CN111046579A - 基于粒子群算法的大型高速回转装备误差分离优化方法 - Google Patents
基于粒子群算法的大型高速回转装备误差分离优化方法 Download PDFInfo
- Publication number
- CN111046579A CN111046579A CN201911370026.4A CN201911370026A CN111046579A CN 111046579 A CN111046579 A CN 111046579A CN 201911370026 A CN201911370026 A CN 201911370026A CN 111046579 A CN111046579 A CN 111046579A
- Authority
- CN
- China
- Prior art keywords
- rotor
- particle swarm
- sensor
- optimizing
- optimization
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 25
- 239000002245 particle Substances 0.000 title claims abstract description 21
- 238000000926 separation method Methods 0.000 title abstract description 20
- 238000009434 installation Methods 0.000 claims abstract description 22
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 238000005259 measurement Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 3
- 230000001629 suppression Effects 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/16—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring distance of clearance between spaced objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
- Turbine Rotor Nozzle Sealing (AREA)
Abstract
本发明提出了基于粒子群算法的大型高速回转装备误差分离优化方法,建立优化传感器安装角度优化目标函数;利用极大熵函数法对目标函数进行等价变换得到可微的优化目标函数;设定约束条件和搜索范围;利用粒子群算法对传感器S2、S3相对于S1的安装角度α和β进行寻优;根据寻优结果对最优安装角度对应的叶子编号进行确定。本发明根据粒子群算法优化得到的叶片编号安装三个传感器,对叶尖间隙数据进行测量并进行误差分离,可有效避免误差分离过程中的谐波抑制现象,提高误差分离精度。
Description
技术领域
本发明涉及基于粒子群算法的大型高速回转装备误差分离优化方法,属于大型高速回转装备误差分离优化技术领域。
背景技术
大型回转装备转静子间隙的装配均匀化是评价其装配质量的重要指标。以航空发动机为例,叶尖间隙分布不均匀,会导致转子振动、推力减小、可靠性差、工作效率低、油耗高、气动性能差。在严重情况下,还会引起压气机喘振、转子摩擦、叶片摩擦断裂和严重的发动机故障。当前大型回转装备转静子间隙的测量技术以及较为成熟,但对间隙的控制方法较为缺乏。事实上,间隙的大小受到多种因素的影响,包括大型高速回转装备静子内壁的圆度误差,转静子安装偏心以及大型高速回转装备转子的回转误差。对这些误差进行分离并以此为基础对大型高速回转装备的装配过程进行指导有利于改善其转静子间隙的均匀性。此前已经有了一种基于三传感器单转位法的多误差分离算法,该算法以在大型回转装备转子上以一定角度分布的三个传感器所测量得到的三组间隙数据为基础,可以依次分离出转子圆度误差,转静子安装偏心误差以及转子回转误差。其中三个传感器间的角度设置会对机匣内壁圆度误差分离精度产生影响。如果角度设置不合理,会造成分离出圆度误差产生失真,进而影响整个误差分离算法的精度。目前对于三个传感器在大型回转装备转子上的分布角度优化方法还缺乏研究。
发明内容
本发明提出基于粒子群算法的大型高速回转装备误差分离优化方法,其目的是为了解决现有方法容易造成分离出圆度误差产生失真,进而影响整个误差分离算法的精度的问题。
基于粒子群算法的大型高速回转装备误差分离优化方法,所述优化方法包括以下步骤:
步骤一、建立优化传感器安装角度优化目标函数;
步骤二、利用极大熵函数法对目标函数进行等价变换得到可微的优化目标函数;
步骤三、设定约束条件和搜索范围;
步骤四、利用粒子群算法对传感器S2、S3相对于S1的安装角度α和β进行寻优;
步骤五、根据寻优结果对最优安装角度对应的叶子编号进行确定。
进一步的,在步骤一中,具体的:
