一种基于模型的双转子不平衡故障诊断方法

建立了双转子系统内外转子同时具有不平衡故障时振动响应分析模型,给出了双转子不平衡故障的微差速测试方法,构造了不平衡故障的非线性优化识别模型.分析了双转子可测点不平衡响应对转速与不平衡量之间的灵敏度关系,讨论了双转子不平衡故障的可诊断性问题,并利用数值仿真和试验对该方法进行了检验.研究表明,当测试数据含有一定的噪声时,利用少量的测点和转子的转速信息,可较准确地识别转子不平衡量故障.      

基于声发射信号信息距的滚动轴承故障诊断

在信息熵理论基础上,提出了一种融合小波能谱与马氏距离的信息距滚动轴承故障诊断方法.利用双转子试验台对滚动轴承内圈故障、外圈故障、滚动体故障、内圈 滚动体故障和内圈 外圈故障进行模拟,并采集其声发射信号.利用提出的信息距方法对获取的声发射信号进行分析,成功实现滚动轴承单一故障和耦合故障诊断.结果表明该方法信息利用率高于信息熵方法,能够清晰和准确地诊断出滚动轴承早期故障,效果明显优于信息熵距的诊断方法.      

基于深度学习的航空发动机不平衡故障部位识别

针对基于机匣测点的航空发动机不平衡故障部位识别问题,提出了基于深度卷积神经网络的航空发动机不平衡故障部位诊断方法。针对某典型双转子航空发动机,建立整机耦合动力学模型,并利用数值积分算法实现不平衡故障数值仿真;在从发动机压气机端到涡轮端的高、低压转子上选择4个不平衡故障部位作为诊断对象,通过仿真分析得到发动机典型转速下的转子不同部位不平衡故障的仿真样本;计算4个机匣测点信号的规范化频谱,通过对大量仿真数据的处理得到反映不同不平衡故障部位的故障样本集;利用仿真得到的大量不平衡故障样本,训练深度卷积神经网络,利用深度卷积神经网络的优良特征学习能力实现航空发动机不平衡故障的不同部位进行识别,数值试验结果表明该方法对航空发动机不平衡故障部位的识别准确率达到95%。     

双盘三支撑转子轴承系统松动-碰摩耦合故障分析

针对由于支座松动而引起松动-碰摩耦合故障的转子-轴承系统,建立了双盘三支撑的松动-碰摩耦合故障转子系统力学模型和有限元模型.基于非线性有限元方法,使用松动端等效刚度模型及接触理论研究了碰摩刚度和松动刚度两个重要参数对系统动力学特性的影响.通过对在不同碰摩刚度及不同松动刚度条件下的系统动力学特性的研究,发现松动-碰摩耦合故障常常以碰摩故障特征为主,并且时域波形高矮峰交替出现,轴心轨迹呈现“梯形”,这一特性可以作为诊断松动-碰摩耦合故障的一个依据.      

基于融合信息熵距的转子裂纹-碰摩耦合故障诊断方法

针对转子系统的裂纹-碰摩耦合故障,提出了一种基于融合信息熵距的转子振动故障诊断方法.利用转子实验台模拟转子系统裂纹故障、碰摩故障及裂纹-碰摩耦合故障,并采集三种典型故障的振动加速度信号.利用时域的奇异谱熵、频域的功率谱熵、时-频域的小波能谱熵以及小波空间特征谱熵,计算融合信息熵距实现故障诊断.实例研究表明:这四种信息熵形成了综合评价转子振动状态的特征指标,多测点、多转速下的信息熵距曲线较好地区分了单一故障和耦合故障,有效地提高了转子振动故障诊断的准确性.测试信号与其对应的振动故障之间的信息熵距最小,信息熵距曲线位于坐标轴的最下方,达到了诊断单一故障和耦合故障的目的.      

转子振动故障的小波能谱熵SVM诊断方法

融合小波能谱熵和支持向量机(SVM)的特点,提出了基于小波能谱熵的SVM故障诊断方法.利用转子试验台对转子典型振动故障进行模拟并采集振动数据,提取其振动信号的小波能谱熵作为特征向量,通过样本训练建立了转子在各种典型振动故障状态下的SVM模型和多类分类器,进而实现了对未知转子振动故障的识别.实际应用表明,提出的转子振动故障诊断方法是可行和有效性的.      

