基于谱插值和奇异值差分谱的滚动轴承静电监测信号去噪方法

采用静电传感器进行滚动轴承故障监测实验研究.针对滚动轴承静电监测中各种强噪声、故障特征难以提取的问题,提出了基于谱插值和奇异值差分谱的联合去噪方法.首先采用谱插值抑制工频干扰,然后将所得信号构造Hankel矩阵,求取奇异值差分谱并自动确定有用分量个数,最后重构信号.仿真和实验结果表明:仅采用奇异值差分谱或者小波去噪方法,无法从含有强工频干扰的信号中提取有用成分;所提出的方法相比较谱插值和小波去噪方法能够凸显早期故障特征频率.     

融合静电信号和气路参数的发动机性能评估方法

为了研究静电监测技术对航空发动机的监测效果,开展了航空涡喷发动机静电监测台架实验,获得了140个完整试车阶段的静电信号数据。针对发动机传统气路性能评估方法的信息源有限的问题,提出了一种融合静电信号和气路参数的发动机性能评估流程和方法,进一步采用了基于逻辑回归模型的评估算法对发动机的综合性能进行量化评估,通过融合试车实验的静电数据和性能参数,对发动机的健康状态评价方法进行研究。结果表明:当健康值为0.9以上可以认为发动机为健康状态,当健康值小于0.3时可以认为发动机已经发生了较为严重的退化,所提出的融合评估方法要优于传统的性能参数评估方法,能够提前预警气路性能严重退化。     

航空发动机气路故障静电监测技术研究

航空发动机气路中任一部件的故障都会严重影响发动机的性能，甚至造成严重后果。本文研究了基于静电监测机理的发动机气路碎屑监测技术，设计了一套航空发动机气路故障静电监测系统，并在发动机模拟试验台上进行了两种典型故障模拟试验。研究表明，该系统通过监测发动机排气颗粒的静电电荷水平和变化规律，可判断发动机气路部件的故障情况，为发动机故障诊断和健康管理提供关键技术手段。     

基于小波-Hilbert的涡喷发动机静电监测技术研究

在某型涡喷发动机试车过程中首次开展了气路静电监测试验,获取了若干试车阶段静电信号。选用第102阶段(发动机处于健康状态)监测的静电信号进行时域特征分析,获取了发动机处于启动、巡航、停车3个典型工况下时域幅值以及活动率水平、正负事件率特征参数的变化情况,分析表明静电信号会随发动机工况变化而变化。为了进一步揭示静电信号特征,采用小波-Hilbert变换方法处理了第102阶段的静电信号,获取了其能量值、能量分布以及功率谱的特征。为了验证分析方法的有效性,也对第174阶段(该阶段发动机存在积碳故障)的静电信号进行了对比分析。     

基于小波分析的航空发动机故障诊断方法研究

小波变换是一种多分辨率的时频分析方法,应用在振动信号处理、故障诊断方面较传统方法优越。在阐述小波分析理论基础上,对某型航空发动机的振动信号进行分析,采用小波分解和信号重构的方法,提取了噪声掩盖下振动信号中的故障信息,根据航空发动机整机振动的典型故障特征频率,判断该发动机是否发生故障。     

航空发动机气路静电数据管理系统设计与实现

由于静电信号采集的高频特性,在静电信号采集时需采集大量数据。面对大量的数据信息,采用数据库技术,能够有效地管理和组织数据。本文提出了在Labview编程环境下利用LabSQL访问Microsoft Access数据库的方法,构建起集数据存储、分析和处理于一体的数据管理平台。实现了数据库的连接、数据的实时记录和查询显示,并成功应用于航空发动机气路静电监测系统中,取得了很好的效果。     

航空发动机尾气静电信号基线模型分析及应用

开展了基于尾气静电信号的航空发动机气路监控技术的应用研究,把尾气静电监测信号EGEMS作为一种新的气路状态参数并建立其基线模型,通过监控尾气静电信号RMS(root mean square)值的偏差值实现对气路部件的实时监控.首先从尾气静电监测的角度总结了尾气碳烟颗粒物的排放特性,分析了尾气静电信号的基线成分、主要影响因素及典型故障静电信号特征,在此基础上分别提出了基于燃油流量单参数的尾气静电信号基线模型(参数化模型)和基于多元状态估计技术的多参数基线模型(非参数化模型)挖掘技术.通过对某型涡轴发动机尾气静电信号的分析表明:所建立的基线模型能够准确反映发动机不同工况下的尾气静电信号的基本特征,有效地监测到气路的异常状态,验证了所提方法的可行性和有效性.      

