基于小波神经网络的直升机主减速器故障诊断系统

应用离散小波变换(DWT)和神经网络相结合构建直升机主减速器速器故障诊断系统: DWT对振动信号进行特征提取,神经网络对故障进行辨识和分类。阐述了DWT、帕塞瓦尔定理和广义回归神经网络(GRNN)基本理论,提出了直升机主减速器的故障诊断系统流程图,最后用某型直升机飞行时主减速器上的振动数据对该系统进行验证。实验使用了BPNN(back-propagation neural network)和GRNN两种神经网络,结果表明:提出的故障诊断系统能对主减速器故障进行较好的辨识和分类,这将为直升机主减速器故障诊断系统的进一步开发提供新的技术参考。      

基于BP神经网络的自动倾斜器轴承故障诊断

针对直升机故障诊断的需求,开展全尺寸某型直升机自动倾斜器轴承故障诊断研究。基于电火花刻蚀技术,进行自动倾斜器轴承植入外圈、内圈及滚珠故障试验。在小波包去噪的基础上,提取故障信号的小波域能量和功率谱谱熵特征参数,将其输入反向传播(BP)神经网络中,对自动倾斜器轴承进行故障诊断。研究结果表明,该方法降低了背景噪声的干扰,平均故障诊断率达80%,能够实现自动倾斜器轴承故障诊断,但滚珠故障诊断还有待进一步研究。     

直升机故障分析与管理系统的设计与实现

为提高直升机健康和使用管理的自动化程度,构建了基于C/S结构的直升机故障分析与管理系统框架,阐述了在.net平台下的设计与实现方案。将阈值判断、小波技术、时域平均以及傅里叶分析等用于振动信号去噪、特征频率提取等信号分析之中,为直升机的故障诊断提供分析平台。同时,结合网络技术、数据库技术实现数据的有效管理,为地勤维护人员、直升机管理人员及专家提供良好的分析和管理工具。     

基于参数自适应变分模态分解的行星齿轮箱故障诊断

针对变分模态分解需要人为设定模态数量以及在强噪声情况下容易造成分解错误的问题,提出了依据功率谱密度极值点自适应确定模态数量与中心频率的参数自适应变分模态分解方法,通过信号仿真分析验证了方法的有效性。基于参数自适应变分模态分解提出了一种行星齿轮箱故障诊断方法,应用于行星齿轮箱第2级太阳轮裂纹的故障诊断,行星齿轮箱传动实验台的试验结果表明:该方法能实现振动信号准确分解,有效提取和辨别出故障特征频率,实现了在强背景噪声和微弱故障信号情况下对第2级太阳轮裂纹故障的准确诊断。      

基于EDA的故障字典生成技术研究

在现代新型武器装备中,复杂模拟和数模混合电路的应用在提升装备性能的同时,也对电路故障诊断提出了更高的要求与挑战.故障字典不但具有规范性和实用性等特点,且能有效解决当前复杂电路的故障诊断存在的问题,提高装备的故障诊断效率.本文提出了基于EDA的故障字典生成技术.从该技术的原理出发,详细论述了故障模式集的选择方法、测试点的筛选与优化方法、特征信号的提取方法、基于EDA的故障注入方法和故障字典的生成方法等;最后,以某型机音频处理电路为例,验证了该故障字典生成方法在故障诊断中的可行性和有效性.     

航空发动机主轴轴承故障诊断

某型航空发动机的主轴轴承由于频繁出现早期失效而引起发动机故障,因此,对滚动轴承进行状态监测和故障诊断具有重要的实际意义。针对常规方法难以准确分析非平稳信号的局限性,本文研究了基于小波分析的滚动轴承故障诊断方法,通过滚动轴承外表面损伤的仿真信号进行小波包频谱分析,验证了基于小波分析的滚动轴承故障诊断方法是可靠、准确的,可以应用于航空发动机主轴轴承的状态监测和故障诊断。     

航空发动机振动监测与故障诊断技术研究进展

航空发动机汇集各领域高精尖技术,是国家科技、工业和国防实力的综合体现。复杂结构与恶劣服役环境致使其故障频发,发动机故障诊断与健康管理技术成为保障其安全、可靠运行的重要支撑。由于振动类故障是航空发动机的主要故障模式,本文从整机振动监测与故障诊断的系统研制与应用、理论研究现状及发展方向3个方面,对国内外现有航空发动机振动类故障诊断技术进行梳理、剖析,具体包括动力学分析、信号处理及深度学习等相关技术,分析航空发动机振动类故障诊断面临的问题与挑战,并归纳未来发展趋势。     

