面向自适应加工的精锻叶片前后缘模型重构

针对精锻叶片前后缘数控加工在加工边界出现"台阶"等问题,提出面向自适应加工的模型重构方法。首先,根据精锻叶片的特点给出前后缘加工工艺方案。其次,根据工艺方案建立在机测量模型并进行路径规划。在此基础上,依据前后缘实际几何型面参数以及理论模型各截面前后缘圆弧圆心和半径允差,提出重构模型圆弧圆心及半径搜索算法;根据各截面的测量点拟合线、理论截面线以及搜索的圆弧圆心和半径,建立重构前后缘模型。最后,通过对比重构模型与理论模型的偏差以及数控加工试验证明该方法能够有效地减小锻造叶片叶身实际型面与前后缘在衔接处的"台阶"缺陷问题,为复合制造工艺背景下精锻叶片前后缘加工成型提供依据。     

基于刀轨调整的叶片前后缘几何自适应加工

航空发动机压气机叶片在前期净近成形工艺中,其前后缘曲率变化剧烈,形状特殊,无法直接成形,需要进行二次加工。然而,前期工艺会使叶片产生变形,理论数模已经无法适用于其二次加工。因此,为了解决因变形带来的前后缘加工问题,实现前后缘与叶身的光滑转接加工,提出了一种基于刀轨修改的叶片前后缘几何自适应的加工方法。首先,在前后缘附近的已成形区域上提取特征测量点并对其进行实测;然后,通过特征点实测数据分析叶片前期工艺变形情况,并基于变形数据建立叶片截面Z坐标值与变形规律的映射关系函数;最后,根据变形映射函数,相应地调整原始理论刀位文件,以调整完的刀轨实现叶片前后缘的自适应加工。以某型号航空发动机精锻叶片为例进行仿真试验验证,试验结果表明该方法优化效果显著,原理论刀位文件与调整后的刀位文件的加工误差相比,后者偏差基本在0.01 mm以内,极大程度地减少了加工误差。该方法能有效解决精锻叶片进排气边的光滑转接加工问题。     

航空发动机叶片前后缘自由式砂带抛光技术

由于叶片前后缘(LTE)的轮廓形状和表面质量将对航空发动机的气动性能和叶片的疲劳性能产生直接影响,因此为提高前后缘的轮廓度和表面质量,通过对目前航空发动机叶片前后缘抛光所存在的问题进行分析,结合叶片前后缘抛光工艺要求,并基于自由式砂带抛光的工艺特点,提出了叶片前后缘自由式砂带抛光工艺方法;针对该抛光工艺方法,建立其砂带张紧力控制系统,确定了抛光加工中的砂带走刀步长计算公式及抛光轨迹规划方法;最后以某型号叶片的前后缘作为加工对象进行抛光实验研究。检测结果显示:叶片前后缘轮廓度误差小于0.01mm,其表面粗糙度小于0.4μm,证实了该抛光工艺方法对提高叶片前后缘的轮廓度和表面质量的有效性。     

叶片截面型线参数的提取与计算方法研究

为了获取叶片截面型线的特征参数,基于参数化设计思想,对叶型参数的提取与计算方法进行了研究。首先,通过Ramer算法和Hough圆检测法将闭合的叶型曲线分割为4条轮廓段,拟合出前后缘圆弧的半径和圆心坐标,并进一步解算出弦角、弦线方程和弦长。对于中弧线和最大厚度,提出了一种基于叶盆叶背对应点之间距离的近似求解方法。最后,选取一组叶型数据点进行分析,评价结果显示：各项叶型参数的偏差均<10μm,从而验证了本文算法的有效性和精度水平。     

面向叶片裂纹检测的自适应图像处理算法研究

提出了一种采用基于边缘检测的小波滤波和自适应阈值分割算法,实现叶片裂纹的自适应快速检测;仿真结果验证了这种检测算法的有效性,能满足外场对发动机叶片裂纹检测的要求。     

基于检测前跟踪的超视距雷达微弱目标检测方法

天波超视距雷达（over-the-horizonradar,OTHR）通过快速傅立叶变换（FFr）实现相干积累,再利用常规的方法进行目标检测。但这种方法在弱目标、低信噪比的情况下效果并不好。本文提出了一种基于检测前跟踪（track-before-detect,TBD）的OTHR弱目标检测方法,利用数学形态学对每帧弱目标回波信号进行滤波,再通过动态规划方法进行检测。仿真结果表明,该方法能够有效地提高OTHR对弱目标的检测能力,运算效率高,实用性强。     

