基于改进模糊SVM的转子振动故障诊断技术研究

本文首先对常用的隶属度确定方法进行改进,提出了基于改进模糊支持向量机（FSVM）的融合故障诊断方法,并建立了改进FSVM故障诊断数学模型;然后,利用转子振动模拟实验台对四种典型的转子诊断故障进行模拟,并提取其故障信号特征;最后,通过实例计算分析,验证了该方法在转子振动故障诊断方面是可行和有效的,为转子振动故障准确诊断提供了一种新方法。     

基于改进模糊SVM的转子振动故障诊断技术

首先对常用的隶属度确定方法进行改进,提出了基于改进模糊支持向量机(FSVM)的融合故障诊断方法,并建立了改进FSVM故障诊断数学模型;然后,利用转子振动模拟实验台对四种典型的转子诊断故障进行模拟,并提取其故障信号特征;最后,通过实例计算分析,验证了该方法在转子振动故障诊断方面是可行的和有效的.     

基于WCFSE-FSVM的转子振动故障诊断方法

为了提高含有噪声和野值的转子振动故障样本诊断精度,提出了基于WCFSE-FSVM的故障诊断方法。充分融合小波相关特征尺度熵(WCFSE)特征提取方法和FSVM故障诊断方法的优点,建立WCFSE-FSVM故障诊断模型。基于转子实验台模拟4种典型故障,获得原始故障数据;并利用WCFSE方法提取这些故障数据的WCFSE值,选取故障信号高频段中的尺度1和尺度2上的小波相关特征尺度熵W1和W2构造出振动信号的故障向量作为故障样本,建立FSVM诊断模型。实例分析显示:WCFSE-FSVM方法的转子故障诊断精度最高,即故障类别诊断精度为94.49%,故障严重程度的诊断精度为95.58%,二者都优于其它故障诊断方法。验证了WCFSE-FSVM方法的可行性和有效性。      

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.     

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.      

基于过程功率谱熵SVM的转子振动故障诊断方法

针对旋转机械振动过程的复杂性和振动故障产生的随机性以及振动故障样本获取难的问题,在信息熵理论的基础上,融合了支持向量机(SVM)小样本、全局性和泛化性好的优点,提出了过程功率谱信息熵(功率谱熵)SVM的故障诊断方法。结合转子实验台,得到了4种典型振动故障在多测点多转速下的数据,通过计算提取了其功率谱熵特征值作为故障样本,即故障向量,并建立SVM诊断模型,对转子振动故障的类别、严重程度和部位识别诊断,验证了该方法在转子振动故障诊断方面效果良好。     

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     

基于信息熵距和FSVM隶属度的转子振动状态评估方法

为了更有效、直观地对航空发动机的振动状态进行实时监控,运用信息熵和模糊支持向量机(FSVM)方法,建立了基于信息熵距和FSVM隶属度的转子振动状态评估方法。研究了振动信号的信息熵特征,提出了可以表示转子振动状态的指标—信息熵距;通过模糊支持向量机(FSVM)确定模糊隶属度矩阵,将模糊隶属度矩阵与信息熵距相结合,建立了一个多参数的转子振动状态评估模型;应用此模型对转子振动信号进行系统分析和定量计算,验证了该方法用于转子振动状态评估是有效、可行的。      

An effective crack position diagnosis method for the hollow shaft rotor system based on the convolutional neural network and deep metric learning

In recent years, the crack fault is one of the most common faults in the rotor system and it is still a challenge for crack position diagnosis in the hollow shaft rotor system. In this paper, a method based on the Convolutional Neural Network and deep metric learning (CNN-C) is proposed to effectively identify the crack position for a hollow shaft rotor system. Center-loss function is used to enhance the performance of neural network. Main contributions include: Firstly, the dynamic response of the dual-disks hollow shaft rotor system is obtained. The analysis results show that the crack will cause super-harmonic resonance, and the peak value of it is closely related to the position and depth of the crack. In addition, the amplitude near the non-resonant region also has relationship with the crack parameters. Secondly, we proposed an effective crack position diagnosis method which has the highest 99.04% recognition accuracy compared with other algorithms. Then, the influence of penalty factor on CNN-C performance is analyzed, which shows that too high penalty factor will lead to the decline of the neural network performance. Finally, the feature vectors are visualized via t-distributed Stochastic Neighbor Embedding (t-SNE). Naive Bayes classifier (NB) and K-Nearest Neighbor algorithm (KNN) are used to verify the validity of the feature vectors extracted by CNN-C. The results show that NB and KNN have more regular decision boundaries and higher recognition accuracy on the feature vectors data set extracted by CNN-C, indicating that the feature vectors extracted by CNN-C have great intra-class compactness and inter-class separability.     

