基于Kolmogorov熵的转子-机匣系统故障诊断研究

提出了基于Kolmogorov熵的航空发动机转子—机匣系统状态识别和故障诊断新方法。应用关联积分算法,基于实测的航空发动机机匣振动时间序列求解了转子—机匣系统不同工作状态和故障状态的Kolmogorov熵;基于Kolmogorov熵,对航空发动机转子—机匣系统进行了状态识别和故障诊断。研究结果表明,该法具有较高的状态识别和故障诊断能力。     

基于关联维数的发动机转子振动故障模式判别

通过模拟双转子航空发动机的几种典型振动故障模式，根据计算分析验证了借助于关联维数辨别不同故障模式方法的可行性，并将分形方法应用于实测的涡扇发动机转子振动信号分析之中。初步分析结果表明，由于不同故障形式的动力学形成机制不同，振动信号在相空间具有不同的特性，通常也具有不同的关联维数。     

基于监督流形学习的航空发动机振动故障诊断方法

航空发动机故障诊断中一个有挑战性的难题就是如何处理具有高维数、非线性化特点的故障数据,传统模式识别方法很难发现这类数据集的真实结构,导致故障诊断准确性不高。针对这一问题,将一种新兴的非线性维数约简技术——流形学习引入航空发动机振动故障诊断,提出基于监督流形学习理论的航空发动机特征提取与识别方法。该方法首先采用最近兴起的监督局部线性嵌入流形学习算法对蕴含在高维振动故障数据中不同故障的流形特征进行学习,映射到低维嵌入空间以实现故障的特征提取,在降维后的流形特征空间中构造分类器实现故障识别。利用航空发动机转子故障数据对方法的有效性进行了验证,结果表明,该方法显著提高了故障诊断性能,克服了传统的模式识别方法PCA和LDA的不足,并且在训练样本数为每类100的条件下,该方法的平均故障诊断正确率比PCA和LDA分别高出2.93%和7.20%。     

刀具声发射信号混沌特征提取及趋势分析

旨在建立一种基于多混沌特征演化分析的刀具磨损状态监测方法,通过计算刀具声发射信号的混沌特性参数分析其磨损趋势。建立首先基于混沌理论分析和描述刀具不同磨损阶段声发射信号的混沌特性,包括：定性描述,即重构相空间的奇异吸引子轨迹和庞加莱截面;定量描述,计算不同时间段声发射信号的关联维数、最大Lyapunov指数等。其次,采用最小二乘回归方法对所计算的混沌参数进行趋势分析。结果表明,声发射信号具有混沌特性,而且关联维数和最大Lyapunov指数演化趋势与刀具的磨损状态具有一定的关联,从而为刀具磨损状态的在线监测和预测提供了新思路。     

关联维数在航空发动机转子振动监控中的应用研究

将分形动力学思想引入航空发动机转子振动系统的信号监控中,利用关联维数定量辨别不同故障模式.该方法是通过直接分析系统的输出,即振动信号来识别故障的产生机制,为机械故障的逆问题求解提供了新的思路.     

基于粗糙核Fisher鉴别分析的特征提取及其在发动机故障诊断中的应用

将粗糙集理论的属性约简与核Fisher鉴别分析方法结合起来,提出一种基于粗糙核Fisher鉴别分析的故障特征提取方法.首先采用粗糙集理论的属性约简删除与分类无关或关系不大的特征,降低输入特征维数,排除干扰特征的影响,减小了特征提取计算量;再采用核Fisher鉴别分析方法进一步提取非线性特征;最后将该方法应用于航空发动机滑油系统故障特征提取及故障识别中.结果表明:该方法获取的特征在提高分类正确率的同时,还有效地降低了输入特征维数,提高了分类效率,并且对分类器具有较强的适应性和鲁棒性.      

离心式压气机出口动态压力的关联维数特征分析

基于相空间重构理论,以800kW离心式压气机在不同工况下的出口动态压力为研究对象,分析了其时域、频域和关联维数特征,目的是实现喘振识别.结果表明:系统稳态时,动态压力幅值小且随机特性强,系统的混沌特征较为明显.此状态下的关联维数曲线波动很大,饱和关联维数也较大(8～20),并且部分时段不存在饱和关联维数.而随着系统经过...     