沿转子圆周按一定角度分布的三个传感器S1,S2,S3分别对航空发动机装配体的叶尖间隙进行测量,采样点数为N,其中坐标系原点O为静子机匣理想轮廓的圆心以及三个传感器的测量中心;传感器的测量值由静子机匣径向尺寸变动量、转静子偏心量以及转子回转误差三项因素决定,转子轴心的位置矢量OP是由转静子偏心量OO'以及转子回转误差OO”矢量相加得到的,设O'(a'x,a'y),|OO'|=a';O”(ex(θ),ey(θ)),|OO”|=e(θ);OO',OO”与X轴的夹角分别为φ,设被测转子叶片总数为B,传感器S1安装在叶片0号上,传感器S2、S3分别安装在B'和B"号叶片上,传感器S2、S3相对于传感器S1的安装角度是和V(θ)为机匣内表面轮廓半径方向的变动量,三组电容传感器在转子转位一圈的情况下分别得到三组叶尖间隙数据D1(θ),D2(θ),D3(θ):
D1(θ)=V(θ)+(a'x+ex(θ))cos(θ)+(a'y+ey(θ))sin(θ) (1)
D2(θ)=V(θ+α)+(a'x+ex(θ))cos(θ+α)+(a'y+ey(θ))sin(θ+α) (2)
D3(θ)=V(θ+β)+(a'x+ex(θ))cos(θ+β)+(a'y+ey(θ))sin(θ+β) (3)
为去除转静子安装偏心以及转子回转误差对叶尖间隙测量数据的影响,对三组数据进行不等权组合,权值为:
得到组合信号:
对C(k)和V(k)分别进行离散傅里叶变换可得:
其中n=1,2,3,...,N-1。
根据傅里叶变换的时移特性可得:
进一步变换可得:
设:
其中ω(n)被称为谐波加权函数,简称权函数,因此式(10)可简化为:
对fV(n)进行离散傅里叶逆变换可得到机匣内表面径向尺寸变动量:
得到机匣内表面径向尺寸变动量V(k)后对机匣内表面圆度误差进行评定,
优化目标表示为:
进一步的,在步骤二中,具体的,利用极大熵函数法对式(14)进行等价变换得:
进一步的,在步骤三中,具体的,对式(15),取g=109,设定约束条件:α+15°≤β,15°≤α且β≤345°。
进一步的,在步骤四中,具体的,以式(15)作为优化目标函数,考虑约束条件,利用粒子群算法在0~360°范围内对α和β的取值进行寻优,获得传感器S2和传感器S3相对于传感器S1的最佳安装角度;
本发明具有以下有益效果:本发明根据粒子群算法优化得到的叶片编号即0,B'和B”安装三个传感器,对叶尖间隙数据进行测量并进行误差分离,可有效避免误差分离过程中的谐波抑制现象,提高误差分离精度。
附图说明
图1为本发明的基于粒子群算法的大型高速回转装备误差分离优化方法的流程图;
图2为传感器测量示意图,其中图2(a)为三个传感器的安装及测量示意图;图2(b)为转子轴心位置示意图。
具体实施方式
下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1-图2所示,图2为传感器的测量示意图,如图2(a)所示,沿转子圆周按一定角度分布的三个传感器S1,S2,S3分别对航空发动机装配体的叶尖间隙进行测量,采样点数为N。其中坐标系原点O为静子机匣理想轮廓的圆心以及三个传感器的测量中心。叶尖间隙的实际数值由静子机匣径向尺寸变动量,转静子平均半径差以及转子的实际位置决定,而转子的实际位置又取决于转静子偏心量以及转子回转误差。实际测量中由于测量信号滤去了直流分量即去除了转静子平均半径差的影响,因此传感器的测量值由静子机匣径向尺寸变动量,转静子偏心量以及转子回转误差三项因素决定。如图2(b)所示,转子轴心的位置矢量OP是由转静子偏心量OO'以及转子回转误差OO”矢量相加得到的。设O'(a'x,a'y),|OO'|=a';O”(ex(θ),ey(θ)),|OO”|=e(θ);OO',OO”与X轴的夹角分别为φ,设被测转子叶片总数为B,传感器S1安装在叶片0号上,传感器S2、S3分别安装在B'和B"号叶片上。所以传感器S2、S3相对于传感器S1的安装角度是和V(θ)为机匣内表面轮廓半径方向的变动量。三组电容传感器在转子转位一圈的情况下分别得到三组叶尖间隙数据D1(θ),D2(θ),D3(θ):
D1(θ)=V(θ)+(a'x+ex(θ))cos(θ)+(a'y+ey(θ))sin(θ) (1)
D2(θ)=V(θ+α)+(a'x+ex(θ))cos(θ+α)+(a'y+ey(θ))sin(θ+α) (2)
D3(θ)=V(θ+β)+(a'x+ex(θ))cos(θ+β)+(a'y+ey(θ))sin(θ+β) (3)
为去除转静子安装偏心以及转子回转误差对叶尖间隙测量数据的影响,对三组数据进行不等权组合,权值为:
得到组合信号:
对C(k)和V(k)分别进行离散傅里叶变换可得:
其中n=1,2,3,...,N-1。
根据傅里叶变换的时移特性可得:
进一步变换可得:
设:
其中ω(n)被称为谐波加权函数,简称权函数,因此式(10)可简化为:
对fV(n)进行离散傅里叶逆变换可得到机匣内表面径向尺寸变动量:
得到机匣内表面径向尺寸变动量V(k)后可依据相关国家标准对机匣内表面圆度误差进行评定。