气路颗粒静电监测技术及实验

介绍了发动机气路荷电颗粒产生的机理、静电传感器原理以及气路静电监测技术的原理,然后介绍了模拟试验装置和试验过程,并通过实验的方法对静电监测技术进行了研究,最后通过小波分析的方法对实验信号的能量分布特征进行了研究,结果为大颗粒产生的感应信号的幅度要大而能量分布集中在低频段,而细小颗粒产生的感应信号幅值较小,信号能量分布集中在高频段,实验结果为在气路监测中辨别异常颗粒提供了参考依据,同时也表明了基于颗粒静电监测方法的可行性.      

涡轴发动机尾气静电监测信号影响因素分析

 针对某型航空涡轴发动机试车台实验所获得的尾气静电监测信号,结合发动机台架试车状态和性能数据,分别在两个时间尺度上展开分析研究。研究发现发动机的工作状态和健康状态均对尾气静电信号产生重要影响。在小时间尺度上的分析发现,无故障情况下影响尾气静电信号变化的主要因素为燃油供给量,尾气静电信号能量随燃油供给量的增加近似按指数规律上升;而在大时间尺度上的分析发现,在一定的燃油供给和恒定的自由涡轮转速条件下,尾气静电信号能量随着发动机性能的缓慢衰退而逐渐上升。实测尾气静电信号所反映的趋势与初步的理论分析结果相一致,为建立涡轴发动机尾气静电信号的健康"基线",进而用于气路状态监测及故障识别提供了初步的依据。研究还发现,静电监测技术不仅能够为突发性故障提供预警信息,而且能够反映发动机整机性能衰退,进一步拓展了静电传感器的监测能力及其在航空发动机健康管理中的应用。     

基于Labview与Matlab的航空发动机气路静电采集系统研究

说明了如何在Labview平台下结合应用Matlab软件;介绍了发动机故障诊断方法之静电监测技术,给出了静电信号相关参数,并在此基础上,基于labview与matlab开发了航空发动机气路静电采集系统和烟尘排放量/浓度监测系统,并应用于采集静电信号试验,以对系统进行测试。     

粗糙集与神经网络在航空发动机气路故障诊断中的应用

提出了一种基于粗糙集理论和神经网络集成的发动机智能故障诊断方法,首先对测量数据进行离散处理,并运用粗糙集理论建立故障决策表,进而约简属性和提取规则,对航空发动机气路部件的几种典型故障进行隔离。然后建立神经网络故障诊断子系统,使用粗糙集处理后的数据计算出发动机气路相关部件的故障程度。最后,还验证了粗糙集神经网络故障诊断系统的抗噪性能。研究表明,该系统能够正确而且高效地诊断出发动机故障的严重程度,并具备良好的抑制噪声的能力。      

应用神经网络诊断航空发动机气路故障的前景

介绍了近几年来国内外应用神经网络对航空发动机气路故障进行诊断的基本方法和研究进展。对单一故障进行定性的诊断已经取得了试验验证，结果表明神经网络具有较高的诊断准确率。对反映发动机气路部件健康状况的气流量、效率等参数的多故障、定量的诊断则取得了一些仿真研究成果。相对于基于发动机气动热力学数学模型的方法而言，神经网络方法具有更大的工程应用潜力。     

基于小波包分析方法的航空发动机滚动轴承故障诊断

将小波包分析技术引入到航空发动机滚动轴承故障诊断的应用研究中，给出了基于小波包分析的滚动轴承故障特征提取方法：应用小波包分解与重构算法分离出了滚动轴承的故障特征频率，识别出了滚动轴承的故障类型。通过对实际航空发动机滚动轴承故障信号的分析表明，该方法可以有效地检测和诊断航空发动机的滚动轴承故障。     

