无螺栓后挡板与叶片接触压力的分析

以有限元分析平台为基础, 寻求了涡轮和无螺栓挡板之间的过盈量与涡轮转速、无螺栓后挡板前后气体压力差、叶片对无螺栓挡板压力三者的变化规律.利用最小二乘法拟合出上述变化规律的方程, 通过涡轮与无螺栓挡板之间的变形协调关系, 归纳出转速、无螺栓后挡板前后气体压力差和无螺栓挡板能提供的压力这三者关系方程.      

气体动压轴承-转子动力系统稳定性及分岔

基于非线性动力学理论, 研究了普通圆柱型径向气体动压轴承支承的转子动力系统的运动稳定性和分岔.建立了气体动压轴承-Jeffcott转子系统的力学模型, 并采用有限元方法逼近非定常气体雷诺方程, 得到任意时刻的气膜力;数值模拟该非线性动力系统的长期行为, 得到了轴颈中心的运动轨迹;并采用轨迹图、相图、分岔图以及功率谱等, 研究了系统的非线性行为以及不平衡响应的稳定性.研究结果表明:该方法对气体轴承中存在的气膜涡动问题能够给予合理的解释.      

PSE方法在后部加载叶栅绕流稳定性分析及转捩预测中的应用

采用数值求解与实验测量相结合的方法, 分析后加载叶栅绕流的稳定性并预测转捩.推导出正交曲线坐标系下三维扰动波的抛物化稳定性方程, 在风洞实验中测量叶栅叶片表面的静压分布, 并结合测量结果对设计叶栅的流动稳定性进行特征值分析.分析结果表明:(1)后加载叶型能有效推迟转捩, 提高叶栅的变冲角特性;(2)当冲角变化时叶顶流动稳定性的变化最显著, 负冲角流动稳定, 正冲角流动最不稳定.      

航空发动机数控系统中LVDT传感器信号处理及在线故障检测

通过对线位移差动变压器(LVDT)信号处理电路的深刻研究, 给出了芯片发热、温漂、信号精度等问题的一般解决方法, 提出了一种通过软、硬件结合, 在不增加外围器件的情况下对LVDT传感器进行在线故障检测的定值判断法.发动机台架试验结果表明, 所提出的方法是行之有效的.      

用FTIR光谱仪测量排气系统中红外光谱辐射强度的方法

通过理论分析及实验研究讨论了傅立叶变换红外(FTIR)光谱仪测量排气系统中红外光谱辐射强度过程中误差产生的原因, 设计了一套简易有效的测量方法.用此方法测量了黑体和热喷流的光谱辐射强度.结果表明:该测量方法能够有效地获得排气系统的中红外光谱辐射强度, 具有工程实用价值.      

湍流模型对叶片表面换热计算的影响

为了比较湍流模型对涡轮叶片外换热计算结果的影响,采用五种湍流模型及两种壁面函数计算了NASA-MarkII导向叶片表面换热并与实验数据进行了对比,结果表明:在相同边界条件下不同湍流模型的计算结果有很明显的差别,即使是同一种湍流模型,如果采用不同的壁面处理函数其计算结果也是有很大差别的;某些湍流模型的计算值只是在某个区域较为理想,还不能找到在整个叶片表面计算结果与实验数据较为接近的湍流模型.在尚无普适性较好的湍流模型的情况下,研究在不同计算域采用不同湍流模型和壁面处理函数的计算技术,是一种较好的可行的方案.      

高超飞行器进气道/内流道流动特性试验

用Ma∞=7风洞试验的方法研究了一种吸气式高超声速飞行器二维进气道/内流道的流场特征与起动特性.试验结果表明:在来流总压0.5～1.9 MPa、单位雷诺数2.48×106～7>.95×106范围内,进气道起动的前提下,进气道/内流道沿程压力分布受来流总压、雷诺数的影响变化很小;在进气道外压缩段流动未受干扰前进气道隔离段最大可承受反压约为250倍自由来流压力;未加侧板时该进气道具有自起动能力,加侧板后隔离段出口压力有所增加;在设计点工况,该进气道增压比42.9,总压恢复0.27,出口马赫数2.76.      

轴对称推力矢量喷管载荷变形的控制补偿

研究了温度场和气动载荷联合作用下的轴对称矢量喷管出口面积和偏转角度误差的补偿问题.建立了扩张调节片位姿参数与其悬挂机构尺度之间的关系,导出了悬挂机构关节角位移增量与构件长度增量之间的微分方程,得到喷管出口面积误差和矢量偏转角误差与负载变形之间的解析表达式.利用矢量偏转角度和面积与轴对称矢量喷管转向驱动机构动平台位姿之间的关系,建立了受温度场和气动载荷联合作用下的动平台位姿补偿方程.研究表明,补偿后的矢量偏转角度和面积的相对误差不大于1%.      

陶瓷基复合材料基体裂纹偏转能量释放率研究

采用虚裂纹闭合技术(VCCT)计算了基体裂纹在界面处不同传播路径的能量释放率,并结合基于能量释放率的裂纹偏转准则对陶瓷基复合材料基体裂纹偏转进行了研究.计算了弹性错配参数α和β、基体裂纹扩展长度a、基体裂纹相对扩展长度ad/ap对裂纹偏转的影响,并将VCCT计算结果与积分法的计算结果进行比较.结果表明:VCCT能够准确计算基体裂纹扩展时的能量释放率,计算结果可为研究陶瓷基复合材料失效机制提供一定参考.      

基于粒子群神经网络的轮盘优化

将粒子群算法(PSO)和BP神经网络相结合, 构建了一种新型智能结构优化算法.PSO方法除用于结构优化外, 还被用于BP神经网络的构造及网络训练, 使之可自适应调整优化.结构优化中, 以BP神经网络取代有限元方法, 通过设计变量来映射目标函数和约束, 从而大大提高了计算速度.将此方法用于轮盘结构优化, 使得轮盘体积减少了17.5%, 结果通过检验.该方法便捷、高效, 为解决工程结构优化问题提供了一个新途径.