间接式氟化氢气相清洗技术及应用

航空发动机及燃气轮机关键部件多采用镍基或钴基精密铸造高温合金材料,其深度修复的主要方法为熔焊和钎焊,为了保证焊接的质量,必须去除部件表面和裂纹内部的氧化物。目前国外采用的是商品化的直接式氟化氢气相清洗技术及设备,国内企业却因技术限制无法获得此类技术和设备。彭州西部蓝色动力科技有限公司研发的间接式氟化氢气相清洗技术和设备填补了这项技术空白,本文详细介绍了间接式氟化氢气相清洗技术的原理及其验证应用情况。     

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.     

深度置信网络在发动机气路部件性能衰退故障诊断中的应用研究

为提高发动机转动部件性能衰退故障诊断精度,针对传统的浅层网络和支持向量机(SVM)方法在诊断时存在泛化能力欠缺、易产生局部最优解等问题,引入近年来在模式识别领域取得巨大突破,模拟人脑多层结构的深度置信网络(DBN)进行发动机部件性能衰退故障的诊断。为改进深度置信网络性能,提出一种在无监督和有监督训练阶段都可自适应调整权值的改进算法(ad_DBN)。以涡扇发动机为对象,将两种DBN算法与BP,RBF和SVM方法从诊断精度、计算时间、抗噪能力三方面进行综合比较分析。结果表明DBN算法诊断精度明显优于反向传播(BP)神经网络,径向基(RBF)神经网络和支持向量机(SVM)方法,得益于权值的自适应调整,ad_DBN诊断的平均精度高达97.84%,其抗噪声能力也明显优于其他算法,能够提高故障诊断的有效性和可靠性。