航空发动机球轴承剥落故障模式分析

为研究航空发动机球轴承的剥落故障模式,利用原子发射光谱技术、自动磨粒分析技术、铁谱技术及能谱分析技术对球 轴承加速等效试验滑油中磨粒的数量、大小、形貌及成分等信息进行分析。结果表明：金属颗粒污染物导致轴承出现初始疲劳剥 落;球轴承剥落的特征磨粒为滚动疲劳磨粒和球形磨粒,内衬套微动磨损的特征磨粒为铁的黑色氧化物和红色氧化铁磨粒;临近 轴承失效时,滑油中Fe元素质量分数由7.49×10 -6 增大至21.74×10 -6 ,特征磨粒数量也由48.9个/mL急剧增加至1433.8个/mL,且特 征磨粒直径主要分布在25～50 μm。金属颗粒污染物的存在使轴承承力内半圈滚道加速出现接触疲劳剥落,滚道剥落到一定程 度后,在轴向力、摩擦力及预紧力等综合作用下在内衬套与承力内半圈接触处发生微动磨损,进一步加剧了滚道的疲劳剥落,最终 导致球轴承失效。     

基于卷积神经网络的雷达辐射源稳健识别方法

针对低信噪比下，基于传统统计特征的雷达信号识别方法对复杂调制信号类型识别性能不高，因而处理复杂度高的问题，提出一种基于卷积神经网络的雷达辐射源信号稳健识别方法。该方法通过提取信号的瞬时相位特征，获得变换域的表征信号，将其作为卷积神经网络的输入，实现雷达辐射源信号的快速识别。针对瞬时相位特征对于信噪比敏感的特点，采用主成分分析方法对信号特征域进行降噪处理，提升模型对噪声的稳健性。通过仿真实验验证了所提出方法在不同信噪比下对7种调制信号类型的识别性能，通过理论分析及不同方法的实验对比，验证了算法具有耗时较短、识别准确率较高、噪声稳健性好等优势，具有良好的工程实用性。