基于振动能量积奇异值分解的航空发动机 振动状态识别

为进一步提高航空发动机振动状态监测的有效性和故障诊断的准确性,将机匣截面振动信号的各谐波轴心轨迹椭圆长短轴乘积看成广义时间序列.基于该序列能够全面反映发动机转子系统各谐波能量分布的客观事实,利用其构造矩阵并提取奇异值向量.借助于该向量构造特征值,通过比较特征值向量实现对发动机不同振动状态的识别.对实测振动信号的分析表明:在同一振动状态下,各数据椭圆长短轴乘积相对奇异值强度具有相同的变化趋势和良好的稳定性;在不同振动状态下,椭圆长短轴乘积相对奇异值强度变化趋势不尽相同;通过椭圆长短轴乘积奇异值相对距离熵能够较好地识别发动机各振动状态.     

转子-支承-机匣系统碰摩试验及特征提取

针对航空发动机转子系统的结构特征和转静件碰摩的动力学特征,建立了转子-支承-机匣系统碰摩模拟试验器.对叶片与机匣间轻微碰摩和严重碰摩两种工况下转子和机匣振动响应进行了试验测量,并基于连续小波变换和连续小波包能量的时-频分析方法分别对转子和机匣的振动信号进行了特征提取.结果表明机匣响应信号同时包含高频冲击信号和低频摩擦信号,轻微碰摩时以碰撞冲击效果为主,机匣响应主要为高频冲击信号;严重碰摩时摩擦效应增强,可为碰摩故障诊断和识别提供方法和依据.      

基于机匣测点信号的航空发动机滚动轴承故障诊断灵敏性分析

研究了基于机匣测点信号进行航空发动机滚动轴承故障诊断的灵敏性问题.首先利用两个带机匣的航空发动机转子试验器进行了冲击响应试验,比较了滚动轴承处冲击激励引起的轴承座测点响应和机匣测点响应的差别;然后利用这两个带机匣的转子试验器进行了滚动轴承故障模拟试验,详细对比分析了轴承座测点信号和机匣测点信号的时域波形、频谱和小波包络谱.结果表明:当滚动轴承和机匣的连接刚度较小时,故障滚动轴承的振动信号传递到机匣上时会产生很大的衰减,然而利用传统的基于小波包变换的包络解调方法仍然可以很好地诊断出外圈故障和内圈故障,对于滚动体故障的诊断效果略差.研究结果对于实际中基于机匣测点信号进行航空发动机滚动轴承故障诊断提供了试验依据.      

基于机匣应变信号的航空发动机转静碰摩部位识别

 为有效识别航空发动机转静碰摩部位,提出基于机匣应变信号的航空发动机转静碰摩部位识别技术。以应变片为敏感元件,采用沿机匣轴向、周向粘贴应变片两种实验方案,利用航空发动机转子试验器模拟大量不同碰摩部位的样本,采集航空发动机转子试验器机匣上的应变信号,提取应变的均值特征,利用支持向量机,识别不同碰摩位置。结果表明:沿机匣周向的应变均值特征可有效识别转静碰摩部位,且鲁棒性较好,且仅需在机匣的4个位置粘贴应变片即可对4个不同碰摩部位达到100%的识别率。沿机匣轴向的应变均值特征也可识别不同的碰摩部位,但识别效果不如沿机匣周向效果理想。     

航空发动机转子相位差的试验研究

采用带机匣航空发动机模型转子试验器,模拟了航空发动机转子系统在不平衡力及各种碰磨力作用下的故障现象,测试分析了转子振动信号,研究了转子系统在故障与正常状态下的相位,验证了振动信号相位分析应用于发动机整机振动故障监测的可行性.     

