飞行器发动机结构系统早期故障分类识别方法研究

在对飞行器发动机结构系统早期故障进行分析的基础上,提出应用小波变换、分形与模糊神经网络相结合的早期故障识别分类方法。该方法首先利用小波变换和分形技术对早期故障的微弱信号进行处理并提取早期故障信息,然后利用模糊神经网络(FNN)对早期故障特征信息进行聚类分析识别。实验结果表明,该方法是一种识别早期故障的有效方法。     

基于小概率事件的飞行器结构健康监控

对飞行器结构进行健康监控,在自动评估飞行器当前健康状况的同时,可以提高飞行器完成预定任务的能力,降低使用和维护的费用.目前,飞行器结构健康监控已成为航空航天领域新的研究热点,引起越来越多人的关注.针对飞行器结构系统健康监控中,小概率事件的故障识别方法,以某机翼盒段为对象,采用虚拟仪器技术,构建了飞行器结构系统的健康监控系统.     

基于小波分形技术的隔膜泵磨损故障诊断研究

从振动信号分析角度对往复式活塞隔膜泵的故障诊断进行探讨。因为往复式活塞隔膜泵磨损故障时的工作信号具有强非线性、非平稳性的特点,因而引入小波分形技术进行研究。研究磨损发展状况下的隔膜泵的故障特征,对不同磨损间隙时系统振动信号进行小波重构,并计算关联维数。研究发现磨损故障的特征频带在高频段,并可以以高频段的关联维数作为状态监测的特征参数。结果表明小波分形技术能有效地监测磨损故障的发生和发展。     

基于小波分形技术提取发动机曲轴轴承故障特征

利用小波技术对发动机曲轴轴承振动信号进行分解,对特定层的信号进行重构,并计算重构信号的分形维数,来实现发动机曲轴不同技术状态下特征提取。实验结果表明,特定频率带振动信号的分形维数更能敏感反应发动机曲轴轴承技术状态,它可以作为诊断发动机曲轴轴承故障的一个重要特征量。     

基于PCA-KLD的供输弹系统早期故障识别

对于供输弹系统早期故障中信号成分复杂,潜在故障征兆难以识别的问题,提出了1种基于PCA-KLD的早期故障识别方法。首先对正常工况构建PCA模型,将未知工况下所测得的数据代入到所构建的PCA模型中,得到各测点主成分数目,然后利用核密度估计可得概率密度函数,最后对每一主成分分别计算不同实验数据与参照工况(正常工况)间的KLD值,KLD值之间差异便可判断是否存在早期故障。实验结果表明,该方法能有效地对供输弹系统早期故障进行识别。     

相关小波法在结构系统识别中的应用

对于一个线性结构系统，从输入输出数据中提取精确的脉冲响应函数和频响函数是对系统进行动力学建模和参数识别的关键步骤。在循环小波变换的基础上，研究了提取脉冲响应函数的相关小波法及其相应的平均算法。数值仿真结果表明，对于不同的激励信号，相关小波法都能够获得比FFT方法精度更高的脉冲响应函数和频响函数，具有更大的优越性。利用悬臂梁实验验证了相关小波法在实际结构中的正确性和有效性。     

基于小波和自组织网络的电缆故障识别

为实现电力电缆早期故障在线识别的目的，提出了一种基于小波能量函数和自组织网络的识别方法。首先，提取在线电缆早期故障状态与正常状态的零序电流差的小波能量函数作为输入特征，用自组织神经网络实现故障识别。用欧式距离比较了自组织特征映射神经网络与反向传播（Back Propagation，简称BP）神经网络对电缆故障识别的稳定性。仿真试验结果表明，该识别方法对在线电缆早期故障类型的识别正确可靠，系统具有较好的稳定性。这为电力电缆早期故障的在线诊断提供了理论支持。     

