OH与CH2O双组分平面激光诱导荧光对旋流燃烧室火焰结构与脉动特征的研究

介绍了利用平面激光诱导荧光(PLIF)技术对航空发动机的旋流燃烧室模型在贫燃状态下工作特性的研究。通过对OH与CH2O双组分进行同步PLIF测量,获得了不同工况下燃烧室反应区以及预热区的瞬态结构信息。应用本征正交分解(POD)方法对OH PLIF的图像进行处理,得到了旋流火焰的主要脉动模态,并通过扩展本征正交分解(EPOD)方法计算出了相应POD模态的CH2O荧光信号分布。实验结果表明:随着燃烧室热功率的增大,火焰的整体结构、脉动模式均出现了明显的变化。在火焰高度增加的同时,轴向不稳定性逐渐增强,涡核旋进(PVC)的脉动特征相对减弱。在较大的热功率下,在燃烧室的外回流区(ERZ)出现未燃烧的燃料。      

多通道相关-自适应轴承故障诊断方法

提出了多通道相关-自适应共振解调(MCC-ARD)方法 ,该方法使用冗余信号源采集故障信息,并利用谱峭度(SK)优化经验模态分解(EMD)的分解效率,根据互相关系数更加合理地选择本征模态函数(IMF)分量完成重构,对重构IMF进行包络解调,实现对滚动轴承的故障诊断。通过对多通道相关-自适应共振解调方法的实测数据分析,结果表明:该方法不仅克服了单一信号源系统修正能力差的缺陷,而且相频谱辨识率为传统EMD结合谱峭度共振解调方法的2.7倍,对滚动轴承故障的诊断结果更加清晰、准确。     

基于IITD和FCM聚类的滚动轴承故障诊断

基于Akima插值和固有时间尺度分解（ITD）中的线性变换,提出了一种改进的固有时间尺度分解（IITD）,在此基础上,进一步提出基于IITD近似熵（AE）和模糊C均值聚类（FCM）相结合的滚动轴承故障的诊断方法。采用IITD方法对滚动轴承的振动信号进行分解,通过互信息分析,筛选出前3个含主要特征信息的固有旋转分量（PR）,计算其近似熵值作为信号的特征向量,将得到的特征向量输入到FCM分类器中分析并得到分类结果。实验分析表明:分别与基于EMD、ITD近似熵和FCM聚类相结合的方法比较,该方法的分类系数更接近1,平均模糊熵更接近0,即此方法对滚动轴承的正常、内圈故障、外圈故障、滚动体故障信号以及对内圈的不同损伤程度信号均能更有效更准确地进行分类。      

基于Birge-Massart阈值降噪与EEMD及谱峭度的滚动轴承故障特征提取

针对传统共振解调方法易受噪声干扰导致故障特征提取效果不佳的问题,提出了一种基于Birge-Massart策略的阈值降噪与集成经验模态分解(EEMD)和快速谱峭度算法相结合的滚动轴承故障特征提取方法。对原始故障信号进行EEMD并采用峭度准则筛选出含有故障信息的本征模态函数(IMF)分量;采用Birge-Massart策略和快速谱峭度对故障信号进行滤波降噪;对滤波后信号进行Hilbert包络解调,提取轴承故障特征。采用该方法分别对仿真信号和实验信号进行特征提取,结果表明该方法可以有效提高故障信号信噪比,清晰准确地获取轴承内、外圈故障的频率特征。利用峭度因子准则筛选IMF分量能有效保留原始故障信号中的冲击特征,去除无关IMF分量的影响。      

多模态时域振动衰减信号各模态分离与阻尼参数辨识方法

针对多模态信号中各模态难以准确分离和模态阻尼参数难以准确识别的问题,提出了布谷鸟搜索(CS)算法参数优化的变分模态分解方法 (CS-VMD)和模态阻尼参数辨识的包络线积分法(EIM)。使用CS-VMD方法将多模态时域振动衰减信号中的多模态分量准确分离开来,利用EIM辨识各模态的模态频率和阻尼比,并与理论值(或测量值)以及半功率带宽法(HPB)辨识值进行对比。位移仿真信号与压气机导向叶片测频信号模态分解及模态参数辨识表明,CS-VMD方法可实现对多模态信号的正确分解,EIM辨识的模态频率误差均小于1.0%;对于位移仿真信号,EIM辨识的模态阻尼比最大误差小于2.5%;对于压气机导向叶片测频信号,使用EIM和HPB方法辨识的模态阻尼比最大差别为9.098%,EIM的模态阻尼辨识精度比HPB方法高。     

