某飞机发动机干扰火警告警系统故障的排除与分析

本文主要对某型飞机发动机干扰火警告系统进行了理论分析，并在此基础上提出了排除电磁干扰的方法以及防护电磁干扰的措施。     

飞机起落架故障数据库模型与实现方法研究

讨论了民用飞机起落架故障数据库的结构模型，基于关系模型故障数据库故障树存储结构的表示及实现，详述了Treeview的基本功能和使用方法等内容。文章最后介绍了采用VFP建立Boeing737起落架故障数据库的部分功能。     

应用神经网络诊断航空发动机气路故障的前景

介绍了近几年来国内外应用神经网络对航空发动机气路故障进行诊断的基本方法和研究进展。对单一故障进行定性的诊断已经取得了试验验证，结果表明神经网络具有较高的诊断准确率。对反映发动机气路部件健康状况的气流量、效率等参数的多故障、定量的诊断则取得了一些仿真研究成果。相对于基于发动机气动热力学数学模型的方法而言，神经网络方法具有更大的工程应用潜力。     

液体发动机故障检测与诊断中的基础研究问题

液体火箭发动机故障检测与诊断是当前航天推进系统研究中迫切需要解决的关键技术。根据我国当前这项技术发展的实际情况，必须提高研究水平和加快研究进程，做好基础性的研究工作，介绍了我国在建立泵压式液体火箭发动机故障模式、标准数据库和改进人工神经网络算法与时序分析算法等方面所做的工作。提出了深入开展故障仿真研究和开发实用故障检测与诊断系统的建议。     

试建立基于检测振动加速度信号的设备故障部位诊断模型

往复式压缩机、内燃机等复杂设备,一旦出现故障,诊断的首要任务是要判断它们的故障部位。以检测振动加速度信号取代传统的耳听手摸的经验方法是这类设备诊断的一个趋势。尝试着提出了基于检测振动加速度信号的设备故障部位诊断模型--单特征模型和多特征集成模型。通过在往复式压缩机和内燃机上的实例验证表明,提出的单特征模型和多特征集成模型具有一定的可行性,其中多特征集成模型比单特征模型更有效。     

TM总线和模块故障检测

概要介绍了ＴＭ总线规范;并对如何用ＴＭ总线实现模块化航空电子系统的层式检测维修结构进行了探讨。     

应用BP-ART混合神经网络的推进系统状态监控实时系统

应用ＢＰ－ＡＲＴ混合神经网络提出了一种供推进系统状态监控实时使用的系统,其拓扑结构为： 第一层处理单元由ＢＰ神经网络组成, 每个ＢＰ网络代表一个相应的推进系统组件; 第二层处理单元为一个ＡＲＴ神经网络, 网络的每一个输出代表推进系统的一种“健康状态”, 据此可对其故障进行“诊断”。该混合结构充分发挥了两类网络的优点, 给出的具体应用实例也显示出在推进系统实时状态监控与故障诊断应用中的有效性     

航空发动机第1级风扇叶片鸟撞研究

针对目前对鸟体撞击风扇部位影响分析不全的问题,计算了鸟体飞向叶片不同部位和穿过支板间隙的概率,在此基础上分析了鸟体撞击旋转状态第1级风扇叶片不同位置的概率。基于数值模拟技术,建立了鸟体撞击叶片的有限元模型,模拟鸟撞击风扇叶片叶尖、叶中、叶根部位,在分析引起叶片不同位置塑性变形的基础上,进一步确定了风扇损伤最大的位置。针对4种不同的鸟体撞击速度,对发动机第1级风扇叶片鸟体撞击部位损伤进行了分析。得到鸟体穿过叶尖部位支板间隙的概率约为50%,撞击叶尖部位概率约为16.7%,是最容易撞击的部位,受到的损伤也较大。计算结果可以为确定发动机风扇叶片鸟体撞击损伤提供参考。     

基于自适应核主元分析的EHA系统传感器故障检测

针对核主元分析(KPCA)方法难以选择合适核函数的问题,提出了一种基于自适应核主元分析的传感器故障检测方法,根据训练数据对核函数进行自适应修正,使核函数适应给定的训练数据。对常规数据标准化处理方法进行了改进,提出了一种"均值化"的处理方法,使处理后的数据既能消除不同变量幅值和量纲的影响,又能反映训练数据的全部信息。将此方法应用于机载电动静液作动器(Electro-Hydrostatic Actuator,EHA)系统的传感器故障检测,结果表明,此方法比常规KPCA方法更为先进,具有更好的故障检测性能。     

航空发动机叶片高频模态阻尼的实验测试方法

以NASA Rotor37叶片为对象,研究了航空发动机叶片的高频模态阻尼比的实验测试方法.实验分析和数值计算均说明:在随机声激励下获得频响曲线将包含由支撑结构振动造成的峰值.基于此提出在支撑结构上布置多个传感器的实验方案,并以支撑结构的振动峰值位置和能量相对大小来判定叶片振动主导的振动峰值.用小波阈值收缩法和曲线拟合法对这些振动峰值进行了降噪和模态阻尼比识别,给出了实测模型在10kHz内“叶片主导振动”的模态阻尼比.结果表明:一般的结构金属材料条件下,叶片结构的高频模态阻尼比的数量级小于1%,且随频率增加呈下降趋势.