-
公开(公告)号：CN113962021A
公开(公告)日：2022-01-21
申请号：CN202111146721.X
申请日：2021-09-28
Applicant: 中国人民解放军空军工程大学 , 南京航空航天大学
IPC: G06F30/15 , G06F30/17 , G06F30/23 , G06F119/14
Abstract: 本发明公开了一种压气机模拟叶片应力梯度试验件及优化方法，通过对真实叶片的三维模型进行有限元仿真，取前缘最大应力处作为特征位置，提取特征位置的截面尺寸，从有限元仿真的结果中提取特征前缘横截面的应力梯度分布与几何尺寸特征，根据特征位置的截面尺寸、前缘横截面的应力梯度分布与几何尺寸特征建立模拟叶片模型，对模拟叶片模型的应力分布进行数值仿真，并进行修正直至与真实叶片应力分布相匹配得到模拟叶片的最终参数，通过数值仿真应力分布对前缘斜率进行修正，使之能体现真实叶片特征位置前缘的应力特征，摒弃了现有技术中将真实叶片的外形尺寸参数作为模拟的基础，而是将体现真实叶片特征位置前缘的应力特征作为模拟的基础，最终得到的模拟叶片外形尺寸与真实叶片的外形尺寸可以不同，而能够准确体现真实叶片发动机前缘在工作中的应力状态，提高了试验结果的准确度。
-
公开(公告)号：CN111046490A
公开(公告)日：2020-04-21
申请号：CN201911179567.9
申请日：2019-11-27
Applicant: 南京航空航天大学
Abstract: 本发明提供一种外物损伤缺口分析中的网格尺寸反演方法。对叶片建模并进行模态分析计算，确定外物损伤撞击点，并对叶片进行外物损伤模拟试验，观察外物损伤缺口几何特征；并以试验数据为依据对叶片数值仿真模型进行外物损伤的冲击动力学仿真，获得外物损伤缺口几何特征尺寸模拟值；将试验与数值仿真计算的缺口几何特征进行分析对比，验证两者的吻合性；以缺口几何特征尺寸的试验值及模拟值的差值为目标函数，给定残差，以外物损伤有限元网格尺寸为输入参数，采用神经网络软件编译优化算法；运行优化程序，进行迭代，直至获得理想的网格尺寸。
-
公开(公告)号：CN110006636A
公开(公告)日：2019-07-12
申请号：CN201910197262.4
申请日：2019-03-15
Applicant: 南京航空航天大学
Abstract: 本发明公开了一种FOD用弯曲疲劳试验件及其设计方法，该FOD用弯曲疲劳试验件包括夹持端及模拟叶片。其中，夹持端能满足在FOD模拟试验和弯曲疲劳试验时有效夹持，避免试验件因松动影响试验结果；模拟叶片能模拟真实叶片特征位置前缘的形状，并把叶片前缘适当弯曲，有效避免因弯曲中性层导致的弯曲应力小问题。
-
公开(公告)号：CN111046490B
公开(公告)日：2024-07-02
申请号：CN201911179567.9
申请日：2019-11-27
Applicant: 南京航空航天大学
IPC: G06F30/23 , G06F30/27 , G06F30/17 , G06F30/15 , G06F111/10 , G06F119/02 , G06F119/14
Abstract: 本发明提供一种外物损伤缺口分析中的网格尺寸反演方法。对叶片建模并进行模态分析计算，确定外物损伤撞击点，并对叶片进行外物损伤模拟试验，观察外物损伤缺口几何特征；并以试验数据为依据对叶片数值仿真模型进行外物损伤的冲击动力学仿真，获得外物损伤缺口几何特征尺寸模拟值；将试验与数值仿真计算的缺口几何特征进行分析对比，验证两者的吻合性；以缺口几何特征尺寸的试验值及模拟值的差值为目标函数，给定残差，以外物损伤有限元网格尺寸为输入参数，采用神经网络软件编译优化算法；运行优化程序，进行迭代，直至获得理想的网格尺寸。
-
公开(公告)号：CN110987389A
公开(公告)日：2020-04-10
申请号：CN201911179847.X
申请日：2019-11-27
Applicant: 南京航空航天大学
Abstract: 本发明提供一种保证应力集中系数不小于3的外物损伤缺口标定方法。首先对叶片预制FOD缺口，利用三维光学扫描系统对FOD损伤进行三维重构，建立FOD损伤模型。三维重构逆向得到的带有FOD的叶片模型进行有限元分析，计算得到其应力集中系数，记录损伤典型尺寸对应应力集中系数值。使用程序语言搭建神经网络模型，以损伤尺寸作为神经网络的输入，应力集中系数作为神经网络的输出，循环迭代进行神经网络模型的训练。并通过训练后的网络标定该型叶片Kt＝3对应的损伤尺寸。在对该型叶片的抗FOD能力进行考核时，即可按照标定的损伤尺寸，利用空气炮法或机加工缺口法在叶片前缘预制FOD缺口。
-
Patent Agency Ranking
公开(公告)号：CN110987388A
公开(公告)日：2020-04-10
申请号：CN201911179165.9
申请日：2019-11-27
