The Development of Highly Loaded Turbine Rotating Blades by Using 3D Optimization Design Method of Turbomachinery Blades Based on Artificial Neural Network & Genetic Algorithm

In order to improve turbine internal efficiency and lower manufacturing cost, a new highly loaded rotating blade has been developed. The 3D optimization design method based on artificial neural network and genetic algorithm is adopted to construct the blade shape. The blade is stacked by the center of gravity in radial direction with five sections. For each blade section, independent suction and pressure sides are constructed from the camber line using Bezier curves. Three-dimensional flow analysis is carried out to verify the performance of the new blade. It is found that the new blade has improved the blade performance by 0.5%. Consequently, it is verified that the new blade is effective to improve the turbine internal efficiency and to lower the turbine weight and manufacturing cost by reducing the blade number by about 15%.

基于RTCP控制算法的叶片加工六轴砂带磨床优化设计

基于叶片型面磨削工艺参数及工艺过程确定机床各坐标轴运动性能和磨削接触压力,进行叶片加工砂带磨床优化设计和频率分析。采用RTCP算法和传动链独立的算法结构模式,建立转轴数学模型、工件传动链算法库以及刀具传动链算法库。对设计的机床伺服速度进行测试,优化机床结构薄弱环节,满足叶片型面及全特征型面磨削要求。通过有限元分析研究X,Y,Z轴的变形量,计算六轴砂带磨床1阶~6阶的固有振动频率,并进行分析和优化,提高了叶片磨削的轮廓精度,加工经济效益显著。

高温涡轮叶片变形重构研究

高温涡轮叶片在整个设备可靠运行的过程中起着至关重要的作用,因此在工作状态下监测高温涡轮叶片的变形非常重要。这里将高温涡轮叶片简化为二维梁结构,分析了涡轮叶片的主要变形形式,通过变形重构算法建立了应变-变形的数学模型,搭建了基于FBG的高温涡轮叶片变形检测实验系统,在常温和500℃高温下对叶片施加不同类型的负载,利用光纤光栅传感器检测测点应变并重构叶片的变形;实验结果与ANSYS仿真结果及位移传感器测得的变形结果吻合程度较好,证明了该测量方法和变形重构算法的有效性。

基于优化SVM模型的立铣刀在机崩刃监测技术研究

随着加工精度要求不断提高,切削过程中,对刀具在机磨损或崩刃状态进行在机实时监测的需求日益增加。本文以声发射和主轴功率为监测信号,通过提取时域、频域和时频域的有效特征,构建了基于融合信号的平底立铣刀在机崩刃SVM监测模型;采用网格搜索、粒子群和遗传算法优化SVM模型参数,并在实际切削环境中,将平底立铣刀的崩刃监测效果进行对比。结果表明:基于遗传算法优化的SVM模型对铣刀崩刃状态监测效果最佳。

基于GWO-VMD的涡轮叶片特征提取

燃气轮机涡轮叶片是燃气轮机的重要组成部分,长期工作在高温、高压、高速的恶劣环境下,健康的涡轮叶片能够保证燃气轮机高效率地工作.温度是反映燃气轮机涡轮叶片状态的关键参数,在涡轮叶片发生涂层脱落、断裂等故障时,叶片表面温度会发生变化,为了衡量涡轮叶片的健康状态,采用了温度这一叶片质量的重要指标,对数据预处理并进行特征提取,将涡轮叶片特征聚类.基于GWO-VMD提取叶片温度信号经分解后各IMF分量的4种熵特征,使用PCA对提取到的叶片特征进行降维,将降维后的特征送入FCM聚类算法,通过SSE和轮廓系数得到最佳聚类个数,实现对叶片特征的聚类.聚类效果表明,该特征提取方法能够较好地区分不同涡轮叶片的健康状态,为涡轮叶片健康监测的研究提供了一定思路.