人工智能系统发动机故障诊断

作为人工智能研究中面向实际应用的课题，本系统综合安２４飞机发动机故障诊断的专家经验和各种典型实例，用基于规则的演绎推理系统，实现了对飞机发动机故障的经验性诊断。并利用人机对话方式，提供推理报告，进行自学习（机器学习）。系统模型由知识库、推理机制、自学习机制及解释机制四个模块构成，它们相对独立，能进行平行处理。有利于调试、修改及扩充新知识。同时本系统还有效地解决了栈空间的问题。其调试结果表明：与ＩＮＳＩＧＨＴ２相比，响应时间短，速度快，功能强。并有较好的用户界面。具有一定的实用性。     

非线性支承转子的动平衡

影响系数法是利用线性系统中校正量和被测量之间的线性关系进行转子动平衡。实际应用中,转子系统往往是支承在具有非线性刚度的轴承上。由于线性假设不成立,直接使用影响系数法进行转子动平衡将十分困难。本文运用Lagrange方程和柔度影响系数,建立了非线性支承多盘转子系统的动平衡计算模型,提出了运用优化算法对非线性系统进行等效线性化来平衡非线性支承转子的方法。计算实例表明转子由不平衡量引起的振动得到了大幅度减少,达到了非线性支承转子动平衡的目的,效果良好。      

一种基于CFD的叶轮机非定常气动力组合建模方法

为了获得一个准确高效的非定常空气动力学模型并将其应用于叶轮机叶片颤振特性分析中去,论文发展了一种基于CFD方法的叶轮机非定常气动力组合建模方法,可以快速计算叶轮机叶片在等相角差振动时的气动阻尼系数。运用小扰动流场的叠加原理,通过不同通道数模型的非定常流场求解(通常需要两次或三次),针对流场的周期性边界条件,组合分析得到一系列更多通道数情况下的非定常气动力低阶模型。基于这种降阶模型计算的气动阻尼系数与直接的CFD方法计算结果吻合很好,计算效率提高10倍以上。     

转子动力学优化设计

优化设计可以使转子支承系统具有先天优良的转子动力学特性, 优化支承的刚度与阻尼系数是使转子支承系统获得优良动力学特性的有效途径。本文采用传递矩阵-拟模态综合法分析转子支承系统的动力特性-临界转速、不平衡响应以及对支承动力参数灵敏度分析, 进而对支承动力参数作优化设计。本文所提出的方法已经过算例、模型试验及工程应用的证实。      

微小型涡喷发动机转子涡动控制方法研究

针对微小型涡喷发动机转子系统的涡动以及稳定性问题,提出了一种涡动控制方法,并通过试验验证了该方法的有效性。该方法主要通过轴向预紧力或波形弹簧压缩量、波形弹簧刚度、转子转速、转子质量以及不平衡量信息在标量系统中利用能量相等原理,计算衰减涡动需要的库仑阻尼垫片厚度、数量以及安装形式,结合阻尼橡胶对转子的外阻尼进行调节并装配结构,从而精确控制发动机转子的涡动幅值以达到微小型涡轮喷气发动机在较高转速下稳定工作的要求。     

直升机垂直飞行状态气动参数辨识方法研究

准确计算直升机的悬停升限依赖于诸如桨尖损失系数,非均匀旋翼诱导速度分布,旋翼下洗引起的直升机增重效应及发动机与旋翼之间的功率传递系数等气动参数的准确度。然而,由于复杂的旋翼空气动力现象,准确预估以上气动参数有较大难度。本文提出了一种确定直升机垂直飞行状态上述气动参数的方法,该方法通过建立直升机垂直飞行状态的运动方程,实测直升机垂直飞行时的相关信息,采用参数辨识的方法得到直升机垂直飞行时的气动参数,然后,利用辨识结果确定直升机的悬停升限。结果表明该方法能有效地确定直升机垂直飞行时的气动参数及相应的悬停升限,且具有飞行试验简便,不受直升机装载和外界环境条件变化限制的特点。     

悬停状态大拉力情况旋翼功率计算经验修正系数确定方法

首先根据经典组合动量理论和叶素理论推导了悬停状态旋翼拉力和功率计算公式,然后基于旋翼塔悬停性能试验结果,采用优化方法确定经验修正系数和一些气动参数,克服经验修正系数选择的随意性,提高悬停状态大拉力情况旋翼需用功率的计算精度.     

基于时频脊线和阶次分析的转子故障诊断

为解决采用在转子升降速过程中产生的非平稳信号难以进行故障诊断的问题,提出一种基于2维时频脊线和阶次分析的转子故障诊断方法。采集转子升降速信号,采用2维时频分布的峰值脊线提取法获得信号脊线特征,结合脊线特征与等角度重采样技术依次获得信号角度域、角-阶域和阶次域图像,将信号阶次域内的特征参数作为故障敏感特征,输入人工神经网络诊断模型,对转子信号的故障类型进行分类。利用实测信号验证所提方法的实际应用效果,并与传统特征提取法的结果进行对比。结果表明:阶次分析方法的测试准确率约为99.8%,标准差小于0.09%,均优于传统特征提取法。基于时频脊线和阶次分析的转子故障诊断方法具有更高的诊断准确率,在非平稳信号特征提取过程中具有很好的可行性和准确性。     

应用协同射流原理的旋翼翼型增升减阻试验研究

协同射流技术作为一种新型主动流动控制技术,是突破旋翼翼型高增升减阻设计的最有潜力的发展方向之一。以 OA312 旋翼翼型作为基准翼型,研制微型涵道风扇组为驱动的旋翼翼型 CFJ 风洞测力模型,开展基于前缘高负压零质量内循环协同射流原理的旋翼翼型高增升减阻低速风洞试验,研究吹气口大小、吸气口大小和上翼面下沉量等基础参数对增升减阻的影响规律,探讨 CFJ 旋翼翼型关键参数最佳取值。结果表明：与OA312 基准翼型相比,小攻角状态时,CFJ 旋翼翼型可显著降低阻力系数,甚至出现“负阻力”现象,实现了零升俯仰力矩基本不变;大攻角状态时,CFJ 旋翼翼型可显著提升最大升力系数和失速迎角,其中,最大升力系数可提升约 67.5%,失速迎角推迟了近 14.8°。