高密度烃与航空煤油燃烧特性对比试验

作者： 王宝源   李鹏飞   朱冬清   金仁瀚   刘勇   来源： 推进技术 年份： 2016 文献类型 ： 期刊 关键词： 高密度烃　　航空煤油　　层流火焰传播速度　　本生灯  

描述： 火焰传播特性。实验研究表明:当量比为1.1时,高密度烃层流火焰传播速度达到最大值,而航空煤油在当量比为1时达到最大值,且在相同工况下高密度烃的层流火焰传播速度的最大值较小;层流火焰传播速度随混合气

基于Broyden算法的航空发动机气路故障诊断

作者： 潘阳   李秋红   王元   来源： 推进技术 年份： 2017 文献类型 ： 期刊 关键词： Kalman滤波器   航空发动机   气路故障诊断   涡轴发动机   Broyden算法  

描述： 针对基于Kalman的故障诊断算法响应速度慢、多故障诊断及非设计点诊断精度低的问题,提出一种基于改进Broyden算法求解方程组的航空发动机气路故障诊断方法。针对涡轴发动机,以模型输出跟踪发动机输出为准则确定3个方程,结合发动机模型中的2个平衡方程,构建气路故障诊断方程组,通过改进Broyden算法求解方程组以获得部件性能退化因子及模型猜值。数字仿真结果表明,所提出的基于Broyden算法求解方程组的航空发动机气路故障诊断方法,在包线内的单故障和多故障诊断稳态误差均小于0.35%,且诊断过程算法单步运行最大耗时小于2ms,具有良好的实时性,远优于Kalman滤波方法,验证了算法的先进性。

航空发动机部件级模型实时性提高方法研究

作者： 殷锴   周文祥   乔坤   王鸿钧   黄金泉   来源： 推进技术 年份： 2017 文献类型 ： 期刊 关键词： 流路计算   Broyden法   部件级模型   实时性   涡扇发动机  

描述： 减少80%,在3.3GHz Intel CPU平台下模型单次流路计算耗时0.02ms,在168MHz STM32F407硬件平台下耗时1.55ms。研究了不同收敛残差对模型流路计算次数及仿真精度的影响

航空发动机螺栓连接载荷与结构参数对连接刚度影响规律

作者： 姚星宇   王建军   来源： 推进技术 年份： 2017 文献类型 ： 期刊 关键词： 航空发动机   螺栓连接刚度   法兰边刚度   螺杆刚度   锥形半角   应力分布  

描述： 从航空发动机复杂螺栓连接结构的特殊性出发,根据不同连接形式的螺栓连接结构轴向应力分布,提出了航空发动机复杂螺栓连接结构的连接刚度理论表达式,并进一步研究了航空发动机螺栓连接载荷、结构参数对连接刚度的影响规律。研究结果表明:当螺栓个数n在4~30之间变化时,双层的无量纲连接刚度K在8.9~66.8之间线性的变化;当螺栓预紧力F_p较小时,无量纲连接刚度K随着螺栓预紧力F_p的增加缓慢增加,当预紧力F_p增加到27.5k N时,双层的无量纲连接刚度K为27,且趋于稳定;并且n,F_p对无量纲连接刚度K的影响还与锥形半角α有关。

应用深度核极限学习机的航空发动机部件故障诊断

作者： 逄珊   杨欣毅   张勇   韦祥   来源： 推进技术 年份： 2018 文献类型 ： 期刊 关键词： 极限学习机   故障诊断   深度神经网络   核方法   涡扇发动机   部件  

描述： 运用传统单隐层的神经网络进行航空发动机部件故障诊断识别受其浅层结构影响,精度不高,而用深度置信网络(Deep belief network,DBN)等深度学习方法则存在耗时、参数训练复杂的问题。为解决现有的基于数据驱动的发动机部件故障诊断方法的不足,提高诊断精度,缩短训练时间,将核方法和多层极限学习机(Multilayer extreme learning machine,M-ELM)相结合,提出一种深度核极限学习机(Deep kernel extreme learning machine,DK-ELM)。算法首先利用深度网络结构对输入数据进行逐层的特征提取,抽象得到的特征通过核函数实现高维空间映射分类。这些措施有利于提高算法的分类精度和泛化性能,在训练速度上较深度学习也有明显的提高。将该算法与深度学习和其他极限学习机算法进行综合比较研究,结果表明:基于DK-ELM的诊断方法有效、可靠,便于实现,为航空发动机部件故障诊断提供一个更为优秀实用的工具。

航空压气机流动稳定性预测研究进展

作者： 孙晓峰   何晨   刘小华   马云飞   孙大坤   来源： 推进技术 年份： 2018 文献类型 ： 期刊 关键词： 压缩性   叶尖间隙   压气机   流动稳定性   气动掠  

描述： 在航空压气机设计阶段,对其稳定裕度进行快速、准确评估,防患于未然,具有迫切需求和重要意义。首先评述了现有的压气机流动稳定性理论预测方法,并重点就近期发展起来的叶轮机流动稳定性通用理论做了系统的介绍。随后,汇总了叶轮机流动稳定性通用理论在亚声速、跨声速轴流压气机以及亚声速离心压气机等不同机型上的应用,从现有算例来看,该理论有能力对不同类型的压气机失速起始点做出准确的预测。进一步,综述了基于叶轮机流动稳定性通用理论所开展的针对压缩性、叶尖间隙以及三维叶片造型等因素的参数化研究工作。研究结果表明,该理论在定性层面上能够捕捉到这些因素的影响,然而,这些预测结果定量上尚未得到实验的验证,需要进一步开展相应的实验研究。目前,叶轮机流动稳定性通用理论只在单级或单转子压气机上得到应用,对于多级压气机,还需要在定常流场的计算方法、大规模矩阵特征值求解等方面开展更加深入的研究。

