三轴承旋转喷管型面设计与分析

通过对短距/垂直起降用三轴承旋转喷管工作原理的分析,给出了型面设计的技术指标,并对三轴承旋转喷管型面进行了分析,探讨了等直段、型面过渡段、收缩喷管段的设计方法。同时,基于某型涡喷发动机开展了数值模拟分析,发现喷管推力矢量有效偏转角与喷管偏转角度大致呈线性关系,且前者约为后者的1.021倍,则设计的三轴承旋转喷管具有产生矢量推力的能力,满足了型面设计的要求。     

基于核方法的航空发动机推力估计器设计

鉴于实现航空发动机的直接推力控制需要高精度及高可靠性的推力估计器,基于核方法,提出了结合全局核k-means聚类与鲁棒最小二乘支持向量回归机的推力估计器设计方案,通过核诱导的隐性映射将原始输入数据映射到特征空间,使数据样本特征信息被提取并放大,具有更好的可分性.在每个聚类内设计推力子估计器,用鲁棒代价函数代替最小二乘代价函数,增强了推力估计器的整体鲁棒性.通过对涡扇发动机的仿真试验表明,本推力估计器设计方法能够满足直接推力控制需要,与其它方法相比,在估计精度及鲁棒性上存在一定优势.     

基于机匣应变信号的航空发动机转静碰摩部位识别

 为有效识别航空发动机转静碰摩部位,提出基于机匣应变信号的航空发动机转静碰摩部位识别技术。以应变片为敏感元件,采用沿机匣轴向、周向粘贴应变片两种实验方案,利用航空发动机转子试验器模拟大量不同碰摩部位的样本,采集航空发动机转子试验器机匣上的应变信号,提取应变的均值特征,利用支持向量机,识别不同碰摩位置。结果表明:沿机匣周向的应变均值特征可有效识别转静碰摩部位,且鲁棒性较好,且仅需在机匣的4个位置粘贴应变片即可对4个不同碰摩部位达到100%的识别率。沿机匣轴向的应变均值特征也可识别不同的碰摩部位,但识别效果不如沿机匣周向效果理想。     

扰流片推力矢量控制系统动态特性研究

针对固体火箭发动机的推力矢量控制系统的需求,分析了扰流片系统的工作原理,设计了圆弧型扰流片;根据扰流片的安装位置关系,推导了扰流片摆角与伸入喷管出口流场高度的关系式;对加载单个圆弧型扰流片的喷管三维流场进行数值模拟,得到扰流片产生气动力的大小随扰流片伸入流场高度的变化规律;并通过固体火箭发动机的点火试验,验证所设计的扰流片系统在阶跃响应和正弦加载下的动态特性.结果表明:扰流片推力矢量控制系统在最大偏转角度38°时,阶跃响应时间为55ms,最大偏差0.6°,超调量2.02％;偏转角8°时,正弦加载测得系统带宽10Hz.     

基于双树复小波包变换和SVM的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的非平稳性和现实中难以获得大量典型故障样本的情况,提出一种基于双树复小波包变换和支持向量机（SVM）的故障诊断方法.首先通过双树复小波包变换将非平稳的振动信号分解得到不同频带的分量;然后对每个分量求其能量并归一化处理;最后将从各个频带分量中提取的能量特征参数作为支持向量机的输入来识别滚动轴承的故障类型.对试验台模拟信号（包括滚动轴承的正常状态、外圈裂纹故障、内圈裂纹故障和滚动体点蚀故障）的分析表明:该方法对所测试验信号的故障识别率达到99.5%,对比传统小波包变换与SVM结合的方法,故障识别率的准确度更高.      

