融合机床精度与工艺参数的铣削误差预测模型

为弥补现有五轴联动数控铣床加工飞机结构件的加工精度评估系统的不足,提出利用机床精度检测数据和零件特征及其工艺参数来构建评估指标体系,基于BP神经网络建立了飞机结构件加工误差预测模型。通过完成训练的网络权值分布,计算出各输入指标对最后评估结果的影响,并通过实例分析检验了模型的可靠性。结果表明,经BP神经网络模型训练得到的结果和样本零件的三坐标测量机测量数据基本吻合,选取的评价指标具有有效性。该评估模型能够有效地融合机床精度检测数据和零件特征及其加工工艺参数,对飞机结构件的铣削加工误差进行预测。     

离心压缩机密封及空腔流动的一维/三维耦合建模研究

为了在保证数值预测精度的同时降低离心压缩机的建模复杂度,以一维密封泄漏计算替代完整的密封及空腔建模,开展了离心压缩机盖盘密封及空腔流动的源项建模方法研究。结果表明:基于源项方法的密封及空腔简化建模仅需在主流道建模基础上施加泄漏质量流量、总温和摩擦损失源项边界条件,即可较高精度地还原完整的盖盘密封及空腔建模的性能和关键流动细节。与完整建模相比,在全工况下源项建模预测的等熵效率的绝对偏差小于0.65%,总压比和等熵效率的相对性能偏差小于1%。该方法可在满足下游部件匹配设计精度需求的同时,减少50%以上的网格数量,并显著提高计算的经济性和收敛性。泄漏流量的计算精确度是影响源项建模法性能预测准确性的最关键因素,耦合建模可以采用一维计算中推荐的密封泄漏系数值。      

航空发动机涡轮叶片的失效分析与检测技术

通过分析航空发动机涡轮叶片的失效机理与寿命预测模型,从理论上阐述了导致叶片失效的关键因素。并针对影响叶片寿命的关键参数系统地阐述了目前的检测技术和发展趋势,主要包括叶片制造过程中叶片轮廓、进出气边轮廓、气膜孔、表面质量的检测,以及叶片服役后涂层质量、蠕变伸长量的离线和在线检测。检测技术既是叶片制造一致性的保障,同时也为失效机理和寿命预测提供实验测量数据,使预测模型更精准。     

表贴式永磁同步电机直接转矩控制变幅值预测控制研究

基于以电压矢量幅值为变量的表贴式永磁同步电机(SPMSM)磁链和转矩方程,采用预测控制计算得出施加不同电压矢量幅值的下一时刻磁链和转矩值,选择使磁链和转矩误差目标函数最小的电压矢量幅值作为最优值,从而确定下一时刻施加的电压矢量。仿真结果表明:在电压矢量变幅值预测下,SPMSM直接转矩控制(DTC)系统运行良好,定子磁链轨迹为理想圆,磁链和转矩均符合控制要求,转速跟踪良好,定子电流波形正弦。预测控制需要从备选电压矢量幅值集合中选择最优幅值。理论上,备选电压矢量幅值个数越多,系统优化效果越好,但也带来更大的计算负担。研究了9种等分电压矢量情况下变幅值预测控制系统的控制效果。根据控制效果和计算负担,提出变幅值预测控制将电压矢量幅值三等分较为理想。     

基于LSTMAttention网络的短期风电功率预测

提出一种基于LSTMAttention网络的短期风电功率预测方法。首先,使用LSTM网络对数值天气预测(NWP)数据的特征信息进行提取,同时采用注意力机制有效分析了模型输入与输出的相关性,从而获取了更多重要时间的整体特征;其次,使用卷积神经网络(CNN)提取NWP数据的局部特征,并引入压缩和奖惩网络(SE)模块学习特征权重,利用特征重新标定方式提高网络表示能力;最后,将局部特征和整体特征进行特征融合,通过分类器输出分类结果。利用NOAA提供的美国加利福尼亚州某风电场的数据进行案例分析,证明了所提方法的有效性。试验结果表明,与BP神经网络、自回归积分滑动平均模型(ARIMA)模型和LSTM模型相比,LSTMAttention模型具有更高的预测精度,证明了该方法的有效性。     