混沌振子识别轴承早期故障的极半径不变矩判据

现有的基于混沌振子检测轴承故障的方法的关键步骤是混沌振子相态转变判别,目前大多采用李雅普诺夫指数等特征值进行判断,针对其计算过程复杂,耗费时间长的缺点,基于图像识别技术,提出了一种以极半径不变矩参数作为相态转变的识别方法。通过构造Duffing混沌振子,分析了其相态转变与周期策动力的变化关系,证明其用于轴承早期故障识别的可行性;给出了极半径不变矩的定义,并证明在混沌振子相图由混沌运动态向大尺度周期态转变的过程中,随着周期摄动力不断增加,极半径不变矩表现出单调递增的特性;与HU氏不变矩及二维近似熵判别方法进行对比,讨论了极半径不变矩的抗噪声干扰能力;最终,将该方法用于实际搭建的钻机动力头轴承早期故障诊断的试验中。试验结果表明:极半径不变矩可以识别混沌振子相态过程转变,最低检测信噪比达到-36.99dB,且识别准确率也较另外两种方法提高了4%~7%。证明该方法可以用于轴承早期故障识别,具有识别准确率高,抗噪声干扰能力强,计算简便的优点。     

一种识别结构系统刚度的方法

根据广义逆矩阵理论与计算方法,给出了一种识别结构系统支承刚度的直接方 法,这种方法具有计算简便、计算结果稳定且精度较高的特点,并以细纱机主轴系统 支承刚度识别为例进行了验证。     

基于MCKD降噪和改进EWT信号分解的轴承故障识别

为了提高在传动系统振动信号识别过程中经验小波变换(Empirical wavelet transform, EWT)微弱故障识别能力,设计了一种通过MCKD降噪与IEWT相结合得到的新算法。先以MCKD算法完成轴承故障信号的消噪过程;接着通过IEWT算法完成降噪数据的频谱分类,生成多个分量信号的情况下再对信号进行平方包络谱处理;最后再对故障特征开展识别确定故障特征。研究结果表明：轴承外圈和内圈信号冲击特征获得显著增强的效果。根据平方包络谱确定外圈故障特征频率与倍频,由此准确检测轴承的外圈和内圈故障。以MCKD-IEWT算法处理包含强噪声的信号时,可以实现Fourier频谱的准确分段,也可根据峭度指标从中确定最佳信号分量,满足强噪声条件下的故障识别要求。该研究适用于其它的机械传动系统,具有很好的理论支撑价值。     

基于关联维数和小波分析的转子系统碰摩故障分析

利用转子实验台,通过调整转定子间隙,对转子系统启动过程发生的碰摩故障进行模拟,采集其位移响应,进而计算不同时间段下的关联维数,得到关联维数随碰摩发展程度的演变规律及其不同碰摩程度的过渡区,最后利用重排小波尺度图对碰摩过渡区域进行详细的特征提取。结果表明,结合关联维数和重排小波尺度图,可以更好地了解碰摩发展过程,进而可以更好地识别早期碰摩故障。     

基于超椭球模型的飞机液压刹车系统故障树分析

采用基于超椭球模型的故障树分析方法来解决飞机液压刹车系统故障树中底事件故障率概率统计信息不充足的问题,并对该系统进行可靠性评估。根据液压刹车系统原理和故障机理建立系统故障树,引入超椭球模型来描述底事件不确定性,推导了系统顶事件失效概率以及各底事件重要度基于双层蒙特卡洛法的仿真流程,并与区间模型下故障树分析进行对比。结果表明:超椭球模型下的故障树分析只需要底事件失效概率取值范围,而不要求精确的概率统计信息,且相对于区间模型,其结果更加精细,更加符合工程实际。同时通过底事件重要性测度分析可以确定关键失效事件,为刹车系统改设计及重点维护提供指导。     

基于小波包自适应Teager能量谱的滚动轴承早期故障诊断

针对滚动轴承早期故障特征信息难以识别以及从小波包分解后的频带不能有效确定并自适应提取共振带的问题,提出了频带幅值熵的概念。在此基础上,将小波包变换和Teager能量谱结合,提出了基于小波包变换自适应Teager能量谱的早期故障诊断方法。该方法首先利用小波包对采集到的振动信号进行分解,并计算各子带的频带幅值熵。然后将熵值按升序排列后依次作为阈值,提取频带幅值熵大于阈值的子带,依据峭度指标确定最佳熵阈值以及小波包最佳分解层数,从而自适应并且有效地提取出共振带。最后对共振带进行Teager能量谱分析,即可从中准确地识别出轴承的故障特征频率。通过信号仿真与实验数据分析验证了该方法的有效性。     