滚动轴承支承下的转子碰摩故障动力分析、特征提取与智能诊断

针对滚动轴承支承下的转子碰摩故障诊断问题,考虑滚动轴承非线性赫兹接触和轴承径向间隙,建立了含不平衡-碰摩耦合故障的转子-滚动轴承系统动力学模型.应用三维谱图分析碰摩诊断依据和确定频段特征,利用仿真数据获取结构最优的神经网络模型,并对试验碰摩故障数据进行诊断,识别率高达90%以上.计算结果充分表明了建立的动力学模型的有效性,同时,研究结果为有效结合故障机理分析与故障智能诊断提供了新的方法.      

基于融合信息的转子振动故障SVM诊断方法

通过提取信息特征,提出基于融合信息的转子振动故障支持向量机(SVM)诊断方法.首先,在转子试验台上分别模拟转子不平衡、轴系不对中、转子裂纹和转子碰磨4种典型故障,采集这4种典型故障在多转速和多测点下的振动加速度信号;其次,提取基于时域的奇异谱熵和频域的功率谱熵的转子振动故障过程变化规律的信息特征;最后,将提取到的信息特征作为故障向量,建立SVM故障诊断模型,进而对转子振动故障进行诊断.实例诊断结果表明:将信息特征与支持向量机相结合进行转子振动故障诊断,诊断结果准确率达到了97%,有效地提高了故障诊断的准确率.     

基于融合信息(火用)的转子振动故障SVM诊断方法

通过提取信息(火用)特征,提出基于融合信息(火用)的转子振动故障支持向量机（SVM）诊断方法.首先,在转子试验台上分别模拟转子不平衡、轴系不对中、转子裂纹和转子碰磨4种典型故障,采集这4种典型故障在多转速和多测点下的振动加速度信号;其次,提取基于时域的奇异谱熵和频域的功率谱熵的转子振动故障过程变化规律的信息(火用)特征;最后,将提取到的信息(火用)特征作为故障向量,建立SVM故障诊断模型,进而对转子振动故障进行诊断.实例诊断结果表明：将信息(火用)特征与支持向量机相结合进行转子振动故障诊断,诊断结果准确率达到了97%,有效地提高了故障诊断的准确率.     

含支承松动故障的弹用涡扇发动机整机振动建模与机匣响应特征

针对某型弹用涡扇发动机结构特点,建立了一种转子-支承-机匣整机模型,对转子与机匣采用有限元梁模型,支承采用集总质量模型,引入支承松动故障模型,利用数值积分方法求解耦合系统的响应.基于机匣加速度信号,研究了对称刚度以及不对称刚度模型下松动故障的冲击特征分析.结果表明:①松动故障所引发的机匣加速度时域波形具有上下不对称性冲击特征以及频谱中出现倍频特征;②仿真计算结果与实际弹用涡扇发动机试车数据时域波形特征以及频谱特征非常一致,而且验证了不对称刚度松动故障模型更适合弹用涡扇发动机的松动故障建模.      

Real-time fault detection method based on belief rule base for aircraft navigation system

Real-time and accurate fault detection is essential to enhance the aircraft navigation system’s reliability and safety. The existent detection methods based on analytical model draws back at simultaneously detecting gradual and sudden faults. On account of this reason, we propose an online detection solution based on non-analytical model. In this article, the navigation system fault detection model is established based on belief rule base (BRB), where the system measuring residual and its changing rate are used as the inputs of BRB model and the fault detection function as the output. To overcome the drawbacks of current parameter optimization algorithms for BRB and achieve online update, a parameter recursive estimation algorithm is presented for online BRB detection model based on expectation maximization (EM) algorithm. Furthermore, the proposed method is verified by navigation experiment. Experimental results show that the proposed method is able to effectively realize online parameter evaluation in navigation system fault detection model. The output of the detection model can track the fault state very well, and the faults can be diagnosed in real time and accurately. In addition, the detection ability, especially in the probability of false detection, is superior to offline optimization method, and thus the system reliability has great improvement.     

高维反向旋转双转子系统的建模方法及动力特性

为了弥补有限元方法预测含局部非线性的双转子系统动力特性的不足,借助有限元软件和固定界面模态综合法,建立了高维双转子系统非线性动力学模型,随后利用Newmark算法思想提出了一种隐式时域求解该问题的方法,该方法的求解效率主要取决于非线性力处的自由度个数.在考虑挤压油膜阻尼器非线性力和中介轴承非线性力的基础上,研究了双不平衡激励作用下的反向旋转双转子系统的非线性动力响应特性.研究表明:系统响应中除内、外转子自转频率外,出现了2个自转频率的组合频率;随中介轴承径向游隙的增加,系统转速分岔图中出现了分岔和混沌现象,且临界转速略有下降;系统轴心轨迹呈花瓣状,与试验结果基本吻合.      