基于ACMPE、ISSL-Isomap和GWO-SVM的行星齿轮箱故障诊断

针对从行星齿轮箱非线性、非平稳振动信号特征提取困难的问题，提出了一种基于自适应复合多尺度排列熵(ACMPE)、改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap)和灰狼群优化支持向量机(GWO-SVM)相结合的行星齿轮箱故障诊断方法。利用ACMPE从复杂域提取振动信号的故障特征，构建高维故障特征集；采用ISSL-Isomap方法对高维故障特征集进行维数约简，提取出低维、敏感故障特征；应用GWO -SVM分类器对低维故障特征进行模式识别，判断故障类型。行星齿轮箱故障诊断实验结果分析表明:与多尺度排列熵(MPE)、复合多尺度排列熵(CMPE)等特征提取方法相比，ACMPE方法在分类效果和识别精度上更具优势；与局部切空间排列(LTSA)、等度规映射(Isomap)、加权Isomap(W-Isomap)、监督Isomap(S-Isomap)和监督型自组织增量学习神经网络界标点Isomap(SSL-Isomap)等降维方法进行比较，ISSL-Isomap方法降维效果最佳；所提方法的故障识别率达到100%，具有一定优越性。      

基于阶比分析技术的燃气发生器转子支承松动

振动特征分析是燃气发生器健康监测与故障诊断的重要手段,其中非平稳信号阶比分析技术是机械振动特征分析的重要方法。针对某型双转子燃气发生器变速工况下发生的转子支承松动故障,在分析该故障振动机理的基础上,介绍了阶比分析技术与发生器整机振动测试系统,通过实例分析进行了故障诊断,找到了故障发生的原因,验证了方法的有效性和可靠性     

航空燃气涡轮风扇发动机故障识别诊断方法研究

航空发动机的故障预测诊断研究是视情维修制度的主要应用,以状态监控为基础的维修制度需要对航空发动机进行状态监测与故障诊断。故障状态监测与诊断研究方法的多样性使初涉者毫无头绪,为了更好地把握航空发动机故障状态监测与诊断的研究方向,选择方法的最优面组合杂交出更加有效的故障检测与诊断技术,可以解决更加复杂的系统故障问题。本文对较为典型的航空发动机故障检测与诊断技术进行简析与评价,从而更加深刻地把握航空发动机故障预测技术。     

A multi-criteria fusion feature selection algorithm for fault diagnosis of helicopter planetary gear train

Planetary gear train is a prominent component of helicopter transmission system and its health is of great significance for the flight safety of the helicopter. During health condition monitoring, the selection of a fault sensitive feature subset is meaningful for fault diagnosis of helicopter planetary gear train. According to actual situation, this paper proposed a multi-criteria fusion feature selection algorithm (MCFFSA) to identify an optimal feature subset from the high-dimensional original feature space. In MCFFSA, a fault feature set of multiple domains, including time domain, frequency domain and wavelet domain, is first extracted from the raw vibration dataset. Four targeted criteria are then fused by multi-objective evolutionary algorithm based on decomposition (MOEA/D) to find Proto-efficient subsets, wherein two criteria for measuring diagnostic performance are assessed by sparse Bayesian extreme learning machine (SBELM). Further, F-measure is adopted to identify the optimal feature subset, which was employed for subsequent fault diagnosis. The effectiveness of MCFFSA is validated through six fault recognition datasets from a real helicopter transmission platform. The experimental results illustrate the superiority of combination of MOEA/D and SBELM in MCFFSA, and comparative analysis demonstrates that the optimal feature subset provided by MCFFSA can achieve a better diagnosis performance than other algorithms.     

Nonlinear dynamic modeling of a helicopter planetary gear train for carrier plate crack fault diagnosis

Planetary gear train plays a significant role in a helicopter operation and its health is of great importance for the flight safety of the helicopter. This paper investigates the effects of a planet carrier plate crack on the dynamic characteristics of a planetary gear train, and thus finds an effec-tive method to diagnose crack fault. A dynamic model is developed to analyze the torsional vibra-tion of a planetary gear train with a cracked planet carrier plate. The model takes into consideration nonlinear factors such as the time-varying meshing stiffness, gear backlash and viscous damping. Investigation of the deformation of the cracked carrier plate under static stress is performed in order to simulate the dynamic effects of the planet carrier crack on the angular displacement of car-rier posts. Validation shows good accuracy of the developed dynamic model in predicting dynamic characteristics of a planetary gear train. Fault features extracted from predictions of the model reveal the correspondence between vibration characteristic and the conditions (length and position) of a planet carrier crack clearly.     

