航空发动机涡轮轮缘封严数值模拟

作者： 陶立权   马振   邱学旺   来源： 中国民航大学学报 年份： 2021 文献类型 ： 期刊 关键词： 航空发动机   涡轮轮缘封严   数值模拟   封严层高度  

描述： 航空发动机涡轮轮缘的封严对于保护轮盘腔室至关重要。为防止主流高温燃气进入轮盘腔室,需通入低温冷气对涡轮轮缘进行封严。采用二维RANS模型和SST湍流模型研究不同封严流量对封严效率的影响,并用压力参数

航空发动机涡轮轮缘封严数值模拟

作者： 陶立权   马振   邱学旺   来源： 中国民航大学学报 年份： 2020 文献类型 ： 期刊 关键词： 航空发动机   涡轮轮缘封严   数值模拟   封严层高度  

描述： 航空发动机涡轮轮缘的封严对于保护轮盘腔室至关重要。为防止主流高温燃气进入轮盘腔室,需通入低温冷气对涡轮轮缘进行封严。采用二维RANS模型和SST湍流模型研究不同封严流量对封严效率的影响,并用压力参数

航空发动机典型弯管的模态分析

作者： 王志国   来源： 中国民航大学学报 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机   弯头长度   振动特性   弯管   弯角  

描述： 与数值仿真结果对比。结果表明：随着弯角变化，弯管模型1～4阶固有频率主要呈现减小趋势，但减小程度存在差异，结构主振型为弯曲与扭转不断叠加且振型幅度逐步增大；随着弯头长度变化，弯管模型5～9阶固有频率变化

基于FTF的航空发动机适航安全性验证方法

作者： 乔磊   李艳军   曹愈远   许振腾   赵苏阳   汪雷   来源： 中国民航大学学报 年份： 2016 文献类型 ： 期刊 关键词： 航空发动机　　FTF　　安全性　　CCAR33   R2.75  

描述： 为了使航空发动机满足CCAR33-R2.75条款提出的安全性要求,提出了基于FTF的航空发动机CCAR33-R2.75条款验证方法 。首先选择CCAR33-R2.75中危害的和重要的发动机后果为顶事

基于贝叶斯网络的航空发动机燃油泵故障诊断

作者： 曹惠玲   杜鹏   来源： 中国民航大学学报 年份： 2016 文献类型 ： 期刊 关键词： 贝叶斯网络　　航空发动机　　燃油泵组件　　故障诊断  

描述： 应用贝叶斯网络对航空发动机燃油泵组件进行理论分析,针对燃油泵组件的重要性和故障识别的精确度要求,进行故障征兆分析和概率计算、数据验证,并引入代价函数对结果进行评估,为航空发动机燃油系统安全运行提供了合理可靠的检测途径。

基于集成ELM模型的航空发动机性能参数预测

作者： 徐建新   侯振华   来源： 中国民航大学学报 年份： 2017 文献类型 ： 期刊 关键词： 性能参数   航空发动机   极端学习机   预测   AdaBoost.RT  

描述： 为预测航空发动机性能参数,提出了一种动态集成极端学习机模型。采用AdaBoost.RT集成算法对极端学习机(ELM)进行集成,并针对AdaBoost.RT集成算法中固定阈值的局限性,采用自适应动态

航空发动机基线挖掘方法对比分析

作者： 曹惠玲   徐文迪   汤鑫豪   崔科璐   王冉   来源： 中国民航大学学报 年份： 2020 文献类型 ： 期刊 关键词： 航空发动机基线   最小二乘法   高斯牛顿迭代法   支持向量回归机   神经网络  

描述： 航空发动机基线挖掘方法对比分析

基于数据融合的航空发动机排气温度测量

作者： 雷伟   来源： 中国民航大学学报 年份： 2018 文献类型 ： 期刊 关键词： 航空发动机排气温度   多传感器   数据融合  

描述： 针对某型飞机发动机排气温度测量采用传感器配置不合理、算法存在局限性,不能对故障传感器进行有效识别等问题,对传感器重新布局设计,通过小波变换对数据进行预处理,去除其中的噪声因素,利用多传感器数据融合技术进行深入优化,并检验了在传感器故障情况下各算法的辨识性。最后通过实验对5种算法进行对比分析,结果表明基于数据融合的处理方法具有更高的精确度和故障识别能力。

基于混沌PSO＿Elman网络的航空发动机基线挖掘

作者： 瞿红春   林文斌   许旺山   郭龙飞   来源： 中国民航大学学报 年份： 2021 文献类型 ： 期刊 关键词： 基线挖掘   航空发动机   粒子群算法   混沌   Elman神经网络  

描述： 为提高发动机基线的拟合精度,提出经混沌粒子群优化的Elman神经网络模型。利用混沌算法改进粒子群算法(PSO)的位置公式,以解决局部最优问题。利用非线性递减函数改进PSO粒子的速度公式,以解决收敛精度较低的问题。将该模型用于基线拟合,并与传统的误差反向传播网络(BP)、Elman网络、支持向量机(SVM)等模型的拟合误差进行对比。结果表明:在训练数据、测试数据、训练次数均相同的情况下,混沌PSO_Elman模型的拟合精度高于其他传统模型;当训练样本减少时,其拟合精度依然高于传统模型,证明该模型具有更强的学习能力。

基于混沌PSO＿Elman网络的航空发动机基线挖掘

作者： 瞿红春   林文斌   许旺山   郭龙飞   来源： 中国民航大学学报 年份： 2020 文献类型 ： 期刊 关键词： 基线挖掘   航空发动机   粒子群算法   混沌   Elman神经网络  

描述： 为提高发动机基线的拟合精度,提出经混沌粒子群优化的Elman神经网络模型。利用混沌算法改进粒子群算法(PSO)的位置公式,以解决局部最优问题。利用非线性递减函数改进PSO粒子的速度公式,以解决收敛精度较低的问题。将该模型用于基线拟合,并与传统的误差反向传播网络(BP)、Elman网络、支持向量机(SVM)等模型的拟合误差进行对比。结果表明:在训练数据、测试数据、训练次数均相同的情况下,混沌PSO_Elman模型的拟合精度高于其他传统模型;当训练样本减少时,其拟合精度依然高于传统模型,证明该模型具有更强的学习能力。