应用深度核极限学习机的航空发动机部件故障诊断

作者： 逄珊   杨欣毅   张勇   韦祥   来源： 推进技术 年份： 2018 文献类型 ： 期刊 关键词： 极限学习机   故障诊断   深度神经网络   核方法   涡扇发动机   部件  

描述： 运用传统单隐层的神经网络进行航空发动机部件故障诊断识别受其浅层结构影响,精度不高,而用深度置信网络(Deep belief network,DBN)等深度学习方法则存在耗时、参数训练复杂的问题。为解决现有的基于数据驱动的发动机部件故障诊断方法的不足,提高诊断精度,缩短训练时间,将核方法和多层极限学习机(Multilayer extreme learning machine,M-ELM)相结合,提出一种深度核极限学习机(Deep kernel extreme learning machine,DK-ELM)。算法首先利用深度网络结构对输入数据进行逐层的特征提取,抽象得到的特征通过核函数实现高维空间映射分类。这些措施有利于提高算法的分类精度和泛化性能,在训练速度上较深度学习也有明显的提高。将该算法与深度学习和其他极限学习机算法进行综合比较研究,结果表明:基于DK-ELM的诊断方法有效、可靠,便于实现,为航空发动机部件故障诊断提供一个更为优秀实用的工具。

基于递归径向基神经网络的航空发动机盘腔瞬态壁温预测

作者： 李振环   王海   丁小飞   刘太秋   王春华   来源： 推进技术 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机   RBF神经网络   空气系统   瞬态壁温预测   多维重构  

描述： 针对航空发动机空气系统盘腔瞬态壁温动态预测难的问题，提出了一种基于径向基神经网络的递归预测模型。首先通过时序数据多维重构的方法建立训练样本，强化径向基神经网络对“时滞性”的预测能力，分析了模型固有超参数和由多维重构引入抽样控制参数对模型预测精度的影响。最后采用简化的典型盘腔壁面换热模型结合公开的试验历程转速数据，构建了供模型训练和测试的瞬态壁温数据样本，以递归调用模型的方式完成了对测试样本时序数据的预测和验证。结果表明，与常规的径向基神经网络预测模型相比，该模型的平均相对预测偏差由3.0%降低至0.45%，有效提升了模型的预测精度。为航空发动机盘腔瞬态壁温异常监控及超温排故问题提供了一种新的预判方法。

航空并联混合动力涡扇发动机热力循环与工作特性研究

作者： 刘光璧   王步宇   王向阳   佘云峰   邢耀仁   帅石金   来源： 推进技术 年份： 2023 文献类型 ： 期刊 关键词： 热力循环   数值模拟   涡扇发动机   并联混合动力系统   稳态特性  

描述： 为确定并联混合动力涡扇发动机的能量利用效率，并对不同电功率输入下发动机工作特性与性能参数的变化规律进行研究，本文从理论上对发动机有效循环功的来源进行划分，并由此分别定义并联混合动力涡扇发动机的电能利用率和燃油利用率；使用航空发动机性能仿真软件PROOSIS搭建基于CFM56-7B26发动机的并联混合动力涡扇发动机零维模型，模拟不同电功率输入条件下的发动机稳态性能。研究结果表明：并联混合动力涡扇发动机内涵道的循环类型仍然是基于布雷顿循环的实际循环，输入的电功率对发动机外涵道推力的贡献占比远高于其对内涵道推力的贡献；电能利用率始终明显高于燃油利用率，这也是并联混合动力涡扇发动机实现节能的主要原因；当输入的电功率增加时，发动机的涵道比增加，涡轮前温度与总压比降低，各部件的稳态工作点将发生移动，可能造成部件效率的下降。由于电功率的输入以及电能的高利用效率，并联混合动力涡扇发动机的油耗和能耗均低于常规涡扇发动机。

基于状态感知的航空发动机变基线模型建模方法研究

作者： 陈铖   郑前钢   汪勇   张海波   来源： 推进技术 年份： 2023 文献类型 ： 期刊 关键词： 高斯混合模型   航空发动机   飞行数据   状态感知   机载模型   变基线模型  

描述： 机载模型是先进航空发动机控制方法的基础，基线模型作为机载模型的重要组成部分，其建模准确度决定了机载模型的精度。针对传统单一基线模型在局部飞行包线精度高，而难以用于发动机全包线、全状态稳态性能预测的问题，提出了一种基于状态感知的发动机变基线模型建模方法。首先在小波变换滤波的基础上，提出基于状态感知的最优稳态数据筛选阈值计算方法，以减少稳态数据的错选或遗漏；其次，提出基于高斯混合模型（GMM）的变基线模型建模方法，利用GMM实现飞行数据自主聚类，并结合回归分析法，构建全包线、全状态的高精度变基线模型。仿真结果表明：本文提出的稳态数据筛选方法能有效避免数据错选或遗漏，相比于常规的单一基线模型，所提出的变基线模型可使高、低压转子转速的相对均值误差分别减小45%、30%以上。该方法能显著提升基线模型精度，同时实现了稳态数据自动化提取，避免了过多依赖人工经验且难以获得最优阈值的问题。