赵冬来

[摘 要]本文利用BP神经网络的非线性泛化能力，通过建立合理的BP神经网络模型，将压气机叶片叶型数据进行训练后泛化输出叶型参数弦长，与传统的叶型处理方法相比，利用BP神经网络进行压气机叶片叶型处理是行之有效的方法。

[关键词]BP神经网络 压气机 弦长

中图分类号：V232.4 文献标识码：A 文章编号：1009-914X（2018）31-0063-01

1 引言

压气机叶片是航空发动机的重要零件，从性能上看，叶片的叶型尺寸如果偏离设计太多，将会直接影响压气机的性能；从可靠性上看，叶片型面质量的优劣是影响叶片故障率的一个重要指标。因此在航空发动机零部件的检测中，叶片型面检测具有十分重要的意义[1]。

压气机叶片形状和结构复杂，且数量较多，尺寸极化现象严重，且对叶片的质量要求十分严格，因此对测得叶片叶型数据的处理是叶片叶型检测的一个重要内容，是判别叶片是否可用的前提和基础[2]。

通常的叶型数据处理方法是将叶型数据导入UG软件后与理论三维模型进行比对，得出叶片各个截面叶型参数的偏差。本文根据BP神经网络高度的非线性泛化能力，提出一种新型的压气机叶片叶型数据处理方法，并分别从叶型处理时间、叶型参数精度等方面进行对比，结果证明该方法在相对较短的叶型处理时间内，可以获得良好的精度。

2 压气机叶片叶型几何参数

压气机叶片叶身扁薄，形状扭曲，且由多个不同截面的叶型组成。一个典型叶型截面的部分基本几何参数如下：