基于轨迹拐点滤波的激光雷达里程计定位算法研究

在GPS拒止环境下，激光雷达里程计可以利用帧间匹配跟踪车辆实现定位，但是定位误差随时间累积的特性造成激光雷达里程计(LO)缺乏持续性。为解决LO的误差累积问题，引入轻量级地图OSM。基于粒子滤波框架，以LO作为运动模型的输入，通过两次筛选提取拐点，利用拐点匹配完成与地图的对齐，并以粒子的均值作为车辆校正后的位置，实现对定位误差的校正。提出了一种新的粒子权重模型，利用不同节点的相似度模型及测量值作为粒子权重的更新依据，避免拐点与路网节点的错误关联导致定位误差加大。经由KITTI数据集上的实验验证，该算法可以有效克服LO误差漂移问题，相较于原始LO定位精度至少提高了49.22%，且具有较好的实时性。     

基于小波变换的信号突变检测方法

奇异点为信号中常见的现象，也往往是信号所反映的物理过程的重点，通过检测奇异点，能更好把握物理过程中的突变和非常规但影响很大的,对设备进行监控和维护时，维护信号的突变点，能确定可能的故障因素，小波变换提供了一种检测奇异点的有效方法。     

基于时间推进的通流计算方法:现状及展望

为探究基于时间推进的通流方法在叶轮机械设计分析中的应用潜力,报告了国内外相关研究现状,详细阐述了该方法在应用过程中的若干关键问题,包括:叶片堵塞的几何描述、叶片力的模拟、叶片前后缘间断问题的处理和激波的捕获等,并对不同模型进行了比较。总结可知,相比传统通流方法,该方法具有捕捉激波,适应堵塞,流场模拟更为精细以及计算扩展性良好等诸多优点,在先进航空发动机或燃气轮机的部件设计和分析、整机稳态、过渡态性能模拟中,都具有相当的优势与应用潜力;同时尽管该方法的研究取得了很大进展,但在上述若干关键问题上仍有提高空间。通过进一步的发展与完善,该方法有望成为叶轮机械设计和分析的标准工具。     

一种前后缘连续变弯度翼型气动特性分析

提出了一种基于厚度不变的翼型前后缘连续偏转变形规律,并以NACA0015翼型为例,实现了翼型变弯度的参数化。以柔性伸缩蒙皮支撑结构和机械结构实现了可连续光滑偏转后缘的变弯度翼型,验证了变形规律。以前后缘偏转角度为参数,计算并分析了各个变形状态下翼型扰流流场和气动特性,讨论了变形参数对气动特性的影响,研究了气动特性的产生机理。研究结果表明:在大迎角下,前缘偏转角对翼型失速有一定的抑制作用;在中小迎角范围内,翼型升阻比随着后缘偏转角的增大而增大,且不论迎角如何变化,总可以通过前后缘偏转来获得较高的升阻比。     

A salient edges detection algorithm of multi-sensor images and its rapid calculation based on PFCM kernel clustering

Multi-sensor image matching based on salient edges has broad prospect in applications, but it is difficult to extract salient edges of real multi-sensor images with noises fast and accurately by using common algorithms. According to the analysis of the features of salient edges, a novel salient edges detection algorithm and its rapid calculation are proposed based on possibility fuzzy C-means （PFCM） kernel clustering using two-dimensional vectors composed of the values of gray and texture. PFCM clustering can overcome the shortcomings that fuzzy C-means （FCM） cluster- ing is sensitive to noises and possibility C-means （PCM） clustering tends to find identical clusters. On this basis, a method is proposed to improve real-time performance by compressing data sets based on the idea of data reduction in the field of mathematical analysis. In addition, the idea that kernel-space is linearly separable is used to enhance robustness further. Experimental results show that this method extracts salient edges for real multi-sensor images with noises more accurately than the algorithm based on force fields and the FCM algorithm; and the proposed method is on average about 56 times faster than the PFCM algorithm in real time and has better robustness.     

An intelligent target detection method of UAV swarms based on improved KM algorithm

Complete and efficient detection of unknown targets is the most popular application of UAV swarms. Under most situations, targets have directional characteristics so that they can only be successfully detected within specific angles. In such cases, how to coordinate UAVs and allocate optimal paths for them to efficiently detect all the targets is the primary issue to be solved. In this paper, an intelligent target detection method is proposed for UAV swarms to achieve real-time detection requirements. First, a target-feature-information-based disintegration method is built up to divide the search space into a set of cubes. Theoretically, when the cubes are traversed, all the targets can be detected. Then, a Kuhn-Munkres (KM)-algorithm-based path planning method is proposed for UAVs to traverse the cubes. Finally, to further improve search efficiency, a 3D real-time probability map is established over the search space which estimates the possibility of detecting new targets at each point. This map is adopted to modify the weights in KM algorithm, thereby optimizing the UAVs’ paths during the search process. Simulation results show that with the proposed method, all targets, with detection angle limitations, can be found by UAVs. Moreover, by implementing the 3D probability map, the search efficiency is improved by 23.4%–78.1%.