航空发动机转子振动信号的早期故障分析

由于飞机涡扇发动机是旋转动力机械,早期故障振动信号具有周期性的特点,可将多重自相关用于检测微弱周期性振动信号;针对某型航空发动机空中停车前的早期故障振动信号,通过多重自相关运算,再对信号进行频谱分析,就能准确检测出淹没于强噪声中的微弱周期性信号的频率信息和幅值信息;多重自相关检测方法能够从复杂的航空发动机振动信号中提取出早期的微弱故障信号,从而对早期故障进行有效的分析。     

STFT在航空发动机振动信号处理中的应用

当航空发动机工作于非平稳状态时,常规频谱分析和功率谱分析方法不能反映振动数据频谱随时间的变化情况。短时傅里叶变换(STFT)技术作为最为常用的时频分析技术之一,在工程应用领域具有算法简单、物理概念明确等优点,被广泛采用。鉴于STFT技术的上述优点,从航空发动机非平稳状态整机振动数据处理应用需求出发,对如何将短时傅里叶变换技术应用于航空发动机非平稳状态整机振动信号进行了分析研究,并给出了针对性的实现算法。     

小波降噪与BSS在航空发动机故障诊断中的应用

在航空发动机的故障诊断中,传感器测得的信号通常是非平稳的振动信号;受发动机工作环境影响,这些振动信号含有大量噪声且多路源信号相互混叠;传统的信号处理方法很难从此类信号中快速有效地提取出故障特征;运用小波阈值降噪结合盲源分离的方法对发动机振动信号进行了分析,并对某型航空涡扇发动机发生空中停车故障时的振动信号进行了分析,验证了该方法在航空发动机故障诊断中的有效性.     

航空发动机整机振动测量和分析方法

目前国内仍有很多航空发动机试车台使用的是模拟振动测量仪,滤波和积分选择均需针对机型专门定制,灵活性不够,同时也不能分析振动频率,满足不了发动机振动分析的要求。选择合适的振动传感器、振动测量仪并采用合适的软件分析方法,迅速准确地测量发动机的振动值并分析振动频率是发动机厂、所对发动机整机台架试验的要求。在发动机整机振动测量选择了压电式加速度传感器并使用带有抗混滤波的差分放大器以消除频率混叠和共模干扰,编写了专门的振动分析软件,在振动分析软件处理中采用Butterworth滤波器和Flat Top窗函数。该方法能够满足发动机生产厂提出的通带平滑度≤±5%,阻带衰减大于-30dB/倍频程的滤波要求以及对振动测量精度≤±5%的要求。通过研究提出的航空发动机整机振动测量方法准确可靠,能够满足发动机厂、所对试车台架整机振动测量的要求。     

航空发动机试车计算机辅助试验系统

讨论了某型航空发动机试车计算机辅助试验系统的开发;采用模块化的VXI总线仪器和外挂式控制方式开发了数据采集系统;采用对基本试车状态进行组态的方法实现了对发动机试车程序的灵活编辑,使系统可以同时满足常规生产试车和定制科研试车的需求;针对发动机试车信号的特点,采用了不同的数字滤波器进行滤波,有效地滤除信号中的干扰,有助于从信号中提取有用的信息;系统工作稳定可靠,操作简单,维护方便,能够完全满足发动机的试车技术要求.     

时频分析在发动机振动监测与故障诊断中的应用

针对航空发动机的振动监测和故障诊断,介绍了一种基于时域滑窗的短时傅里叶变换的时频分析方法.采用标准信号和发动机实测振动数据对该方法进行了验证,验证结果证明了该方法的正确性和优越性,表明了该方法可以准确有效地对发动机振动特征信息进行提取,用以进行发动机振动监测和诊断.     

基于D-S证据理论的航空发动机振动故障分析

航空发动机结构复杂且工作条件恶劣,对其振动的有效分析是进行故障诊断的重要手段.由于不同特征量对振动具有不同的分析能力,为了综合利用不同特征项下的分析结果,采用基于D-S证据理论的信息融合方法对不同特征下的BP神经网络的诊断结果进行融合,并针对航空发动机实际工作状况提出一种利用神经网络的输出统计值构造信度函数的方法.通过对实测航空发动机试车时振动信号的实验分析结果表明,该算法可以有效地提高航空发动机振动故障识别的准确率.     

基于压缩感知的信号时频表示重构

传统的时频分析方法受限于Nyquist采样定理,信息量的增加提高了对采样速率、传输速度和存储空间的要求;同时,双线性魏格纳-维尔分布处理多分量信号时会产生交叉项,常用的核函数法在抑制交叉项时降低了信号的时频聚集性.该文将压缩感知与时频分析方法相结合,在时频分析中突破采样定理的限制,抑制交叉项的同时获得较高的时频聚集性.针对单分量信号、多分量信号、蝙蝠声音信号,利用不同的窗函数如矩形窗或高斯窗,得出仿真结果,验证了基于压缩感知的信号时频表示重构优于传统的基于傅里叶变换进行重构的方法.并利用最小均方误差MSE和时频聚集度CM作为衡量参数,分析了不同样本空间与所重构信号时频表示性能之间的关系.     

小波网络在航空发动机状态监测中的应用研究

为准确监测航空发动机的状态以保障飞行安全,需要对航空发动机这个复杂系统建立精确模型,将人工神经网络很强的非线性映射能力与小波分析特有的时频分析能力相结合可以对复杂的非线性系统进行系统辨识;选择以sigmoid函数为基础的小波基波函数作为神经网络神经元的激励函数,构造了一个三层小波神经网络,利用该小波神经网络对航空发动机转动状态进行系统辨识研究,仿真结果表明小波神经网络能对某型飞机航空发动机转动状态进行准确辨识.     

航空发动机整机测振技术的发展

人们对于航空发动机整机测振技术的重视是随着生产实践的不断深入而逐渐提高的。如我国早期生产的航空发动机——活塞式发动机,由于转速低、功率小等原因,在其技术参数中并无振动过载值这一限制,因此在生产过程中并不进行整机测振。可是有一次在某厂试制某活塞式发动机的过程中,由于机匣在工作100多小时后出现裂纹而长期通不过台架寿命试车,经过分析,发现其原因就是由于发动机台架试车时螺旋桨桨叶和试车厂房激起的气流振动传到机匣,而当时发动机和台架间的固定环节上又未采取有效的减振措施,因此使机匣产生疲劳裂纹。再如在70年代,根据苏联发动机制造厂发来的     

基于时频分析法的高速列车轨道电路故障诊断

针对现有高速列车轨道电路故障诊断方法大多采用电压电流信号有效值,没有充分利用其丰富的频域信息的问题,为提高轨道电路故障诊断系统的性能,提出基于电压电流实时信号时频分析的故障诊断方法.基于短时傅里叶变换(Short-Time Fourier Transform,STFT)生成频谱特征;根据可分性准则进行特征频带选择;采用支持向量机(Support Vector Machine,SVM)进行故障特征分类.基于现场数据的试验结果表明该方法有效.     

基于非线性时频分布的跳频信号分析研究

介绍了利用非线性时频分布（WVD和SPWVD）进行跳频信号分析，通过理论研究和仿真分析表明，非线性时频分布能够反映出信号的瞬时能量分布，是关于信号二阶统计量（如局部自相关函数）的Fourier变换，相对Fourier变换和线性时频分布而言，它具有更好的时频聚集性，能够很好地展现跳频信号的时频特征和能量分布，采用加窗处理等方法，可以较好地抑制非线性时频分布中的交叉项和能量分布的负值性，从而证明了非线性时频分布用于跳频信号分析研究的工程应用可行性。     

高阶时频变换理论与应用

非线性信号处理与特征提取是时频信号处理领域中的热点问题。传统时频分析方法受限于海森伯格不确定原则,在分析该类信号时存在较为严重的能量发散问题,导致分辨率不佳,无法为非线性信号处理与特征提取提供精确的时频信息。为改善传统时频分析方法的能量聚集性,提升其时频分辨率,提出了一种高阶同步抽取变换算法,首先计算多个短时傅立叶变换...     