基于信息熵距和FSVM隶属度的转子振动状态评估方法

为了更有效、直观地对航空发动机的振动状态进行实时监控,运用信息熵和模糊支持向量机(FSVM)方法,建立了基于信息熵距和FSVM隶属度的转子振动状态评估方法。研究了振动信号的信息熵特征,提出了可以表示转子振动状态的指标—信息熵距;通过模糊支持向量机(FSVM)确定模糊隶属度矩阵,将模糊隶属度矩阵与信息熵距相结合,建立了一个多参数的转子振动状态评估模型;应用此模型对转子振动信号进行系统分析和定量计算,验证了该方法用于转子振动状态评估是有效、可行的。      

相关向量机及其在故障诊断与预测中的应用

相关向量机(RVM)是一种基于稀疏Bayesian学习理论的新型机器学习方法,具有概率式输出、稀疏性强、参数设置简单、核函数选择灵活等优点,克服了人工神经网络(ANN)和支持向量机(SVM)等典型机器学习方法的诸多固有缺陷。文章从模型选择与优化、模型计算效率和模型鲁棒性改进3个方面综述了RVM的理论研究进展;总结了RVM在故障诊断与预测中的应用研究现状;分析指出了当前研究中存在的问题,并讨论了基于RVM的故障诊断与预测技术的研究方向。     

轴流压气机通流计算中代理模型的应用（两机专刊）

在轴流压气机初始设计阶段,二维通流计算方法可以快速评估压气机的性能,其准确性高度依赖于经验模型的预测精度。当压气机超出经验模型适用范围时会增大模型的预测误差。为提高预测精度,研究了在通流计算中采用代理模型取代传统经验模型的可行性。以双级跨声轴流速压气机的几何参数和气动实验数据作为代理模型的训练样本库,采用敏感性分析方法确定最重要的特征参数作为输入。分别基于支持向量机回归（SVR）和高斯过程回归（GPR）两种监督学习方法构建代理模型,并在模型训练中通过贝叶斯优化算法寻找模型最佳超参组合。将代理模型集成到基于流线曲率法（SLC）的通流程序中,对该压气机特性进行评估,并与传统经验模型计算结果相对比。对比显示,相较于传统经验模型,SVR和GPR两种代理模型分别降低了62.2%与55.2%的总压特性平均预测误差以及48.4%与50.1%的绝热效率特性平均预测误差。对比结果表明,当超出传统经验模型适用范围时,代理模型不失为一种可靠的替代方案。     

小型航空活塞发动机喷油异常的故障诊断

针对小型航空活塞发动机出现的喷油异常故障,基于发动机的缸内压力和缸盖振动信号,采用一种变分模态分解和布谷鸟搜索优化支持向量机相结合的故障诊断方法对发动机喷油异常故障进行诊断。该方法使用变分模态分解对发动机的缸内压力信号和缸盖振动信号进行处理得到本征模态函数,对本征模态函数进行奇异值分解和能量特征提取,将缸内压力和缸盖振动的数据集输入布谷鸟搜索算法优化的支持向量机模型中进行训练和测试。结果表明:该方法较好地识别出发动机喷油异常的故障,其中缸内压力和缸盖振动信号的故障识别分类准确率分别为95.32%和92.47%,验证了该方法的有效性。      

基于平滑先验分析和排列熵的滚动轴承故障诊断

由于机械系统的复杂性,滚动轴承振动信号的特征信息表现在不同尺度上,因此需要对振动信号进行多尺度分析。基于此,提出一种基于平滑先验分析(Smoothness priors approach,SPA)和排列熵(Permutation entropy,PE)的滚动轴承故障诊断方法。该方法首先采用平滑先验分析方法代替传统的时间序列分解方法对滚动轴承信号进行分解,得到轴承信号的趋势项和去趋势项;其次,分别计算趋势项和去趋势项的排列熵值;最后,将排列熵值作为特征向量,输入基于粒子群优化支持向量机建立的分类器。将该方法应用于滚动轴承实验数据并进行对比分析,结果表明,在训练样本数为每类50%的条件下,该方法的故障诊断正确率比PE和经验模态分解-PE分别高出12.5%和3.125%。