首页>
根据【关键词:Archard模型,磨损,十字轴万向节,全寿命,数值模拟】搜索到相关结果 164 条
-
航空发动机可调静叶调节机构WC-Co强化层摩擦学性能研究
-
作者:
徐峰
曹传军
赵玉鑫
何可
邢璐
张执南
来源:
润滑与密封
年份:
2024
文献类型 :
期刊
关键词:
航空发动机
等离子体喷涂
磨损
复合涂层
-
描述:
航空发动机可调静叶(VSV)调节结构为影响航空发动机正常工作以及飞行安全的重要结构,在VSV调节角度的过程中,转轴-衬套的磨损是影响角度调节精度的重要因素。为提高VSV系统转轴-衬套摩擦副的抗磨损
-
航空发动机转子异常磨损故障分析
-
作者:
郭永强
董红联
来源:
机械制造
年份:
2025
文献类型 :
期刊
关键词:
航空发动机
转子
磨损
故障
-
描述:
航空发动机转子异常磨损故障分析
-
航空发动机气门杆端面磨损故障分析
-
作者:
李怀成
来源:
航空维修与工程
年份:
2025
文献类型 :
期刊
关键词:
磨损
气门杆端面
气门机构
气门间隙
-
描述:
航空发动机气门杆端面磨损故障分析
-
B777-300ER飞机空调组件冲压空气进口门系统故障分析与改进
-
作者:
祝欣
来源:
成都航空职业技术学院学报
年份:
2020
文献类型 :
期刊
关键词:
MEL
机构
连接
磨损
冲压空气进口门
-
描述:
B777-300ER飞机空调组件冲压空气进口门系统(以下简称进口门系统)故障多发,根据MMEL及MEL(最低设备放行清单)执行两部空调组件进口门失效保留程序后,客舱环境温度高至32摄氏度并且无法进行有效调节。对此,经多次实验得到新的结果,并与飞机制造厂家充分沟通,厂家采纳了我们的建议,同意对相关技术文件进行修改。最终,航空公司对B777-300ER机队空调组件进口门系统实施了改装,为B777-300ER机队航线运行提供了有效保障。
-
基于灰色理论的航空发动机磨损趋势预测
-
作者:
王琳
郁大照
于向财
唐岩辉
来源:
系统仿真技术
年份:
2022
文献类型 :
期刊
关键词:
航空发动机
1)模型
磨损
光谱分析
灰色GM(1
-
描述:
,建立了区间灰色模型,进行了误差计算,并对某型航空发动机滑油中5种元素的浓度监控值进行了预测分析。结果表明,运用灰色GM(1,1)模型方法预测某型航空发动机磨损趋势,达到了较高的准确率,且预测结果保持良好的一致性。
-
某型航空发动机振动故障分析
-
作者:
房静
徐建伟
郭强
李甜甜
武济泓
来源:
机械管理开发
年份:
2022
文献类型 :
期刊
关键词:
维修保障
振动监控
振动传感器
发动机
磨损
-
描述:
飞机飞行过程中,高速旋转的航空发动机的振动所引起的交变应力会导致其材料失效、磨损加剧、强度减弱、噪声增大等故障。针对此情况,通过飞机上设有的振动监控系统对发动机损伤和非正常磨损进行早期检测,了解并掌握发动机振动故障模式、注意事项及解决方法,可有效提高发动机工作的安全性及可靠性,并可降低维修成本。
-
某型航空发动机振动故障分析
-
作者:
房静
徐建伟
郭强
李甜甜
武济泓
来源:
机械管理开发
年份:
2022
文献类型 :
期刊
关键词:
维修保障
振动监控
振动传感器
发动机
磨损
-
描述:
飞机飞行过程中,高速旋转的航空发动机的振动所引起的交变应力会导致其材料失效、磨损加剧、强度减弱、噪声增大等故障。针对此情况,通过飞机上设有的振动监控系统对发动机损伤和非正常磨损进行早期检测,了解并掌握发动机振动故障模式、注意事项及解决方法,可有效提高发动机工作的安全性及可靠性,并可降低维修成本。
-
基于深度学习的航空发动机磨损部位识别方法
-
作者:
苗慧慧
曹桂松
孙智君
康玉祥
马佳丽
陈果
来源:
润滑与密封
年份:
2023
文献类型 :
期刊
关键词:
航空发动机
一维卷积残差网络
能谱分析
深度学习
磨损
-
描述:
针对航空发动机润滑系统中摩擦副部件复杂、磨损颗粒能谱监测元素众多,靠人工经验难于进行磨损部位精确识别的问题,提出一种基于深度学习的航空发动机润滑系统磨损部位识别方法。该方法应用一维卷积核为计算单元
-
国内外航空高速轻载自润滑关节轴承性能对比研究
-
作者:
段宏瑜
来源:
轴承
年份:
2023
文献类型 :
期刊
关键词:
有载启动力矩
关节轴承
磨损
陶瓷涂层
衬垫
-
描述:
,三项因素使得进口轴承在摩擦磨损性能上优于国产轴承。上述分析结果可为高性能自润滑关节轴承突破提供技术支持。
-
基于深度学习的航空发动机磨损部位识别方法
-
作者:
苗慧慧
曹桂松
孙智君
康玉祥
马佳丽
陈果
来源:
润滑与密封
年份:
2023
文献类型 :
期刊
关键词:
航空发动机
一维卷积残差网络
能谱分析
深度学习
磨损
-
描述:
针对航空发动机润滑系统中摩擦副部件复杂、磨损颗粒能谱监测元素众多,靠人工经验难于进行磨损部位精确识别的问题,提出一种基于深度学习的航空发动机润滑系统磨损部位识别方法。该方法应用一维卷积核为计算单元