由式(13)可知权函数ω(n)的值会对机匣内表面径向尺寸变动量的分离产生影响,当n0阶谐波权函数ω(n0)=0时,会使得组合信号fC(n)中丢失这一阶谐波分量信息,这将使得圆度误差分离结果失真。而ω(n)的值又取决于传感器S2、S3相对于S1的安装角度和事实上,圆度误差信号主要由2至50阶的低频信号组成,因此α和β的选择需要使得2至50阶谐波的权函数模值在各阶倍频处远离0,且搜索到的最小值应最大。
优化目标可表示为:
式(13)是一种一个不可微优化函数,利用极大熵函数法对其进行等价变换得:
其中g值的选择与函数的等效变换精度息息相关,实际应用中可根据使用需求进行选择,通常g值取值在107 109便能保证较高的转换精度,这里选取g=109。设定约束条件:α+15°≤β,15°≤α且β≤345°。
Claims (6)
1.基于粒子群算法的大型高速回转装备误差分离优化方法,其特征在于,所述优化方法包括以下步骤:
步骤一、建立优化传感器安装角度优化目标函数;
步骤二、利用极大熵函数法对目标函数进行等价变换得到可微的优化目标函数;
步骤三、设定约束条件和搜索范围;
步骤四、利用粒子群算法对传感器S2、S3相对于S1的安装角度α和β进行寻优;
步骤五、根据寻优结果对最优安装角度对应的叶子编号进行确定。
2.根据权利要求1所述的基于粒子群算法的大型高速回转装备误差分离优化方法,其特征在于,在步骤一中,具体的:
沿转子圆周按一定角度分布的三个传感器S1,S2,S3分别对航空发动机装配体的叶尖间隙进行测量,采样点数为N,其中坐标系原点O为静子机匣理想轮廓的圆心以及三个传感器的测量中心;传感器的测量值由静子机匣径向尺寸变动量、转静子偏心量以及转子回转误差三项因素决定,转子轴心的位置矢量OP是由转静子偏心量OO'以及转子回转误差OO”矢量相加得到的,设O'(a'x,a'y),|OO'|=a';O”(ex(θ),ey(θ)),|OO”|=e(θ);OO',OO”与X轴的夹角分别为φ,设被测转子叶片总数为B,传感器S1安装在叶片0号上,传感器S2、S3分别安装在B'和B"号叶片上,传感器S2、S3相对于传感器S1的安装角度是和V(θ)为机匣内表面轮廓半径方向的变动量,三个电容传感器在转子转位一圈的情况下分别得到三组叶尖间隙数据D1(θ),D2(θ),D3(θ):
D1(θ)=V(θ)+(a'x+ex(θ))cos(θ)+(a'y+ey(θ))sin(θ) (1)
D2(θ)=V(θ+α)+(a'x+ex(θ))cos(θ+α)+(a'y+ey(θ))sin(θ+α) (2)
D3(θ)=V(θ+β)+(a'x+ex(θ))cos(θ+β)+(a'y+ey(θ))sin(θ+β) (3)
为去除转静子安装偏心以及转子回转误差对叶尖间隙测量数据的影响,对三组数据进行不等权组合,权值为:
得到组合信号:
对C(k)和V(k)分别进行离散傅里叶变换可得:
其中n=1,2,3,...,N-1,
根据傅里叶变换的时移特性可得:
进一步变换可得:
设:
其中ω(n)被称为谐波加权函数,简称权函数,因此式(10)可简化为:
对fV(n)进行离散傅里叶逆变换可得到机匣内表面径向尺寸变动量:
得到机匣内表面径向尺寸变动量V(k)后对机匣内表面圆度误差进行评定,
优化目标表示为:
4.根据权利要求1所述的基于粒子群算法的大型高速回转装备误差分离优化方法,其特征在于,在步骤三中,具体的,对式(15),取g=109,设定约束条件:α+15°≤β,15°≤α且β≤345°。
5.根据权利要求1所述的基于粒子群算法的大型高速回转装备误差分离优化方法,其特征在于,在步骤四中,具体的,以式(15)作为优化目标函数,考虑约束条件,利用粒子群算法在0~360°范围内对α和β的取值进行寻优,获得传感器S2和传感器S3相对于传感器S1的最佳安装角度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911370026.4A CN111046579B (zh) | 2019-12-26 | 2019-12-26 | 基于粒子群算法的大型高速回转装备误差分离优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911370026.4A CN111046579B (zh) | 2019-12-26 | 2019-12-26 | 基于粒子群算法的大型高速回转装备误差分离优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111046579A true CN111046579A (zh) | 2020-04-21 |
CN111046579B CN111046579B (zh) | 2024-05-31 |
Family