基于小波包和EMD的HHT时频分析方法在航空试验器轴承故障诊断中的应用

为适应高转速要求,航空试验器轴承通常选用陶瓷的球体和复合材料的保持架。这种轴承发热量小,同时保持架材料具有轻且脆的结构特点。轴承振动经过试验器传递到振动传感器后,常规的振动采集与温度监控都很难识别出有效的轴承故障信息,无法对轴承故障进行准确预判。针对这一问题,提出一种基于小波包、经验模态分解（EMD）和Hilbert-Huang变换（HHT）组合的轴承振动信号分析方法。首先,通过小波包对振动噪声的抑制作用,经由EMD方法,对非平稳信号进行平稳化处理;之后,通过HHT时频分析提取出轴承的故障频率。通过将仿真信号和航空试验器的高速工装轴承的故障试验信号进行对比分析,验证了该技术对提取该类轴承故障特征的有效性,可为轴承故障早期诊断方法的研究提供参考。     

基于HHT变换的起动电动机特征信号时频分析

针对车辆起动电动机电气和机械故障发生时特征信号的时变不平稳特性,进行了时频域分析处理,提出了利用现代信号处理方法对故障信号提取特征向量的方法,主要对起动电动机的电枢和轴承故障进行诊断。在构建电机故障测试实验平台的基础上,利用破坏性实验构造了故障类型,测取了电枢电流和振动信号,分别采用小波分析理论和HHT变换对信号进行分析,通过分解再重构的方式将信号分解成了频率由高到低的不同分量,并获得了故障的特征频率,提取了特征向量。实验结果表明,基于HHT变换的现代信号处理方法在处理时变非平稳信号方面比小波分析理论更具有自适应性,更易识别。     

Hilbert-小波变换的齿轮箱故障诊断*

采用希尔伯特—小波变换对振动加速度传感器获取的齿轮箱振动响应信号进行特性分析。利用小波变换分解获得振动响应信号的各层高频信号小波系数和低频信号小波系数,对小波系数进行重构获得具有不同特征时间尺度的各高频信号和低频信号;再对分解的信号进行希尔伯特变换获得时频信息谱以提取系统的统计特征信息,实现监测齿轮运转工作状态,及时发现齿轮的早期故障,提高机械运行的安全性。仿真研究结果表明,小波变换分解和希尔伯特边际谱方法在故障信息诊断方面是可行和有效的,提高了故障检测的可靠性。     

基于改进希尔伯特黄变换的电机故障特征提取方法研究

电机的故障特征信号一般为非平稳信号,而基于线性、平稳假定的传统故障特征提取方法不能准确提取非平稳信号的时频变化特征,针对这一问题,本文采用了更适于分析非线性非平稳信号的希尔伯特-黄变换（HHT）,提出了结合集合经验模态分解（EEMD）与灰色关联度的方法进行电机故障特征提取,验证了EEMD抑制模态混叠问题的可行性以及灰色关联度方法识别虚假分量的有效性。并进一步对实际电机故障信号实验分析,利用BP人工神经网络对提取的特征向量进行故障识别,证明了该方法可以有效提高电机故障特征提取的准确性。     

便携式四通道肺音采集系统设计

首先完成对肺音信号的放大、滤波等预处理;然后对预处理的肺音信号进行外部A/D采样,并将采集肺音信号保存为。 WAV音频文件存储于SD卡中;利用短时傅立叶变换完成了对肺音信号的时频域分析。通过该系统可以准确地检测到病人的肺音信号,并且利用立体声耳机可以实现对病人的同步听诊。