涡轮泵状态监控及传感器故障识别的新异类检测方法

为了在故障样本稀缺、故障模式不完备的情况下监控涡轮泵状态,并剔除传感器失效故障造成的虚警,提出用于涡轮泵状态监控及传感器故障识别的单类支持向量机新异类检测方法。该方法以正常状态为目标类构建单类支持向量机检测器,用于检测涡轮泵是否出现异常;以传感器故障为目标类构建单类支持向量机检测器,用于判断检测到的异常是否属于传感器故障。对涡轮泵试车数据的分析结果表明了该方法的有效性。     

考虑动叶出口最佳流型的径—轴流式涡轮多目标优化方法

本文以平均截面处参数α_1,β_2,μ, _1和m=(u_2/w_2)cosβ_2及动叶出口处扭曲规律为变量,以设计工况内效率和总重量为目标,提出了一个带有多种约束条件的径—轴流式涡轮参数多目标优化方法。所求问题为二目标有约束(二十九个)多变量(六个)非线性规划问题。介绍了用于最优设计的数学模型,给出了各种流型下径一轴流涡轮的单目标和多目标优化分析的一些结果。计算表明,所提出的方法是有效且实用的。     

“高新6号”与中国反潜机的未来

大型反潜巡逻机,是一种高度综合化和复杂化的航空武器系统,包括了传感器技术、数据处理技术、大型飞机平台技术和反潜武器技术的综合,研制难度相当大,服役周期长。在战后,就算是美国也只服役了两代岸基反潜巡逻机,同时只有需要在大面积海域进行大规模反潜作战的国家才有装备这种飞机的必要,这也进一步使其研制规模较小。过去,只有美国、苏联、法国、英国可以研制常规起降的大型反潜巡逻机,我国和日本可以研制水上起降的中型     

从“陶土娃娃”到“变形金刚”——西航推广先进工艺装备提升质量效益纪实

每一个组合夹具在完成零件加工后,都可以分解还原为元件,重新组合装配成新的夹具并周而复始的循环使用。从“专用工装”到“组合夹具”就犹如“陶土娃娃”变成“变形金刚”白美国莱特兄弟制造出世界上第一架真正的飞机,一百多年未．飞机的动力装置——航空发动机．由初期的活塞发动机向涡轮螺旋桨发动机、涡轮喷气发动机、涡轮风扇发动机、冲压发动机等快速发展。航空发动机快速的更新换代,形成研制与生产的独特方式和规模．即技术指标严、零部件精度高、质量要求高、型号变化快、研制周期长、生产批量小。     

液体火箭发动机涡轮叶片结构特性的有限元分析

为了提高液体火箭发动机的可靠性、可用性以及可维护性而进行的发动机寿命预估与减损控制研究,需要对发动机的零(部)件进行结构特性分析。通过建立某型液体火箭发动机涡轮转子叶片的有限元分析模型,分别进行无阻尼自由振动下的模态分析、无阻尼强迫振动下的谐波响应分析与有阻尼强迫振动下的瞬态响应等结构动特性分析,得到涡轮转子叶片的固有频率及与之对应的振型、谐波响应与瞬态响应。     

知识的流失是最大的成本浪费

最近,中国一航涡轮院上下掀起了“厉行节约、控制成本,创建节约型研究院”的活动热潮,各单位领导带领职工一起,群策群力,开源节流,人人参与,从我做起,从身边的小事做起,全方位寻找本单位节约增效的办法,制定出适合本单位实际情况的具体措施,把各项节约措施贯彻到每个人的具体行动中。现在无论你走到哪个单位,都能看到许多厉行节约的新做法,处处体现了全院广大干部职工的主人翁意识。从涡轮院新闻媒体关于这个主题的宣传就可以看出,多达40多条新闻报道,无不反映出各单位人人关注节约,人人注意节约的良好氛围,这一活动带来的效果是令人心喜的…     

基于转子固有频率的涡轮泵故障检测方法

为了有效地检测液体火箭发动机涡轮泵的故障,分析了某型液体火箭发动机的28次历史试车数据,得到了涡轮泵转子的一阶、二阶和三阶临界转速以及轴向固有频率的数值,研究了这4个转子固有频率幅值的稳定性及对涡轮泵故障的敏感性,得出了它们具有较强的稳定性和故障敏感性的结论。在此基础上,提出并验证了基于转子固有频率的涡轮泵故障检测方法。结果表明,基于转子的一阶、二阶和三阶临界转速以及轴向固有频率幅值能有效地检测涡轮泵的故障。     

涡轮泵实时故障检测的时间编码信号处理方法研究

为了提高液体火箭发动机涡轮泵实时故障检测的有效性,通过取消对胞元长度限制和提出新的编码计算方法,提出了一种改进的时间编码信号处理方法,并将其应用于涡轮泵振动信号的实时特征提取.通过正常和异常涡轮泵历史试车稳态过程的振动数据对该方法的稳定性和故障检测有效性进行了验证,结果表明,基于时间序列编码的信号处理方法可以有效提取故障特征,可用于涡轮泵故障的实时检测.     

带冠涡轮叶盘弯扭通道中复杂电极的进给轨迹

整体涡轮叶盘精加工是决定叶盘最终几何精度的关键技术 ,电火花加工 (EDM)则是涡轮叶盘精加工的有力手段。在涡轮叶盘EDM精加工中电极的设计的基础上 ,进行了电极在带冠叶盘弯扭狭窄通道中无干涉进给轨迹的搜索 ,其中的核心问题是电极运动约束条件的确定。最后给出了轨迹搜索的范例结果     

涡轮泵故障检测的频段能量比SOM算法

为了解决缺少故障样本情况下的涡轮泵健康状态判别问题,分析了涡轮泵振动信号的频谱,提取了频段能量比作为其故障检测特征,并讨论了自组织映射的竞争学习原理及聚类结果的U-矩阵表示,提出了一种基于频段能量比的自组织映射故障检测算法,并实现了该算法最佳匹配神经元的选择和权重向量的自适应更新。通过某型液体火箭发动机历史试车数据的验证,结果表明,健康涡轮泵数据利用该算法聚类时仅存在一个类别,相邻神经元距离小于0.1;反之,故障涡轮泵数据利用该算法聚类时明显存在两个或多个类别,且相邻神经元的最大距离大于0.1。因此,基于频段能量比的SOM算法能有效地判别涡轮泵的健康状况。