航空发动机叶尖间隙是监控其运行状态的有效参数,现有间隙测量方法很难满足超高转速下间隙距离的奈奎斯特采样率,因此无法有效提取精确的叶尖间隙值。本文基于压缩感知原理,针对间隙距离数据特征提出一种采用K-SVD(K-singular value dec...航空发动机叶尖间隙是监控其运行状态的有效参数,现有间隙测量方法很难满足超高转速下间隙距离的奈奎斯特采样率,因此无法有效提取精确的叶尖间隙值。本文基于压缩感知原理,针对间隙距离数据特征提出一种采用K-SVD(K-singular value decomposition)字典训练稀疏基的数据重构方法,该方法首先构建出K-SVD字典稀疏基对数据进行稀疏化表示,然后使用m序列高斯随机矩阵对数据进行压缩观测,最后基于压缩欠采样观测值使用正交匹配追踪算法对数据进行重构,进而精确提取叶尖间隙值。实验结果表明,在欠采样条件下间隙距离数据可精确恢复重构,与高采样率下的间隙数据相比,重构误差不超过0.02 mm。展开更多
针对叶尖部位是影响近尾迹流动和声辐射的主要区域,提出V型叶尖结构,对其气动特性和叶尖区域声辐射的特征进行测试。结果发现:V型叶尖结构风力机在输出功率减小0.95%~3.50%的范围内,使得改型后风轮旋转基频及其谐波关系的频率所对应的...针对叶尖部位是影响近尾迹流动和声辐射的主要区域,提出V型叶尖结构,对其气动特性和叶尖区域声辐射的特征进行测试。结果发现:V型叶尖结构风力机在输出功率减小0.95%~3.50%的范围内,使得改型后风轮旋转基频及其谐波关系的频率所对应的旋转噪声减小2.7%~4.5%。同时对叶尖涡的脱落频率所对应的叶尖涡噪声产生影响,使之降低了2.8~9.0 d B,找到V型叶尖的高度是影响风轮旋转噪声和叶尖涡噪声降低的主要因素。展开更多
文摘航空发动机叶尖间隙是监控其运行状态的有效参数,现有间隙测量方法很难满足超高转速下间隙距离的奈奎斯特采样率,因此无法有效提取精确的叶尖间隙值。本文基于压缩感知原理,针对间隙距离数据特征提出一种采用K-SVD(K-singular value decomposition)字典训练稀疏基的数据重构方法,该方法首先构建出K-SVD字典稀疏基对数据进行稀疏化表示,然后使用m序列高斯随机矩阵对数据进行压缩观测,最后基于压缩欠采样观测值使用正交匹配追踪算法对数据进行重构,进而精确提取叶尖间隙值。实验结果表明,在欠采样条件下间隙距离数据可精确恢复重构,与高采样率下的间隙数据相比,重构误差不超过0.02 mm。
文摘针对叶尖部位是影响近尾迹流动和声辐射的主要区域,提出V型叶尖结构,对其气动特性和叶尖区域声辐射的特征进行测试。结果发现:V型叶尖结构风力机在输出功率减小0.95%~3.50%的范围内,使得改型后风轮旋转基频及其谐波关系的频率所对应的旋转噪声减小2.7%~4.5%。同时对叶尖涡的脱落频率所对应的叶尖涡噪声产生影响,使之降低了2.8~9.0 d B,找到V型叶尖的高度是影响风轮旋转噪声和叶尖涡噪声降低的主要因素。