相对关联距离熵在转子系统故障诊断中的应用

将相对关联距离熵应用于航空发动机转子-机匣系统状态识别和故障诊断。在相空间重构的基础上，基于实测的航空发动机机匣振动时间序列求解了转子-机匣系统不同工作状态和故障状态的相对关联距离熵，并基于相对关联距离熵，对航空发动机转子-机匣系统进行了状态识别和故障诊断。     

基于分形维数的转子—机匣系统故障诊断研究

基于相空间重构,在优选重构参数的基础上,将分形维数应用于航空发动机转子-机匣系统的故障诊断.建立以关联维数为特征量的故障诊断方法,实际诊断航空发动机转子-机匣系统故障;提出以Lyapunov维数为特征量的故障诊断新方法,并实际应用于航空发动机转子-机匣系统的故障诊断,弥补关联维数等分形维数计算中无标度区难以精确确定、限制分形维数在故障诊断中的实际应用的不足.     

强背景噪声条件下自适应图卷积神经网络的航空 发动机附件机匣故障诊断方法

针对强背景噪声条件下航空发动机附件机匣故障难以诊断的问题,提出了自适应图卷神经网络(AGCNet)航空发动机附件机匣故障诊断方法。将航空发动机附件机匣振动信号通过小波包进行分解,并将小波包系数矩阵定义为包含节点与边的图。在图卷积神经网络中构建自适应图卷积核,基于切比雪夫多项式设计了一种自适应图卷积操作,通过自适应图卷积核对图中节点与边进行特征提取,增强模型在强噪声条件下的泛化性。最后利用全连接层进行特征抽取,进而实现航空发动机附件机匣故障。应用案例表明所提自适应图卷积神经网络模型(AGCNet);在强背景噪声条件下对航空发动机附件机匣故障平均诊断精度为86.42%,均高于LeNet、ResNet以及GCNet模型。能够有效识别故障,可应用于航空发动机附件机匣故障诊断。     

一种航空发动机中介轴承故障诊断方法

针对航空发动机中介轴承振动信号故障微弱,故障特征难提取的问题,提出了基于固有时间尺度分解(ITD)和近似熵(AE)结合随机森林(RF)的航空发动机中介轴承故障诊断方法。首先,利用航空发动机中介轴承试验台模拟并采集轴承在正常、外圈故障、滚动体故障三种状态下的振动信号;然后通过ITD方法将非平稳、非线性的中介轴承振动信号分解成一组固有旋转分量(PR),计算其近似熵;最后,将不同尺度的近似熵值作为特征向量,输入到随机森林分类器模型中进行分类识别与故障诊断。研究表明,该方法能有效提取出机匣表面振动信号中微弱的中介轴承振动故障信号特征,故障诊断准确率高,具有工程实用性。     

FDM和RCMDE结合的特征提取与故障诊断

为提取有效特征向量以实现航空发动动机转子的故障诊断,针对航空发动机转子振动信号的非线性、非平稳的特性,首先,应用傅里叶分解方法(Fourier decomposition method,简称FDM)提取航空发动机转子信号的边际谱重心及最大能量层的谱重心;其次,计算振动信号的精细复合多尺度散布熵;最后,应用双阶自适应小波聚类方法对特征空间实现故障分类与识别。应用航空发动机转子试验器采集的样本验证表明,上述方法提取的特征值准确且波动小,同种故障类型的特征值集中,不同故障类型之间差异大,有利于提高多种故障类型混合的诊断精度。     

轴承退化状态的LCD-Hilbert相对谱熵识别

为有效地对轴承退化状态进行识别,结合LCD分解和Hilbert变换定义了LCD-Hilbert时频谱,同时利用相对熵可以较好表征振动信号概率分布差异的特性,提出基于LCD-Hilbert相对谱熵的轴承退化特征提取方法。通过仿真信号对定义的LCD-Hilbert相对频率能谱熵、相对瞬时能谱熵和相对奇异谱熵的合理性和有效性进行了验证。将这3个特征指标组成退化特征,对实测轴承内圈和外圈故障模式下的不同程度故障振动信号进行了进一步分析,并通过支持向量机对轴承退化状态进行了识别,结果验证了所提方法的有效性。     

