共查询到20条相似文献,搜索用时 62 毫秒
1.
2.
3.
4.
针对高精度复杂涡轮叶片成形精度难控制的问题,提出了基于叶型中弧线的蜡模模具型腔优化设计方法。对反映中弧线几何特征的参数进行提取与偏差分析后进行逆向迭代,经过对叶型的复原和对叶身的重构,建立优化的蜡模模具型腔,实现了对叶片凝固和冷却过程中非线性变形的补偿。与有限元法模具型腔逆向设计方法相比,无需后续复杂的曲面拼接和光顺技术。采用该方法对某型涡轮叶片蜡模模具型面进行优化,使铸件的尺寸误差得到了大幅度降低。数值模拟与实验结果吻合情况良好,经过4次迭代优化,得到的仿真铸件模型与设计模型的二维偏差平均值由优化前的0.350 94 mm降低至0.111 51 mm。 相似文献
5.
介绍了一种基于无网格思想的数值流形方法.用移动最小二乘法(MLS)构造插值函数,罚函数法处理位移边界条件,根据变分原理导出整体离散方程,最后用算例验证本文方法是可行的. 相似文献
6.
7.
基于z-θ流面的径流式叶片中弧线造型设计方法 总被引:1,自引:0,他引:1
提出一种基于z流面的径流式叶片中弧线造型设计方法。在子午流面中,定义径流式叶型中弧线径向半径沿轴向的变化规律;在z流面中,结合进出口的气流参数,定义叶型中弧线周向角沿轴向的变化规律;组合生成叶型的中弧线。利用Bézier曲线描述中弧线的子午型线和z流面型线,在升级算法和曲率优化的基础上保证了连接处的曲率连续。沿中弧线法线方向依据一定的厚度分布规律生成径流式叶型,并实现了含大小叶片离心式压气机的参数化造型设计。在设计空间中,以超拉丁方试验设计方法采样原始数据,在此基础上生成具有最小无偏估计的Kriging近似模型,基于此近似模型实现了气动优化设计,提高了离心式压气机的气动性能。 相似文献
8.
发动机损伤叶片的表面重构是发动机叶片修复的一个关键问题。在多种损伤类型叶片的曲面重构中,边缘损伤型叶片的表面重构具有较大困难,因此类叶片表面在边缘处过渡复杂,而且损伤后的叶片发生了变形。本文针对上述问题提出一种面向边缘损伤型叶片表面的曲面重构方法。首先,重构非损伤截面轮廓的表面轮廓和边缘轮廓,边缘轮廓采用贝塞尔曲线进行重构;然后,通过预测边缘损伤区域贝塞尔曲线的控制点重构损伤区域边缘轮廓,通过将表面轮廓曲线与贝塞尔曲线进行搭接得到损伤区域完整截面曲线;最后,通过放样各个截面曲线获得重构的叶片表面。本文对所提重构方法进行验证并进行误差分析,结果表明了所提方法的有效性。 相似文献
9.
10.
11.
针对现有渐开线齿轮齿廓曲线拟合方法精度不高的缺点,提出了一种用移动最小二乘法(MLS)拟合齿廓曲线的新方法,并通过齿距偏差的计算对该方法进行了实例验证。利用三坐标测量机对某齿轮进行测量,得到齿廓数据点和齿距偏差;根据移动最小二乘法原理和实验数据,用MATLAB编程实现了齿廓曲线的拟合;根据拟合结果,利用图解法计算出了左齿廓齿距偏差。与最小二乘法(LS)的拟合结果的对比表明,用移动最小二乘法拟合齿廓曲线精度更高,误差更小,具有良好的拟合效果。齿距偏差计算结果表明,单个齿距偏差和齿距累积偏差与实测值一致,表明该方法准确、有效。研究结果可为齿廓曲线的拟合和齿距偏差的计算提供参考。 相似文献
12.
13.
14.