基于一维卷积神经网络和SoftMax分类器的风电机组行星齿轮箱故障检测

将卷积神经网络引入风机故障检测领域,设计了一种一维卷积神经网络的结构,并和SoftMax分类器相结合构造了一种双层智能诊断架构。一维卷积神经网络用于行星齿轮箱数据的特征提取,SoftMax分类器对提取的特征进行分类。与传统智能算法相比,该方法具有训练样本少,可直接使用原始数据训练网络;计算效率高,可以适应实时诊断的需要。试验结果证明,该方法可以有效地诊断出不同工况下的行星齿轮箱中的齿轮故障。     

减速器振动信号的经验模态分解

时域同步平均是直升机减速器诊断技术的基础,目前这种方法依赖于转速传感器提供相位同步信号。探讨了应用经验模态分解代替时域同步平均分析减速器振动信号的方法。构建了一个减速器振动信号模型,提取了故障特征信号。对经验模态分解过程进行了理论推导,证明经验模态分解可以分离出故障特征信号,给出了信号分离的充分条件。将这种方法应用于直升机减速器的两种故障(点蚀和裂纹)振动数据,结果表明经验模态分解正确地分离出了故障特征信号,信号特征更为显著。     

直升机动力传动系统扭转振动整体传递矩阵分析

研究了复杂多轴齿轮传动系统整体传递矩阵方法及在直升机动力传动系统扭转振动分析中的应用.首先说明了直升机传动系统传递矩阵方法力学模型,推导了传动系统中典型齿轮副啮合传递矩阵、并车级和行星级齿轮啮合传递矩阵,说明了这种具有多种齿轮副啮合的复杂多轴系统整体传递矩阵模型组集方法,最后用这种方法进行了典型直升机动力传动系统扭转振动特性分析,讨论了这种直升机动力系统振动特性的特点.      

用于直升机舱内降噪的主减周期撑杆研究

主减速器齿轮啮合产生的中高频谐波振动是直升机舱内噪声的主要来源之一,通过抑制该振动向机体的传递可达到舱内降噪的目的。基于金属/橡胶周期结构,提出了一种适用于直升机舱内降噪的串/并联复合型主减周期撑杆,不仅具有宽频减振特性,而且能够满足直升机对撑杆的强度和刚度要求。为指导这种周期撑杆的设计,首先采用谱单元法建立了复合型主减周期撑杆的动力学模型,进一步建立了该周期撑杆的刚度和强度分析模型;在此基础上,分析得到了该周期结构的主要设计参数对减振特性、刚度及强度的影响规律;最后,以某轻型直升机为背景机设计了复合型主减周期撑杆,对其减振特性、刚度及强度特性进行了仿真研究,结果表明：所提出的设计方案可满足该直升机对主减撑杆的刚度和强度要求,且撑杆两端位移传递率在500~2 000 Hz频率范围内的最大振动衰减超过60 dB,验证了本文所提出复合型周期撑杆方案的可行性。     

基于GWO-TVF-EMD方法的行星齿轮箱齿面剥落故障诊断

针对时变滤波经验模态分解（TVF-EMD）方法的不足之处,将样本熵作为适应度函数,采用灰狼优化（GWO）算法对带宽阈值和B样条阶数核心参数进行寻优,得到最优组合解,对不同的故障冲击试验振动信号进行分解。对本征模态函数（IMF）分量选取过程进行优化,采用多个加权指标对所有IMF分量进行计算,最终选取最优IMF分量,再通过包络谱分析提取出行星轮齿面剥落故障特征。在行星齿轮箱故障试验中,利用方均根法对剥落故障进行初步识别,根据GWO-TVF-EMD法分解得到各剥落故障信号最优IMF分量,使用包络谱分析明显判断出行星齿轮的故障频率。该方法能够提取3种不同程度齿面剥落故障的细节特征,理论值与实际值的相对误差为1.68%。      

行星齿轮传动系统的稳态热分析

行星齿轮传动系统中,各零部件的本体温度和温度场的分布对系统的工作性能和可靠性有重要影响。以直升机的主传动系统中的行星齿轮系统为对象,建立了其发热模型和热传递模型,利用热网络分析法从而得到该系统的稳态温度分布,为行星齿轮传动系统的稳态热分析提供了一个有效的方法,并为行星齿轮系统的瞬态热分析奠定了基础     

基于高阶累积量的齿轮系统辨识方法研究

高阶累积量分析技术是近年来迅速发展起来的新技术,作为处理非高斯信号、非线性信号以及盲信号的重要工具而受到日益重视。它有许多优点,特别是对于外加高斯噪声不敏感以及可以检测系统的非线性特性,故理论上可以完全抑制高斯噪声的影响,提高分析精度。本文在对其研究的基础上,将它应用于齿轮旋翼传动系统动态特性分析之中,对传动系统和旋翼桨叶的动态固有频率等进行了识别,并与频域和时域识别法进行了比较。