ID=70239103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911370026.4A Active CN111046579B (zh) | 2019-12-26 | 2019-12-26 | 基于粒子群算法的大型高速回转装备误差分离优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111046579B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114677421A (zh) * | 2022-04-12 | 2022-06-28 | 卡本(深圳)医疗器械有限公司 | 一种估算2d器官刚性/非刚性配准方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5206816A (en) * | 1991-01-30 | 1993-04-27 | Westinghouse Electric Corp. | System and method for monitoring synchronous blade vibration |
US5337485A (en) * | 1992-01-28 | 1994-08-16 | Chien An Y | Roundness error and crown electronic measuring system |
CN104400560A (zh) * | 2014-11-07 | 2015-03-11 | 西安交通大学 | 一种数控机床切削工况下主轴轴心轨迹在线测量方法 |
CN105783843A (zh) * | 2016-03-31 | 2016-07-20 | 西安电子科技大学 | 一种三点法回转误差分离过程中传感器噪声信号抑制方法 |
CN107747931A (zh) * | 2017-08-21 | 2018-03-02 | 上海微泓自动化设备有限公司 | 用于角度编码器自校准的读数头优化布置方法 |
CN109960869A (zh) * | 2019-03-21 | 2019-07-02 | 哈尔滨工业大学 | 基于功能性滤波处理的大型高速回转装备零部件形心和惯性中心数据处理方法 |
CN109960868A (zh) * | 2019-03-21 | 2019-07-02 | 哈尔滨工业大学 | 基于多参数调控的大型高速回转装备单级零部件偏心数据处理及跳动公差分配方法 |
CN110543618A (zh) * | 2019-09-05 | 2019-12-06 | 上海应用技术大学 | 基于概率密度函数估计的圆度不确定度评定方法 |
-
2019
- 2019-12-26 CN CN201911370026.4A patent/CN111046579B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5206816A (en) * | 1991-01-30 | 1993-04-27 | Westinghouse Electric Corp. | System and method for monitoring synchronous blade vibration |
US5337485A (en) * | 1992-01-28 | 1994-08-16 | Chien An Y | Roundness error and crown electronic measuring system |
CN104400560A (zh) * | 2014-11-07 | 2015-03-11 | 西安交通大学 | 一种数控机床切削工况下主轴轴心轨迹在线测量方法 |
CN105783843A (zh) * | 2016-03-31 | 2016-07-20 | 西安电子科技大学 | 一种三点法回转误差分离过程中传感器噪声信号抑制方法 |
CN107747931A (zh) * | 2017-08-21 | 2018-03-02 | 上海微泓自动化设备有限公司 | 用于角度编码器自校准的读数头优化布置方法 |
CN109960869A (zh) * | 2019-03-21 | 2019-07-02 | 哈尔滨工业大学 | 基于功能性滤波处理的大型高速回转装备零部件形心和惯性中心数据处理方法 |
CN109960868A (zh) * | 2019-03-21 | 2019-07-02 | 哈尔滨工业大学 | 基于多参数调控的大型高速回转装备单级零部件偏心数据处理及跳动公差分配方法 |
CN110543618A (zh) * | 2019-09-05 | 2019-12-06 | 上海应用技术大学 | 基于概率密度函数估计的圆度不确定度评定方法 |
Non-Patent Citations (5)
Title |
---|
李新春,等: "基于粒子群优化的DV-Hop定位算法研究", 测控技术, no. 01, 18 January 2017 (2017-01-18), pages 84 - 91 * |
王雷,等: "基于圆度评定方法的气浮轴系回转误差分析", 红外与激光工程, no. 03, 25 June 2009 (2009-06-25), pages 441 - 444 * |
茅健,等: "基于粒子群算法的圆柱度误差评定方法", 农业机械学报, no. 002, 31 December 2007 (2007-12-31), pages 146 - 149 * |
谷伟;谭久彬;: "一种基于单转位特征角的圆度误差分离方法研究", 光电子・激光, no. 12, 15 December 2015 (2015-12-15), pages 2358 - 2362 * |
