基于相图相似度的发动机转子系统故障诊断方法研究

针对频谱分析法在判别航空发动机转子系统早期故障时振动信号易被噪声干扰而不能准确识别的问题,提出基于振动相图相似度的故障诊断方法。在分析发动机不同状态时整机振动信号参数在不同范围随机变化导致相轨迹分布不同的基础上,通过计算相图相似度来判别故障类型。实践表明,该方法能有效去除噪声对故障信息的干扰,诊断准确率高,判别速度快,具有实用价值。     

扩展卡尔曼滤波方法在转子典型故障诊断中的应用

转子故障的早期诊断与预示是当前转子动力学的一个难点。文献[1]提出了一种基于多模型估计得到转子裂纹参数对转子进行故障诊断的方法,但是该方法需要构造大量的多模型估计器,存在着构造复杂,计算量大的问题。针对这个问题,提出基于扩展卡尔曼理论(EKF)的转子典型故障诊断方法。针对Jeffcott转子建立了不对中、裂纹和弯曲故障模型,还分别构建了基于扩展卡尔曼滤波-加权整体迭代(EKF-WGI)的参数估计方程。通过不对中、弯曲和裂纹故障的实验验证,表明该参数估计方法对于转子典型故障有着较高的诊断能力。与传统的诊断方法提取频谱特征相比,该方法不依赖于经验和故障事例,可以较精确地估计故障参数,在转子的故障诊断中更有针对性。     

基于AR模型的转子典型故障诊断方法

基于一种含外部输入的ARX模型（Env-AR-ARX）,提出了一种通过模型匹配的转子故障诊断方法。本文以航空发动机转子健康状态下的振动数据建立AR模型,模型的准确度是故障诊断的关键。为了提高模型的匹配度,在AR模型的基础上,充分考虑了模型残差和信号时变性的特点,对比讨论了AR模型, AR-ARX模型以及Env-AR-ARX模型,最终确定了最优的Env-AR-ARX模型。由于没有航空发动机转子的故障数据,本文对本特利转子的故障（碰摩、裂纹、双裂纹）振动信号建立AR模型,结合单因素方差分析的方法,确定信号是否存在故障以及故障类型。实验结果表明,该方法能有效的应用于转子的故障诊断。     

粒子滤波方法在转子典型故障诊断中的应用

转子的故障诊断是当前转子动力学的一个难点。针对这个问题,提出基于粒子滤波方法的转子典型故障诊断方法。针对Jeffcott转子建立不对中、裂纹和弯曲复合故障模型,并构建基于粒子滤波器的参数估计方程。通过在转子实验台上模拟故障对算法进行验证,结果表明:粒子滤波方法对于转子故障有较高的识别能力,可以诊断单一故障和多重故障。与传统的转子故障诊断方法相比,它不依赖于经验和故障事例,同时可较精确地估计故障参数。     

基于AR模型的转子典型故障诊断方法

基于一种含外部输入的ARX模型(Env-AR-ARX),提出了一种通过模型匹配的转子故障诊断方法。以航空发动机转子健康状态下的振动数据建立AR模型,模型的准确度是故障诊断的关键。为了提高模型的匹配度,在AR模型的基础上,充分考虑了模型残差和信号时变性的特点,对比讨论了AR模型、AR-ARX模型以及Env-AR-ARX模型,最终确定了最优的Env-AR-ARX模型。由于没有航空发动机转子的故障数据,对本特利转子的故障(碰摩、单裂纹、双裂纹)振动信号建立Env-AR-ARX模型,结合单因素方差分析的方法,确定信号是否存在故障以及故障类型。实验结果表明,该方法能有效应用于转子故障诊断。     

