基于SVR 的高压涡轮一级转叶裂纹发展规律研究

中国民航大学学报

基于SVR 的高压涡轮一级转叶裂纹发展规律研究

曹惠玲，王晓兵

（中国民航大学航空工程学院，天津300300）

收稿日期:2018-01-08 修回日期:2018-03-05 出版日期:2018-08-25 发布日期:2018-10-25
作者简介:曹惠玲（1962—），女，河北唐山人，教授，博士，研究方向为航空发动机性能分析与故障诊断.
基金资助:
中央高校基本科研业务费专项（3122014D010）

Crack development law of HPT rotor first stage blades based on SVR

CAO Huiling, WANG Xiaobing

（College of Aeronautical Engineering, CAUC, Tianjin 300300, China）

Received:2018-01-08 Revised:2018-03-05 Online:2018-08-25 Published:2018-10-25

摘要/Abstract

摘要： 针对航空发动机高压涡轮一级转子叶片10~12 孔区域裂纹损伤的潜在安全问题，首先利用ImageJ 软件获取裂纹损伤数据，然后建立基于SVR 的高压涡轮一级转子叶片裂纹损伤长度预测模型并检验模型的可靠性，最后利用模型对各相关因素进行深入分析。结果表明，裂纹发展长度随空气质量指数变化呈指数规律分布，随CSN、EGT 和N1 变化呈对数规律分布，且各相关因素的变化对裂纹损伤发展的贡献率有很大差异。

关键词: 预测, 支持向量回归机, 裂纹, QAR 数据, 高压涡轮一级转子叶片

Abstract: Aiming at the potential safety problems caused by crack damage in Holes No.10~12 of first-stage rotor blades of aero-engine high pressure turbine, experiments are conducted. Firstly, crack damage data are obtained through ImageJ. Then, prediction model of crack damage length is established based on SVR, reliability of the model is tested. Finally, in-depth analysis on related influencing factors is made using the model. Results show that the crack length varies exponentially with the change of AQI（air quality index）, and it distributes in logarithmic order with the variation of CSN, EGT and N1. Moreover, the contribution rate of each related factor is quite different to the development of crack damage.

Key words: forecast, SVR, crack, QAR data, HPT rotor first stage blades

中图分类号:

曹惠玲，王晓兵. 基于SVR 的高压涡轮一级转叶裂纹发展规律研究[J]. 中国民航大学学报.

CAO Huiling, WANG Xiaobing. Crack development law of HPT rotor first stage blades based on SVR[J]. .

参考文献

[1] NAEEM M. Implications of day temperature variation for an aero-engine’s HP turbine-blade’s creep life-consumption[J]. Aerospace Science and Technology, 2009, 13(1): 27-35.
[2] NAEEM M, SINGH R, PROBERT D. Implications of engine deterioration for creep life[J]. Applied Energy, 1998, 60(4): 183-223.
[3] 孙见忠, 左洪福. 使用条件对民航发动机涡轮叶片蠕变寿命的影响分析[J]. 中国机械工程, 2014, 25(11): 1511-1516.
[4] 李本威, 赵勇, 蒋科艺, 等. 典型使用条件对发动机涡轮叶片蠕变寿命消耗的影响研究[J]. 推进技术, 2017, 38(5): 1107-1114.
[5] 夏毅锐, 徐可君, 王永旗. 基于某型航空发动机飞行参数的涡轮转子叶片疲劳/持久寿命分析[J]. 应用力学学报, 2011, 28(2): 177-184.
[6] 孙见忠, 左洪福, 梁坤. 基于民航发动机状态数据的涡轮叶片剩余寿命评估[J]. 机械工程学报, 2015, 51(23): 53-59.
[7] 陈立杰, 谢里阳. 某低压涡轮工作叶片高温低循环疲劳寿命预测[J].东北大学学报(自然科学版）, 2005, 26(7): 673-676.
[8] 雷达. 计及硬件损伤的航空发动机拆发预测方法及其应用研究[D]. 哈尔滨: 哈尔滨工业大学, 2009.
[9] 曹惠玲, 曹鹏双, 康力平, 等. 发动机HPT 叶片失效分析及损伤发展趋势研究[J]. 中国民航大学学报, 2017, 35(3): 13-16.
[10] 杨晓军, 王瑛琦, 刘智刚. 航空发动机涡轮叶片损伤分析[J]. 机械工程与自动化, 2017, 202: 203-205.
[11] 范海清. 通过孔探方法评估灰尘积累对高压涡轮转子叶片的影响[J]. 航空维修与工程, 2012(5): 47-48.
[12] 葛玉峰. 双工质冷却涡轮叶片温度场计算与强度分析[D]. 大连: 大连理工大学, 2009.
[13] 瞿红春, 林兆福. 民用航空燃气涡轮发动机原理[M]. 北京: 兵器工业出版社, 2006: 186-189.
[14] VAPNIK V N. Statistical Learning Theory[M]. New York: John Wiley,1998: 273-297.
[15] CORTES C, VAPNIK V. Support-vector network[J]. Machine Learning,1995, 20(3): 273-297.