基于神经网络规则提取的航空发动机磨损故障诊断知识获取

针对神经网络智能诊断与专家系统中知识难于理解和诊断解释能力差等问题,研究了一种新的基于功能性观点的神经网络规则提取方法,介绍了方法流程及关键算法.并用UCI(加利福尼亚大学埃尔文分校)机器学习数据对方法进行了分析和验证.最后,将方法应用于实际航空发动机磨损故障诊断中,采集了某型航空发动机实测油样光谱数据237个样本,利用神经网络规则提取方法提取了发动机磨损故障诊断知识规则,并对其进行了解释,结果表明了方法的正确有效性.      

基于支持向量机的航空发动机转静碰摩部位诊断规则提取

引入基于支持向量机(SVM)的数据挖掘技术,提出了基于SVM的转静碰摩部位诊断知识获取.首先,基于带机匣的航空发动机转子实验器,模拟了4个碰摩部位的碰摩实验,利用机匣4个部位的应变测试,获取了4个碰摩部位和4个测点的大量实验数据;然后提出了一种基于支持向量聚类(SVC)的诊断知识规则提取方法.在该方法中,利用SVC算法得到特征选取后样本的聚类分配矩阵,最后根据聚类分配矩阵构建超矩形规则.为使规则更加简洁,易于解释,采用规则合并、维数约简、区间延伸等方法对超矩形规则进行进一步简化.利用基于SVM的数据挖掘方法,从大量的碰摩部位实验数据中提取出了转静碰摩部位诊断的知识规则,并进行了相应解释和验证,规则识别率达到了99%以上,表明了该方法的正确有效性.      

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。     

基于奇异值差的转静件碰摩故障诊断方法研究

针对目前奇异值分解方法在航空发动机碰摩故障诊断处理中的不足,在基于矩阵分析推导奇异值残差重构信号能量成分的基础上,提出了利用奇异值残差重构突变信息的方法并建立了诊断流程.利用仿真信号对提出的方法进行了验证,得出了该方法与理论分析相符合.最后将其应用于某型航空发动机实测数据的处理,成功地判断出该发动机碰摩的时刻和碰摩故障的延展,结果表明该方法对航空发动机碰摩故障的诊断具有良好的效果.      

碰摩故障模拟试验器设计

为开展航空发动机整机振动抑制技术研究与验证,在避免反复分解装配的情况下,准确分析振动故障产生的原因和机 理,设计了碰摩故障模拟试验器。对试验器结构进行了详细设计,对关键部件进行了强度校核,并描述了具体试验步骤。通过安 装在对开机匣上的径向、轴向自动进给碰摩模块及自动横向位移模块模拟发动机在高速运转情况下出现的转静子碰摩故障;通过 更换径向、轴向碰摩块模拟发动机的各种典型碰摩故障以及不同材料之间的碰摩工况。利用振动传感器检测转轴振动响应信号, 利用测试分析系统分析响应信号,研究碰摩进给量、碰摩结构、碰摩材料、碰摩位置与振动特性的关系,归纳出碰摩故障典型特征 和识别方法。     

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。      

考虑多叶片-机匣多点变形转静碰摩模型的机匣响应特征与验证

针对航空发动机叶片-机匣碰摩故障,提出了一种考虑多叶片-机匣耦合振动下的转静碰摩故障模型,该模型在通用的弹性碰摩模型的基础上,考虑了多个叶片与圆盘之间的耦合作用、叶片与叶片之间的耦合作用、叶片与机匣之间碰摩故障以及叶片与机匣之间转静间隙变化对碰摩力的影响,能够模拟机匣单点、局部及整圈,转子的局部和整圈的碰摩规律。将所提出的碰摩模型运用于转子-支承-机匣耦合动力学模型中,利用数值积分获取碰摩故障下的机匣加速度响应规律。利用带机匣的航空发动机转子试验器,进行了转子叶片-机匣的机匣单点-转子全周的碰摩实验,仿真和实验取得了很好的一致性,验证了所提出的叶片-机匣碰摩新模型的正确有效性。并利用该模型仿真了其他碰摩状态下的碰摩故障特征和碰摩力随时间变化规律。     

基于小波包分析和支持向量机的转静碰摩部位识别

利用航空发动机转子实验器模拟不同径向碰摩部位下的碰摩故障,提出基于小波包分析的支持向量机转静碰摩部位识别方法.首先将从机匣测得的加速度信号进行小波包分解,提取其归一化能量特征,接下来将得到的归一化能量特征输入至支持向量机中,用以识别不同的碰摩部位.利用航空发动机转子实验器模拟大量不同碰摩程度和不同碰摩部位的样本,利用支持向量机进行训练和测试.结果表明小波包能量特征与支持向量机相结合可以有效地判别转静碰摩部位,且仅需1个传感器即可达到98%的识别率.      