基于UIO的航空发动机执行机构故障诊断

为了提高航空发动机诊断过程中对噪声干扰和模型参数变化的鲁棒性,应用UIO(Unknown Input Ob-server)理论估计发动机动态系统的工作状态,通过干扰正交投影弱化外界干扰对状态估计的影响,处理了航空发动机执行机构的故障诊断问题。对航空发动机执行机构设计一组UIO观测器,其中每个UIO用于监测估计对应执行机构的故障偏移量,计算系统输出理论估计值与发动机实际测量信号间的残差数据,分析残差队列的幅值特性,实现航空发动机执行机构系统的故障检测和隔离。某型涡扇发动机上的实验结果表明,与Kalman滤波算法相比,UIO诊断方法更能鲁棒地检测和隔离出执行机构故障。     

航空燃气涡轮发动机气路故障诊断进展

航空发动机健康管理是提高当代先进航空发动机安全性、可靠性以及经济可承受性的关键技术,是实现发动机视情维 修的重要方法之一。航空发动机气路故障诊断作为健康管理系统的重要支撑技术,在先进航空发动机发展过程中具有重要的研 究价值与前景。基于航空发动机气路故障诊断50余年的发展成果,梳理了航空发动机气路故障诊断的总体实施流程,包括气路 测量参数的选择及参数预处理方法、基线值的计算及基线模型的构建方法;介绍了基于模型和数据驱动的气路故障诊断方法的基 本原理和典型成果并对不同方法的特点进行了评述;对气路故障诊断未来发展方向,包括性能预测、在线气路故障诊断、信息融合 以及过渡态气路故障诊断的基本思想和研究现状进行了分析。国内外研究表明：航空发动机气路故障诊断已经形成了以基于模 型和基于数据驱动为基础的诊断方法体系,得到了较全面且系统的发展。中国在已有研究成果的基础上,应进一步完善航空发动 机全寿命周期数据的收集与整理,建立航空发动机健康管理系统的设计体系,增强产、学、研、用等多方协作,为先进航空发动机健 康管理系统提供有力技术支撑。     

航空发动机故障的支持矢量机智能诊断

引入支持矢量机和多元分类算法到航空发动机故障诊断当中。通过设计的多元分类支持矢量机构建了小样本多参数航空发动机故障智能诊断模型，然后通过发动机故障仿真器对典型发动机气路故障进行了诊断。结果表明，支持矢量机具有优秀的故障学习能力，采用它进行航空发动机故障诊断是可行、有效的。     

航空发动机叶片超声检测信号的小波分析方法

超声波检测技术是航空构件检测中应用较多的一种检测方法。针对含损伤的某型航空发动机压气机叶片，采用小波分析技术，对超声检测信号进行分析和处理，提高了超声检测技术检出缺陷的能力。采用四种不同的小波基对同一信号进行分析，经研究表明：sym4小波基处理航空构件超声检测信号比较理想。     

基于变权重最小二乘法的发动机气路故障诊断

针对航空发动机气路部件故障诊断中存在的严重故障诊断问题,提出基于变权重最小二乘法进行发动机故障诊断.该方法在发动机仿真实验的基础上采用加权最小二乘法进行故障诊断,并对算法进行了改进,根据初期诊断结果对故障权重系数矩阵进行修正,使诊断结果更加合理可信.仿真表明,基于变权重最小二乘法的发动机气路故障诊断能快捷有效地诊断气路部件严重故障.      

航空发动机在线综合诊断结构设计及仿真验证

随着机载航空电子设备的快速发展,使得传统地面系统承担的发动机诊断任务可以在线实现。实时数据的使用,可以在线监测发动机性能退化,减少故障检测和隔离的潜伏期,增加间歇性故障的检测率。为此,提出并设计了一种用于航空发动机气路故障检测和隔离、健康监测及参数估计的在线综合诊断结构。基于xPC Target 原理搭建了硬件实时仿真平台,对该结构进行了仿真验证。仿真结果表明,该结构中的机载自适应模型对发动机健康参数、可测参数和不可测参数的估计误差在0.5%以内;气路故障诊断系统采用实时数据,可以更早地检测和隔离包含间歇性故障在内的各种气路故障。     

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。