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%。     

航空发动机碰摩故障识别可视化技术

通过将计算机图形可视化技术引入碰摩故障识别,进行航空发动机碰摩故障识别技术研究。对航空发动机转子叶片和机匣等关键部件进行可视化建模,根据转子和机匣的振动位移,进行转静碰摩部位检测,对碰摩时产生的火花进行模拟,以直观展现碰摩故障。利用有限元碰摩故障仿真实验,进行航空发动机转静碰摩故障识别和模拟验证,结果表明了方法可以有效地识别出碰摩故障,并直观地显示出碰摩效果。     

基于特征量阈值判决的轴承故障诊断方法

针对航空发动机在不分解状态下主轴轴承故障诊断难的问题,以振动信号分析和处理为基础,以小波包分解与重构、峭度值指标、频谱分析和包络解调为预处理方式,提出了基于故障轴承和正常轴承的特征倍频能量总和占整个包络谱能量百分比的特征差异确定轴承故障的诊断方法,以凯斯西储大学深沟球轴承典型试验数据验证了该方法的有效性。验证外圈点蚀故障轴承特征倍频能量占比最高可达76%,而正常轴承特征倍频能量占比均低于6.5%。为了研究该方法对复杂传递路径下轴承故障特征的识别效果,搭建了基于模拟机匣的航空发动机主轴轴承试验台,在机匣外部布置测点,对多个转速下的滚动体划伤故障轴承和正常轴承的测试数据进行预处理后应用该诊断方法。结果表明,基于特征量阈值判决的轴承故障诊断方法适用于简单和复杂传递路径下轴承的故障诊断,可为飞行状态下的航空发动机主轴轴承故障诊断和状态监测提供方法参考。     

航空发动机整机动力学研究进展与展望

对近年来航空发动机整机动力学的研究现状、进展进行了综述,包括双转子系统固有特性计算、转子-滚动轴承系统动力学、转子叶片振动、发动机机匣动力学、机动飞行转子系统动力学、航空发动机转子碰摩动力学、航空发动机转子裂纹以及整机动力学等.最后对航空发动机整机动力学今后工作研究的方向进行了展望.     

发动机双转子-机匣耦合系统碰摩故障分析

根据航空发动机双转子结构已被大量采用,构成航空发动机双转子-机匣耦合系统,将航空发动机转子系统简化为双转子-机匣耦合动力学系统,其中轴承被简化为弹簧和阻尼.考虑了低压转子与高压转子通过中介轴承的耦合作用,导出了连续体双转子多盘-机匣系统的四阶偏微分运动方程.运用变步长四阶龙格库塔法模拟了双转子系统的碰摩故障响应,分析了转速和中介轴承刚度对系统碰摩故障响应的影响,发现了该双转子模型在发生碰摩故障时的一些非线性动力特性,为解决工程实际问题提供了可参考的理论依据,具有一定的工程意义.      

Elman回归神经网络在航空发动机故障诊断中的应用

提出了一种基于Elman神经网络的航空发动机故障智能诊断方法。以在某型发动机地面定检状态下实测的数据作为样本数据,建立了航空发动机故障诊断模型,利用该模型成功地对实测发动机参数进行了诊断。研究结果表明:该方法对权值初始值选取、隐含层节点数选取和输入样本规范化处理等不敏感,具有学习速度快、诊断精度高等优点。     

一种改进的航空发动机转静件碰摩故障诊断方法

针对航空发动机碰摩故障的实际情况,分析了各种诊断方法的应用局限性,引入并改进适用于航空发动机碰摩诊断的基于SVD(奇异值分解)的碰摩特征提取方法:提出利用数据边界延拓来消除边界振荡,以此发展了适合短时间序列和长时间序列的奇异值分解处理方法,并探讨了简便实用的奇异值选择方法.并在某航空发动机故障信号的检测中,取得了良好的效果.      