航空发动机转子-滚动轴承-支承-机匣耦合系统的碰摩故障分析与验证

针对实际的航空发动机转子系统,建立了含碰摩故障的转子-滚动轴承-支承-机匣耦合动力学模型.在模型中,考虑了机匣运动,弹性支承、挤压油膜阻尼,充分考虑了轴承间隙、滚珠与滚道的非线性赫兹接触力以及由滚动轴承支撑刚度变化而产生的变柔性(VaryingcomplianceVC)振动.运用数值积分方法获取了系统响应,并建立带机匣的航空发动机转子实验器进行碰摩故障实验,仿真结果与实验结果比较分析表明了模型的有效性.      

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.      

周期性碰摩激励作用下薄壁机匣支撑系统响应机理

针对发动机薄壁机匣支撑系统在碰摩激励作用下动力学响应复杂,基于机匣振动信号的碰摩故障特征识别难度大的问题,提出了一种用于故障特征机理分析的数值仿真方法.通过建立薄壁机匣系统的等效动力学三维实体模型,将碰摩激励进行等效力学简化,利用瞬态动力学方法对周期性碰摩故障进行了数值仿真.在系统固有特性分析的基础上,对机匣测点在碰摩...     

基于神经网络和D-S证据理论的发动机磨损故障融合诊断

运用了4种最常用的滑油分析技术——铁谱分析、光谱分析、颗粒计数分析及理化指标分析,同时结合发动机试车台监测数据,提出运用神经网络和D-S证据理论对发动机试车状态进行融合诊断的方法。首先依据各种分析方法的标准磨损界限值,将原始数据进行了预处理,统一转换成故障征兆的布尔值;其次,建立各子神经网络的拓扑结构,并依据专家经验建立各子系统的输入征兆与故障论域的映射关系,从而得到各子神经网络的训练样本,对各网络进行成功训练后,利用神经网络实现各子网络的诊断并得到中间诊断结果;然后,将每种方法的神经网络诊断结果作为对各种故障模式的基本概率分配值,利用D-S证据理论,实现对神经网络的诊断结果的融合,从而得到最终的融合诊断结果;最后,运用算例表明了本文方法的有效性。      

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.      

粒子群优化的粗糙集-神经网络在航空发动机故障诊断中的应用

提出了一种基于粒子群优化算法的邻域粗糙集-神经网络的发动机智能故障诊断方法,首先利用基于邻域粗糙集模型的属性约简方法对样本数据进行属性约简,然后采用粒子群优化算法替代传统BP算法来训练神经网络的权值和阈值,再用训练好的神经网络对航空发动机气路故障进行诊断.仿真结果表明:该方法降低了神经网络结构的复杂性,减少了网络训练时间,提高了诊断精度.     

新型叶片-机匣碰摩模型及其验证

针对航空发动机叶片-机匣碰摩故障,提出了一种新型叶片-机匣碰摩模型,该模型在传统弹性碰摩模型的基础上,考虑了叶片数和转静间隙变化对碰摩力的影响,能够模拟机匣单点、多点、局部及全周,转子的单点、多点、局部和全周的碰摩规律.将所提出的碰摩模型运用于转子-支承-机匣耦合动力学模型中,利用数值积分获取碰摩故障下的机匣加速度响应规律.利用带机匣的航空发动机转子实验器,进行了叶片-机匣的机匣单点-转子全周的碰摩实验,发现了机匣振动加速度信号的碰摩特征具有明显的周期冲击特征,其冲击频率为叶片通过机匣的频率,在数值上等于旋转频率与叶片数的乘积,在频谱高频段出现了叶片通过频率及其倍频,冲击的大小受旋转频率调制,倒频谱具有旋转频率及其倍频的倒频率成分,仿真和实验取得了很好的一致性,验证了所提出的叶片-机匣碰摩新模型的正确有效性.最后,在此基础上,仿真计算了多种碰摩模式下的机匣振动特征和规律.      

涡轮增压器转子动力分析

H1C型涡轮增压器存在着严重的转子碰磨故障。本课题对该增压器转子结构进行了强度动力分析,找出了产生故障的主要原因,为产品的排故、结构改进提供了理论依据。     

转子故障的连续小波尺度谱特征提取新方法

引入图像分析方法,提出了直接从转子故障信号连续小波尺度谱中提取图像纹理特征的新方法.首先,通过转子故障模拟实验台采集了不平衡、不对中、碰摩及油膜涡动等典型故障信号;然后,分析了故障信号尺度谱的差别及所提取出的数字特征对故障的敏感性;最后用结构自适应集成神经网络进行了智能诊断实验,结果表明了本文所提出的尺度谱数字特征对转子故障诊断的有效性.      

双转子系统碰摩有限元接触分析模型及故障诊断

针对常用碰摩力模型的不足,应用AN SY S软件在求解转静子之间的碰摩力与法向相对位移之间的关系的基础上得到了碰摩力模型,并与整体传递系数法相结合建立转静件碰摩的动力学方程。采用整体传递系数法计算转子系统的动力特性,进而求解双转子系统的瞬态响应。利用时域波形、频谱分析和小波变换对响应进行了分析,得出并分析了相关的故障特征。