基于LM方法的麻花钻刃带宽度测量研究

提出一种基于二值化的麻花钻刃带宽度检测方法。首先对目标边缘进行锐化,然后用巴特沃斯高通滤波提取边缘信息;其次通过改进的大津二值化算法对疑似边缘点进行阈值分割,获取边缘点坐标;再次使用列文伯格-马夸尔特(LM)方法对边缘附近的点进行拟合,得到刃带宽度曲线并求其拐点,求取麻花钻刃带宽度的数据。最后进行对比实验,用LM方法对未处理的M35直径2.5 cm的刃带图像进行处理得到刃带宽度1.467 mm,测量误差0.467 mm。改进后的测量结果为0.853 mm,测量误差为0.147 mm。

风电叶片双点疲劳加载系统同步控制研究

为解决风电叶片全尺寸双点疲劳测试中两激振器振动不同步问题,采用GA-Adam-BP神经网络与传统PID混合控制策略,并引入切换边界值判断控制权的归属。基于遗传算法的全局搜索能力对BP神经网络进行权值和阈值的初始化筛选,该方法利用适应度选择、交叉和变异遗传操作,从初始种群中筛选出高质量的个体作为网络的初始权值和阈值,避免神经网络陷入局部最优解。引入Adam算法计算参数的指数加权移动平均值,实现神经网络学习率的动态更新,避免了梯度集中与消失问题,有效减少学习路线的震荡,使收敛时间缩短。仿真与试验结果表明,相比BP神经网络,混合控制下的电机转速误差在3%以下,主-从激振器相位差范围为±1.3°,实现了叶片双点疲劳测试激振器间更优的同步控制。

风机叶片巡检机器人快速检测路径规划算法

提出一种基于风力机叶片仿真分析的巡检机器人快速检测方法,通过对风机叶片进行静强度仿真分析得到其应力云图,基于云图模型进行环境建模,针对传统A^(*)算法提出改进,进行了权重值改进、拐角优化以及路径平滑处理,并针对不同情况分别进行仿真分析对比实验。实验结果表明,所设计方案可以改进算法搜索效率,在完成既定目标的前提下缩短了路径长度,减少了搜索时间,可以实现风机叶片巡检机器人快速检测任务。

震级加权四指标Blade算法及在地震带识别中的应用

Blade算法的产生是根据地震点的分布寻找地震断层,其优势在于能从较稀疏的点分布中找出线型条带模式,但不足的是完全不考虑地震的震级属性。针对Blade算法的几个不足之处逐步改进,提出了震级加权四指标Blade算法。算法主要的改进体现在:①引入以震级为变量的权重函数,体现了高震级地震的控制作用,通过模拟与实例比较了三种权重函数的效果;②改进原方法中所挑出的Blade中心必须有地震点,引入四指标评价体系代替原方法的二指标评价体系,同时还根据指标值将挑选出的线型条带修正到更准确的位置。将原算法与改进算法应用于华北地区4级以上的地震数据集以搜寻地震带,结果表明,震级加权四指标Blade算法较Blade算法有显著改进,取得了较好的应用效果。

落地扇风叶参数化气动优化设计研究

以某落地扇风叶为研究对象,建立风叶参数化模型,搭建多学科优化设计平台,以风扇风量和扭矩分别为目标开展单目标优化,优化设计变量为翼型安装角、翼型弦长、叶片弯度和叶片积叠线弯度及掠度。采用粒子群优化算法进行寻优,分别得到了不同指标下最优的扇叶配置,并确定了扇叶关键设计参数对扇叶气动性能的设计权重以及影响规律。对风量和扭矩影响最大的都是翼型安装角和弦长,随着翼型安装角和弦长的增大,风量增大,扭矩也增大。

基于YOLOv3的风机叶片故障检测模型

针对风机工作中由于高海拔地理位置、恶劣天气等因素的影响,致使风机叶片出现裂纹、沙眼等缺陷故障,提出基于YOLOv3算法的风机叶片故障检测模型。将风机叶片缺陷区域具有YOLO格式的数据集划分为训练集与测试集,输入YOLOv3模型进行实验,结果表明:YOLOv3模型与YOLOv2模型相比,精度提升3.7%,达到了90.6%;召回率提升3.2%,达到了90.5%;精度平均值提升4.8%,达到了76.2%。