航空发动机双转子系统碰摩故障振动特性研究

航空发动机转子系统的振动对飞机的飞行安全具有重要影响。文中针对某型航空发动机无中介轴承的双转子系统的结构特征,采用集中质量法建立了双转子-轴承-机匣耦合的动力学模型,分别对内外转子碰摩故障进行了仿真,通过轴心轨迹图、时域波形图、频谱图、庞加莱图分析了双转子系统耦合振动响应特性,提取了内外转子碰摩故障特征。研究成果可以为航空发动机振动状态监测和故障诊断系统提供理论支持。     

某型航空发动机中介主轴承早期微弱故障诊断研究

针对基于机匣采集的振动信号难以有效提取出航空发动机中介主轴承早期微弱故障特征的问题,提出了基于巴特沃斯低通滤波器降噪和Hilbert包络解调的中介主轴承早期微弱故障诊断方法。该方法依托带涡轮支承和外机匣的新型航空发动机中介主轴承试验器,首先,开展某型发动机巡航状态下健康中介主轴承试验,获取基准振动频谱特征;然后,进行外圈剥落预置故障的轴承试验,对采集的振动信号通过低通滤波降噪并进行Hilbert包络分析解调出低频故障信号;最后,对比分析健康主轴承试验与轴承故障试验的时域波形、频谱和包络谱。结果表明,包络谱中转差信号与呈现"山"型边带特征,可用于诊断该型航空发动机中介主轴承外圈的早期剥落故障。     

小波包能量熵的高压转子装配性能特征的提取方法研究

航空发动机结构装配性能对于保证发动机安全稳定的工作具有极其重要的意义。以航空发动机高压转子为研究对象,围绕转子装配性能进行检测试验、特征提取、规律分析等方面的研究。在分析小波包分解原理以及能量熵原理的基础上,提出了基于小波包能量熵的信号特征提取方法。通过对不同状态下的航空发动机高压转子装配性能进行检测试验对该方法的准确性加以验证。实验结果表明,所提出的特征提取方法能够准确描述转子装配状态变化规律。     

基于变分模态分解谱熵的电机轴承退化状态识别方法

为更好的表征电机轴承的退化状态,对电机轴承退化特征提取方法进行了研究。结合变分模态分解(Variational modal decomposition, VMD)和信息熵理论,提出了基于VMD分解谱熵的退化状态识别方法。对不同损伤程度的轴承振动信号进行VMD分解,分别计算其在不同尺度下的复杂度度量能谱熵、奇异谱熵和边际谱熵,以其作为退化特征向量。通过建立相关向量机退化状态识别模型实现轴承的退化状态识别。仿真信号和轴承实测信号均验证了VMD分解谱熵对轴承退化状态的表征能力。     

基于非线性多参数的旋转机械故障诊断方法

应用关联维数、李亚谱诺夫指数等非线性多参数对旋转机械故障诊断进行研究。对所采集的模拟旋转机械振动故障信号,运用相空间重构理论对其时间序列重构。为使重构相空间能充分地反映系统运动特征,对不同故障信号的时间延迟与嵌入维数确定问题进行研究,计算出不同故障信号的关联维数、李亚谱诺夫指数、复杂度和近似熵四个非线性特征量。在此基础上对四个非线性参数进行融合,并定义为非线性度,用这一特征量对故障信号特征进行提取与识别。由于非线性度是关联维数、李亚谱诺夫指数、复杂度和近似熵多参数的综合,更有利于分析识别故障信号,增强可靠性。研究表明:故障类型不同,非线性度指数不同,验证了这一非线性特征量是表征不同故障信息的有效参数。此研究为复杂旋转机械故障诊断提供一种识别方法。     

基于不连续回归树的最大李雅谱诺夫指数计算方法

最大李雅谱诺夫指数是判断动力系统稳定性和检验混沌的主要依据.运用回归树的随机梯度 Boosting 拟合非线性函数,提出一种从时间序列计算最大李雅谱诺夫指数的新方法.由于回归树不连续,其雅可比矩阵不存在,传统雅可比方法不能运用.直接从回归树计算最大李雅谱诺夫指数,不考虑拟合函数的雅可比函数.随机模拟结果表明该方法能很好逼近真值,且对噪声和嵌入维数稳健.最后计算移动通话和短信总量两个实测数据的李雅谱诺夫指数,结果表明本文方法和人工神经网络具有同样的结论.     

基于多尺度核独立成分分析的柴油机故障诊断

为提高利用缸盖振动信号进行柴油机故障诊断的精度和速度,提出了一种基于多尺度核独立成分分析提取故障敏感频带的柴油机故障诊断方法。首先,提出奇异值能量标准谱对缸盖振动信号中的微弱冲击特征进行增强;然后,对信号进行固有时间尺度分解,并基于相关性准则选择有效频带分量;最后,利用核独立成分分析消除有效频带之间的频带混叠,得到故障敏感信息集中的独立频带,并计算其自回归模型(auto regression model,简称AR)参数、模糊熵和标准化能量矩作为特征向量输入核极限学习机(kernel extreme learning machine,简称KELM)进行柴油机故障诊断。试验分析结果表明,该方法可以快速准确地提取缸盖振动信号中的柴油机故障敏感频带,增强故障敏感特征,故障诊断准确率达到99.65%。     

基于现代非线性理论的汽轮发电机组故障诊断技术研究

运用小波理论、分形理论和混沌理论等非线性理论,对汽轮发电机组转子故障进行了综合分析和研究。对 所测某28 MW发电机组转子在三种不同工作状态下的时间序列进行了关联维数计算、小波包分解以及最大李雅 普诺夫指数计算,并结合其相轨迹图和庞加莱截面进行了分析与研究。结果表明,小波包分解重构技术具有很强 的消噪和非平稳信号提取能力;发电机组转子在不同工作状态下其时间序列的关联维数、李雅普诺夫指数具有明 显差别,且两量值相互补充、相互对应。由此提出:关联维数、最大李雅普诺夫指数可以作为刻画发电机组机械 故障特征的综合量化指标。该研究为非线性运动系统的在线监测、故障诊断和状态预测开辟了有效途径。     

基于小波域广义高斯分布的轴承故障诊断方法

针对基于小波能量谱和能量谱熵的故障诊断方法要求小波分解系数基本符合高斯分布这一不足,提出一种基于小波系数广义高斯分布参数特征的故障诊断方法。提出的方法分析轴承振动信号多尺度小波分解系数的统计特征,利用广义高斯分布模型对信号的小波分解系数直方图进行拟合,采用最大似然估计方法确定模型参数并以此作为信号特征实现故障诊断。将建议的方法与基于小波能量谱、能量谱熵及小波包的方法进行比较,结果验证设计思想的正确性和算法的高效可检测性。从小波基、窗口宽度和分类器三个层面对建议方法诊断性能的影响进行分析,结果表明提出的方法具有很强的稳定性和鲁棒性。     

航空发动机转子振动信号的分离测试技术

在传统谱分析方法的基础上,尝试应用盲源分离技术对飞机发动机振动信号进行振源分离.首先,介绍了发动机振动信号的基本处理方法和常见的发动机故障类型及特征,引入了盲源分离理论并讨论了其在航空发动机振动信号处理中应用的可行性.然后,对某型涡扇发动机振动过大的现象进行了故障诊断分析.最后,应用FastICA和JADE算法对检测的振动信号进行分析,分离出了发动机的振源信号.这说明发动机振动信号分析采用盲源分离与谱分析相结合的技术可以有效分离振源信号,提高故障诊断的准确性.     

摩擦学系统的混沌特性

为了充分认识摩擦学系统的复杂性质,对摩擦学行为的混沌性进行了定量研究。在销—盘试验机上试验提取摩擦力和摩擦振动的时序信号,以此为研究对象,运用功率谱、分形维数和Lyapunov指数三种方法联合证明了这两种摩擦信号的混沌特性。研究表明,摩擦力和摩擦振动信号具有连续宽带的功率谱、分数维数和正的Lyapunov指数,即具有混沌行为的基本特征,从而证明了摩擦学系统的混沌性质。     

单级齿轮非线性系统吸引子的数值特性研究

为了定量地判断吸引子的特性,在建立间隙函数呈分段线性时单级齿轮系统的量纲一化的动力学方程的基础上,考虑到系统在传统意义下的Jacobi矩阵并不是处处存在的,故直接从Lyapunov指数(LE)的定义出发,给出了计算系统最大Lyapunov指数的方法;基于稳态数值响应阐明了计算系统吸引子关联分维数的方法;通过与系统相图及Poincaré截面图进行比较,验证了计算Lyapunov指数及关联维数的方法的正确性;在此基础上,分别对阻尼比、齿轮综合误差以及齿侧间隙等参数对系统动力学特性的影响进行了分析,分别计算了单独改变系统阻尼比、齿轮综合误差和齿侧间隙时,系统振动的分岔图、最大Lyapunov指数图以及系统的关联维数,得到了系统振动特性随这些参数变化时的变化规律。