基于鲁棒局部线性嵌入投票的轴承故障诊断

针对基于局部线性嵌入的特征选择方法对噪声和K近邻点敏感等问题,提出一种基于鲁棒局部线性嵌入投算法(Robust locally lineally embedding vote, RLLE vote)。将矩阵的1范数和2范数(L_1和L_2正则化技术)引入到局部线性嵌入的高维重构模型中,使其能够自适应选择样本的K-近邻点,进而提高了图形保持框架的鲁棒性;通过采用相对保守的最小角回归弹性网络(Least angle regression-elastic net, LARS-EN)迭代算法计算得到一个稀疏的重构权重矩阵以实现对噪声的抑制;利用度量准则衡量重构特征与原始特征之间的差异选择出原始高维数据中最具有代表性的特征。在标准轴承故障数据集(CWRU)和从实际操作平台采集的轴承数据集上的实验表明,与传统的方法相比,实验结果证明了所提方法的优越性和有效性。     

航空发动机叶片数字化再制造方法研究

叶片作为航空发动机的关键部件,其数字化三维模型等核心技术资料一直由国外发动机厂商垄断。为获取航空发动机叶片的三维数字化模型,提出一种基于海量点云数据的叶片数字化模型重建方法。利用激光扫描仪获取的叶片点云数据;在点云数据预处理部分,进行点云对齐并合理精简;将点云数据截面转化为含有噪声的时域信号进行滤波,引入单树小波包分析方法,并通过坐标变换将其分割为叶盆面和叶背面;依据叶片的型面特点,采用不同方法对叶片截面边界进行拟合。反复上述过程,采用蒙面曲面的方法建立叶片数字化三维模型。实验结果表明,利用该方法建立的发动机叶片模型具有良好的光顺性和几何精度,明显提升了建模效率。     

基于小波神经网络的航空发动机传感器故障诊断

航空发动机传感器故障诊断系统对于保证航空发动机控制系统可靠性和安全性至关重要,针对传统基于发动机模型的传感器故障诊断中存在建模精度不足导致故障诊断存在误诊和漏诊的问题,提出以小波变换和神经网络为基础,使用正常传感器预测故障传感器值。通过对比传感器输出和神经网络预测值的残差来实现传感器的故障诊断,其中神经网络可以在传感器故障后估计出正常的模拟信号代替故障信号供发动机控制系统使用,实现航空发动机控制系统的容错控制;使用改进粒子群优化算法优化BP神经网络的阈值和权值,以提高神经网络诊断和预测信号精度。仿真结果表明:该方法可以有效完成故障诊断,减少漏诊和误诊的发生。     

基于蒸馏学习的滚动轴承异常诊断方法

针对航空发动机滚动轴承异常难以诊断的问题,提出了一种基于蒸馏学习的轴承智能诊断方法。首先,为提高计算效率,采用经过压缩后的vision transformer (ViT)作为蒸馏学习的主干特征提取网络;其次,采用滚动轴承振动试验台数据完成蒸馏学习中教师网络的预训练;在蒸馏学习模型的训练过程中,为充分利用教师网络的知识,采用了特征知识约束的损失函数,且利用了频谱变换的数据预处理方法,用于提高模型的诊断精度;最后,在某型多台航空发动机滚动轴承数据上对所提模型进行了充分的对比验证。结果表明,所提方法能够准确地实现滚动轴承运行状态的诊断,且诊断精度能够达到96%以上,充分表明了所提方法具有很高的实用价值。     

基于改进VMD的航空发动机故障信号特征提取

从冗长、非线性、非静态的航空发动机信号中提取故障特征非常困难,使得航空发动机状态监测(CM)成为最具挑战性的任务之一。针对原有的变分模态分解(VMD)的特征提取方法,对模数K和滤波器频率带宽a均采用默认值的问题,将导致特征提取不准确,小波变换的结果不可靠。文章提出了一种基于优化VMD的精确特征提取方法。利用包络谱曲线确定最佳模态数K,利用信号能量分配比(SEDR)确定最优带宽a,实验结果表明,利用文中提出的优化策略,成功地提取了小波变换CM信号中的故障相关特,验证了改进VMD方法的有效性。     

基于ARIMA的民航发动机下发预测

时间序列自回归滑动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)能较准确处理和预测依循环顺序获得的航空发动机性能数据。采用分箱改进的拉伊达准则处理起飞EGTM数据，可为ARIMA模型提供了更加真实的数据，获得航空发动机起飞EGTM预测值，依据航空公司发动机设定的可靠度进行下发预测。应用验证表明:基于ARIMA的起飞EGTM时间序列能够满足航空发动机的质量管理的要求。     

基于RS-TOPSIS的再制造曲轴毛坯质量评价方法研究*

针对不确定条件下的再制造发动机曲轴质量等级划分问题,研究了基于粗糙集属性约简方法,并将逼近理想解的排序法运用到该问题中。选取主轴颈最大磨损量、连杆颈最大磨损量和主轴颈圆度等10个因素作为再制造曲轴的质量评价指标,利用粗糙集理论的离散和约简算法,将特征属性进行等级划分并计算出对应的特征属性权重,在约简结果基础上建立质量等级评价矩阵,通过计算评价对象的相对贴近度给出了质量分类区间。选取3×200组实测曲轴数据,建立RS-TOPSIS再制造曲轴质量等级评价模型,并对检测样本进行回检,误判率最大为2.1%。结果表明,所采用的RS-TOPSIS评价模型能够对再制造曲轴进行合理的等级评定,能够获得良好的判别效果,具有实际工程价值。     

一种用于控制工业机器人运动轨迹误差的观测控制策略研究

为了提高工业机器人运动轨迹的控制准确度,提出一种运动误差观测控制策略。分析机器人的组成结构,明确其工作原理。建立工业机器人的坐标系,并在该坐标系上求取机器人连杆间坐标系的变换矩阵;利用连杆间坐标系的变换矩阵,得到机器人末端执行器的运动学模型。以机器人的测量运动误差为依据,联合工业机器人的标称正向运动学模型,求取传感器架以及标称架与底座之间的变换模型;通过该变换模型,计算传感器架相对于标称架之间的位置向量及动态误差变换矩阵,得到测量运动误差值;通过测量运动误差值,构造运动误差观测器,用于获取机器人的估计运动误差,并将估计运动误差联合神经网络控制器,以实现对机器人运动轨迹的准确控制。利用此方法和滑模控制策略对平面和空间标定运动轨迹进行追踪,结果显示：此方法能准确地对平面和空间标定运动轨迹进行追踪,而且与滑模控制策略相比,此方法的追踪精度提高了34.25%。说明此方法能对工业机器人的运动轨迹进行精确的控制。     

基于ARIMA的民航发动机下发预测（英文）

时间序列自回归滑动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)能较准确处理和预测依循环顺序获得的航空发动机性能数据。采用分箱改进的拉伊达准则处理起飞EGTM数据,可为ARIMA模型提供了更加真实的数据,获得航空发动机起飞EGTM预测值,依据航空公司发动机设定的可靠度进行下发预测。应用验证表明:基于ARIMA的起飞EGTM时间序列能够满足航空发动机的质量管理的要求。     

基于改进LSTM的航空发动机寿命预测方法研究

发动机剩余寿命(RUL)预测时，进行数据特征提取易导致预测效率低下。为解决此问题，提出一种改进的长短期记忆(LSTM)算法模型。通过引入深度稀疏自动编码器(SDAE)完成时序数据的处理与特征提取，优化LSTM模型，改善航空发动机RUL预测效果。利用SDAE进行特征提取，构建健康因子(HI)曲线；同时考虑运行工况、故障模式和传感器3个因素，并分别训练其权重。利用LSTM模型进行发动机剩余寿命预测。利用涡扇发动机退化过程数据集C-MAPSS开展实验，并与DNN、BiLSTM、单层LSTM进行对比分析。结果表明：与上述3种算法相比，改进后算法的均方根误差和〖JP2〗评分函数值至少分别降低6.6%和39.1%；该方法寿命预测结果和实际寿命曲线拟合度高，验证了该方法的可行性和有效性。     

基于逆向工程的航空发动机叶片数字化建模

航空发动机叶片作为飞机发动机的关键部件之一,其修复质量的好坏直接影响着飞行安全。研究利用扫描获取的点云数据实现高压叶片面形数字化建模的方法。采用依曲率变步长的方法取得叶片的边界点,利用三次B样条曲线对边界点进行拟合得到发动机叶片的包络线,并利用该包络线和精简过的数据点云对发动机叶片进行数字化三维建模。建模结果表明,利用该方法建立出的发动机叶片模型具有良好的光顺性及精确性。     

基于SFA-LOF-LDD的航空发动机异常检测方法研究

航空发动机异常检测对于准确了解飞机健康状态、支持维修决策、保障飞行安全具有重要意义。针对航空发动机气路部件的长期退化行为，提出一种基于慢特征分析和局部离群因子的动态阈值异常检测方法。首先，充分利用慢特征分析的优势提取气路参数随时间缓慢退化的有效特征。然后，计算特征空间样本的局部离群因子来构造监控统计量，定量表征发动机的健康状态。考虑固定阈值对气路状态时变特性的适应性差，利用基于局部分布差异的自适应窗口调整策略，设置动态阈值有效降低气路参数微小波动导致的虚假报警。最后，通过航空发动机实际运行数据进行验证，结果表明：所提方法能提前识别异常点，并且有效降低假警的发生。     

基于RS-TOPSIS的再制造曲轴毛坯质量评价方法

针对不确定条件下的再制造发动机曲轴质量等级划分问题,研究了基于粗糙集属性约简方法,并将逼近理想解的排序法运用到该问题中。选取主轴颈最大磨损量、连杆颈最大磨损量和主轴颈圆度等10个因素作为再制造曲轴的质量评价指标,利用粗糙集理论的离散和约简算法,将特征属性进行等级划分并计算出对应的特征属性权重,在约简结果基础上建立质量等级评价矩阵,通过计算评价对象的相对贴近度给出了质量分类区间。选取3×200组实测曲轴数据,建立RS-TOPSIS再制造曲轴质量等级评价模型,并对检测样本进行回检,误判率最大为2.1%。结果表明:所采用的RS-TOPSIS评价模型能够对再制造曲轴进行合理的等级评定,能够获得良好的判别效果,具有实际工程价值。     

航空发动机叶片磨抛加工刀纹特征提取

针对航空发动机叶片自动化磨抛加工缺少叶片表面快速检测技术的问题,以机器人磨抛加工为平台,搭建了视觉检测系统进行叶片图像采集。提出了基于灰度共生矩阵与加权小波分解的刀纹特征提取与识别方法,采用训练支持向量机分类器,并通过边缘检测算法提取刀纹边缘。实验结果表明,所提方法准确率为97.19%,可以精准地获取叶片刀纹大小和位置,具有准确、效率高、易于实现自动化等优点,可为航空发动机叶片磨抛加工自适应检测提供参考。     

基于改进优度评价-AHP法的加工中心可靠性分析

对加工中心进行可靠性综合评价分析,统计各子系统故障数据并计算平均故障间隔时间（MTBF）、平均首次故障时间（MTTFF）的点估计值、当量故障率D、易维修指数K。采用改进优度评价-层次分析法确定了加工中心可靠性、可靠性指标与各子系统之间的综合权重和影响因子,克服了层次分析法主观性较大、精度不足的缺陷,并应用可靠性综合评价法对加工中心可靠性水平做出量化综合评价,得到加工中心的可靠性指标。     

基于时间延迟的飞机结构维修优化研究

针对飞机结构的损伤容限设计特点,基于时间延迟特性,采用不等间隔检测策略,以故障检测间隔为研究对象,建立了可用度模型和维修费用率模型。在此基础上以可用度为约束,维修费用率为目标,提出了不完备检测下的飞机结构维修优化模型,并对具体实例进行仿真计算。结果表明:目视检测下,当首次检测间隔是重复检测间隔的3倍时,维修费用率最小,且比等间隔的故障检测模型减少18. 0%;可用度为0. 93时的最小维修费用率要比可用度为0. 98时减少4. 3%。仿真结果与实际相符合,表明该模型能够为飞机结构故障检测间隔的优化提供有效参考。     

基于S变换时频图纹理特征的刀具磨损状态识别

针对刀具磨损状态监测问题,将图像纹理特征提取技术引入到刀具磨损故障诊断中,提出一种基于S变换时频图纹理特征的刀具磨损状态识别方法。首先采用S变换对刀具切削过程中采集的声发射信号进行时频分析,将时频图像转换为等高线灰度图,通过灰度共生矩阵算法提取图像纹理特征;然后采用散布矩阵算法对提取的特征向量进行敏感度分析,构建敏感特征向量;最后采用敏感特征向量训练离散隐马尔科夫模型,建立分类器,从而实现刀具磨损状态的识别。实验结果表明:该方法可以有效地识别刀具磨损状态,识别率为96.67%。     

电子束焊接GH536合金残余应力分布小孔法测试

航空发动机许多高温合金结构需要采用电子束焊接制造,但目前对其焊后的残余应力分布状况研究较少。针对航空发动机GH536合金材料,采用小孔法对其电子柬焊接试板的残余应力分布趋势进行测试研究,试验结果表明,焊缝区存在较低的应力峰值,且应力分布符合传统规律。研究旨在为航空发动机构件的电子束焊接加工制造积累经验和性能数据。     

基于摩擦学性能提升的缸体再制造研究进展

航空活塞发动机作为通用航空和部分教练机型的主要动力装置,航空活塞发动机气缸体的维修方式不断更迭,再制造技术主导下的修理模式成为研究热点。介绍了航空活塞发动机气缸体摩擦磨损失效特点及其对气缸体表面摩擦性能的要求,以缸体再制造后所需性能为研究对象,改变缸体表面硬度、摩擦系数与摩擦力、耐磨性、表面润滑等缸体正常工作性能指标,分析相应的缸体表面热处理方式的应用特点。最后,结合航空活塞发动机气缸体的工作特点和相应的表面摩擦性能要求,提出融合多种表面处理技术的气缸体复合再制造方式及喷涂材料组合,以延长航空活塞发动机气缸体的实际工作寿命,确保其可靠性运行。     

基于威布尔分布的民机隐性功能系统维修间隔优化研究

针对民机隐性功能系统维修间隔优化的问题,提出一种成本率（ CRF）函数,并以民机系统故障趋势的威布尔分布为基础,研究和建立民机系统“翻修期”区间内的预防性维修策略的优化模型和求解方法,最终实现优化民机系统隐性故障（非安全类）维修间隔的目标。最后,以B737民机液压系统回油滤组件弹出指示器可靠性数据为实例对模型和求解方法进行应用研究,证明了该优化模型和求解方法的有效性和适用性。