首页>
根据【关键词:大涵道比涡扇发动机,性能评估,参数测量】搜索到相关结果 20 条
-
基于参数匹配的航空发动机飞行性能评估技术研究
-
作者:
刘旭
任丁丁
来源:
工程与试验
年份:
2024
文献类型 :
期刊
关键词:
大涵道比涡扇发动机
性能评估
参数测量
-
描述:
的发动机性能评估模型。以某型大涵道比涡扇发动机仿真模型为应用对象,结果显示,在全包线内的典型工作状态下,仿真数据与评估模型计算数据相对误差小于4.5%,表明性能评估模型建立方法是正确的,所建立的性能评估模型可满足工程使用要求。
-
基于参数匹配的航空发动机飞行性能评估技术研究
-
作者:
刘旭
任丁丁
来源:
工程与试验
年份:
2024
文献类型 :
期刊
关键词:
大涵道比涡扇发动机
性能评估
参数测量
-
描述:
的发动机性能评估模型。以某型大涵道比涡扇发动机仿真模型为应用对象,结果显示,在全包线内的典型工作状态下,仿真数据与评估模型计算数据相对误差小于4.5%,表明性能评估模型建立方法是正确的,所建立的性能评估模型可满足工程使用要求。
-
国产新支线飞机发动机自然结冰试飞
-
作者:
高扬
来源:
科学技术与工程
年份:
2018
文献类型 :
期刊
关键词:
大涵道比涡扇发动机
发动机自然结冰
飞行试验
结冰气象
-
描述:
脱落时的大气中液态水含量均值为0.54~0.83 g/m~3,水滴平均直径为15.2~16.1μm,随着发动机功率的增加冰脱落循环周期呈现减小趋势,在双发待机功率下风扇振动变化幅度最大。试飞
-
国产新支线飞机发动机自然结冰试飞
-
作者:
高扬
来源:
科学技术与工程
年份:
2018
文献类型 :
期刊
关键词:
大涵道比涡扇发动机
发动机自然结冰
飞行试验
结冰气象
-
描述:
脱落时的大气中液态水含量均值为0.54~0.83 g/m~3,水滴平均直径为15.2~16.1μm,随着发动机功率的增加冰脱落循环周期呈现减小趋势,在双发待机功率下风扇振动变化幅度最大。试飞
-
民用航空发动机外涵支板声衬的降噪技术研究
-
作者:
李旦望
夏烨
来源:
科学技术与工程
年份:
2021
文献类型 :
期刊
关键词:
大涵道比涡扇发动机
声衬
风扇后传声
外涵支板
声散射
-
描述:
为了研究民用大涵道比涡扇发动机风扇外涵支板对风扇转静干涉噪声后传声散射效应的影响,以及外涵支板布置声衬的降噪效果,基于有限元方法,首先研究了等截面圆形管道和环形的声传播和远场声辐射特性,并与解析结果
-
民用航空发动机外涵支板声衬的降噪技术研究
-
作者:
李旦望
夏烨
来源:
科学技术与工程
年份:
2021
文献类型 :
期刊
关键词:
大涵道比涡扇发动机
声衬
风扇后传声
外涵支板
声散射
-
描述:
为了研究民用大涵道比涡扇发动机风扇外涵支板对风扇转静干涉噪声后传声散射效应的影响,以及外涵支板布置声衬的降噪效果,基于有限元方法,首先研究了等截面圆形管道和环形的声传播和远场声辐射特性,并与解析结果
-
航空发动机试车台噪声环境测试研究
-
作者:
杨明绥
刘凯
贾平芳
王萌
闫海蛟
冯敏
来源:
燃气涡轮试验与研究
年份:
2017
文献类型 :
期刊
关键词:
排气塔
进气塔
噪声测试
大涵道比涡扇发动机
噪声源分析
噪声控制
航空发动机试车台
-
描述:
典型试车台上,针对大涵道比涡扇发动机开展噪声测试和综合分析,分别完成了发动机噪声源特性分析、进排气塔消声和隔声分析、周围环境噪声分析等,并对试车台降噪设计关键问题进行了探讨,对今后试车台的降噪设计具有重要借鉴意义。
-
航空发动机试车台噪声环境测试研究
-
作者:
杨明绥
刘凯
贾平芳
王萌
闫海蛟
冯敏
来源:
燃气涡轮试验与研究
年份:
2017
文献类型 :
期刊
关键词:
排气塔
进气塔
噪声测试
大涵道比涡扇发动机
噪声源分析
噪声控制
航空发动机试车台
-
描述:
典型试车台上,针对大涵道比涡扇发动机开展噪声测试和综合分析,分别完成了发动机噪声源特性分析、进排气塔消声和隔声分析、周围环境噪声分析等,并对试车台降噪设计关键问题进行了探讨,对今后试车台的降噪设计具有重要借鉴意义。
-
电磁干扰对民航GPS系统的影响研究
-
作者:
王倩营
周媛媛
来源:
民航学报
年份:
2023
文献类型 :
期刊
关键词:
预警
电磁干扰
性能评估
信号处理
干扰范围
-
描述:
GPS干扰是威胁民航飞行安全的一个重要因素。为了研究电磁干扰对民航GPS系统的影响,本文基于GPS接收机信号处理流程,对接收系统相关性能评估指标进行了分析,并计算了自由空间中单频信号、宽带扩频、宽带
-
机器学习在航空发动机排气温度预测中的应用研究
-
作者:
易文川
王兴
王翔
唐庆如
来源:
舰船电子工程
年份:
2023
文献类型 :
期刊
关键词:
航空发动机
机器学习
性能评估
排气温度
预测算法
-
描述:
排气温度是优化发动机性能和排放的关键参数,目标是在预测排气温度的基础上评估四种经典机器学习回归算法,即人工神经网络、随机森林、支持向量回归和门控循环单元。燃油流量、滑油压力和转速是模型输入,所有的机器学习模型在可接受的误差范围内预测了排气温度。相互比较时,门控循环单元的预测精度最高,但它通常需要高质量的无噪声数据;随机森林的精度最低,但需要的计算资源最少;支持向量回归在耗费高计算资源的前提下保证了较好的预测精度;人工神经网络是最合适的预测算法,但它存在繁琐的超参数调整过程。结果表明,经过良好训练的机器学习模型可以准确预测航空发动机排气温度,同时也有助于优化发动机性能、排放和寿命。