赵维谦,等: "基于两步法超精密圆度仪误差分离***", 中国机械工程, no. 11, 30 November 2000 (2000-11-30), pages 1206 - 1208 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114677421A (zh) * | 2022-04-12 | 2022-06-28 | 卡本(深圳)医疗器械有限公司 | 一种估算2d器官刚性/非刚性配准方法 |
CN114677421B (zh) * | 2022-04-12 | 2023-03-28 | 卡本(深圳)医疗器械有限公司 | 一种估算2d器官刚性/非刚性配准方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111046579B (zh) | 2024-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9709392B2 (en) | Aero engine rotor assembling method and device based on concentricity and verticality measurement | |
CN111579060B (zh) | 一种基于叶尖定时技术高精度的旋转叶片振动测量方法 | |
US9890661B2 (en) | Aero engine rotor air floatation assembling device based on gantry structure | |
CN109960868B (zh) | 基于多参数调控的大型高速回转装备单级零部件偏心数据处理及跳动公差分配方法 | |
CN105466329A (zh) | 一种非接触式发动机涡轮叶尖径向间隙测量方法 | |
CN111175033A (zh) | 一种变转速下的同步振动叶端定时信号重构方法 | |
CN107747931A (zh) | 用于角度编码器自校准的读数头优化布置方法 | |
CN111046579A (zh) | 基于粒子群算法的大型高速回转装备误差分离优化方法 | |
CN112733600A (zh) | 一种无转速参考信号的叶片故障诊断方法 | |
CN112287552A (zh) | 一种航空发动机振动趋势分析方法 | |
CN116577050A (zh) | 一种航空发动机压气机转子叶片动态阻尼比测试方法 | |
Song et al. | Identification and separation of coupled vibration sources in multi-rotor gas turbines under time-varying speed conditions | |
CN114544188A (zh) | 航空发动机多源拍振引起的振动波动故障识别与排除方法 | |
CN113190786A (zh) | 一种大型旋转装备利用多维装配参数的振动预测方法 | |
Zhang et al. | Research on the identification of asynchronous vibration parameters of rotating blades based on blade tip timing vibration measurement theory | |
Li et al. | A novel self-adaptive, multi-peak detection algorithm for blade tip clearance measurement based on a capacitive probe | |
CN109687799B (zh) | 基于假定旋转坐标的磁轴承转子分层振动补偿方法 | |
CN111046326B (zh) | 一种基于三误差耦合的大型高速回转装备误差分离方法 | |
CN116221016A (zh) | 一种基于运行数据聚类的风力发电机组偏航控制优化方法 | |
CN110750932A (zh) | 叶盘-机匣***的碰摩动力学特性的数字仿真模拟方法 | |
CN114136266A (zh) | 一种双转子航空发动机同轴度检测方法 | |
CN112407321B (zh) | 一种基于直升机旋翼转速生成方位角信号的方法 | |
Serrano et al. | Effect of Airfoil Clocking on Noise of LP Turbines: Part II—Modal Structure Analysis | |
CN114608435B (zh) | 低压涡轮带冠叶片篦齿的径向和轴向间隙测量***及方法 | |
Kurkov | Flutter spectral measurements using stationary pressure transducers |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |