全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
- 基于机器学习的航空发动机关键部位热障涂层厚度反演研究
- 作者： 宋凯 李子璇 陆灵峰 肖树坤 王荣彪 来源： 中国测试 年份： 2023 文献类型 ： 期刊 关键词： 机器学习 热障涂层 电磁无损评估 涡流探头
- 描述： 热障涂层（Thermal Barrier Coating，TBC）是一种由金属粘接层和陶瓷层构成的隔热材料，具有热导率低、抗热疲劳及耐高温氧化等优异性能，能够很好的在高温环境下保护发动机关键部位。针对某关键部位多曲面基体热障涂层厚度的涡流检测，设计了R45.5mm以及R72.5mm两种弹压式涡流传感器，建立了3种机器学习算法的反演模型，并对曲面模拟试样进行测量，最后验证了3种算法的反演精度。结果表明：R45.5mm曲面试样随机森林算法的粘接层最大相对误差为9.01%，陶瓷层最大相对误差4.33%；R72.5mm曲面试样随机森林算法的粘接层最大相对误差为5.23%，陶瓷层最大相对误差6.28%，均小于工业误差要求10%。