航空发动机气路故障诊断的SANNWA-PF算法

针对航空发动机非线性、非高斯的特点，提出一种用于航空发动机气路故障诊断的自适应神经网络权值调整粒子滤波（SANNWA PF）算法。该算法根据粒子分布情况确定分裂和调整的粒子数目，进而根据粒子权重采用正态分布的方式进行分裂，采用反向传插(BP)神经网络进行权值调整，缓解了粒子的退化和贫化，具有更强的自适应性能和跟踪能力。通过一维非线性跟踪模型和航空发动机气路故障诊断仿真研究表明:SANNWA PF算法具有良好的非高斯性能，相对粒子滤波一维非线性追踪模型估计精度提高约21%，航空发动机气路故障诊断在高斯噪声和非高斯噪声下分别提高约30%和26%，诊断速度分别提高约7倍和10倍。      

液体火箭发动机故障检测与诊断的反向选择算法

基于生物免疫系统中的反向选择原理,提出了液体火箭发动机地面试车故障检测与诊断的新方法,对检测器的产生、检测器数量的确定以及故障诊断的实现等几个问题进行了分析。基于发动机地面试车数据的验证结果表明,该方法能有效提高算法的训练效率、实时性能和诊断结果的准确性。     

基于特征值和特征向量的测量参数选择

研究了航空发动机气路故障诊断中测量参数如何选择的问题。利用发动机故障诊断矩阵，提出了基于特征值和特征向量比较不同测量参数选择系统之间优劣的简易快速算法，该算法可以从几何角度直观地展现整体解空间和解矢量的方向等变化情况。通过一个单轴涡喷发动机测量系统对比案例有效地表明:地面测试系统的最大与最小特征值比为33，机载系统的最大与最小特征值比为1008，在该单轴涡喷发动机气路故障诊断方面，地面测试系统比机载系统明显更有利于气路故障诊断。该算法可用于优化机载发动机测量传感器布局、台架测量系统中测量传感器布局，指导工程中测量参数的选择等。      

发动机故障诊断的主成分算法

 给出了两种基于主成分分析的发动机故障诊断算法,即主成分估计算法和主成分降维算法。这两种算法可以有效地解决发动机故障诊断中的两个技术难点,即减少故障方程中故障因子的个数以及克服故障方程的多重共线性的不良影响．在主成分估计算法中提出了最优主成分个数的概念,解决了主成分个数选择的难题．还以JT9D发动机故障诊断问题为例说明主成分分析算法的应用。研究结果表明,利用主成分降维方法可以将JT9D发动机的26个故障因子压缩到9个,或者将5个单元体的10个故障因子缩减到５个综合变量。所给出的两种算法可以在故障方程存在严重多重共线性而又无约束条件可供利用的情况下给出满意的故障诊断结果。     

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选，降低输入维度；采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化，并对优化的神经网络进行训练；用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法，并且在参选故障诊断的性能参数不同时，其诊断误差相近，展现出较强的适应能力。      

基于遗传算法和BP网络的航空发动机拆换期望值预测

通过使用真实样本实验的方法,在BP神经网络、GA遗传算法与改进的GA-BP复合算法中,找出能迅速精确地预测航空发动机拆换期望值的最佳方法。试验结果证明,GA-BP复合算法在用遗传算法对神经网络的权值进行大致搜索以后,再用神经网络方法进行训练,能很好地模拟发动机拆换期望值,并用实例证明该算法是有效的。      

关联维数和Kolm ogorov熵在航空发动机故障诊断中的应用

总结了关联维数和Kolmogorov熵的计算方法,给出详细的计算步骤,并通过对某型发动机在不同状态下关联维数和Kolmogorov熵的计算和混沌特性分析,提出一种将关联维数和Kolmogorov熵结合使用的新的故障诊断手段。实验结果表明:由于不同故障的动力学产生机制不同,通常也具有不同的关联维数和Kol-mogorov熵,故关联维数和Kolmogorov熵可用于故障的特征提取。      

航空发动机顶层设计指标评价方法及软件开发

采用层次分析、熵值、质量功能展开、模糊综合评价等运筹学的基本方法,结合航空发动机行业的技术特点,建立了一套能够量化评估航空发动机的先进性和技术成熟度等顶层设计指标的评价方法,并在C++Builder编译环境下开发了面向对象的评估软件。在民用航空发动机项目中的实际应用表明,方法能够对航空发动机的先进性和技术风险等顶层设计指标进行合理的量化评估,并对航空发动机研发过程中的技术成熟度进行动态跟踪。