基于非结构混合网格的CHN-T1标模气动特性预测

本文使用自行研制的基于非结构混合网格的亚跨超声速流场解算器MFlow,对AeCW-1提供的客机标模CHN-T1进行了数值模拟研究。介绍了非结构混合网格的生成情况,重点分析了网格收敛特性、压力分布、气动特性曲线、流动分离等。计算得到了近似线性的网格收敛特性。随着网格加密,对激波和分离气泡的模拟更精细。尾支撑对气动特性的影响非常明显,特别是对平尾气动特性有很大影响。机翼静气动弹性变形的影响主要是使升力系数和阻力系数减小。湍流模型的QCR修正对大迎角计算结果有较大的影响。计算结果表明,MFlow程序能够准确地预测客机标模的气动特性。     

基于民航团队旅客销售的组合预测方法分析

利用Matlab分别用回归分析算法、BP神经网络算法、最小二乘支持向量机算法和组合预测算法对民航团队销售数据进行预测和比较分析,期望为民航销售人员提供更加精准的预测信息,以获得更高的航线收益.结果显示神经网络、支持向量机和组合预测3种算法比航空公司常用的回归分析预测精准度有了明显的提高.支持向量机预测精度相对神经网络稍低,却拥有更强的泛化能力.组合预测能避免单一预测方法的误差,更加适合航线销售人员的实际操作.     

基于D-S证据理论的发动机部件性能降级量化融合研究

针对多方法计算所得发动机部件性能降级无法直接应用Dempster-Shafer(D-S)证据理论融合的问题,提出一种实现降级参数量化融合的方法。以一段时间内计算结果作为样本,融合性能模型输出结果和神经网络输出结果,通过划分区间统计样本落入区间的频率构造基本概率赋值(BPA),从而实现性能降级的量化融合。对比了独立区间划分法和嵌套区间划分法两种BPA构造方法的融合结果,得出了嵌套区间划分法构造BPA具有更适合量化融合的主要结论。     

FOD缺口型损伤对TC4疲劳极限强度的影响

针对TC4钛合金风扇/压气机叶片前缘常遭受的外物损伤(FOD)缺口型损伤,进行了不同冲击角度下高速弹道冲击试验研究、损伤特征与应力集中分析,开展了冲击后不处理和冲击后去残余应力退火试样的高循环疲劳试验和疲劳极限强度预测。结果表明:随着冲击角度的增大入射侧损伤尺寸和应力集中系数基本保持不变,出射侧缺口损伤深度和损伤长度减小。损伤深度范围为0.6~1.5mm,应力集中系数范围为2.6~3.4。缺口型损伤试样的疲劳极限强度下降为光滑试样的27%~53%,与应力集中系数并不是呈反比关系。退火试样的高循环疲劳(HCF)性能或略微下降或基本不变,表明残余应力影响较小,残余应力对疲劳极限强度的影响程度不足光滑试样的10%。缺口型损伤试样的HCF性能与损伤底部半径的相关性不明显,随着最大损伤深度和损伤长度的增加而下降,表明制定维修手册时应着重考虑缺口型损伤的最大深度和损伤长度。Peterson经验公式对HCF性能的预测精度不理想,误差最大为45%,需要发展高精度的FOD缺口型损伤构件HCF性能预测方法。      

基于在线学习的数控加工刀具寿命动态预测方法

预测刀具寿命对保证零件质量和控制加工成本意义重大,但刀具磨损过程复杂多变,刀具剩余寿命受工况影响难以准确预测。针对以上问题,提出了一种基于在线学习的刀具寿命动态预测方法,以长短时记忆网络为基础模型,融合在线学习模块,使得模型能够在加工过程中自动更新参数,实现变工况下刀具寿命的精确预测。进行了铣削加工试验,结果表明,刀具寿命动态预测方法可以有效提升刀具寿命预测精度。