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.     

叶身/端壁融合技术研究

角区流动的现象普遍存在,其中角区流动分离是制约叶轮机性能提升的关键因素。针对抑制或消除角区分离情况,在简要回顾二面角原理的基础上,提出叶身/端壁融合技术(Blended Blade-EndWall,BBEW),指出了其所包含的二面角原理的3种应用方式,并以NASA 67号转子叶片为例,采用数值方法研究了应用第2种方式(即增大过渡曲面最小曲率半径方式)的改型效果。结果表明:采用二面角原理第2种应用方式的BBEW能够有效地减弱或消除高负荷叶片吸力面角区分离,进而明显改善了67号转子叶片性能,因此BBEW是抑制或消除角区分离的有效技术。     

基于Bayes理论的多源可靠性数据融合方法应用研究

对Bayes方法在多源可靠性数据融合中的应用进行了分析。将Bootstrap方法和随机抽样法应用于确定不同先验信息下的先验分布或先验分布中的超参数。论证了采用线性加权进行多源先验分布融合的合理性,并提出了将样本的边缘分布作为该方法中确定权重的一个衡量尺度。最后,采用上述方法对某飞机组件的寿命进行了统计推断。     

基于多源诊断信息融合的发动机气路分析

针对气路可测信息的有限性及不确定性易导致航空发动机气路分析结果准确度和精度不高的问题,提出了一种基于贝叶斯网络的多源诊断信息融合机制,以提高气路部件故障诊断的准确度和精确度.介绍了基于贝叶斯网络的气路分析方法,在此基础上提出了改进的用于多源诊断信息融合的气路分析贝叶斯网络,即以常规的气路可测参数为主,而其他诊断信息则借助故障模式先验概率表引进贝叶斯网络,实现多源信息的融合.仿真实验表明:通过融合多源信息能够准确地诊断出传统的气路分析难以识别的故障,同时降低了健康参数估计值的方差,提高了诊断结果的精确度;在观测噪声放大一倍、健康参数变化量小于1%的情况下,通过融合多源信息仍能准确的估计出健康参数变化量,且标准差均于0.1%.      

基于正则化多核判别分析的航空发动机滚动轴承早期故障融合诊断方法

针对基于机匣测点信号的航空发动机滚动轴承早期故障诊断问题,提出了一种基于正则化多核判别分析的融合诊断方法.该方法首先提取多种类型的滚动轴承故障特征;然后采用相同的一组核参数为不同类型的特征分别构造一组核矩阵,并将所有核矩阵组合在一起;最后通过求解一个半无限线性规划得到该组核矩阵关于正则化核判别分析的目标函数的最优线性组合系数,进一步采用该系数计算所有核矩阵的线性组合,从而实现多种类型特征信息的融合.实验结果表明:该方法诊断正确率与采用单一类型特征诊断的最高正确率相比提高了9.25%,同时可以避免核矩阵需要人工选择的问题,从而进一步提高了故障诊断的自动化水平.      

基于加权的可见光与红外光图像融合算法

红外图像所含边缘等细节偏少、可见光又容易受外部环境干扰,融合图像可以提供更全面的信息,符合人或机器的视觉特性,为图像进一步分析、识别等提供基础。提出一种比值与梯度加权的可见光与红外光图像融合算法,结合小波变换在图像分解中的特性及信号集中的特点,将小波变换应用于红外光和可见光图像融合中可以提高融合信息的理解能力。针对分解获得的低频系数主要反映图像细节信息的特点,对低频系数采用比值加权分析融合规则;针对分解获得的高频系数主要反映图像边缘信息特征的特点,对高频系数采用改进边缘检测算子梯度加权的融合规则。选取多组图像进行了不同融合规则实验对比分析,通过客观评价指标进行评价,改进的融合算法可以获得较清晰的融合图像,可以增加图像的互补信息,并能较好地提高融合图像的清晰度。     

基于随机Wiener过程的航空发动机剩余寿命预测

针对目前剩余寿命(RL)预测方法没有综合考虑发动机个体性能退化的差异性和多阶段性的问题,提出了基于多阶段性能退化模型预测航空发动机剩余寿命的方法。首先,该方法采用多阶段Wiener过程对航空发动机进行退化建模,并假设退化模型参数服从随机分布来描述发动机个体的差异性。然后,根据历史性能退化数据与历史失效时间数据,利用期望最大化算法对模型参数的先验分布进行估计。当获得单台发动机的实时退化数据后,使用Bayesian方法对模型参数进行更新,从而实时更新航空发动机的RL分布,最终实现对单台航空发动机的RL预测。实验结果表明,该方法预测精度较高,能为航空发动机维修计划的制定提供依据。     

航空发动机气路部件故障融合诊断方法研究

针对发动机气路部件故障,提出了一种基于模型和基于数据驱动的融合诊断方法。采用极端学习机(ELM)实现基于数据驱动的故障诊断。针对ELM随机选择输入层权值和隐含层偏置带来的缺点,采用改进微分进化(IDE)算法以训练样本的均方根误差(RMSE)和输出层权值的范数为评价标准对其进行优化,减少了ELM的隐含层节点数,提高了网络的泛化能力。同时,由于传感器数目的不足,采用基于奇异值分解(SVD)的Kalman(SVD-Kalman)滤波器实现基于模型的部件故障诊断。为了提高航空发动机部件故障诊断的精度,利用改进的迭代约简最小二乘支持向量回归机(IRR-LSSVR)算法对两种算法的估计结果在特征层进行定量融合。仿真结果表明,在发动机稳态状态下,与单独使用基于模型和数据驱动的诊断方法相比,采用特征层融合有效地提高了部件故障诊断的精度和准确率。     

翼身融合无人机外形优化设计研究

翼身融合布局无人机具有较好的升阻特性和隐身特性,拥有广泛的应用前景。为了提高无人机的续航能力,兼顾翼身融合无人机的气动特性和结构重量要求,选择无人机升阻比与全机面积作为优化目标,应用多目标优化方法研究翼身融合无人机的外形设计,提出一种针对翼身融合无人机的外形参数化优化设计方法,并进行实例验证。结果表明:外形优化可以提高无人机升阻比、减轻结构重量,从而获得合理的翼身融合无人机设计方案。     

民机故障智能诊断领域信息融合技术应用要点

<正>民机设备故障诊断技术是振动工程的一个分支,在民机设备维护中发挥着重大作用。现代民机被设计为具备主动故障检测和诊断的能力,其功能主要包括三个方面任务管理、健康管理和有效负荷操作。其中健康管理又包括故障预防和故障诊断。故障诊断是民机的重要功能组成,有效的诊断工作是保障运行安全水平与飞行任务的基本要素。随着人工智能技术在故障诊断上的应用,基于人类专家经验的设备故障诊断技术被实现,将故障诊断技术提高到一个新的水平。先进民机制造国都致力于此项技术的研究和开发工作。从20世纪80年代开始,基于专家经验和专家库的故障诊断系统开始研发和使用,时至今日,波音与空客等行业巨擘