用有限元方法分析了模型旋翼复合材料桨叶的固有特性。运用ANSYS软件计算了桨叶的固有频率和振型,并通过试验测量了桨叶的固有频率。结果表明用有限元方法计算复合材料桨叶的固有特性与试验值吻合。     

航空发动机滑油综合监控中的磨损故障融合诊断研究

单一的滑油光谱监控手段容易漏报航空发动机磨损故障.根据滑油光谱监控和自动磨粒检测互补的特点,在某型航空发动机上实施滑油综合监控,应用Dempster-Shafer(D-S)证据理论实现发动机磨损故障的融合诊断,并开发出基于上述监控方法和信息融合诊断的滑油监控专家系统.通过对实际诊断案例进行分析,结果表明:提出的滑油综合监控和融合诊断方法可有效解决该型发动机轴承故障预报的难题.      

上游尾迹与涡轮转子泄漏流相互作用数值模拟

叶轮机内部流动本质上是周期性非定常的,研究涡轮转子叶尖区域的非定常相互作用机理,对提高小展弦比高负荷涡轮性能具有重要意义.利用数值模拟方法研究了上游静子尾迹与涡轮转子叶尖泄漏流的非定常相互作用,分析了定常结果、时间平均结果以及瞬时时刻结果的流动图画.结果表明:上游静子尾迹与涡轮转子尖区二次流的相互作用能明显影响泄漏涡和机匣通道涡的时空演化规律,从而改变转子尖区的损失分布.上游尾迹在转子通道中传播时,诱导泄漏涡和通道涡区域出现周期性的扰动涡对,扰动涡对沿着泄漏涡和通道涡的轨迹向下游运动,使得转子尖区二次流结构呈现周期性变化.      

一种基于知识推送的故障诊断系统

分析了基于知识的故障诊断,针对现有系统不能主动将知识在适当的时候传递给决策者的缺点,提出了一种基于知识管理的、以数据流驱动的、知识主动推送的故障诊断系统的体系结构,分析了其主要层次结构及知识的组织和管理,提出了以数据流驱动的知识主动推送方式.建立了知识主动推送的控制模型,开发了知识管理和数据流驱动的集成原型系统,并以液体火箭发动机试车台的故障诊断为例,实现了基于知识推送的故障诊断系统,后续实验证明了该方法的有效性.      

基于小波神经网络的齿轮系统故障诊断

通过对齿轮系统在不同的运转状态下不同的故障类型进行试验测试分析,获取了有关的测试信号,对振动特征信号进行了小波阈值去噪,采用离散小波变换(DWT)对去噪后的信号进行8层分解处理,对各层的小波系数进行了小波重构,得到8层细节信号和1层近似信号,并计算了各层信号的能量,得到了信号的能量分布特征.在此基础上把各层信号特征作为神经网络的输入,进行了网络的研究、分析处理和故障分类,并对小波神经网络方法与单独采用神经网络方法的故障诊断结果进行了比较评价.研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波神经网络诊断方法,对于齿轮无故障、齿根裂纹故障、分度圆裂纹故障和齿面磨损故障能够进行很好地区分与诊断,其诊断成功率均在95%以上,可对实际工程工作的齿轮系统进行故障诊断.