波音737NG飞机水平安定面疲劳裂纹处理方法分析

根据波音737NG飞机的维护数据,该文分析波音737NG飞机水平安定面主要结构的受力特性;同时,定性分析了水平安定面肋下缘条及连接的蒙皮等部位的典型疲劳裂纹。分析波音公司针对该问题对现有机队的预防性改进措施,借鉴大修厂的实际维护经验以及一系列数据和现场照片,最终给出针对该疲劳裂纹的建议措施,以供民机设计制造单位及波音737NG营运人参考借鉴。     

航空发动机自由涡轮叶片裂纹故障分析

针对某涡桨发动机在试车过程中发生的自由涡轮叶片裂纹故障,对裂纹叶片进行荧光检查、叶片测频和冶金分析,并通过MSC/PATRAN有限元分析软件确定叶片的振动特性。结果表明:叶片裂纹发生的原因为叶片的第5阶固有频率与导叶激励频率接近而发生共振,引起叶片发生高阶振动,造成叶片高周疲劳失效所致。重点调整螺旋桨的工作转速范围,使其基本处于规定的安全工作转速范围内。后经1000 h试车验证,均未再发生类似故障。     

变截面旋转裂纹梁横向振动特性的研究

对损伤结构进行动力特性分析是进行无损检测的重要基础,而对于旋转梁结构的裂纹损伤动力特性研究,却鲜有文献涉及。以变截面旋转裂纹梁为研究对象,对其横向振动特性进行研究,提出一种求解变截面旋转裂纹梁横向振动特性的新方法。首先利用扭转弹簧模拟裂纹效应,建立含裂纹梁局部柔度模型,然后采用Frobenius方法求解振动方程,得到方程的级数解析解,并研究裂纹位置和深度对振动频率的影响,分析不同损伤程度、不同转速工况下梁的前两阶固有频率变化情况。结果表明:本文方法是有效的,转速和损伤程度的变化并非独立影响梁的固有频率,两者间具有耦合作用机理,对于变截面梁同样成立。     

热障涂层表面裂纹水浸超声检测

为有效检测热障涂层(TBCs)表面裂纹,进行了热障涂层表面裂纹水浸超声检测技术的应用研究。以常用的大气等离子喷涂(APS)热障涂层作为试验材料,采用水浸超声检测回波声程差和C扫描图像对不同深度、宽度和长度的热障涂层表面裂纹进行了表征。结果表明:热障涂层基体材料对热障涂层表面裂纹的检测效果无明显影响;通过优化检测参数和合理选用仪器探头,利用水浸超声方法可实现对热障涂层表面深度为0.1 mm、长度为2 mm裂纹的有效检测;水浸超声检测技术可以获得裂纹的长度、深度参数,是解决热障涂层表面裂纹检测问题的有效方法。      

比例与非比例加载下30CrMnSiA钢多轴高周疲劳失效分析

为了分析比例与非比例加载下,30CrMnSiA钢的多轴高周疲劳的失效规律。通过对30CrMnSiA钢材料开展比例与非比例(δ=90°)加载下的多轴高周疲劳试验,研究了应力幅比和相位差对疲劳寿命、断口特征及裂纹起裂角度的影响。试验结果表明,对于比例与非比例加载,随着应力幅比的增大,多轴疲劳寿命逐渐增加。对疲劳断口分析发现,裂纹萌生于试件表面,断口有明显的疲劳源区、扩展区和瞬断区,不同加载路径下的试件断口形式有明显差异。通过对起裂角度的分析发现,应力幅比大于0.25时表面裂纹有明显的第Ⅰ阶段向第Ⅱ阶段的转变,且第Ⅰ阶段沿着接近最大剪应力幅值平面方向扩展,第Ⅱ阶段沿着接近最大正应力平面方向扩展。此外,对典型试件的疲劳断口及表面扩展路径进行了分析,研究表明多轴疲劳试验试件裂纹的特征比值在0.3~0.5之间,且裂纹沿深度方向扩展至300 μm时占总寿命的85%以上。      

某型风扇转子叶片裂纹失效分析

针对某型风扇转子叶片的榫头工作面及叶身与缘板转接部位在振动疲劳试验后发现的裂纹故障,通过外观检查、断口分析、表面检查、成分分析、金相组织检查、硬度检查和有限元分析,对故障叶片的裂纹性质和萌生原因进行分析。结果表明:故障叶片2条裂纹的性质均为高周疲劳,A裂纹的萌生与叶片表面的加工刀痕有关;B裂纹的萌生是由夹具和榫头工作面之间的磨损导致。     

基于小波分析的涡扇发动机起动过程压力脉动研究

利用小波分析所具有的时频特性特点,针对涡扇发动机起动过程存在的压力脉动异常现象,获取信号随转速变化的频谱图。重点介绍了发动机脉动频率分析方法,并结合试验测点布局,根据不同脉动的频率特点,对其脉动成分进行分解,分析出脉动频率产生的原因,为发动机起动问题的解决提供支持。研究结果表明:利用小波分析进行发动机起动过程的脉动异常研究,形象、直观,具有一定的工程应用价值。     

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.     

基于广义回归神经网络的传感器故障检测

为了研究航空发动机试验中精确数学模型未知的多传感器故障诊断问题,采用基于广义回归神经网络(General Regression Neural Network,GRNN)组的故障检测方法,提炼出传感器之间的约束关系和故障规律,构建了一组多输入多输出GRNN,用于估计传感器输出,与测量值生成残差,通过与门限值比较判断可疑传感器,找到神经网络组中的具有最小可疑传感器数的GRNN。采用可疑传感器的估计信号做为重构信号交叉验证其它GRNN。通过验证即可确定可疑传感器为最终故障传感器。为了控制神经网络的回归精度,将多输入多输出神经网络分解为多个多输入单输出网络。通过仿真数据验证了该方法用于传感器故障检测的可行性。     

基于区域的卷积神经网络在空对地车辆检测中的应用

针对传统空对地车辆检测算法在光照变换、场景变化时检测效果不佳的问题,提出了基于区域卷积神经网络Faster RCNN模型的空对地车辆检测方法,介绍了Faster RCNN模型以及模型训练过程.实验结果表明,基于Faster RCNN的空对地车辆检测方法是可行的,对不同光照和场景下的车辆检测可以取得较好的效果.