基于多模型级联的VSV调节机构装配智能检错方法

在航空发动机可调静子叶片(Variable stator vane,VSV)调节机构的装配过程中,目前仍需要人工检测其连杆防松钢丝的装配正确性,效率低且易出错。为替代人工检错,提出了一种基于多模型级联的智能检错方法。该方法是多个卷积神经网络级联的模型集成,其中包含检测模块、分类模块以及后处理比对检错3个部分。首先在检测模块上提出混合不同尺寸卷积核的深度可分离卷积与轻量化解耦头来对YOLOv5s进行改进,改进的YOLOv5s在测试集上的平均精度达到97.9%,相较于YOLOv5s、YOLOv8s分别提升了3.4%、1.5%。其次在分类模块上使用7×7深度卷积替代全局平均池化以改进ConvNeXt分类头,改进后性能得到提升,在连杆数据集和螺纹数据集上的准确率分别达到97.5%和95.4%。最后在后处理模块对两个分类模型的结果进行匹配,得出装配检测结果。利用现场装配车间采集的图片数据集对该智能检错方法进行验证,结果显示该方法平均精度达到92.7%,进一步验证了智能装配检错方法的可靠性。

VSV系统对CFM56发动机喘振的影响分析

航空发动机喘振是发动机衰退过程中的常发的故障,而发动机VSV系统的工作状态直接影响发动机的喘振裕度。以CFM56—3发动机的VSV系统为研究对象,讨论其工作机理,分析其对处于衰退期的CFM56—3发动机稳定工作的影响,提出相应的维修注意事项。从而为研究以VSV故障为诱因的喘振提供理论依据,为相关维修提供工程参考。

应用支持向量回归机探索发动机VSV调节规律

发动机可调静子叶片(VSV)调节规律极其复杂,通过挖掘快速存取记录装置(QAR)数据对VSV调节规律进行了深入研究。首先,通过PW4077D发动机健康状态的QAR数据,建立基于粒子群优化(PSO)算法的支持向量回归机(SVR)模型,来探索VSV调节规律;然后,利用后续航班数据对PSO-SVR模型进行验证,并将验证结果与传统的PSO-BP神经网络模型进行对比;最后,应用PSO-SVR模型进行发动机故障诊断。研究结果表明:PSOSVR模型的回归预测精度优于PSO-BP神经网络模型,能够准确反映VSV的调节规律。可将其用于发动机的状态监控和故障诊断,亦可为VSV控制系统设计提供参考。

基于1DCNN-Resnet-LSTM模型的LEAP发动机可调静子叶片角度预测

可调静子叶片(VSV)是航空发动机压气机气流控制的重要机构,能够扩大压气机稳定工作范围,提高其气动性能。依托飞机快速存取记录器(QAR)中储存的海量LEAP发动机数据,建立一种基于1DCNN-Resnet-LSTM模型对LEAP发动机的VSV角度进行预测的方法。模型的评价结果显示,模拟输出对比实际输出误差小,模拟趋势变化能够很好贴合实际数据,表明使用深度学习算法对VSV角度进行预测进而探索其控制规律具有可行性和显著的优势。

考虑可调静叶压气机的船舶燃气轮机仿真优化

作为燃气轮机防喘措施之一,压气机可调静叶在变工况下的调节方案对燃机的运行性能具有重要影响。以某型三轴船舶燃气轮机为研究对象,建立了考虑变几何压气机的燃机系统仿真缩放(0维-1维)模型。以提高燃机运行效率为目标,通过系统仿真,得到了各个工况下低压压气机前三级可调静叶的最佳开度及整机稳态性能。仿真结果表明,与原始的可调静叶调节方案相比,采用优化方案可以提高燃机在各个工况下的经济性和稳定性,对燃机总体性能有更加积极的影响。

聚酰亚胺基树脂构件在航空发动机上的应用

为满足高推重比和低维修成本需要,复合材料广泛应用于航空发动机,聚酰亚胺树脂基复合材料是应用在发动机上较为成熟的复合材料之一。目前,国内航空发动机使用的聚酰亚胺复合材料主要有:石墨填充聚酰亚胺和玻璃纤维增强聚酰亚胺,分别应用于VSV可调静子叶片衬套和大尺寸中介机匣盖板,耐高温和长寿命是聚酰亚胺复合材料的主要发展方向。聚酰亚胺的加工工艺对零件的性能影响较大,根据不同的工作环境,需制定相应的成型工艺。

航空发动机消喘措施试验验证

为明确燃烧室短时切油、关小压气机可调静子叶片(VSV)角度和放大喷口喉部面积等消喘措施对发动机消喘功能的影响,依托某型变几何混排涡扇发动机制定了试验方案,开展了消喘措施专项验证试验,分别得到了消喘失败和消喘成功时的切油深度、VSV角度瞬时关小量和喷口喉部面积瞬时放大量,并从理论上对试验现象做了解释。结果表明:试验结果与理论分析相一致,证明试验结果是可靠的;试验结果能够为消喘系统的设计提供参考,在设计消喘系统时,消喘措施的具体调整量需通过试验手段确定;适当增大切油深度、增加喷口喉部面积瞬时放大量、增加VSV角度瞬时关小量,有利于发动机消喘;加快VSV和喷口等几何可调特征部件的响应速度,有利于发动机快速退出喘振。