Модель анализа и классификации геометрии лопаток газотурбинных двигателей

Авторы

Печенин В. А.^*, Болотов М. А.^**

Самарский национальный исследовательский университет им. академика С.П. Королева, Московское шоссе, 34, Самара, 443086, Россия

*e-mail: vadim.pechenin2011@yandex.ru
**e-mail: maikl.bol@gmail.com

Аннотация

Представлена модель анализа и классификации геометрии лопаток газотурбинных двигателей (ГТД). Разработанная модель может быть использована для построения интеллектуальной системы обеспечения показателей качества авиационных двигателей. В основу математической модели положен анализ и кластеризация геометрии профиля или сложной поверхности сложных профилей и поверхностей. Приводятся результаты апробации разработанной модели на примере серии профилей корытца лопаток компрессора ГТД, полученных в результате измерения на координатно-измерительной машине DEA Global Performance 07.10.07 и искусственно смоделированных с учетом отклонений, встречающихся в практике.

Ключевые слова

анализ, преобразование Фурье, кластеризация, нейронная сеть

Библиографический список

1. Besl P.J., Mckay N.D. A method for registration of 3-D shapes//IEEE Transactions on Pattern Analysis and Machine Intelligence. 1992, vol. 14, № 2, pp. 239-256.

2. Залманзон Л.А. Преобразования Фурье, Уолша, Хаара и их применение в управлении, связи и других областях. — М.: Наука, 1989. — 496 с.

3. Jayanti S., Kalyanaraman Y., Ramani K. Shape-based clustering for 3D CAD objects: A comparative study of effectiveness// Computer-Aided Design. 2009, № 41,pp. 999-1007.

4. Demuth H., Beale M. Neural Network Toolbox For Use with MATLAB // Neural Network Toolbox Users Guide. 2003. — 840 p.

5. Niu Y., Wong Y., Hong G. Intelligent sensor system approach for reliable toolflank wear recognition// International Journal of Advanced Manufacturing Technology. 1998, № 14 (2),pp. 77-84.

6. Emel E. Tool wear detection by neural network based acoustic emission sensing, American Society of Mechanical Engineers// Dynamic Systems and Control Division (Publication) DSC. 1991, № 28, pp.79-85.

7. Осовский С. Нейронные сети для обработки информации. — М.: Финансы и статистика, 2002. — 344 с.

8. Кетков Ю.Л., Кетков А.Ю., Штульц М.М. MATLAB 7: программирование, численные методы. — СПб.: БХИ-Петербург, 2005. — 752 с.

Скачать статью