为解决多性能参数模型无法描述不同起飞推力下发动机性能退化的问题,利用单性能参数结合极端冲击模型描述起飞时发动机全功率运转对热端部件的热冲击影响,利用线性退化模型描述发动机自然退化过程,建立发动机性能可靠度退化模型。利用V2500发动机全寿命EGTM数据,结合最大似然估计给出性能可靠度表达式与模型参数,最后利用机队中同型V2500发动机非完整EGTM数据验证模型,预测下发时间,结果表明此模型预测下发时间和实际下发时间的误差小于3%,证明了模型的有效性。

为了研究某航空发动机高压涡轮动叶吸力面的气膜冷却特性,通过数值模拟的方法,采用SST k-ω湍流模型,分析了高压涡轮动叶在静止和旋转条件下,吸力面气膜冷却效率的影响规律。结果表明:在静止条件下,相同主流湍流度时吹风比对吸力面气膜冷却效率影响显著,冷却效率随着吹风比的增大而减小;在小吹风比下,气膜冷却效率随着主流湍流度的增大而减小;在大吹风比下,气膜冷却效率随着主流湍流度的增大而增大。在相同湍流度和转速下,随着吹风比的增大,气膜向高半径偏转程度减小;在相同湍流度和吹风比下,随着转速的增大,气膜沿流向上的气膜覆盖面积减弱。优化结构的扇形气膜孔对叶片吸力面具有更好的冷却效果。

针对单参数不能准确表征发动机性能退化过程,以及传统智能学习模型难以准确拟合发动机退化模型等问题,提出一种融合数据构建发动机健康指数(HI),并结合多模型相似性匹配与集成模型进行发动机剩余寿命预测的方法。利用层次聚类与轮廓系数筛选参数,并融合为发动机健康指数。采用遗传算法优化随机森林拟合发动机性能退化过程,并将多模型相似性匹配用于回归模型预测,优化模型的预测结果。选择某涡扇发动机仿真数据集(C-MPASS)验证所提方法的有效性。结果表明:该方法的RMSE为6.128、MAE为4.901,且融合健康指数和多模型相似匹配极大地提高了发动机剩余寿命预测精度。