为了研究含裂纹航空液压直管的振动响应特性,防止液压管路系统出现灾难性失效,针对液压直管可能出现的斜裂纹故障,考虑剪切力以及剪切系数的影响,推导出斜裂纹液压直管的局部柔度系数表达式,从而建立斜裂纹液压直管流固耦合有限元模型。利用Newmark-β积分法求解了液压直管的振动响应,将数值计算结果与试验测试结果对比分析,验证了有限元模型的正确性。利用本文模型分析了裂纹夹角和柱塞泵转速对液压直管系统振动响应特性的影响,结果表明:裂纹夹角的变化会影响液压直管的振动响应,当裂纹夹角趋于0°时,液压直管的振动响应幅值最小,随着裂纹夹角的增加,裂纹对液压直管振动响应的影响更显著;在不同的转速下,横向裂纹液压直管的振动响应幅值均大于斜裂纹液压直管。

针对航空发动机液压卡箍-管路系统具有高度复杂性,导致卡箍振动信号存在非线性、非平稳性,从而难以提取出卡箍故障状态有效信息的问题,提出一种基于优化变分模态分解(VMD)与卷积神经网络(CNN)的卡箍智能故障诊断方法。基于优化的VMD将液压管路系统-卡箍振动信号分解成一系列固有模态函数;将含有卡箍故障信号明显的IMF输入到卷积神经网络训练模型,采用CNN进行自主特征学习和模式识别。并将该方法应用于实例中,结果表明:该方法不仅能有效地对信号进行分解,同时对不同类型的卡箍故障可达到精准识别和故障诊断。

针对航空发动机液压管路故障信号易受噪声干扰、管路故障诊断准确率不高等问题,提出基于优化变分模态分解和BP神经网络的故障诊断方法。利用遗传算法自适应确定变分模态分解K、α的最优参数,然后采用优化后的变分模态分解方法对航空液压管路的振动信号进行分解,最后将故障特征明显的故障分量输入BP神经网络模型中进行训练和分类。结果表明:提出的基于变分模态分解与BP神经网络的航空液压管路故障诊断方法能够精准识别出航空液压管路多种不同的故障状态。

为了改善航空液压弯管的振动特性,利用磁力研磨加工方法提高不锈钢弯管内表面质量,并进行试验测试其对弯管振动特性的影响,同时结合拉普拉斯特征映射方法对试验数据进行降维分析,研究弯管内表面质量与其他因素对振动特性的影响程度。结果表明,利用磁力研磨方法加工后不锈钢弯管的振动幅值和噪声明显降低,提高了弯管的服役稳定性和可靠性。各因素对弯管振动特性的影响程度依次排列为:弯管材质、弯管角度、弯管长度、弯管内表面质量,验证了提高内表面质量对弯管振动的影响比其他因素都小。