神经网络的机器学习、深度学习具有较强的特征分类能力,但权值和初值的选取影响着故障诊断的精度。遗传算法、粒子群算法及后续的优化算法容易陷入局部最优,表现出自身的局限性。大数据挖掘与基于优化算法的深度学习神经网络成为目前主流的研究方向。该文在研究航空发动机故障诊断的基础上,总结了航空发动机的故障类型、故障诊断数据来源,简单介绍了几种典型优化算法和诊断网络,分析了优化算法对浅层神经网络优化方式,研究了深度神经网络在相邻领域的应用及其成效。根据神经网络的收敛速度和诊断精度判定神经网络的优劣,并提出基于混合自适应粒子群算法与卷积神经网络的航空发动机故障诊断方法。

为研究发动机隔振器的隔振性能，本文总结并分析了传递率计算的3种不同方法，选取1组试验数据验证3种方法得出的结论相同，并提出改进隔振性能的几点建议。

以某核主泵轴承为研究对象,针对华龙一号对其超设计基准工况运行要求,采用CFD和Stage(Mixing Plane)单叶片通道技术对叶轮导叶进行了仿真。通过对叶轮导叶流道进出口面积的设计及叶轮导叶面积比匹配优化,提高了叶轮导叶的水力效率,对核主泵轴承在超设计基准工况中的SBO和丧失冷却水运行的安全性予以提升,结果表明:优化后叶轮导叶性能较之前有明显提高;对于该类叶轮导叶的优化,需要同时对叶轮导叶进出口流道面积进行调整。研究成果可为相关核主泵轴承用叶轮导叶优化设计提供一定的技术参考。

本文以试验实测轴流装置模型的数据为基础,对模型进行数值分析,通过相应的参数调整使分析结果与实测试验数据基本吻合,并在此基础上展开对模型的优化,提高了分析的准确性。分别对叶轮、导叶、泵壳单体进行优化,使其达到最佳效果。分析结果表明,泵壳对性能的影响较大,效率损失约7%,这其中存在一个最佳截面面积。

泵壳密封垫是核电站主泵重要的静密封件,设置在主泵泵壳与泵盖间,承受主泵各种预期的瞬态压力和温度,防止反应堆冷却剂泄漏。本文主要介绍泵壳密封垫的结构特点和工作原理,分析了不同结构密封垫的特点,在此基础上研究泵壳密封垫的设计改进方案。