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。      

基于灰色关联分析的航空发动机气路部件故障诊断

为了改善对航空发动机气路部件故障诊断能力,提出了一种基于灰色关联分析的两层诊断方法。该方法首先利用粒子群算法优化各蜕化程度下灰色关联加权指数,构建标准故障序列,利用灰色关联分析进行第一层定性诊断,再优选故障模式利用灰色斜率关联分析方法进行二次诊断,得到了气路部件故障诊断结果。仿真表明,改进二次灰色关联分析诊断方法比单层诊断方法结构更简单,计算量小,更适合于较多传感器的发动机诊断系统,比经验灰色关联分析方法诊断精度更高。     

定常可压缩无粘流非线性方程解的完全边界积分表示式

 本文以ρV为因变量将可压缩等熵无粘流非线性方程的解表示成完全边界积分形式,从而将问题的计算维数降低一维。     

高超声速等离子体流场混沌特性的实验分析

本文采用耗散系统的混沌动力学方法,分析处理了ＦＤ０４电弧风洞超高速等离子体流场实验中多道扫描探针的实验数据。分别给出了无锥体流场和有锥体尾迹等离子体流场的相关维数和Ｋｏｌｍｏｇｏｒｏｖ熵值的分布。该分布清晰地刻划了流场的湍动和分层结构。用Ｋｏｌｍｏｇｏｒｏｖ熵极小值方法,观测到了锥体尾迹流场的主激波结构。     

基于最大相关雷尼熵与相空间重构的航空发动机复合故障信号特征提取方法

针对低信噪比（SNR）,复杂噪声工况下,复合故障信号特征难以提取的问题。提出基于相空间重构融入最大相关雷尼熵解卷积的信号特征提取方法,该方法以雷尼熵为敏感特征范数,以最大相关雷尼熵解卷积为基本方法,并在其中融入具有噪声抑制特性和分解特性的相空间重构技术。结果表明：雷尼熵与峭度相比,在故障灵敏度相当并略好的情况下,对偶发噪声敏感度仅为峭度的18.4%。通过仿真验证,实验数据验证以及台架实验验证,证明了本文方法与现有的对比方法相比,在提取复合故障信号特征方面具有优势。     

转子碰摩振动响应的非线性时间序列分析

针对碰摩转子系统的非线性特性 ,采用动力学非线性时间序列分析的方法对其振动响应进行了分析研究。基于动力学重构的基本理论 ,对碰摩转子响应进行了状态空间重构。在此基础上 ,进一步对碰摩转子系统振动响应进行了相关维数的估计 ,不同的相关维数值表明了系统是处于周期或拟周期运动 ,还是处于含有拟周期的混沌运动 ,或者是明显的混沌运动。系统碰摩严重时的相关维数值会比碰摩较轻时的相关维数值大 ,进一步对实验数据的计算结果也证实了这一点。     

基于IRCMNDE和NNCHC的滚动轴承故障诊断

针对多尺度散布熵（MDE）在粗粒化过程中易发生信息丢失、产生虚假信息,难以全面提取轴承故障信息的问题,提出了基于改进的精细复合多尺度归一化散布熵（IRCMNDE）和最近邻凸包分类（NNCHC）的滚动轴承故障诊断方法。引入精细复合多尺度散布熵（RCMDE）,将其粗粒化过程中平均值替换为最大值来表示数据段信息,以克服传统粗粒化过程的不足并突出故障特征。通过归一化操作减弱熵值计算时不同参数选择导致的熵值波动幅度,得到IRCMNDE。将IRCMNDE作为故障特征,使用NNCHC分类器对故障特征进行分类。经实验验证,该方法可达到98.98%的故障识别准确率,相比基于MDE（故障识别准确率为95.99%）和RCMDE（故障识别准确率为97.60%）的方法,能够更准确地提取滚动轴承的故障特征信息,提高承故障分类的准确性。      

基于EWT的离心压气机出口动态压力样本熵分析

以800 kW离心压气机从稳定状态经过过渡过程进入喘振状态时段的出口动态压力为研究对象,采用经验小波变换并结合样本熵特征,分析了系统在不同工况下的复杂特性。首先,在分析系统动态压力波形特征的基础上,采用经验小波变换并结合皮尔逊相关系数进行信号的提取。其次,研究了提取信号的样本熵与系统工作状态变化的关联关系,并讨论了经验小波的分解层数和样本熵的维数对分析结果的影响。最后,通过将白噪声加入原始信号以验证该方法的抗干扰性能。研究结果显示：当系统由稳态进入喘振状态时,系统出口动态压力的样本熵表现出明显的突变特性,其值由0突变至0.7左右。从系统参数的选择角度,样本熵维数的变化对系统特征的分析影响较小。并且,采用该方法抗干扰性能较好。     

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.      

基于EMD熵特征融合的滚动轴承故障诊断方法

研究了滚动轴承故障诊断单一故障信号的局限性和故障特征的非线性,从信息融合的理论出发,利用非线性动力学参数熵作为特征,提出了基于经验模态分解(EMD)熵特征融合的方法来解决滚动轴承故障诊断问题.首先将原始信号进行EMD,利用EMD的自适应多分辨率的特点计算EMD得到的固有模态函数(IMF)信号的多种熵值,然后采用核主元分析(KPCA)对提取的状态特征进行信息融合,从而得到互补的特征,最后将提取的融合特征通过支持向量机(SVM)进行故障诊断.滚动轴承故障诊断实验表明:该方法结合了EMD、信息熵理论和KPCA强大的非线性处理能力的特点,可以进行滚动轴承故障诊断.