基于实验平台,采集滚动轴承正常、内环故障、外环故障和滚珠故障四种工况的振动信号,利用时域分析法提取故障特征量。分析隐含层神经元数量、隐含层激活函数和样本比例对极限学习机网络诊断效果的影响,同时从网络对样本比例的适应性、算法的稳定性、仿真耗时和抗噪能力四方面比较BP、SVM和RBF网络。结果表明针对轴承故障诊断,极限学习机在神经元数量较少时采用Sigmoid()函数、神经元数量较多时采用Hardlim()函数,其诊断效果较佳;极限学习机相比BP、SVM和RBF网络,能够更好的适应样本比例的变化,且算法的稳定性和准确性均为最优;极限学习机仿真计算时间相对较短、抗噪能力较强。

针对改进姊妹孔在吹风比为0.5、1.0、1.5、2.0情况下的温度场、流场以及冷却效率分布作了数值研究,模拟结果与圆柱孔和传统姊妹孔进行了分析比较。结果表明与圆柱孔和传统姊妹孔相比,改进姊妹孔形成了附加漩涡对,与反向漩涡对相互作用,抑制了冷却气流被反向漩涡对的抬升并且增强了冷却气流的扩散,提高了冷却气流的贴壁性,增大了冷却气流的展向扩展范围;与传统姊妹孔相比,在低吹风比条件下,改进姊妹孔提高了气膜冷却效率约(10~20)%,在高吹风比条件下,改进姊妹孔提高了气膜冷却效率约(20~35)%。

为进一步提高箔片轴承性能,提出了交错式箔片轴承结构,并建立交错式波箔型气体动压轴承模型;应用有限元法和松弛迭代法对雷诺方程与气膜厚度方程进行差分迭代求解,通过控制气膜压力的收敛,得到交错式箔片轴承气膜厚度和压力分布,并计算相关的静态特性。结果表明：与传统波箔构型轴承相比,交错式波箔型气体动压轴承的承载力明显提升,而摩擦力矩有所增加,尤其在转速与长径比增大的情况下更为明显;随转速与长径比的增大,交错式波箔型气体动压轴承与传统轴承的偏位角大小与变化基本相同,气膜压力三维分布也相一致。

研究遗传算法(GA)优化的支持向量机（SVM）在航空发动机磨损故障诊断中的运用。介绍基于GA优化SVM算法的实现过程，对算法中关键参数进行分析，并用改进的GA对SVM中的惩罚参数和核参数进行优化。采用GA优化的SVM对某型号航空发动机的油液磨粒数据进行诊断，并从诊断精度、计算时间、抗噪能力三方面比较GA优化的SVM、BP神经网络和RBF神经网络的诊断精度。结果表明：GA优化的SVM能够有效地诊断航空发动机磨损故障；GA优化的SVM的诊断精度明显高于RBF和BP神经网络，且在有噪声的情况下，其诊断准确度依旧高于RBF和BP神经网络，但由于GA-SVM的结构和训练方法其训练时间较长。