基于LMD与AO-PNN的中介轴承故障诊断方法

针对航空发动机中介轴承受噪声干扰大、传递路径复杂导致采用传统方法难以进行故障诊断的问题,提出了一种基于局部均值分解（LMD）与相关系数-能量比-峭度准则、结合天鹰座优化算法（AO）优化概率神经网络（PNN）的中介轴承故障诊断方法。使用LMD对传感器采集的振动信号进行分解;利用相关系数-能量比-峭度准则判决筛选分解得到的PF分量,重构筛选后的信号;计算重构信号的多尺度排列熵（MPE）,以构建特征向量;通过AO优化的PNN的平滑因子,将优化后的神经网络用于中介轴承的故障诊断。基于中介轴承故障试验数据对诊断结果进行了分析,结果表明：提出的方法可以有效诊断高背景噪声、复杂路径干扰下的航空发动机中介轴承的典型故障,与粒子群优化的概率神经网络方法（PSO-PNN）和传统的PNN方法相比,其诊断准确率分别提高了3.875%和8.125%,具有较好的全局收敛性和计算鲁棒性。     

旋转部件转动诱导振动信号检测与分析

阐述了一个典型旋转部件振动时产生诱导振动信号的检测方法。介绍了测试系统，旋转部件振动测点布置和振动信号采集。根据两个样机的实测结果，认为旋转部件的诱导振动信号与旋转部件生产质量、安装精度密切相关，对旋转部件轴承固有特征的理论计算值和实测频谱进行了比较，进而判断轴承是否存在故障，并分析了上、下轴承间振动信号的相关性。     

航空发动机主轴轴承状态监测研究现状与发展趋势

航空发动机主轴轴承承受着高温、高速、重载、贫油、断油等极端工况,其疲劳、磨损等失效问题严重影响发动机的可靠性.因此,对航空发动机主轴轴承的使用状态进行有效精确监测极为重要.对航空发动机主轴轴承工况特点、主要失效模式和失效机制进行了梳理;针对主轴轴承的状态监测方法和技术,总结并对比分析了现有主轴轴承振动、滑油状态、声音、...