基于大数据分析平台的APU维修决策优化

通过科技创新建立的APU全寿命及成本管理系统是一个大数据分析平台,运用概率神经网络对APU系统故障进行智能判断,运用0-1线性规划法自动产生基于APU性能的维修管理决策,运用价值工程方法产生基于价值系数的维修管理决策。该系统的应用提高了APU的可靠性和经济性,使APU的维修决策由静止的、事后分析可靠性转变为预测性、基于概率分析方法的维修决策。     

RNN在降落伞开伞特性研究中的应用

为了对降落伞充气展开过程中的拉力、速度等关键特性进行预测,结合当下机器学习的研究热点,使用循环神经网络对空投试验数据进行学习和训练。文章对原始数据进行了归一化预处理并且采用批量梯度下降的训练方式;试验验证了循环网络方法对充气过程中重要参数进行计算的可行性;并且说明了时间序数索引项在试验中需带入网络参与计算的特点。试验结果表明,使用循环神经网络对训练集数据的开伞速度曲线拟合效果很好;计算结果能够准确反映开伞过程中的拉力变化趋势,峰值误差小于1%,且峰值时刻误差小于2%。     

iSIGHT优化方法在涡轮叶片冷却设计中的应用

针对现有航空发动机涡轮叶片内冷结构的快速改进,在对叶片冷却设计方法集成的基础上,建立了一类冷却叶片的优化模型,并成功将该优化模型应用在航空发动机涡轮叶片设计中。结果表明,在相同冷却空气用量下,叶片表面最高温度降低了72.4℃,叶片温差减小了110.4℃,优化效果明显。同时,将近似技术成功应用到叶片优化设计中,提高了任务分析效率,为现有发动机涡轮叶片快速改进提供了一种有效手段。     

基于一致性融合和神经网络的航空发动机气路系统故障诊断方法

以信息融合为基础,运用GRNN神经网络对航空发动机气路系统进行故障诊断,提出了一种基于一致性融合和神经网络相结合的故障诊断方法。试验结果表明,该方法能快速识别航空发动机气路系统故障,并且对其他机械设备的故障诊断具有一定的参考价值。     

基于虚拟正交试验的压气机叶轮轴-毂径向微动特性研究

用Pro/E建立压气机叶轮轴-毂三维模型,利用ANSYS软件采用子结构结合网格随移技术的分析方法,建立其有限元模型。采用虚拟正交试验方法对压气机叶轮轴-毂进行仿真,得出过盈量、摩擦系数、转速对最大单位摩擦功和平均摩擦功影响显著性次序及影响规律,得到最优组合。结果表明,模拟及正交试验优化结果准确、可靠,有效地降低了摩擦磨损程度,对实际装配过程具有一定的指导作用。     

基于损伤检测的飞机结构腐蚀损伤预测方法对比研究

针对飞机结构材料易腐蚀特点,采用 BP 神经网络算法、数据拟合方法、指数平滑预测三种方法,对飞机铝合金结构腐蚀损伤进行预测对比分析。预测结果及其误差以及对比分析图表明,BP 神经网络算法所构建的网络预测模型对一定腐蚀周期内的腐蚀损伤有较好预测能力,指数平滑预测方法和幂函数数据拟合方法对一定腐蚀周期之外的腐蚀损伤预测有较好的外延性。     

基于飞行试验数据的双转子航空发动机 加减速瞬态模型辨识

为辨识航空发动机飞行过程中加减速瞬态模型,通过对某型航空发动机慢车至中间以及中间至慢车过程的飞行试验数据进行分析整理,将发动机上述加、减速过程简化为静态参数预测过程,利用3层前向人工神经网络,建立了某型发动机加、减速瞬态过程中的发动机关键参数预测模型,对发动机参数预测模型预测结果与飞行试验记录数据进行了对比分析,同时利用额外的飞行试验数据验证了辨识模型的泛化能力.结果表明:辨识得到的发动机模型在油门杆稳定时参数预测相对误差不超过3％,在油门杆动作期间参数预测相对误差不超过5％;验证点上辨识模型参数预测误差不超过3％.证明该型发动机参数预测模型可以很好地预测发动机瞬态过程中的参数变化情况.该方法为建立发动机其他状态的加、减速过程参数变化模型奠定了基础,也能为建立全包线范围内发动机瞬态参数预测模型提供参考.     

端壁组合射流对高速扩压叶栅损失特性的影响

提出了一种端壁组合射流技术以控制进口马赫数0.67的高速扩压叶栅端区流动。通过前缘射流旋涡可以增强端壁附面层与主流间的流体交换,阻碍横向二次流动,减小角区低能流体堆积;而采用角区射流注入能量能够进一步减弱吸力面侧流动分离。以上组合控制方法可较单独采用前缘或角区射流更有效减小栅内损失,提高其气动性能。当角区射流位于近吸力面侧的分离起始位置附近时,其改善栅内流动的效果最佳;远离吸力面的端壁射流则可抑制端区低能流体横向迁移及其与分离区流体间的相互作用,但其减小损失的效果弱于近吸力面侧的射流。随着射流总压比的增加,组合射流减小损失的效果先增加后减小;过大的总压比会加剧射流与来流间的掺混损失,使得叶栅气动性能恶化。当射流总压比为1.2时,损失减小最大可达12.6%,而射流流量仅相当于叶栅进口流量的0.64%。