飞机环控系统降噪方法研究

介绍了飞机环控系统中动力源噪声、引气系统与制冷组件的附件噪声和舱内空气分配系统噪声等三大噪声源的组成及其特点，并且在三大噪声源频谱特性分析的基础上，提出了对飞机环控系统引气噪声、制冷组件噪声、风扇、座舱排气活门噪声和座舱空气分配系统噪声的控制方法。     

桨刀对螺桨增效降噪的试验研究

某 3叶螺桨模型在桨叶叶尖半径 88%处的弦向位置安装桨刀 ,以分隔叶面径向流和环向流的交互影响 ,阻止桨尖附面层的分离和涡旋的形成。在风洞中进行了带桨刀与不带桨刀的对比试验。结果表明 ,在试验范围内的等值进距比 J条件下 ,带刀的螺桨效率提高 (1 .9～ 4.9) ,噪音下降 1 .3～ 2 .0 d B左右。在地面静止状态下进行试验时 ,也得到类似的结果     

Y—12飞机舱内声强测量及降噪措施的研究

本文通过对Ｙ－１２飞机舱内声强测量与分析，初步识别出该型飞机的主要噪声源及其向舱内传播途径，并提出了可行的降噪措施。     

基于小波分析的转子故障信号自适应降噪技术研究

在转子故障信号的小波降噪研究中,降噪效果常常依赖小波分解层数、故障转子转速和信号的采样频率,难于自动完成.针对该问题,提出了一种转子故障信号的自适应小波降噪新方法,该方法先对原始数据进行重采样,然后将重采样信号用小波变换分解到规定的层数,最后运用Donoho软阈值法实现降噪.该方法无需人为选取小波分解层数,降噪过程自动完成.大量的仿真和实验算例验证了方法的正确有效性.      

某型航空发动机叶片逆向工程方法研究

以某航空发动机叶片为研究对象,结合叶片的曲面特征,使用三坐标测量机逆向工程采集点云数据;提出了适合于叶片曲面的最小二乘滤波降噪算法,应用滤波算法对点云数据进行降噪处理,并使用ImageWare软件完成数据的曲线曲面重构;最后从曲面质量和拟合精度两方面,分析和评价了叶片逆向工程的精度可靠性。     

基于SDAE的航空发动机燃油流量基线模型构建

为克服传统的基线模型算法(如BP神经网络算法)存在的泛化能力不高、鲁棒性差且容易陷入局部最优解等缺点,构建了基于堆叠降噪自动编码器(SDAE)的航空发动机燃油流量基线模型,利用民航发动机的真实飞行数据对基线模型进行训练与验证,并与基于BP神经网络的基线模型进行对比分析。结果表明:基于SDAE的燃油流量基线模型具有更高的精度和更强的鲁棒性。     

波瓣混合器喷流降噪技术实验

在消声室内的喷流噪声实验台上,对大涵道比涡扇发动机混合式排气系统缩比模型进行了冷喷流噪声实验,以环形混合器为基准,研究了采用波瓣混合器的喷管喷流远声场频谱特性和降噪效果.研究结果表明:与采用环形混合器的基准型喷管相比,波瓣混合器喷管在低频段有很好的降噪效果但高频段的声压级有所升高,波瓣混合器喷管下游方向(θ=150°)的总声压级明显降低而中游方向和上游方向的总声压级升高.随着波瓣混合器出口处内外涵气流速度差的增大,波瓣混合器喷管低频段的降噪效果越来越明显但高频段声压级的升高也会不同程度地增大,在波瓣混合器喷管下游方向(θ=150°)的总声压级降低更加明显的同时中游方向和上游方向的总声压级也有所升高.      

连续式跨声速风洞试验段降噪技术

利用中国空气动力研究与发展中心（CARDC） 0.6 m连续式跨声速风洞试验平台,分析了试验段噪声源产生及回路传播的机理,对压缩机尾罩和第四拐角段进行声学处理以降低来流噪声,并采用风洞二喉道节流状态运行抑制试验段下游噪声的前传,有效屏蔽了回路噪声对试验段的影响。据此开展了试验段不同通气壁型式、不同设计参数的主动降噪方案优化设计及其对比试验研究,获取了较优的试验段壁板设计方案,最终实现了风洞试验段气流压力脉动系数低于0.8%的噪声设计指标要求。      

机场噪声问题及其综合治理

AirportNoiseandtheComprehensiveSolution机场是现代化城市的标志。机场带来了方便和繁荣,同时也带来了污染和噪声。机场噪声是不可避免的,它是飞机运行必然的副产品。飞机噪声是一个世界性的难题,它不但影响新机场的修建,还严重影响现有机场经济有效地运行。噪声污染已成为与空气污染和饮水污染并列的三大公害之一。机场噪声亦然,它对人的影响因素,不仅仅是噪声强度,还包括噪声频谱、出现时刻和持续时间等。机场噪声是一个复杂的问题,只有采取综合降噪手段才能予以解决。首先要降低飞机的噪声,鼓励生产和使用低噪声的飞机。另…     

基于GSP仿真和SDAE的航空发动机故障诊断

为了深入研究航空发动机故障机理,提出基于航空燃气涡轮发动机性能仿真软件(GSP)和堆栈降噪自编码器(SDAE)的航空发动机故障诊断方法。通过GSP性能仿真方法模拟发动机在不同设计参数下的部件故障,并得到对应的运行状态参数;从每种故障类型下的长时间序列的状态参数中提取出向量化的曲线特征,构成故障样本;将故障样本带入SDAE模型中进行深度特征提取,经过前向传播和反向微调得到训练好的模型用于发动机故障诊断。结果表明:GSP能够通过参数更改来模拟微弱故障下的状态参数,从而构建多故障样本集;SDAE的重构误差和反向传播误差能够快速收敛到较小值,SDAE的故障诊断正确率为99.5%;与深度信念网络(DBN)、人工神经网络(ANN)以及经典机器学习方法支持向量机(SVM)相比,SDAE的故障分类正确率分别提高了0.8%、6.9%和10.1%。