液体火箭发动机试验台气液管路系统故障仿真及分析

根据试验台和试验发动机的静态特性方程,重点针对试验台进行稳态故障效应仿真;采用一维不可压瞬变管流描述液路的流动过程,用特征线法对试验台液路系统的突发性故障所引起的瞬变特征和过度效应进行仿真;对储箱增压系统采用一维可压缩流的有限元状态变量模型描述气体管路的流动过程,并建立减压器、储箱工作过程的数学模型,用四阶龙格-库塔法对其进行故障仿真。仿真过程显示仿真模型和计算方法具有很好的适用性,能有效地建立试验台较为完善的故障模式库;通过分析仿真结果可以对现有试验台的改造、维护以及新试验台的改进设计进行指导。      

基于状态反馈的执行器故障容错控制

针对线性离散系统的执行器故障,提出了一种基于状态反馈的容错控制方法。该方法在应用自适应卡尔曼滤波进行系统状态和故障同步估计的基础上,通过故障信息和状态估计进行状态反馈,对闭环系统进行极点配置,从而修正执行器故障造成的系统误差,实现容错控制。最后,将该方法应用于飞行控制系统的执行器故障容错控制,仿真结果表明该方法不仅能够准确地进行故障估计,而且能够在故障情况下保证系统输出正常,具有一定的理论意义和实际工程应用价值。     

灰色神经网络在齿轮箱故障识别中的应用

将灰色系统理论与神经网络相结合提出了灰色神经网络这一新的故障识别方法，将此种方法应用在齿轮箱的故障识别中，结果表明：采用灰色神经网络能够识别出来，不同工作状态下的各种故障类型，其识别的可靠性还有待于进一步提高。     

基于测试数据的卡箍非线性等效建模方法

为了快速准确地计算卡箍管路系统的振动响应，提出了基于测试数据的卡箍非线性等效建模方法。对卡箍直管系统进行低幅值激励的模态测试，利用试验数据对有限元模型进行修正，识别卡箍线性刚度、线性阻尼参数。对卡箍直管系统开展不同激励水平下的恒力测试，通过样条插值多项式法将恒力频响函数转换为恒位移、恒速度频响函数，并进一步识别卡箍非线性等效刚度、非线性等效阻尼，建立了考虑卡箍非线性的等效动力学模型。研究表明:该卡箍等效动力学模型的预测频响函数与试验频响函数的最大误差仅为-6.9%，可以有效地反映卡箍实际的刚度、阻尼特性，对解决卡箍管路系统的振动响应分析具有重要的指导意义。      

基于改进符号有向图模型的发动机引气系统多故障诊断方法

为了在符号有向图(SDG)模型中进行多故障诊断,提出了基于改进符号有向图(ISDG)模型的多故障诊断方法.ISDG模型满足了不完全信息条件下的多故障组合诊断的需求.通过交互式方法构建不完全信息条件下的诊断过程,利用最大增益费用比确定了最优的测试序列,实现了在多故障诊断过程中效率的提高和成本的降低.最后用交互式算法诊断某民用发动机引气系统多故障,ISDG模型能够诊断多故障,说明诊断多故障可以提高诊断效率;考虑组合逻辑后,最小费用比最大费用减小了7.25,增益费用比增大了32.2%,说明考虑组合逻辑可以减少32.2%的费用.      

基于实测频响函数反推管路卡箍支承刚度与阻尼

为了有效创建航空发动机管路系统动力学模型,需要获得动载荷作用下管路卡箍支承刚度及阻尼。提出一种基于实测频响函数(FRF)反推卡箍支承刚度及阻尼的方法。确定了针对单管路双卡箍支撑系统的反推辨识流程；利用自编有限元创建了该管路系统的动力学模型,并给出了求解频响函数的方法；进一步,提出了基于灵敏度的卡箍支承刚度和阻尼反推辨识算法；以典型管路卡箍为例,用所提出的方法辨识出了该卡箍的支承刚度和阻尼。将辨识值回带到理论模型中,发现仿真及实测固有频率及相对应的频响函数偏差均小于9%,从而证明了研发的辨识方法的合理性。另外,辨识结果也表明卡箍的刚度及阻尼具有频率依赖性,且水平及竖直方向存在差异。