航空发动机转子早期裂纹故障振动特征的维谱分析

针对航空发动机转子早期裂纹故障难以检测的特点首先,根据转子裂纹扩展机理,建立早期裂纹转子振动分析理论模型,提出利用112维谱对早期裂纹振动信号进行分析。然后,利用112维谱分析法对早期裂纹转子理论模型和早期裂纹转子故障实验数据进行了具体分析。理论模型和实验数据分析结果都表明:应用112维谱对实际发动机转子早期裂纹故障信号进行分析,不仅能够得到一般频谱分析法难以获得的故障特征频率,还能对混叠噪声信号进行降噪。因此,112维谱能够有效的诊断航空发动机转子裂纹故障,在航空发动机故障诊断中具有一定的应用价值。     

基于Lyapunov指数能谱分布的转子-机匣系统故障诊断研究

提出了基于Lyapunov指数能谱分布的航空发动机转子-机匣系统故障诊断新方法.基于相空间重构,在优选重构参数的基础上,计算得到了某型航空发动机不同故障状态下机匣实测振动信号时间序列的Lyapunov指数谱;提出并定义了Lyapunov指数能、Lyapunov指数能谱、Lyapunov指数能谱分布的概念,获得了某型航空发动机在不同故障状态下的机匣实测振动信号时间序列的Lyapunov指数能谱及其分布,并基于此Lyapunov指数能谱分布对航空发动机转子-机匣系统进行了故障诊断和状态识别.研究结果表明:航空发动机机匣振动时间序列在不同状态下具有不同的Lyapunov指数能谱及其分布,即可以Lyapunov指数能谱及其分布作为识别其状态的特征量,为航空发动机转子-机匣系统的故障诊断和状态监控提供了新的可靠的方法.     

航空发动机转子早期裂纹故障振动特征的1(1/2)维谱分析

针对航空发动机转子早期裂纹故障难以检测的特点首先,根据转子裂纹扩展机理,建立早期裂纹转子振动分析理论模型,提出利用112维谱对早期裂纹振动信号进行分析。然后,利用112维谱分析法对早期裂纹转子理论模型和早期裂纹转子故障实验数据进行了具体分析。理论模型和实验数据分析结果都表明:应用112维谱对实际发动机转子早期裂纹故障信号进行分析,不仅能够得到一般频谱分析法难以获得的故障特征频率,还能对混叠噪声信号进行降噪。因此,112维谱能够有效的诊断航空发动机转子裂纹故障,在航空发动机故障诊断中具有一定的应用价值。     

航空发动机整机振动信号分析

为了解决航空发动机的整机振动分析问题,提出一种基于谐波小波的振动信号分析方法。首选对振动信号进行谐波小波变换,得到信号的时频表示;根据时频图提取信号特征,得到信号的特征频率;根据与基频信号的对比,识别发动机的振动故障类型。实验结果表明,该方法可以准确地识别出发动机的三种典型振动故障。与传统基于小波分析方法相比,基于谐波小波的方法具有更准确的振动故障特征识别能力,适用于振动信号的分析。     

改进注意力机制的航空发动机试验转子系统智能故障诊断

考虑到航空发动机的工作环境十分恶劣,其故障的振动信号特征隐蔽且噪声干扰严重,为了加强网络对振动信号中关键特征的提取能力,提出了改进注意力机制的航空发动机转子系统智能故障诊断方法对航空发动机转子系统的不平衡和碰摩等故障进行诊断。提出局部池化改进的通道注意力机制,能够通过预提取局部极值解决现有通道注意力机制对航空发动机转子故障通道信息提取能力不足的问题;提出多评分机制改进的空间注意力机制,能够通过不同尺度的卷积评分解决现有空间注意力机制对航空发动机转子故障空间信息提取能力不足的问题;将二者结合构建改进的通道空间注意力机制模块,再导入一维卷积神经网络中构建改进注意力机制的一维卷积神经网络完成智能故障诊断,并且通过航空发动机转子系统故障数据集对比分析试验证明了该网络优秀的检测性能、抗噪性能和泛化性能等综合性能以及注意力机制改进方法的可行性。