基于改进量子粒子群算法的叶片延长翼型厚度优化设计

针对如何平衡载荷与升阻比以优化翼型厚度的问题,采用一种改进量子粒子群算法(IQPSO)对翼型厚度进行计算优化,以国产某2 MW风机为例,通过对延长前后的叶尖速比、风能利用率、叶根载荷、升阻比、功率以及发电量等试验数据对比分析来验证所采用的方法。验证结果显示,叶片延长后,优化翼型厚度为15%。同时,在升阻比平均提高约3.156%的基础上,叶根增加载荷水平在Mx、My、Mz方向上最多分别提高了12.3%、12.7%、12.5%,且均在安全范围13%内,发电量相较于历史水平提升34.71%。从而表明通过采用IQPOS进行叶片翼型厚度优化后,在满足叶片承受载荷的前提下,能够显著提高升阻比,可实现风力发电机的性能提升,达到稳定提高发电量的目的。

航空发动机奇数只叶片的风扇转子动叶装配序列优化技术研究

针对航空发动机风扇转子奇数只叶片装配序列规划过程中存在的对顶角叶片重力矩差难以保证、叶片重力矩分布不够均衡的问题,研究了奇数只叶片的装配序列规划技术。首先,将单只叶片一分为二,形成33对“连体双胞胎叶片”,再转换成“66只虚拟叶片”,实现转子叶片数量“从奇变偶”的转换;然后,为每只“虚拟叶片”找到对顶角叶片,但是不能将“连体双胞胎叶片”真正分开或放在对顶角位置;最后,以对顶角位置上“两只虚拟叶片”的重力矩差为约束,以转子剩余不平衡量最小为优化目标,采用改进模拟退火算法规划动叶的装配序列,为转子装配提供优化的装配序列,优化转子的静平衡质量。实例验证表明,奇数只叶片数量“从奇变偶”转换,精确保证了对顶角叶片重力矩差,满足了设计部门给出的对顶角叶片重力矩差的设计指标(≤1200 g·mm),为奇数只叶片的转子动叶装配提供了优化的装配序列,并优化了转子的平衡质量。

不同颜色风力机叶片缺陷检测系统研究与验证

针对目前风力机叶片缺陷检测方法检测精度低、危险系数大、设备价格高等问题,提出一种基于LabVIEW+无人机的风力机叶片缺陷检测系统,实现了硬件平台搭建和系统软件设计,对图像处理算法进行研究,针对传统二值化算法中不同颜色风力机叶片阈值不同的问题,提出了应用边缘提取的检测方法。通过理论分析和实验对比了LabVIEW中边缘提取缺陷检测算子及组合算子的检测效果,并最终确定Sobel算子应用于本风力机叶片缺陷检测系统。实验表明,该系统能够实现不同颜色风力机叶片缺陷的自动、低成本检测,检测精度高达93%。

涡轮叶片装配智能优化算法

涡轮组件装配是发动机制造过程的重要组成部分,在装配过程中为保证涡轮叶片装配完成后的转子不平衡量符合设计标准,需对叶片进行分组试装等步骤,装配效率因此受到影响。为解决此问题,提出一种基于改进模拟退火算法的叶片装配序列优化方法。建立由轮盘自身不平衡量与叶片不平衡量相结合的数学模型,采用多邻域搜索机制,改进退火机制,增加升温、记忆模块等方法来改进算法,通过实例验证了算法的有效性,并与蝴蝶算法,天鹰算法,原始模拟退火算法进行比较,有效地降低了涡轮转子不平衡量。结果表明,改进的模拟退火算法能够有效的减少叶片装配后的不平衡量。为使该算法能够更方便的服务于装配现场,基于MFC框架开发一款叶片装配软件,为解决叶片装配需进行多次拆装以及装配效率低的问题提供了一种有效的方案。

基于自适应带宽核密度估计的压气机叶片加工误差统计分析方法

针对压气机叶片的加工误差统计分析建模问题,本文提出了一种自适应带宽的非参数核密度估计方法,实现了压气机叶片加工误差的概率密度建模。首先,基于拇指法则求解固定带宽核密度估计中的固定最优带宽作为起始带宽。然后,在固定最优带宽的基础上引入灵敏因子构建了自适应带宽函数,并通过自适应带宽函数对核密度估计进行调控。在此基础上,以核密度估计的精度均方差(MSE)与灵敏度S为目标函数,采用精英策略遗传算法对灵敏因子进行优化获得最优灵敏因子。进而计算出不同数据样本点对应的最优带宽,使得带宽能够根据数据样本疏密程度进行自适应调整。最后,对134组机械加工叶片的叶型截面的6种叶型误差进行统计建模,并采用交叉检验法验证了自适应带宽核密度估计的泛化性能。实验结果表明该方法的适用性好精度高,且拟合优度均在0.9以上,同时避免了传统固定带宽核密度估计的局部适应性问题。本文所提出的统计分析方法能够准确获得现有工艺能力下压气机叶片加工误差的分布特性,为叶片气动设计优化改进提供了一种有效手段。