Applicant: 南京航空航天大学
Abstract: 本发明涉及一种基于缺口疲劳强度的等效机械加工缺口的方法，包括：测试外场典型外物损伤并计算损伤处应力集中系数；开展外物损伤模拟叶片及真实叶片试验件的高周疲劳试验，并拟合损伤参数、应力集中系数与疲劳强度的关系曲线。在模拟叶片上预制与典型外物损伤缺口尺寸相近的缺口，计算缺口应力集中系数，开展损伤试件的高周疲劳试验，拟合机械加工缺口尺寸参数、应力集中系数与疲劳强度的关系曲线。将机械加工缺口尺寸—疲劳关系曲线与外物损伤缺口损伤参数—疲劳关系曲线进行对比插值计算，获得相同疲劳强度下的机械加工缺口尺寸—外物损伤缺口损伤参数关系曲线。据此获得与外物损伤缺口疲劳强度相当的等效机械加工缺口尺寸。
-
公开(公告)号：CN110987389B
公开(公告)日：2021-07-27
申请号：CN201911179847.X
申请日：2019-11-27
Applicant: 南京航空航天大学
IPC: G01M13/00 , G01M15/14 , G01M7/08 , G01B11/00 , G01B11/24 , G06F30/23 , G06F30/27 , G06N3/04 , G06F119/14
Abstract: 本发明提供一种保证应力集中系数不小于3的外物损伤缺口标定方法。首先对叶片预制FOD缺口，利用三维光学扫描系统对FOD损伤进行三维重构，建立FOD损伤模型。三维重构逆向得到的带有FOD的叶片模型进行有限元分析，计算得到其应力集中系数，记录损伤典型尺寸对应应力集中系数值。使用程序语言搭建神经网络模型，以损伤尺寸作为神经网络的输入，应力集中系数作为神经网络的输出，循环迭代进行神经网络模型的训练。并通过训练后的网络标定该型叶片Kt＝3对应的损伤尺寸。在对该型叶片的抗FOD能力进行考核时，即可按照标定的损伤尺寸，利用空气炮法或机加工缺口法在叶片前缘预制FOD缺口。
-
公开(公告)号：CN110987388B
公开(公告)日：2021-06-22
申请号：CN201911179165.9
申请日：2019-11-27
Applicant: 南京航空航天大学
Abstract: 本发明涉及一种基于缺口疲劳强度的等效机械加工缺口的方法，包括：测试外场典型外物损伤并计算损伤处应力集中系数；开展外物损伤模拟叶片及真实叶片试验件的高周疲劳试验，并拟合损伤参数、应力集中系数与疲劳强度的关系曲线。在模拟叶片上预制与典型外物损伤缺口尺寸相近的缺口，计算缺口应力集中系数，开展损伤试件的高周疲劳试验，拟合机械加工缺口尺寸参数、应力集中系数与疲劳强度的关系曲线。将机械加工缺口尺寸—疲劳关系曲线与外物损伤缺口损伤参数—疲劳关系曲线进行对比插值计算，获得相同疲劳强度下的机械加工缺口尺寸—外物损伤缺口损伤参数关系曲线。据此获得与外物损伤缺口疲劳强度相当的等效机械加工缺口尺寸。
-
公开(公告)号：CN110988002A
公开(公告)日：2020-04-10
申请号：CN201911179182.2
申请日：2019-11-27
Applicant: 南京航空航天大学
IPC: G01N23/2251 , G01N23/2202 , G06K9/00 , G06K9/46
Abstract: 本发明涉及一种基于图像识别的外物损伤截面微裂纹快速成像方法。利用空气炮法预制FOD损伤，对损伤叶片的FOD位置进行纵向剖切，获得FOD位置的微裂纹观测样件，使用扫描电子显微镜观测样件，摄制带有微裂纹的微观图像。利用图像识别技术得到微裂纹特征对应像素点的坐标值，利用Matlab编译程序，按照坐标值绘制微裂纹形状的样条曲线，为获取不同状态的微裂纹，建立含微裂纹的FOD缺口模型提供技术手段。
-
公开(公告)号：CN110990948A
公开(公告)日：2020-04-10
申请号：CN201911179189.4
申请日：2019-11-27
Applicant: 南京航空航天大学
IPC: G06F30/15 , G06F30/17 , G06F30/23 , G06N3/04 , G06F111/10 , G06F119/14 , G06F119/04
Abstract: 本发明提供一种航空发动机叶片外物损伤疲劳强度预测方法，对叶片进行建模以及模态计算，选取外物损伤点，测量损伤缺口的宏观尺寸；对带有损伤缺口的叶片使用步进法进行高周疲劳试验，得到带损伤缺口叶片的高周疲劳强度；根据试验数据，选取平均应力模型中的Neuber公式和Peterson公式对含缺口模拟叶片和真实叶片的疲劳极限进行预测及修正；使用BP神经网络对模拟叶片高周疲劳强度进行预测，以试验数据为基础，筛选出有效数据。选择其中少数几件作为预测样本，剩余的作为训练样本，多次训练后，选取适当的参数，采用MATLAB自带的神经网络工具箱进行预测。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.029 seconds)
