首页>
根据【关键词:自动化检测,涡轮叶片,涡流检测,弹压探头,检测效率】搜索到相关结果 6 条
-
航空发动机涡轮叶片涡流自动化检测试验研究
-
作者:
杨戈
王婵
张翼东
宋凯
来源:
失效分析与预防
年份:
2023
文献类型 :
期刊
关键词:
自动化检测
涡轮叶片
涡流检测
弹压探头
检测效率
-
描述:
涡流检测技术对工件表面或近表面的缺陷有很高的检出灵敏度,且检测线圈不需与被测物直接接触,可进行高速检测,易于实现自动化。针对航空发动机涡轮叶片的复杂曲面人工检测难度大、效率低等问题,研制了一套六自由度机器人涡流自动化检测系统,该系统可自行对其工作空间、工作表面和运动学的工作特性进行分析研究;设计了多种典型涡轮叶片专用弹压式涡流检测探头,可自适应叶片形貌及叶片安装误差;开展了涡轮叶片检测自动扫查检测试验,优化了涡流检测的激励频率和自动扫查速度。结果表明:可弹压式涡流探头对叶片表面缺陷可自适应涡轮叶片的复杂表面,提高了自动化检测的精度,同时弥补提离变化和安装误差。当激励频率为1.25~1.75 MHz、扫查速度为30 mm/s时,检测灵敏度较高,能有效检出缺陷。相比于人工涡流检测方法,该自动化检测系统提高了叶片的检测效率。
-
基于某航空发动机涡轮叶片的热流固耦合分析
-
作者:
杨杰
张姝
刘志超
来源:
机械
年份:
2023
文献类型 :
期刊
关键词:
涡轮叶片
结构强度
数值模拟
多物理场
-
描述:
以某航空发动机的整体型涡轮叶片为研究对象,基于数值模拟的方法对涡轮叶片在离心载荷、热载荷及气动载荷作用下的叶片结构强度进行了研究,分别对离心载荷、热载荷+离心载荷、热载荷+离心载荷+气动载荷三种载荷工况下的应力与位移的分布趋势与叶片节点上应力值变化趋势进行了研究。通过有限元结果的对比发现:三种载荷对结构强度的影响顺序由大至小,依次是离心载荷-热载荷-气动载荷,其中离心载荷对应力结果的影响较大,热载荷对位移结果的影响程度较大。通过对三种不同工况下相同叶片上应力值沿叶身节点坐标的变化趋势的对比可以发现:三种工况条件下,应力值沿叶身节点的变化趋势几乎一致。
-
航空发动机涡轮叶片故障检测荧光线性显示分析
-
作者:
余郅
王清艳
来源:
无损检测
年份:
2023
文献类型 :
期刊
关键词:
荧光渗透检测
涡轮叶片
裂纹
改进措施
-
描述:
某型航空发动机试车后故障荧光渗透检测时,发现某级涡轮叶片存在线性显示。为了确定该线性显示的形成原因,对显示部位进行剖切及理化检测分析后确定:该线性显示为热裂纹,裂纹产生于铸造过程,且在试车过程中未出现扩展。结合该结论,针对涡轮叶片在制造阶段X射线检测工序和荧光渗透检测工序没有检出裂纹及裂纹形成的原因进行了分析,制订了相应的铸造工艺和无损检测工艺改进措施。
-
基于流热固耦合的航空发动机涡轮叶片仿真分析
-
作者:
徐建新
许立敬
来源:
航空科学技术
年份:
2023
文献类型 :
期刊
关键词:
流热固耦合
航空发动机
涡轮叶片
QAR飞行数据
有限元仿真
-
描述:
为真实模拟某型民用航空发动机涡轮叶片的实际工作状况,需要同时考虑气动力、热应力、离心力三者共同作用,找出该型民用航空发动机涡轮叶片的疲劳危险部位。本文基于某型民用航空发动机实际快速存取记录器(QAR)飞行数据,利用ANSYS Workbench仿真软件对航空发动机涡轮叶片进行流热固耦合有限元仿真分析。结果表明,涡轮叶片等效应力和等效应变云图变化基本一致,最大应力和应变出现在涡轮叶片叶身与缘板交接处的前缘和后缘,最大应力和应变分别为4601.4MPa和0.026,且与其他部位数值相差较大,可将其列为疲劳危险部位,为后续研究涡轮叶片寿命预测分析和结构优化提供技术参考。
-
基于深度学习的航空发动机涡轮叶片自动射线检测技术研究
-
作者:
王栋欢
肖洪
吴丁毅
来源:
推进技术
年份:
2023
文献类型 :
期刊
关键词:
航空发动机
涡轮叶片
射线图像
深度学习
射线检测
缺陷检测
-
描述:
一直以来,航空发动机涡轮叶片的射线检测依靠检验员人工评片。为避免经验差异、眼睛疲劳、标准理解等人为因素影响,有效改善传统射线检测费时费力、效率低下等问题,针对航空发动机涡轮叶片射线图像,基于YOLOv4模型提出了一种双主干特征融合的缺陷自动检测算法(DBFF-YOLOv4);通过设计包含所有特征映射的新型连接结构搭建缺陷检测颈部网络,建立了适用于涡轮叶片射线图像的缺陷自动检测模型;针对每个缺陷,采用9次裁剪、旋转和亮度增减的图像数据增强方法扩充样本数据,在此基础上进行了模型训练与测试。结果表明,针对完整涡轮叶片,建立的缺陷检测模型在0.5的置信度阈值下可获得96.7%的平均查准率和91.87%的平均查全率,优于通用目标检测算法YOLOv4模型。9次缺陷裁剪、旋转和亮度增减的图像数据增强方法能够显著提高模型的缺陷检测精度(平均精度分别得到了59.19%和2.53%的提升)。该研究为涡轮叶片自动射线检测提供了一种新方法。
-
基于深度学习的航空发动机涡轮叶片自动射线检测技术研究
-
作者:
王栋欢
肖洪
吴丁毅
来源:
推进技术
年份:
2023
文献类型 :
期刊
关键词:
航空发动机
涡轮叶片
射线图像
深度学习
射线检测
缺陷检测
-
描述:
一直以来,航空发动机涡轮叶片的射线检测依靠检验员人工评片。为避免经验差异、眼睛疲劳、标准理解等人为因素影响,有效改善传统射线检测费时费力、效率低下等问题,针对航空发动机涡轮叶片射线图像,基于YOLOv4模型提出了一种双主干特征融合的缺陷自动检测算法(DBFF-YOLOv4);通过设计包含所有特征映射的新型连接结构搭建缺陷检测颈部网络,建立了适用于涡轮叶片射线图像的缺陷自动检测模型;针对每个缺陷,采用9次裁剪、旋转和亮度增减的图像数据增强方法扩充样本数据,在此基础上进行了模型训练与测试。结果表明,针对完整涡轮叶片,建立的缺陷检测模型在0.5的置信度阈值下可获得96.7%的平均查准率和91.87%的平均查全率,优于通用目标检测算法YOLOv4模型。9次缺陷裁剪、旋转和亮度增减的图像数据增强方法能够显著提高模型的缺陷检测精度(平均精度分别得到了59.19%和2.53%的提升)。该研究为涡轮叶片自动射线检测提供了一种新方法。