低温铣削航发叶片变形仿真及工艺参数优化

针对航发叶片铣削过程中因残余应力诱导变形问题,基于Deform与Abaqus完成叶片铣削模拟仿真,分析在残余应力作用下叶片整体变形量。将每齿进给量fz、主轴转速n、切深ap与射流温度T作为工艺参数,设计单因素控制方案和中心复合设计试验,研究射流温度单变量和工艺参数多变量对叶片变形量的影响。应用多元二次回归方法建立叶片变形预测模型,运用方差分析检验预测模型与试验数据的拟合值。以相对低的叶片变形量为优化目标,利用遗传算法获取最优工艺参数组。结果表明:单因素试验中,-180℃与20℃相比叶片变形量降低了35.66%,但叶片型面轮廓的余量超过允许范围(±0.05 mm)。故采用遗传算法对工艺参数进行优化,冷却温度区间为-196~-180℃,最大变形量为0.038 9 mm,满足叶片轮廓变形量误差要求。

基于AKAZE和PROSAC的风机叶片裂纹图像拼接方法

为获得完整且高分辨率的风机叶片裂纹图像,利用图像拼接技术将多张高分辨率图像拼接成一副完整的图像。针对风机叶片裂纹图像特征检测困难、匹配率低和拼接质量差的问题,提出一种基于AKAZE算法和PROSAC算法的图像拼接方法。首先,该方法利用AKAZE算法检测图像特征点,并生成二进制的特征点描述符;然后,将汉明距离作为相似度测量对特征点进行暴力匹配,在此基础上采用PROSAC算法优化特征匹配结果,并计算图像变换矩阵;最后,使用渐入渐出融合算法消除拼接痕迹,获得完整的叶片裂纹图像。试验结果表明,本文方法能够检测出数量丰富的特征点,匹配正确率在95%以上,拼接精度约为0.7个像素,并且拼接速度较SIFT方法提升了17%。AKAZE+PROSAC方法可以更好地满足高分辨率风机叶片裂纹图像拼接的需求。

基于神经网络的双层壁叶片异型孔结构强度设计

随着航空发动机领域的飞速发展,热端涡轮叶片服役环境越发恶劣.为了提高叶片的承温能力,行业内提出了双层壁叶片结构,其原理为“外壁承温,内壁承载”.本文针对双层壁叶片气膜孔结构强度问题,采用参数化建模构建叶型及外壁孔结构,通过仿真分析确定孔型设计参数对圆柱型气膜孔、圆锥型扩张孔和簸箕型扩张孔的孔周结构强度的影响,最后根据参数输入及对应响应构建神经网络模型,通过遗传算法优化径向基函数(Radial Basis Function, RBF)神经网络的权值与阈值来提高代理模型的准确性.寻优获得三种不同结构的气膜孔最优孔型设计方案,相较于圆柱型孔,圆锥型扩张孔孔周应力降低了25.12%,簸箕型扩张孔孔周应力降低了22.54%.

复合载荷作用下H型垂直轴风力机叶片结构多目标优化

为改善气动力、离心力和重力等复合载荷作用下的H型垂直轴风力机叶片的结构性能,提出一种多目标优化方法。以质量和最大应力最小为目标,最大变形为约束建立优化模型。通过流固耦合(Fluid-Structure-Interaction,FSI)方法,实现叶片表面压力的实时准确提取,建立复合载荷作用下的叶片有限元模型;基于最优空间填充(Optimal Space-Filling,OSF)方法和Kriging模型建立各变量对应力、质量和变形的响应面模型,进行灵敏度和变化趋势分析;最后采用多目标遗传算法(Multi-Objective Genetic Algorithm,MOGA)获得各变量的最优解,并进行结果验证。结果表明,优化后叶片质量减少了14.7%,各方位角下的最大应力减幅最大为7.8%,最大变形减幅最大为16.7%。研究结果可为复合载荷作用下叶片的结构优化设计提供参考。