针对轴承故障信号比较微弱的特点,提出了一种基于耦合隐马尔可夫模型(coupled hidden Markov model,简称CHMM)的轴承故障诊断方法。首先,根据轴承传动结构特点,设计能够监测轴承振动状态的传感器网络;其次,通过非线性特征提取方法获取能够反映轴承健康状态的少数关键特征,利用传感信号的矢量量化代替提取其频域微弱特征的方法,可有效提高故障诊断效率和准确率;然后,在多通道信息融合中引入隐马尔可夫模型,采用左右型齐次隐马尔可夫链实现故障诊断;最后,通过对各种轴承故障状态构建其对应的耦合隐马尔可夫模型的方式,实现对轴承故障类型的辨识。试验结果表明,该方法能够有效地实现对轴承故障类型的识别。 相似文献
15.
16.
针对逆向工程领域中散乱点云模型过渡线及细节特征线提取不完整问题,提出一种法向量区域聚类的特征线提取方法。采用自适应邻域的主成分分析法估算模型的法向量,利用萤火虫算法优化的模糊C均值聚类算法对法向量的进行聚类实现模型的有效分割。构造点集剔除与合并准则从各分割块边界点集中析取候选特征点,再以局部邻域主轴方向为基准提取特征点。实验结果表明:简单模型的特征线基本可准确完整提取,相对复杂模型的特征线数量提取率可达90%,长度提取率达到了85%。算法具有良好的自适应性和准确性,能有效提取点云模型尖锐特征和细节特征,并尽可能多地保留模型过渡特征。 相似文献
17.
针对航空液压管路故障特征难以提取问题,考虑到航空液压系统中振动信号存在非平稳性以及非线性等特点,提出了一种基于局部均值分解(Local Mean Decomposition,LMD)的多尺度能量熵(Multi-scale Energy Entropy,MEE)和麻雀搜索算法(Sparrow Search Algorithm,SSA)优化极限学习机(Extreme Learning Machine,ELM)的航空液压管路故障诊断方法。首先,采用局域均值分解方法将采集的振动信号自适应分解;其次,综合考虑相关系数-能量比准则,选取最佳PF分量;最后,计算最佳分量的多尺度能量熵,选取合适的尺度因子并将其对应的能量熵值作为特征向量,输入到麻雀搜索算法优化的极限学习机网络模型进行学习训练,实现对航空液压管路的故障进行分类识别。结果表明:该方法能够有效地实现对航空液压管路故障类型的准确识别,为区分航空液压管路故障提供了一种可行的诊断思路。 相似文献
18.
叶片的振动及其导致的高周疲劳断裂问题是当前高性能透平机械研发与运行中面临的主要问题,高负荷叶片的流动参数在尾迹的干扰下发生周期性脉动造成高倍频振动是造成高周疲劳的主要因素,因此叶片高倍频振动的监测对高周疲劳的诊断预警具有重要意义。提出了基于虚拟传感器内插法的旋转态叶片高倍频信号重构及辨识方法,可实现高倍频的求解。在传感器安装夹角为6°的情况下可实现高达60倍频以内的振动辨识,理论上只需2支传感器即可进行倍频的识别,实际应用中采用4支传感器即可保证辨识精度,且只需一次启车或停车就可实现叶片振动频率的识别,简化了测试步骤。所提出的辨识方法可应用于航空发动机等静叶片数量较多、振动形式为高阶次高倍频的高端旋转机械的振动监测识别,模拟仿真和试验结果验证了该方法的有效性及准确性。 相似文献
19.
基于奇异值分解和局域均值分解的滚动轴承故障特征提取方法 总被引:4,自引:1,他引:4
针对随机噪声干扰滚动轴承故障特征信号提取这一问题,提出一种基于奇异值分解(Singular value decomposition,SVD)滤波降噪与局域均值分解(Local mean decomposition,LMD)相结合的故障特征提取方法。该方法首先对原始振动信号在相空间重构Hankel矩阵并利用SVD方法进行降噪处理,再对降噪后的信号进行LMD分解,将多分量的调制信号分解成一系列生产函数(Product function,PF)之和,最后结合共振解调技术对PF分量进行包络谱分析提取故障特征频率。通过数值仿真和实际轴承故障数据的分析对比,表明该方法提高了LMD的分解能力,可有效辨别出滚动轴承实测信号的典型故障,提高滚动轴承故障的诊断效果。 相似文献