基于局部特征尺度分解及分形维数的模拟电路故障诊断方法

针对目前自适应时频分析方法在模拟电路故障诊断方向理论研究尚不完善、缺乏实践验证等方面的问题,采用改进LCD算法及分维理论相结合的方法进行理论研究及实物验证。对被测点所采集数据进行预处理后直接进行LCD分解并计算各分量分维数作为故障特征,输入神经网络进行故障诊断。仿真结果验证了该方法的有效性;实物验证成功分类了2类电路状态,并阐明了分类结果杂散点较多的原因。     

一种多任务模式离子液体推进剂的制备、表征及催化分解研究

为获得可用于多任务模式、高密度、高比冲、宽液态温度范围、良好热稳定性的新型离子液体推进剂,以N-甲基咪唑为原料,通过烷基化反应生成离子盐,该盐与四氟硼酸钠/双三氟甲磺酰亚胺锂发生复分解反应,制得一系列咪唑基离子液体。利用核磁共振 (1H NMR、13C NMR)、高分辨质谱（HRMS）等对产物结构进行了表征。并分别利用热重分析仪、密度仪、粘度计等,研究离子液体的热稳定性、密度、粘度等性能。通过点滴着火试验,借助高速摄像机评价了硝酸羟胺和1-乙基-3-甲基咪唑硫酸乙酯盐复合后的推进剂点火燃烧性能。采用化学反应平衡产物软件考察了硝酸羟胺含量对推进剂能量特性的影响规律。结果表明,硝酸羟胺含量在40-60wt%之间是优选的推进剂配方。本文试验证明了50wt%硝酸羟胺与50wt%1-乙基-3-甲基咪唑硫酸乙酯盐复合推进剂具有良好的催化分解燃烧性能,是一种有潜力的新型多任务模式离子液体推进剂。     

基于DMD方法的缝翼低频噪声机理分析

认识缝翼低频噪声的产生机理十分重要,可指导先进的主被动噪声控制方法。本文开展了缝翼噪声的大涡模拟（LES）,利用动态模态分解（DMD）方法研究了缝翼低频噪声的产生机理。研究结果表明缝翼低频噪声具有显著的偶极子特性,其利用DMD分析揭示了缝翼噪声的产生机理,缝翼低频噪声源于剪切层中的大尺度涡结构与缝翼下壁面的周期性撞击效应,大尺度涡结构与低频噪声之间存在的流-声耦合的闭环反馈机制,根据反馈机制提出并验证了一种预测低频噪声的理论预测模型。     

飞机起落架噪声源定位的压缩感知算法

目前针对飞机起落架噪声源定位的研究方法主要是将麦克风阵列与波束成形算法相结合。常规波束成形（CBF）算法在计算时存在主瓣宽度过宽、结果易受旁瓣影响的问题。高级波束成形算法在计算时效率较差,有时会有违背物理现象的假声源出现。提出了一种将正交匹配追踪（OMP）算法与奇异值分解（SVD）相结合的起落架噪声源定位的OMP-SVD压缩感知算法。在消声实验室内进行飞机起落架噪声源定位试验,将OMP-SVD算法、CBF算法和OMP算法在不同频率下获得的结果进行对比。试验结果表明：①与OMP算法相比,OMP-SVD算法在不同频率下均能准确定位出起落架主声源;②与CBF算法相比,OMP-SVD算法显著提高了分辨率。     

基于改进K-SVD字典训练的涡扇发动机气路突变故障稀疏诊断方法

以典型气路突变故障信号的稀疏特性为基础,通过对涡扇发动机部件特征原子组进行分类,提出了改进K-奇异值分解(K-singular value decomposition,K-SVD)字典训练的稀疏诊断方法,并结合气路典型突变故障开展了仿真实验研究。仿真结果表明:相比于拓展卡尔曼滤波(extended Kalman filter,EKF)和无迹卡尔曼滤波(unscented Kalman filter,UKF)方法,改进K-SVD方法对故障定位准确,无故障部件健康参数变化为0,可有效提高故障部件辨识度,避免误诊断;计算耗时与EKF方法基本相等,仅为UKF方法的03%,是一种有效的航空发动机气路突变故障在线诊断方法。