针对现有基于深度学习的刀具磨损状态监测方法训练样本少、识别精度低的问题,建立基于迁移学习(TL)与深度残差网络(ResNet)的铣刀磨损状态监测模型。将刀具加工过程中的振动监测信号通过连续小波变换转换成能量时频图,作为网络模型的输入;将在ImageNet数据集上训练的ResNet50模型作为预训练模型,通过迁移学习的方法,应用到刀具磨损状态监测领域当中。实例验证表明:TL-ResNet模型的平均识别准确率达到98.52%,实现了刀具不同磨损状态下的智能识别,有效提高了刀具磨损状态监测的准确性和稳定性。

有效抑制压气机叶片表面的分离是提高压气机效率和稳定裕度的重要手段。在前人研究的基础上详细分析了绊线形状(椭圆形、圆形、三角形)对压气机流动分离控制的影响。研究结果表明:不同绊线形状对压气机的流动控制效果不尽相同。在不同攻角下,在分离点位置添加椭圆形绊线使得压气机在整个工况范围内损失都较低,在正攻角范围内使得压气机总压损失至少降低18%,而圆弧形和三角形绊线则控制效果不佳。说明选择合适的绊线形状对压气机流动控制具有重要意义。

针对进出口连接有长管道的离心风机系统,其外部辐射噪声主要是内部非定常流动诱发蜗壳振动产生的振动噪声。基于风机振动噪声问题,给出了一种考虑振声耦合作用的流场-结构-声场单向耦合数值计算方法,并通过振动试验验证了此单向耦合数值计算方法的有效性,随后基于声辐射贡献量分析(PACA)方法定量的给出了噪声源位置。研究表明:振动噪声的基频分量占据主导地位,蜗壳表面声压主要由蜗壳表面振动速度或是振动加速度决定。噪声源分析表明,蜗壳侧板出口靠近蜗舌区域、蜗壳前、后板距离蜗舌180°附近区域是蜗壳基频振动噪声辐射的主要振动噪声源。