针对某型军机机载作动系统的改进型模糊变结构控制方法

针对提高某型军机战场生存率的重要问题——机载作动系统的鲁棒性与快速性进行深入的研究,建立非线性多变量被控系统的数学模型,提出基于被控对象特点的改进型模糊变结构控制策略,将模糊控制理论与变结构控制方法结合起来,设计控制系统,进行仿真试验,结果表明提出的方法能明显改善被控系统的总体性能。     

基于幅值与相角小波映射的裂纹转子故障诊断

建立了基于简单铰链裂纹模型和局部柔度理论的裂纹转子动力学模型,得到了裂纹转子与无裂纹转子的数值仿真解及其傅里叶变换的相角;利用连续小波变换研究了裂纹转子与无裂纹转子的幅值与相角小波映射特性,提出了利用幅值与相角小波映射识别裂纹的新方法。数值仿真研究了尺度因子对幅值与相角小波映射准确性和有效性的影响,给出了建议的尺度因子。试验研究验证了该方法在工程实际中的有效性和实用性。     

基于小波分析的机械故障特征提取研究

常见的机械故障诊断研究侧重于对故障的识别和分类,相应的故障诊断方法均为提高诊断的准确率而设计;从实际应用角度来讲,这样的诊断方法是不全面的。全面反映设备故障状况的因素除了故障类别外,还应指出故障的具体位置和程度。冲击,油膜振荡,碰摩和转速突变等故障往往产生奇异信号,奇异点包含了更为丰富的故障信息。小波分析具有良好的时频局部化特性,为描述信号的奇异性提供了手段,为此提出用小波分析方法,通过对奇异故障信号的检测,信噪分离和信号频带分析来提取故障特征,以确定故障的位置和程度,这种方法提取的故障信息应用在神经网络等其他故障诊断方法中可以更准确,更全面地诊断故障,柴油机和风机故障实例证明了该方法的有效性。     

基于小波熵的空化状态检测与识别

空化是广泛存在且对流体机械危害很大的物理现象.文中将小波熵方法引入空化噪声分析,探讨基于小波熵的空化初生检测和空化状态识别方法,并对小波基的选取和计算窗口宽度及滑动步长对小波熵状态检测和识别性能的影响进行详细讨论.通过数值实验和空化噪声实例表明,小波熵能十分敏感地检测到空化初生及空化状态的改变,可为空化状态的检测和识别提供一种有效识别手段.     

基于连续小波变换的信号检测技术与故障诊断

通过分析指出,连续小波变换具有很强的弱信号检测能力,非常适合故障诊断领域。从参数离散到参数优化系统研究了连续小波变换的工程应用方法,建立了“小波熵”的概念,并以此作为基小波参数的择优标准。论文最后把连续小波技术应用在滚动轴承滚道缺陷和齿轮裂纹的识别中,诊断效果十分理想。     

基于数据拟合的小波构造及轴承故障诊断

构造最优小波函数是实现提升小波降噪的关键。在确定最优分解层数和有效阈值基础上,在插值细分过程中引入数据拟合的方法,选取不同的基函数、样本点数和基函数的维数构造出具有不同光滑性、震荡性、消失矩的新小波,并引入相似系数对所构造的小波函数进行分析并选取最适小波函数,并将其与冗余提升小波变化相结合,改善其预测算子和更新算子。仿真及工程数据分析验证了该小波函数在振动信号降噪中的有优越性,为轴承故障诊断提供了帮助。     

基于形态小波去噪的齿轮故障诊断

针对在强背景噪声情况下,齿轮故障信号信噪分离难,给故障诊断带来麻烦的问题,提出了一种基于形态小波去噪的齿轮故障诊断方法。方法结合了数学形态学的特征识别和小波分解的多分辨率分析特性,先采用形态小波方法对齿轮的振动信号进行消噪预处理,再计算信号的时频谱和功率谱,提取故障特征。给出了形态小波方法在齿轮故障诊断中的应用原理、方法步骤和评价指标。仿真和实验结果表明,方法可以有效地去除强噪声的干扰,提高信噪比,突现出信号的故障特征,提高了齿轮故障诊断的精度。