一种改进的航空发动机转静件碰摩故障诊断方法

针对航空发动机碰摩故障的实际情况,分析了各种诊断方法的应用局限性,引入并改进适用于航空发动机碰摩诊断的基于SVD(奇异值分解)的碰摩特征提取方法:提出利用数据边界延拓来消除边界振荡,以此发展了适合短时间序列和长时间序列的奇异值分解处理方法,并探讨了简便实用的奇异值选择方法.并在某航空发动机故障信号的检测中,取得了良好的效果.      

基于经验模式分解法的航空发动机振动传感器故障诊断技术研究

在深入研究经验模式分解法基本理论的基础上,针对航空发动机振动传感器故障的时频特征,提出一种基于经验模式分解法的传感器故障诊断新方法.该方法的关键在于将含有传感器故障的航空发动机振动测试信号进行经验模式分解,利用这种方法的局部自适应特性和时频多分辨率分析将传感器输出信号的局部特性细化,使故障信息凸显出来.分析结果表明,该方法可以准确诊断传感器软、硬故障,有效降低误报率和漏报率,具有很好的应用价值.     

飞机外形和结构件反求建模技术研究

 探讨了基于特征的飞机外形和结构件反求建模策略,并给出曲面特征和实体特征的定义,该方法支持具有完整特征表达的模型快速重建。提出了大规模散乱数据k近邻的空间球搜索算法,其逐步增大搜索范围的策略可有效提高搜索效率。研究了结构件与外形相关曲面特征的重建方法,当贴合面较窄、外形线接近于直线时,采用直纹面逼近,否则由蒙皮曲面等距间接求取。研究了基于工程约束的曲面形状修改算法,以B样条曲面需满足的点、线、面几何约束为目标约束,通过最小化形状修改前后差曲面的弯曲能得到精确满足目标约束的光滑曲面,推导了曲面弯曲能和曲线约束的表达式。最后,以飞机翼肋模型反求为例验证了所提方法的可行性。     

航空二冲程汽油发动机均值模型的研究与仿真

发动机平均值模型由于其模型简单、计算时间短、使用方便,且能满足控制设计的要求被广泛应用。目前均值模型主要在四冲程汽油机和大型二冲程柴油机上广泛应用,小型航空二冲程汽油发动机平均值模型国内外应用很少。本文采用机理建模和试验建模相结合的方法建立了发动机均值模型,为研究二冲程汽油发动机提供了一种思路。二冲程汽油机平均值模型主要分为三个动态子模块：燃油蒸发与油膜动态子模块、进气道与曲轴箱扫气子模块和动力输出子模块,建模中考虑了簧片阀的建模,同时考虑了扫气过程中的短路损失。分别建立了动力输出和转速模型、空燃比模型,并进行了Matlab/simulink仿真,仿真结果和实验数据吻合,证明了该均值模型的正确性。     

一类二阶三点边值问题解的存在性

运用上下解方法,研究了一类二阶混合非线性边值条件的三点边值问题,通过构造了适当的非线性辅助函数工得到了解存在的充分条件,推广和改进了某些已知的结果。     

民用飞机制造商的机队运行警戒值管理方法及应用

民用飞机制造商为充分了解和掌握机队运行可靠性状况,针对每一种机型的机队设定适当的门限值,将机队每个月的运行可靠性指标值与该门限值进行比较,从而快速掌握机队警戒状况,这是可靠性分析中基本的分析模式,其中门限值即警戒值。阐述了民用飞机警戒值的管理方法,详细说明了警戒值从计算、审批、修订到最终生效的整个管理流程,并对警戒值管理方法在ARJ21-700 飞机试飞过程中的应用进行了介绍。     

基于域分解的双模式PE

高频近似算法的误差比抛物方程(PE)大,叠加PE计算不能反映同频干扰,对流层电波传播计算域内存在不同的电波传播机制。文章提出了域分解双模式PE,将计算域分解为海洋或地形上的阻抗边界域和空间传播域,分别采用DMFT和SSFT求解。交叠区域实现了电波在两域间的互相传播,并避免了边界截断产生反射。与功率叠加PE相比,反映了多源电波间的矢量叠加,并降低了一半的计算量。在标准大气单源、蒸发波导双源条件下的数值试验验证了方法的正确性和有效性。     

POD方法在风洞试验二维速度场分析中的应用

针对风洞试验二维速度流场,构建了正交分解与流场重构的数学模型。通过对鼓包背风面PIV瞬时速度流场进行分解,发现阶数越低的模态对原始流场的能量贡献率越大,代表了流场中的低频、大尺度流动结构;反之,阶数越高的模态对原始流场的能量贡献率越小,代表了流场中的高频、小尺度流场结构等信息。通过对流场进行低维重构,发现前4阶重构流场几乎不受一些小尺度旋涡的影响,很清晰地显示了流场的主要结构。     

SF6分解气的近红外在线检测技术研究

为满足SF6绝缘电气设备故障监测与预警的实际需求,分析了国内分解气检测研究现状.对比近红外与中红外吸收光谱检测技术,提出近红外吸收光谱技术在线检测的技术方案.计算分析待测气体特征谱线的吸收系数、吸收光程和电路信噪比对精度的影响,完成系统参数设计.提出SF6分解气在线检测系统方案,实现对H2S、HF和CO这3种气体测量.数据分析表明,系统检测精度优于5×10-7,表明该系统满足电力行业在线测量的需求.     

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选,降低输入维度;采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化,并对优化的神经网络进行训练;用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法,并且在参选故障诊断的性能参数不同时,其诊断误差相近,展现出较强的适应能力。